情感语音发音机理的研究

陈志杰，王韦皓

陈志杰/四川师范大学电影电视学院助教(四川成都610036）；王韦皓/四川电影电视职业学院讲师，硕士 （四川成都 610036）。

在研究开始之前我们要先了解一下语音的定义，语音就是语言的声音，是语言符号系统的载体，它由人的发音器官发出，负载着一定的语言意义。语言依靠语音实现它的社会功能。语言是音义结合的符号系统，语言的声音和语言的意义是紧密联系着的，因此，语言虽是一种声音，但又与一般的声音有着本质的区别。语音是人类发音器官发出的具有表义别义认知传承功能的声音，不能把语音看成纯粹的自然物质；语音是最直接地记录思维活动的符号体系，是语言交际工具的一种声音形式。

一、情感语音的含义和发音机制

（一）情感语音的含义

情感是因所处环境及心理状态而主观冲动引起的一种感情状态，可以引起语音、表情和行为上的表现变化。情感语音是指说话人在一定的情感状态下产生的具有特定语义的发音。Klaus认为情感不同于情绪立场、态度以及性情，虽然它们之间并没有绝对独立。一般情况，情感和态度容易弄混，但是，二者是有本质差别的。态度是一种主动感情色彩，反映的是说话者的对话目的，情感却是被动的，主要是说话人所处环境和心理状态的反映。所以，我们研究的情感主要有生气、伤心、愉悦、兴高采烈以及绝望等。在衡量情感状态的发音表现程度主要运用心理学中高低警醒的概念，通常高警醒指发音人投入大量感情，对于情感语音的研究主要是一些较为典型的情感状态（高兴、生气、害怕等）。

（二）发音机制

情感语音的发音机制通常也叫调音机制、调节机制，它同语音的音色关系十分密切，通常指声腔对于声带音的共鸣、调节作用。声腔主要以双唇圆展不同、舌形的变化（舌头前伸、后缩、上升、下降等），使声腔的容积大小、形状产生变化而起到调节控制作用。通常情况下，舌头前伸发出的是前元音如/y/,舌头后缩发出的是后元音如/u/，舌位较高发出的就是高元音如/i/，舌位较低发出就是/a/。如果舌位一样但是双唇圆展不同的话会调节成音色不同的元音，如元音/i/、/y/的不同，舌位处在前高位置双唇圆展不同。语音合成主要有通过模拟人的发音器官的发音动作而产生的模拟语音和分析综合自然语音中声波中的主要特征参量以合成语音的两种方法。由此可知，建立模拟生理发音数据，对语音合成有着积极的促进作用。就目前情况来看，情感语音发音机理的研究主要是英语，而国内汉语的情感发音机理研究还未开展。对汉语的情感语音调音机理的研究，从理论和实践两个方面都有意义。从理论上，可以探索言语交际过程中，不同的情感语音发音是否存在一种特定的模式，以及在不同情感下的调音机制是否相同，具体的表现如何。在语音技术方面，对语音合成和理解将有一定的指导意义。

二、情感语音发音研究现状

对于汉语的发音机理研究主要是基于元音发音的研究，主要在于元音发音的研究 ，在2004年唐纳·艾瑞克森（Donna Erickson）利用电磁发声仪（EMA）对两个人的发音/a/做了发音比较，从而发现两个人在声调1和声调3的发音上有明显的后缩，声调1的基频要比声调3高一些。同年菲利普·胡勒（Philip Hoole）与胡方用 EMA 对普通话中的单元音/a/、/i/、/u/，做发音上（用舌头、下颌以及唇形）的比较发现/a/、/u/在声调3的位置发音明显后缩。目前为止，对于情感语音的发音机理研究还是比较局限的，怎样得到情感语音的数据、发音人的感情表达程度都会影响到研究情感语音发音。2000年艾瑞克森对不同的情感状态下的调音形式提出自己的观点，通过在美国本土的实验发现在赞美、怀疑、生气时，读同样的词多次采集数据，分析下颌、唇、舌背位置，发现生气时，发音人的下颌、与舌头位置偏低，怀疑时二者的位置高，比较说来，人在怀疑时比生气或是赞美的发音，下颌与舌头位置更高一些。在2007年他又做了一次实验，他让一个人事先录制了即兴语音，之后通过刺激使接受实验的人在不同的情感状态下得到情绪数据，然后模仿上次的录音时的语调、情绪以及朗读三个任务，最后进行对比分析。从中发现，在难过或是一般的情绪下，下颌的发音位置没明显变化，但舌形、舌位有较大的差别。同时，即兴的情感语音与模仿的情感语音也有较大差别。2010年李爱军等做了一个实验用EMA一个人在七种情感状态下的语音，经研究分析得出舌体在生气、难过这种情感状态下比高兴、中立时要高，舌形在难过时的变化也比其他情感状态要明显，在生气或高兴的情感状态下，除了/a/之外的元音声道都有变化，相比中立、难过时，声道变窄。

三、以元音为例研究情感语音发音

（一）元音在四种声调下发音区别

针对元音在不同声调下的发音部位存在的差异进行比较。

1./a/的发音区别。我们首先要了解/a/在普通话中是央、低、不圆唇的元音。在声调3发音时，舌位比其他声调靠后，而且最低，在声调1时舌位较高而且靠前，在声调2和声调4差异则不大。

2./i/的发音区别。/i/在普通话中是前、高、不圆唇的元音。在声调3发音时舌位上三点以及下齿龈的位置相比其它三种声调更靠后，并且更向上。声调1时舌位三点在水平方向上更靠前，并且相比其他三种声调稍靠下。

