AIPUK
AIPUK
AIPUK
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
INSTITUT FÜR PHONETIK UND<br />
DIGITALE SPRACHVERARBEITUNG<br />
UNIVERSITÄT KIEL<br />
Arbeitsberichte<br />
(<strong>AIPUK</strong>)<br />
herausgegeben von<br />
K. J. Kohler<br />
Nr. 33 November 1998
Arbeitsberichte des Instituts für Phonetik und digitale Sprachverarbeitung<br />
Herausgeber: K.J. Kohler ISSN 0172–8156<br />
32 1997 The Kiel Corpus of Read/Spontaneous Speech: Acoustic data base, processing tools<br />
and analysis results (A.P. Simpson, K.J. Kohler, T. Rettstadt, eds.)<br />
31 1996 Sound Patterns of Connected Speech. Description, Models and Explanation<br />
(A.P. Simpson, M. Pätzold, eds.)<br />
30 1996 Sound Patterns in Spontaneous Speech (K.J. Kohler, C. Rehor, A. Simpson)<br />
29 1995 From Scenario to Segment. The Controlled Elicitation, Transcription, Segmentation<br />
and Labelling of Spontaneous Speech (K.J. Kohler, M. Pätzold, A. Simpson)<br />
28 1994 Lexica of the Kiel PHONDAT Corpus, Read Speech, Vol. II (K.J. Kohler)<br />
27 1994 Lexica of the Kiel PHONDAT Corpus, Read Speech, Vol. I (K.J. Kohler)<br />
26 1992 Phonetisch-Akustische Datenbasis des Hochdeutschen (K.J. Kohler, ed.)<br />
25 1991 Studies in German Intonation (K.J. Kohler, ed.)<br />
24 1990 Testverfahren zur Erfassung der sprachlichen Hörfähigkeit und ihrer Langzeitveränderung<br />
bei Hörgeschädigten (K. Kliem)<br />
23 1986 Phonetische Forschung in der Niederdeutschen Dialektologie (K.J. Kohler, R. Tödter,<br />
M. Weinhold)<br />
22 1986 Speech Rate. Final Report on a Research Project (Ch.E. Hoequist, K.J. Kohler,<br />
K. Schäfer-Vincent)<br />
21 1984 Größere Forschungsprojekte im Institut für Phonetik der Universität Kiel. Zwischenund<br />
Abschlußberichte (W.J. Barry, W.A. van Dommelen, Ch.E. Hoequist, K.J. Kohler,<br />
R. Tödter)<br />
20 1983 Studies in Speech Timing (K.J. Kohler, Ch.E. Hoequist)<br />
19 1982 Experimentelle Untersuchungen von Zeitstrukturen im Deutschen (K.J. Kohler,<br />
K. Schäfer-Vincent, G. Timmermann)<br />
18 1982 Phonetic Data Processing at Kiel University. Developments and Applications<br />
(W.J. Barry, W.A. van Dommelen, H. Janßen, K.J. Kohler, K. Schäfer, W. Thon,<br />
G. Timmermann)<br />
17 1982 Experimentelle Untersuchungen zur Lautdauer im Hoch- und Niederdeutschen<br />
(W.J. Barry, K.J. Kohler)<br />
16 1981 Beiträge zur experimentellen und angewandten Phonetik (W.J. Barry, K.J. Kohler, ed.)<br />
15 1981 Aspects of the Speech Pause: Phonetic Correlates and Communicative Functions<br />
(A. Butcher)<br />
14 1981 Die Merkmalpaare stimmhaft/stimmlos und fortis/lenis in der Konsonantenproduktion<br />
und -perzeption des heutigen Standard-Französisch (K.J. Kohler, W.A. van Dommelen,<br />
G. Timmermann)<br />
13 1980 Die Verarbeitung akustischer Information in der lautsprachlichen Wahrnehmung<br />
(W.J. Barry)<br />
12 1979 “Time” in the Production and the Perception of Speech. Report of an Interdisciplinary<br />
Colloquium held in the Phonetics Department of Kiel University, February 22–24,<br />
1979 (W.J. Barry, K.J. Kohler, eds.)<br />
11 1979 Numerische und experimentelle Methoden der linearen Prädiktion zur Datenreduktion<br />
von Sprachsignalen (G. Rathjen). Produktion und Perzeption der Plosive und Frikative<br />
