<p>Text-till-talsystem blir allt vanligare i vardagen, och det forskas även en hel del på utvecklingen av tal-till-talöversättningssystem. Många företag använder sig i allt större utsträckning av telefontjänster där automatiska system med syntetiskt tal och taligenkänning ersätter människor. För att vi som konsumenter ska känna att det är bekvämt att nyttja dessa tjänster och förstå budskapen är det viktigt att dessa syntetiska röster låter så naturliga som möjligt. Det som gör en röst naturlig är dess prosodi, dvs.</p><p>dess ickesegmentella aspekter såsom röstens intonation, intensitet och tempo, för att nämna några. Prosodin har inte endast lingvistiska funktioner utan den signalerar även känslor och attityder hos talaren. Vem vill lyssna på en syntetisk röst som låter väldigt ledsen eller arg t.ex. när bilens GPS-navigator sorgset talar om att vi ska ta nästa avfart åt höger.</p><p>Känslosignalering sker normalt både auditivt och visuellt, en glad person har ofta ett leende på läpparna och talar på ett sätt att vi som lyssnare får intryck av att personen är glad. Denna studie handlar just om den auditiva signaleringen av känslor som jag kallar känsloprosodi.</p><p>Det är inte självklart att talare av olika språk signalerar känslor på samma sätt trots att många lingvister, liksom jag, är övertygade om att det finns en viss universalitet, vilket man bör beakta vit tal-till-talöversättningssystem. Av denna anledning har jag i min studie valt att jämföra svenska auditiva känsloyttranden med spanska känsloyttranden.</p><p>Detta har jag gjort genom att göra perceptionstester av spanska röster och jämfört resultaten med en tidigare studie av Åsa Abelin och Jens Allwood på Göteborgs universitet (1999) som gjort en liknande studie mha. svenska röster. Jämförelser av misstolkningar av avsedda känslor indikerar bl.a. att vissa känslor verkar uttryckas på olika sätt för spanska och svenska. Tydligast är detta för ”förvåning” som i båda studier i stor utsträckning misstolkats av informanter med annat modersmål än talaren, även ”avsky” verkar uttryckas något annorlunda. Andra resultat som framkom är att svensktalande ofta misstolkar ”ilska” (spansk) som ”glädje” vilket kan jämföras med att spansktalande misstolkade ”glädje” (svensk) som ”sorg”. Studien visar också att känslor som förväxlas ofta är akustiskt lika till uttrycket och även har en del semantiska likheter.</p>

Text-till-talsystem blir allt vanligare i vardagen, och det forskas även en hel del på utvecklingen av tal-till-talöversättningssystem. Många företag använder sig i allt större utsträckning av telefontjänster där automatiska system med syntetiskt tal och taligenkänning ersätter människor. För att vi som konsumenter ska känna att det är bekvämt att nyttja dessa tjänster och förstå budskapen är det viktigt att dessa syntetiska röster låter så naturliga som möjligt. Det som gör en röst naturlig är dess prosodi, dvs. dess ickesegmentella aspekter såsom röstens intonation, intensitet och tempo, för att nämna några. Prosodin har inte endast lingvistiska funktioner utan den signalerar även känslor och attityder hos talaren. Vem vill lyssna på en syntetisk röst som låter väldigt ledsen eller arg t.ex. när bilens GPS-navigator sorgset talar om att vi ska ta nästa avfart åt höger. Känslosignalering sker normalt både auditivt och visuellt, en glad person har ofta ett leende på läpparna och talar på ett sätt att vi som lyssnare får intryck av att personen är glad. Denna studie handlar just om den auditiva signaleringen av känslor som jag kallar känsloprosodi. Det är inte självklart att talare av olika språk signalerar känslor på samma sätt trots att många lingvister, liksom jag, är övertygade om att det finns en viss universalitet, vilket man bör beakta vit tal-till-talöversättningssystem. Av denna anledning har jag i min studie valt att jämföra svenska auditiva känsloyttranden med spanska känsloyttranden. Detta har jag gjort genom att göra perceptionstester av spanska röster och jämfört resultaten med en tidigare studie av Åsa Abelin och Jens Allwood på Göteborgs universitet (1999) som gjort en liknande studie mha. svenska röster. Jämförelser av misstolkningar av avsedda känslor indikerar bl.a. att vissa känslor verkar uttryckas på olika sätt för spanska och svenska. Tydligast är detta för ”förvåning” som i båda studier i stor utsträckning misstolkats av informanter med annat modersmål än talaren, även ”avsky” verkar uttryckas något annorlunda. Andra resultat som framkom är att svensktalande ofta misstolkar ”ilska” (spansk) som ”glädje” vilket kan jämföras med att spansktalande misstolkade ”glädje” (svensk) som ”sorg”. Studien visar också att känslor som förväxlas ofta är akustiskt lika till uttrycket och även har en del semantiska likheter.