3./u/的发音区别。/u/在普通话中是后、高、圆唇的元音。在声调2发音时，舌位上三点以及下齿龈的位置相对其它三种声调靠后，且偏高。声调1时，舌位三点及下齿龈以及下唇的位置相对靠前。

4./y/的发音区别。/y/在普通话中是前、高、圆唇的元音。在声调3发音时，舌位比另外三种声调稍靠后且下唇的位置偏高，在声调1时下唇的位置最低，然在声调4时下唇的位置最高，这种情况说明在这声调时更圆唇一些。

5./e/的发音区别。/e/在普通话中是后、半高、不圆唇的元音。在声调2和声调3发音时，舌后、舌片、舌尖和下齿龈的位置与声调1和声调4发音时声调偏靠后，而且在高低维度上比声调1和声调4时偏低，在声调1时，下齿龈的位置比较高。

6./o/的发音区别。/o/在普通话中是后、半高、圆唇的元音。在声调3的发音时，相比其他三种声调舌后、舌片以及舌尖的舌位偏后并且偏低，在声调1时，舌位三点的位置最高，声调4时，下齿龈、下唇、上唇的位置偏高，说明在声调4发音时，比其它三种声调更圆唇。

（二）元音的四种声调下的声学参数分析

经研究表明，元音四种声调的声学数据基频与共振峰F1、F2、F3 的不同。

1.所有元音在发声调3时，与其他三种声调相比时，它体现的基频数据最低。

2.从元音/a/来说，共振峰F1数据大小，声调3<声调2<声调1<声调4，且声调1与声调3相差明显，F2时数据大小与F1一样。从单因素方差分析结果看出，声调2与声调4、声调3与声调4差异也十分显著。

3.从元音/i/来说，共振峰F1数据大小，声调3<声调2<声调1<声调4，从单因素方差分析结果看出，声调2与声调4、声调3与声调4相差明显，F2时数据大小，声调3<声调1<声调2<声调4，从单因素方差分析结果看出，声调2与声调3、声调3与声调4的差异明显。

4.从元音/u/来说，F1时数据大小，声调1<声调4<声调3<声调2，从单因素方差分析结果看出，声调1与声调2差距明显，F2时数据大小，声调4<声调1<声调3<声调2，从单因素方差分析结果看出，声调1与声调2、声调2与声调4差距明显，F3时，声调4<声调1<声调 2<声调 3，从结果表明：声调1与声调2、声调1与声调3差异十分明显。

5.从元音/y/来说，F1时数据大小，声调1<声调3<声调4<声调2，从单因素方差分析结果看出，声调1与声调2、声调1与声调3差距明显，F2时数据大小，声调3<声调2<声调1<声调4，从单因素方差分析结果看出，声调1与声调3、声调2与声调4差距明显，F3时，声调2<声调3<声调1<声调4，从结果表明：声调1与声调2、声调1与声调3差异十分明显。

6.从元音/e/来说，F1时数据大小，声调2<声调3<声调4<声调1，从单因素方差分析结果看出，声调1与声调2、声调1与声调4差距明显，F2时数据大小，声调3<声调2<声调1<声调4，从单因素方差分析结果看出，声调1与声调2、声调1与声调4差距明显。

7.从元音/o/来说，F1时数据大小，声调1<声调2<声调3<声调4，从单因素方差分析结果看出，声调1与声调3、声调1与声调4差距明显，F2时数据大小，声调2<声调3<声调1<声调4，从单因素方差分析结果看出，声调1与声调2、声调2与声调4差距明显。

（三）元音的发音与声学的联系

早在1948年乔斯（Joss）就提出舌位高度和共振峰F1的关联，且共振峰F2与舌位前后也有关系。之后，在1951年德莱特（Delatter）在二者间作了详细比较，注意到舌位高低与F1的不一样的关系，得出的结论就是F1频率高度与开口度有直接关系，F2频率降低与舌位后缩也有直接关系，频率越低舌位越靠后，F3的高度与软腭的位置有关，软腭降的越低，F3也越低。

综上所述，过去对情感语音的研究一直在较为浅显的层面上，这次我们结合普通话中的六个元音进行详细地研究，利用EMA对发音数据收集、分析，在不同的情感状态下，发音不同，由此体现出不同感情的意义，为以后进一步研究语音调音机理做了更加充分的准备。通过对于普通话的元音在四种声调下不同的发音数据研究，从中发现元音不同时，在不同声调下的调音也不同，所以说声调影响发音。研究不同的发音人对元音调音所存在的相似性和不同性，为以后将不同的情感加入到研究中努力，进而，建立情感语音发音数据语料库。

[1] 赵艳.语音情感识别与特征分析若干问题研究[D].东南大学，信息与通信工程；信号与信息处理，2010.

[2] 蔚洪.汉语基元音素独立分量谱分析对比及语音合成研究[D].云南大学，通信与信息系统，2011.

[3] 何凌，黄华，刘肖珩.基于声门特征参数的语音情感识别算法研究[J].计算机工程与设计，2013（06）.

[4] 蔡莲红，黄德智，蔡锐.现代语音技术基础与应用[M].清华大学出版社，2003.

[5] 张雪英.数字语音处理及MATLAB仿真[M].北京：电子工业出版社，2011.

[6] 王源，陈亚军.基于高斯混合模型的EM学习算法[J].山西师范大学学报(自然科学版),2005(19).

[7] 韩笑蕾，王成儒，贾晓光.语音情感识别综述[J].东北大学学报(自然科学版),2007(01).

[8] 付淑群，曹炳元，马尽文.EM算法正确收敛性的探讨[J].汕头大学学报(自然科学版),2002(17).