Emotionswahrnehmung von Sequenzen eines synthetischen Sprechers

Hintergrund: Ziel dieser Arbeit war es zu prüfen, ob sich mittels artikulatorischer Sprachsynthese perzeptiv überzeugende Sequenzen in den grundlegenden Emotionen (Angst, Ekel, Freude, Trauer und Wut) durch die Modulation von klassischen prosodischen Merkmalen (z.B. Tonhöhe), kombiniert mit verschiedenen Phonationsarten, generieren lassen. Aufgrund physiologischer Zusammenhänge sowie Hinweisen aus der Literatur ist ein Einfluss von Vokaltraktlänge, Artikulationsgenauigkeit und Nasalität als sekundäre prosodische Merkmale anzunehmen. In Perzeptionsstudien wurde deshalb zusätzlich der Einfluss der sekundären prosodischen Merkmale auf die Wahrnehmung synthetisch generierter emotionaler Äußerungen untersucht.Material und Methoden: Von einem deutschen Profisprecher wurden fünf einphrasige emotional neutrale Sätze eingesprochen. Diese Äußerungen wurden mit VocalTractLab 2.1 möglichst originalgetreu re-synthetisiert. Durch Modulation der Merkmale Tonhöhe und -umfang, subglottischer Druck, Sprechgeschwindigkeit und Phonationsart wurde emotionales Sprachmaterial erzeugt. In einem weiteren Schritt wurden die Sequenzen hinsichtlich Nasalität, Vokaltraktlänge und verminderter Artikulationsgenauigkeit selektiv oder in Kombination manipuliert. In Hörexperimenten mit normakusen Probanden (N=48) erfolgte die kategoriale Zuordnung der perzipierten Emotionen sämtlicher generierter Stimuli.Ergebnisse: Die Sequenzen der Kategorien Angst, Freude, Neutral und Trauer wurden in allen Untertests signifikant über Zufallsniveau korrekt zugeordnet. Die zusätzliche systematische Manipulation der sekundären prosodischen Merkmale ergab für die Kategorien Ekel, Freude, Trauer und Wut signifikant höhere Erkennungsraten.Diskussion: Die Erkennungsraten der synthetisch erzeugten Sequenzen für die Emotionskategorien Angst, Ekel, Freude und Trauer sind vergleichbar mit denen von geschauspielerten natürlich-sprachigen Emotionsäußerungen. Die Erkennungsraten der Kategorie Wut zeigen hingegen, dass sich die Synthese unter Berücksichtigung weiterer Merkmalsmanipulationen möglicherweise noch verbessern ließe.Fazit: Neben dem Beitrag weitere Merkmale zur Beschreibung des emotionalen Sprechausdrucks zu finden (Grundlagenforschung) tragen die Ergebnisse dieser Arbeit dazu bei, die Entwicklung der emotionalen Sprachsynthese, sowie auch der emotionalen Spracherkennung voranzutreiben. Diese Gebiete sind eng mit dem Bereich der Mensch-Maschine-Kommunikation verwoben und neue Erkenntnisse weisen auch dort einen Nutzen auf (z.B. im Bereich der Dialogsysteme/bei elektronischen Kommunikationshilfen)