Форманты

Форманты — в фонетике и акустике речи это частотные области концентрации энергии звукового спектра, характерные для каждого гласного звука и ряда согласных. Форманты являются ключевыми акустическими признаками, позволяющими слуховой системе человека различать фонемы, в первую очередь гласные. Каждая форманта представляет собой полосу частот, в которой амплитуда спектральных составляющих звука достигает локального максимума. Количество, частота и относительная интенсивность формант определяют тембр голоса и разборчивость речи.

Физическая природа и механизм образования

Форманты возникают в результате резонансных свойств речевого тракта человека — полостей рта, носа, глотки и гортани. При произнесении звука голосовые связки генерируют сложный колебательный сигнал, содержащий множество гармоник (основной тон и его обертоны). Этот сигнал проходит через речевой тракт, который действует как система акустических фильтров. В зависимости от положения языка, губ, мягкого нёба и нижней челюсти изменяется форма и объём резонирующих полостей, что приводит к усилению одних частотных составляющих и ослаблению других.

Усиленные частоты и образуют форманты. Таким образом, формантная структура звука — это акустический «отпечаток» артикуляционного жеста. Для гласных звуков характерно наличие двух-трёх наиболее выраженных формант, обозначаемых как F1, F2 и F3 (от англ. formant). Для согласных, особенно сонорных и фрикативных, формантная картина может быть более сложной и включать области с меньшей энергией.

Классификация и характеристики формант

Основные форманты гласных

Для классификации гласных звуков в лингвистике и акустике используют три основные форманты:

• F1 (первая форманта) — связана с высотой подъёма языка. Чем выше подъём языка (например, в русском [и], [у]), тем ниже частота F1 (от 200 до 400 Гц). Чем ниже подъём (например, [а]), тем выше F1 (от 600 до 1000 Гц).
• F2 (вторая форманта) — коррелирует с рядом языка (передним или задним). Для гласных переднего ряда ([и], [э]) F2 имеет высокие значения (от 1800 до 2600 Гц), для гласных заднего ряда ([у], [о]) — низкие (от 600 до 1200 Гц).
• F3 (третья форманта) — в меньшей степени участвует в различении гласных, но важна для идентификации индивидуального тембра голоса и некоторых согласных, особенно «р» и «л». Её частота обычно лежит в диапазоне 2500–3500 Гц.

Форманты согласных

Для согласных звуков формантная структура менее стабильна и часто носит переходный характер. Выделяют:

• Шумовые форманты — характерны для фрикативных согласных (свистящих, шипящих). Они представляют собой широкие полосы частот с высокой энергией, например, для звука [с] область около 4000–7000 Гц, для [ш] — около 2000–4000 Гц.
• Форманты взрывных согласных — проявляются в виде кратковременных всплесков энергии (взрывов) и последующих переходных участков, где форманты соседнего гласного меняют свою частоту.
• Форманты сонорных согласных — у звуков [м], [н], [л], [р] наблюдаются устойчивые формантные области, близкие по структуре к гласным, но с меньшей интенсивностью и специфической окраской.

Таблица: Примерные значения формант для гласных русского языка (для мужского голоса)

Примечание: значения могут варьироваться в зависимости от индивидуальных особенностей диктора, темпа речи и фонетического контекста.

История изучения

Систематическое изучение формант началось в середине XIX века с работ немецкого физиолога Германа Гельмгольца, который впервые описал резонансные свойства речевого тракта. В 1930-х годах американский лингвист и инженер Ральф Поттер разработал спектрографы, позволяющие визуализировать звуковой спектр в виде спектрограмм, где форманты отображаются как тёмные горизонтальные полосы.

В 1950-х годах с развитием теории связи и акустики были созданы первые синтезаторы речи, такие как VODER (Гомер Дадли, 1939). Они моделировали формантную структуру, что позволило впервые синтезировать искусственную речь. В СССР значительный вклад в изучение формант внёс Л. В. Щерба, а позже — В. А. Звегинцев и Р. И. Аванесов, которые связывали акустические характеристики с фонологической системой русского языка.

