舌の調音の三次元可視化：マンダリン音素に基づいて

科学分野:

• 音声科学、医用画像処理、計算言語学

背景:

• 正確な3D舌の調音の可視化は、音声生成の理解にとって非常に重要です。既存の方法は、微妙な調音の違いを捉える精度が欠けていることがよくあります。

研究 の 目的:

• 超音波画像を用いた舌の調音の3D可視化法を開発すること。マンダリン音素の舌の調音の包括的なデータベースを構築すること。

主な方法:

• MRIデータから統計的舌モデルを構築し、6つの制御パラメータでパラメータ化しました。音素調音の正中矢状超音波画像を収集し、舌の輪郭を手動で注釈付けしました。超音波輪郭をモデルパラメータにマッピングするニューラルネットワークをトレーニングし、手動調整で洗練しました。

主要な成果:

• ほとんどの音素で、3Dモデルの正中矢状輪郭と超音波由来の輪郭との間に90%以上の類似性を達成しました。従来のモデルと比較して、平均二乗誤差（RMSE）を約28%削減しました。混同しやすい音素間の微妙な調音の違いを検出できました。

結論:

• 開発された3D舌の調音の可視化データベースは、難聴者の音声リハビリテーションのための貴重なツールです。このデータベースは、第二言語学習における可視化ベースの指導の可能性を提供します。この方法は、音声関連分野での広範な普及と応用の強力な可能性を示しています。