Nyelvtudományi Közlemények 85. kötet (1983)

Tanulmányok - Gósy Mária–Olaszy Gábor: A gépi beszéd megértése (Az UNIVOICE magyar nyelvű, azonos idejű, számítógépes szövegszintetizáló rendszer percepciós vizsgálata) [The Perception of Machine Voice (Examination of the UNIVOICE, Hungarian Speaking, Real Time Text-to-Speach Synthesizing System)] 93

A GÉPI BESZÉD MEGÉRTÉSE 99 c) minden nagyságrendben 15—15 hangsort alkalmaztunk; 4 különálló mondatot és egy 6 mondatos összefüggő szöveget. A hangkapcsolatok CV és VC típusúak voltak, a logatomok 4—5 beszédhangból álltak. Utóbbiak létrehozásakor figyelembe vettük a magyar nyelv fonotaktikai szabályait s a matematikai módszerrel, szigorú szempontok alapján a magyar nyelvre meghatározott logatomokat (Tarnóczy 1954). A random (véletlenszerű) sorrend kialakításakor ügyeltünk arra, hogy a szavak esetében jelentésükben hasonlóak ne kerüljenek egymás után. A szavak egy, két és három szótagosak voltak ; magas, mély és vegyes hangrendûek. A kísérlet teljes nyelvi anyagát a következők alkották : 15 CV és VC típusú hangkapcsolat ; 15 két szótagból álló lógatom ; 15 egy—három szótagos értelmes szó ; 4 különálló mondat ; 6 mondatos szövegegység. Az összehasonlítás érdekében az anyagot természetes elhangzásban is rögzítettük (férfi bemondóval) és teszteltük. A kísérleti alanyok középiskolai és főiskolai hallgatók voltak ; összesen 70—70 fő. A mesterséges beszédet tesztelő csoport tagjai nem tudták, hogy gépi beszédet hallanak ; a feladatuk az volt, hogy a hallott és megértett szekvenciákat írják le. (Minden egyes hangsort egyszer hallottak). A kísérlet után többségük úgy nyilatkozott, hogy a megszokottnál kissé torzabb beszédet hallottak ; a bemondót például beszédhibásnak gondolták. Kisebb részük felismerte, hogy ,,gép" beszélt. 1. A CV és VC hangkapcsolatokban valamennyi magyar magánhangzó előfordult (néhány időtartamában különböző magánhangzó-pár közül csak a nyelvileg hosszú változat). A mássalhangzók közül minden képzési módot és képzési helyet egy vagy több mássalhangzó képviselt. (Természetesen nem fordulhatott elő minden beszédhang mindkét fonetikai helyzetben). Az azonosításukra kapott válaszokat százalékos feldolgozásban az 1. táblázat tartalmazza. 1. táblázat Természetes Mesterséges A lejátszott jó eltérő jó eltérő hangkapcsolat válasz válasz válasz válasz (%) 1. bá 50+ 41 62 22 dá 2. szé 58+ 40 — 80+3 6 cé 3. tú 88 12 tó 70 19 tó 4. ŐZ8 68 24 ős 10 33 tős 5. la 70+ 23 — 100 — 6. ve 64+3 21 re 13 33/20/20/ ne/le/me 7. óg 63 9/10 ób/ók 25+6 36 ók 8. dű. 37+2 52 dő 68 15 nű 9. ím 18 40/24 émjén 70+3 12 ín 10. csa 74+24 — 91 — 11. nyé 92+3 — 7 48/23 mé/gé 12. ká 89+ 10 — 97 — 13. óf 69 12/9 ójóv 12+4 22 pos 14. re 61+ 14 17 ve 48+ 17 17 le 15. győ 97+3 — 6 25/19 dzsőldző A táblázatban a jó válasz oszlopában két százalékérték található : az első az abszolút korrekt azonosítás arányát mutatja, a második pedig olyan értelem-7*