Barnriktat tal (BRT) är ett speciellt sätt för vuxna att tala till barn som bland annat kännetecknas av att vissa känslolägen och intentioner ofta uttrycks starkare än i vuxenriktat tal (VRT). Denna studie undersökte subjektivt bedömda känslolägen och intentioner i BRT och hur de korrelerar med fonetiska aspekter. Män och kvinnor bedömde känslolägen i BRT som bestod av 25 sekunder långa yttranden av mammor och pappor som talade till sina barn i åldrarna 3, 6, 9 och 12 månader. Yttrandena av mammorna var både på svenska och australiensisk engelska, medan de av papporna endast var på svenska. De känslolägen och intentioner som bedömdes var positivt/negativt känsloläge, uttrycka kärleksfullhet, trösta/lugna, uppmuntra uppmärksamhet och styra beteende. De fonetiska aspekterna som korrelerades med bedömningarna var medelvärde av grundtonsfrekvensen, grundtonsfrekvensens omfång och medelvärden av den första och andra formanten. Hur yttrandena bedömdes på den positiva/negativa skalan jämfördes även med bedömningar av samma yttranden fast lågpassfiltrerade (till 400 Hz) som användes i en annan studie. Bedömningarna av positivt/negativt känsloläge jämfördes också mellan yttrandena av de två könen och på de två språken. Resultatet visade att bedömningarna inte skiljde sig signifikant. Korrelationen av bedömda känslolägen och intentioner, och fonetiska aspekter indikerar att det främst är grundtonsfrekvensens höjd som har betydelse för hur högt de olika känslolägena och intentionerna bedöms, men även till viss del grundtonsfrekvensens omfång. Den första formanten korrelerade inte med några känslolägen eller intentioner, men den andra formanten korrelerade med uttrycka kärleksfullhet. Bedömningarna av de australiensisk-engelska yttrandena och de svenska skiljer sig inte signifikant trots skillnader gällande de fonetiska aspektera, och detsamma gäller bedömningar av mammornas och pappornas yttranden. Resultaten tillsammans indikerar att främst höjden av f0-medel och omfångets bredd är relevanta för uppfattade känslolägen. / This study examined the subjectively rated affects in infant directed speech and their correlations with acoustic parameters. Men and women rated affects in 25 second utterances of infant directed speech by mothers and fathers speaking to their infants aged 3, 6, 9 and 12 months. The mothers' utterances were in both Swedish and Australian English, while the fathers' utterances were only in Swedish. The affects that were rated were positive/negative affect, express affection, soothe/calm, encourage attention and direct behaviour. The acoustic parameters that were correlated with the ratings were mean fundamental frequency, range of fundamental frequency and means of the first and the second formant. How the utterances were rated on the positive/negative scale were compared with ratings of the same utterances but low-pass filtered (to 400 Hz), which were used in a different study. The ratings of positive/negative affect were also compared between the utterances of the two genders and the two languages. The result was that the ratings did not differ significantly between the filtered and unfiltered utterances. The correlation of rated affects and acoustic parameters indicate that most affects are rated higher when the fundamental frequency is higher, and the range of the fundamental frequency also appears to have some bearing on the ratings. The first formant did not correlate with any affects, but the second formant correlated with express affection. The ratings of the Australian English and the Swedish utterances did not differ significantly, nor did the ratings by mothers and fathers. Together the results indicate that mainly the height of the fundamental frequency and the width of the range are relevant regarding which affects are perceived.