음향 지표 기반 자동 발성 진단 시스템 구현
Implementation of an Automatic Vocal Diagnosis System Based on Acoustic Indicators
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 초급 발성자의 반복 발성 데이터를 분석하기 위해, 타임스탬프 기반 1차 분절과 음정(Pitch) 기반 2차 분절을 결합한 자동 발성 진단 시스템을 제안한다. 실험에는 약 130명의 참가자를 모집하여 호흡 조절, 음정⋅리듬 정확도, 고음 발성 능력에 따라 세 그룹으로 분류하고, 이 중 기초 발성 역량이 가장 낮은 Group 1(20대 남성 10명, 보컬 훈련 경력 1년 이하)을 대상으로 통제 실험을 수행하였다. 각 참가자에게 개별 곡을 지정하고 동일 구간을 네 차례 반복 녹음하여 수동 분절 1,153개, 자동 분절 3,560개의 음절 데이터를 확보함으로써, 참가자 수가 적더라도 다양한 조건의 대규모 데이터셋을 구성하였다. 제안 시스템은 기준 발성(t1)에서 타임스탬프 구간 내에서 음정 변화를 감지하여 세밀한 음절 경계를 설정하고, 각 음절의 평균 음정을 저음(<220 Hz), 중음(220-349 Hz), 고음(≥350 Hz)으로 분류한 뒤, 해당 분류에 따라 파일을 자동으로 네이밍하고 저장한다. 이후 반복 발성(t2–t4)도 동일한 경계로 정렬해 완전 동기화된 비교를 지원한다. 실험결과, 제안 시스템은 수동 분절 대비 ±5% 이내의 평균 오차와 Pearson 상관계수 0.95 이상을 달성했으며, Pitch, F1, F2, Intensity 네 가지 주요 음향 지표에서 일관된 결과를 보였다. 이러한 결과는, 초급 발성자의 불안정한 음정⋅타이밍⋅호흡 패턴을 실시간⋅정량적으로 분석할 수 있음을 보여준다. 나아가, 발성 안정성, 발음 명료도, 호흡 조절 능력 향상과 같은 교육⋅환경에서의 실용적 활용 가능성을 입증한다.
Abstract
This paper presents an automatic speech analysis system that segments syllables, classifies pitch ranges, and analyzes key acousticfeatures in repeated utterances of beginner-level vocalists. The system combines timestamp-based coarse segmentation with pitch-basedfine segmentation, which enables precise alignment of repeated utterances (t2–t4) by applying consistent boundaries derived from areference utterance (t1). Within each coarse segment defined by timestamps, pitch transitions are detected to determine fine-grainedsyllable boundaries. The average pitch of each syllable is used to classify it into low (<220 Hz), mid (220-349 Hz), or high (≥350 Hz)pitch categories, and the resulting segments are automatically named and stored accordingly. To validate the system, a dataset wasconstructed from over 130 voluntary participants. Based on breath control, pitch/rhythm accuracy, and high-pitch ability, participantswere categorized into three performance groups, and the lowest-performing group (10 male participants in their 20s, with no more thanone year of vocal training) was selected for controlled experiments. For performance evaluation, from these participants, 1,153 manuallysegmented syllables and 3,560 automatically segmented syllables were obtained. Although the participant pool was small, four repeatedperformances of a designated song segment yielded a large and diverse dataset. Each participant recorded the same song four times(t1–t4). Compared to expert manual segmentation, the proposed system achieved an average deviation within ±5% and a Pearson correlationcoefficient above 0.95 across all acoustic measures (Pitch, F1, F2, Intensity). These results demonstrate that the system can provide real-time,quantitative analysis of unstable pitch, timing, and breathing patterns in beginner vocalists, supporting practical use in vocal trainingand assessment.