Применение

Распознавание и синтез речи

Формантный анализ лежит в основе большинства современных систем автоматического распознавания речи (ASR) и синтеза речи (TTS). Алгоритмы выделяют формантные частоты из речевого сигнала, сравнивают их с эталонными моделями для каждой фонемы и на основе этого декодируют произнесённые слова. В синтезе речи формантные параметры используются для генерации естественно звучащих гласных и согласных.

Фонетика и лингвистика

В экспериментальной фонетике форманты являются основным инструментом для изучения артикуляции, диалектных различий и процессов коартикуляции (взаимовлияния соседних звуков). По формантной структуре можно определить, какой именно гласный произнесён, даже если он был произнесён изолированно или в шумной обстановке.

Судебная лингвистика и фоноскопия

В криминалистике формантный анализ используется для идентификации диктора по голосу. Хотя абсолютные значения формант индивидуальны и зависят от анатомии речевого тракта, их относительное расположение и динамика являются стабильными биометрическими признаками. Сравнение формантных портретов позволяет с высокой точностью установить, принадлежит ли голос конкретному человеку.

Медицина и коррекция речи

В логопедии и оториноларингологии формантный анализ применяется для диагностики нарушений голоса и речи. Например, при расщелине нёба или парезах голосовых связок формантная структура гласных искажается, что позволяет врачам оценить степень поражения. Также форманты используются в слуховых аппаратах и кохлеарных имплантах для настройки частотных диапазонов под индивидуальные особенности пациента.

Музыкальная акустика

В музыке термин «форманта» применяется к характеристике тембра музыкальных инструментов. Например, для скрипки характерна «скрипичная форманта» в области 3000–4000 Гц, которая придаёт звуку яркость и полётность. Для певческого голоса выделяют «певческую форманту» (около 2500–3200 Гц), позволяющую голосу «пробивать» оркестр.

Критика и ограничения

Несмотря на широкое применение, формантная модель имеет ограничения. Во-первых, она не полностью описывает звуки, в которых важную роль играют шумовые компоненты (например, аффрикаты и взрывные согласные). Во-вторых, формантная структура сильно зависит от индивидуальных особенностей диктора (пола, возраста, размера речевого тракта), что затрудняет создание универсальных акустических моделей. В-третьих, в некоторых языках (например, в тональных, как китайский) высота основного тона играет большую роль, чем формантная структура, что требует дополнительных методов анализа.

Современные нейросетевые подходы к распознаванию речи (например, на основе глубоких свёрточных сетей) часто обходятся без явного выделения формант, используя сырой спектр или мел-кепстральные коэффициенты (MFCC), которые косвенно учитывают формантную информацию.

Интересные факты

• У новорождённых детей формантная структура гласных смещена в высокочастотную область из-за короткого речевого тракта. По мере роста ребёнка форманты постепенно опускаются до взрослых значений.
• В некоторых языках, например в датском, существует явление «сколота» (stød) — гортанной смычки, которое радикально меняет формантную картину гласного, делая его прерывистым.
• Самый низкий F1 среди гласных русского языка у звука [у] (около 300 Гц), самый высокий — у [а] (до 800 Гц). Это связано с максимальным сужением и расширением ротовой полости соответственно.
• Формантный синтез речи был впервые коммерчески реализован в 1970-х годах в синтезаторе Votrax, который использовался в первых системах голосового вывода, например, в компьютере TI-99/4A.

Источники

• Гельмгольц Г. «Учение о слуховых ощущениях как физиологическая основа для теории музыки» (1863).
• Фант Г. «Акустическая теория речеобразования» (1960).
• Звегинцев В. А. «Очерки по общему языкознанию» (1962).
• Бондарко Л. В. «Фонетика современного русского языка» (1998).
• Flanagan J. L. «Speech Analysis, Synthesis and Perception» (1972).
• Stevens K. N. «Acoustic Phonetics» (1998).