im heutigen Standard-Französisch: wort- und satzphonetische Untersuchungen<br />
(K.J. Kohler, H. Künzel)<br />
10 1978 Phonetische und linguistische Beiträge zur sprachlichen Kommunikation (W.J. Barry,<br />
K.J. Kohler, H. Künzel)<br />
9 1977 Generative Phonologie des Deutschen und des Englischen (K.J. Kohler)<br />
8 1977 Experimentelle Untersuchungen zur Koartikulation und Steuerung im Deutschen —<br />
Experimental Investigation into Coarticulation and Articulatory Control (A. Butcher,<br />
K.J. Kohler, H. Künzel)<br />
7 1977 Ausspracheabweichungen: Eine experimental-phonetische Untersuchung an deutschen<br />
Englischlernenden (W.J. Barry)<br />
6 1976 The Influence of the Native Language on the Perception of Vowel Quality (A. Butcher)<br />
5 1975 Auditive und signalphonetische Untersuchungen zur gesprochenen Sprache im Deutschen<br />
4 1975 Phonetik und Ausspracheunterricht<br />
3 1975 Lautwahrnehmung und Lautproduktion im Englischunterricht für Deutsche (E. Weiher)<br />
2 1974 Eine experimentelle Untersuchung zur Pausenperzeption (H. Künzel)<br />
1 1973 Phonetische Extensionalisierung von Gesprächstypen
Phonetische Datenbanken des<br />
Deutschen in der empirischen<br />
Sprachforschung und der<br />
phonologischen Theoriebildung<br />
Adrian P. Simpson
¡<br />
c 1998 Adrian P. Simpson<br />
All rights reserved.<br />
This report or any part thereof may not be<br />
reproduced in any form without the written<br />
permission of the author ISSN 0172–8156
¢<br />
Vorwort<br />
Nur ein Teil der Form und des Inhalts einer Arbeit ist der Person zuzuschreiben,<br />
die sich Autor/in nennen darf. Diese Schrift ist keine Ausnahme.<br />
Ich möchte den wichtigsten Personen für ihren Anteil an dieser Stelle<br />
danksagen.<br />
Dem Direktor des IPDS, Klaus Kohler, danke ich für seine Unterstützung<br />
sowie für viele fruchtbare Diskussionen, auch dafür, daß wir<br />
phonetisch oft nicht einer Meinung sind. John Kelly und John Local in<br />
York haben mich mit ihrer Begeisterung für Phonetik und Phonologie angesteckt,<br />
meine Augen und Ohren trainiert. Matthias Pätzold sei für die<br />
langen und nicht selten lauten Debatten gedankt, die viele Anregungen<br />
lieferten und mir oft klargemacht haben, daß ich mich gerade auf einem<br />
Holzweg befand. Dem Land Schleswig-Holstein sowie dem Bundesministerium<br />
für Bildung, Wissenschaft, Forschung und Technologie (im Rahmen<br />
des Verbundprokjekts Verbmobil) gilt mein Dank für die Finanzierung<br />
von Personal, die in stundenlanger und mühevoller Kleinstarbeit die Kieler<br />
Datenbasis The Kiel Corpus segmentiert und etikettiert und somit einen<br />
automatischen Zugang auf sinnvolle phonetische und linguistische Weise<br />
überhaupt erst ermöglicht hat.<br />
Schließlich gilt mein größter Dank meiner Frau Gudu, ohne deren Liebe,<br />
Geduld und Unterstützung diese Arbeit ihr Ende nicht gefunden hätte.<br />
Eine frühere Version dieser Arbeit wurde von der Philosophischen Fakultät<br />
der Christian-Albrechts-Universität zu Kiel im Sommersemester 1998 als<br />
Habilitationsschrift angenommen.<br />
Kiel, im November 1998
Für Julie,<br />
die das Licht der Welt nicht erblicken durfte.
Inhaltsverzeichnis<br />
1 Einführung 1<br />
1.1 Ziele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1<br />
1.2 Gesprochene Datenbanken – ein Überblick . . . . . . . . 4<br />
1.3 Das Problem einer Datenbank . . . . . . . . . . . . . . . 9<br />
2 Das Kiel Corpus 15<br />
2.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . 15<br />
2.2 Inhalte der Sprachsignale . . . . . . . . . . . . . . . . . . 16<br />
2.3 Symbolische Weiterverarbeitung . . . . . . . . . . . . . . 17<br />
2.3.1 Orthographische Version des Signalinhalts . . . . 18<br />
2.3.2 Phonologische Transkription der orthographischen<br />
Version . . . . . . . . . . . . . . . . . . . . 18<br />
2.3.3 Etikettierung und Segmentation . . . . . . . . . . 20<br />
2.4 Erstellung einer Datenbank aus den Etikettierdateien mit<br />
KielDat . . . . . . . . . . . . . . . . . . . . . . . . . . . 25<br />
2.5 Phonetisch-phonologischer Status der Etikettierung und<br />
Segmentation . . . . . . . . . . . . . . . . . . . . . . . . 29<br />
3 Deutsche Vokale - spontan und gelesen 33<br />
3.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . 33<br />
3.2 Phonologie der deutschen Vokale . . . . . . . . . . . . . . 34<br />
3.3 Andere Studien zur akustischen Ausprägung des hochdeutschen<br />
Vokalismus . . . . . . . . . . . . . . . . . . . . 37<br />
3.4 Probleme bei der Messung von Vokalsystemen . . . . . . 40<br />
3.4.1 Phonologische und phonetische Vokale . . . . . . 40<br />
3.4.2 Status des Gemessenen . . . . . . . . . . . . . . . 41<br />
vii
viii<br />
3.4.3 Die akustische Charakterisierung von Diphthongen 43<br />
3.5 Daten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47<br />
3.6 Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . 47<br />
3.6.1 Messung der monophthongalen Abschnitte . . . . 48<br />
3.6.2 Messung der diphthongalen Abschnitte . . . . . . 50<br />
3.7 Häufigkeitsverteilung der Einzelvokale . . . . . . . . . . . 52<br />
3.8 Akustische Ausprägung der Einzelvokale . . . . . . . . . 58<br />
3.8.1 Akustische Ausprägung der Monophthonge . . . . 58<br />
3.8.2 Akustische Ausprägung der Diphthonge . . . . . . 64<br />
3.9 Beziehungen zwischen Vokalqualität und Geschlecht,<br />
Dauer, lautlichem Kontext sowie Stil . . . . . . . . . . . . 76<br />
3.9.1 Vokalqualität und Dauer . . . . . . . . . . . . . . 80<br />
3.9.2 Vokalräume, Geschlecht und Korpus . . . . . . . . 89<br />
3.9.3 Vokalqualität und konsonantische Umgebung . . . 94<br />
3.10 Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . 102<br />
£<br />
£<br />
£<br />
£<br />
£<br />
4 Phonetik und Phonologie des deutschen 105<br />
4.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . 105<br />
4.2 Andere Studien zum . . . . . . . . . . . . . . . . . . . . 107<br />
4.2.1 Qualitative Beschreibungen . . . . . . . . . . . . 107<br />
4.2.2 Quantitative Beschreibungen . . . . . . . . . . . . 110<br />
4.3 Phonetische Lautmuster des . . . . . . . . . . . . . . . . 115<br />
4.3.1 Daten und Methode . . . . . . . . . . . . . . . . . 115<br />
4.3.2 Konsonantische Korrelate des . . . . . . . . . . 116<br />
4.3.3 Vokalische Korrelate des . . . . . . . . . . . . . 121<br />
4.3.4 Alternation zwischen vokalischen und konsonantischen<br />
Korrelaten . . . . . . . . . . . . . . . . . 131<br />
4.4 Phonetische und phonologische Erklärung der Lautmuster 132<br />
4.4.1 Zeitliche Überlappung . . . . . . . . . . . . . . . 133<br />
4.4.2 Artikulatorisch-aerodynamische Abläufe . . . . . 137<br />
4.4.3 Phonologische Unterschiede . . . . . . . . . . . . 140<br />
4.4.4 Unentschiedene Fälle . . . . . . . . . . . . . . . . 141<br />
4.4.5 Eigenschaften der phonetischen und phonologischen<br />
Analyse . . . . . . . . . . . . . . . . . . . 144<br />
4.5 Modellierung der Muster . . . . . . . . . . . . . . . . . . 147
ix<br />
¤<br />
5<br />
Wissensbasierte Gewinnung von Steuerparametern für die<br />
Formantsynthese 151<br />
5.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . 151<br />
5.2 Akustische Analysedaten und die Klatt-Formantsynthese . 154<br />
5.3 Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . 158<br />
5.3.1 Signalanalyse und Formantsortierung . . . . . . . 158<br />
5.3.2 Annotationsunterstützte Überführung der Analysedaten<br />
in Steuersignale . . . . . . . . . . . . . . 158<br />
5.3.3 Glottale Aktivität . . . . . . . . . . . . . . . . . . 159<br />
5.3.4 Plosivlösungen . . . . . . . . . . . . . . . . . . . 164<br />
5.3.5 Frikative . . . . . . . . . . . . . . . . . . . . . . 164<br />
5.4 Ergebnisse von LACS . . . . . . . . . . . . . . . . . . . 166<br />
5.5 Lateral F2 . . . . . . . . . . . . . . . . . . . . . . . . . . 171<br />
5.6 Weiterentwicklungen . . . . . . . . . . . . . . . . . . . . 175<br />
6 Zusammenfassende Diskussion und Ausblick 177<br />
A Texte zum untersuchten Teil des Kiel Corpus 183<br />
A.1 Berliner Sätze . . . . . . . . . . . . . . . . . . . . . . . . 183<br />
A.2 Marburger Sätze . . . . . . . . . . . . . . . . . . . . . . . 187<br />
A.3 Dialog aus dem Kiel Corpus of Spontaneous Speech . . . . 192<br />
B Daten der Sprecher im Kiel Corpus 195<br />
B.1 Sprecher des Kiel Corpus of Read Speech . . . . . . . . . 195<br />
B.2 Sprecher des Kiel Corpus of Spontaneous Speech . . . . . 198<br />
C KielDat-Skript zur automatischen Vokalmessung 201<br />
D Vokalhäufigkeiten im Kiel Corpus of Spontaneous Speech 209<br />
E Formantwerte der Monophthonge 213
§<br />
¦<br />
Abbildungsverzeichnis<br />
¥ ¦ §©¨<br />
§<br />
¥ § § ¦ <br />
2.1 Orthographische Teile aus den (a) gelesenen und (b) spontansprachlichen<br />
Teilkorpora . . . . . . . . . . . . . . . . . 19<br />
2.2 Phonemtranskription des Dialogturns von Abb. 2.1(b) in<br />
SAMPA-Notation . . . . . . . . . . . . . . . . . . . . . . 20<br />
2.3 Die Segmentation und Etikettierung des Wortes das . . . . 21<br />
2.4 Die Etikettierung des Wortes irgendwo, das als<br />
realisiert wurde . . . . . . . . . . . . . . . . . . . . . . . 22<br />
2.5 Die Etikettierung des Wortes eigentlich realisiert als 23<br />
2.6 Das Sonagramm und die Etikettierung des Äußerungsabschnittes<br />
nicht zu spät . . . . . . . . . . . . . . . . . . . . 25<br />
2.7 Der Anfang einer Textdatei aus dem Kiel Corpus of Spontaneous<br />
Speech . . . . . . . . . . . . . . . . . . . . . . . 26<br />
2.8 Segmentationen und Etikettierungen der Wörter schönes<br />
und Günther von Sprecher k03 . . . . . . . . . . . . . . . 30<br />
2.9 Sonagramm des Wortes kommen samt Segmentation und<br />
Etikettierung . . . . . . . . . . . . . . . . . . . . . . . . 32<br />
3.1 Sonagramm und Etikettierung des Wortes welches, gesprochen<br />
von einem männlichen Sprecher . . . . . . . . . . . 42<br />
3.2 Die Gewinnung von Meßwerten bei einem Diphthong mit<br />
einer Dauer von 137 ms aus dem Wort Zeit . . . . . . . . . 51<br />
3.3 Relative Häufigkeiten der Vokale im spontansprachlichen<br />
Korpus . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54<br />
3.4 Gesamthäufigkeiten in aufsteigender Reihenfolge von allen<br />
Vokaltokens pro Sprecher/in. . . . . . . . . . . . . . . 55<br />
3.5 Vergleich der relativen Vokalhäufigkeiten in Spontan- und<br />
Lesesprache . . . . . . . . . . . . . . . . . . . . . . . . . 57<br />
xi
xii<br />
<br />
<br />
!#"<br />
3.6 Vergleich der spontanen und lesesprachlichen Vokalsysteme<br />
für Inhaltswörter . . . . . . . . . . . . . . . . . . . . 60<br />
3.7 Probleme bei der Formantbestimmung von hinteren gerundeten<br />
Vokalen anhand von Papiersonagrammen . . . . . . 63<br />
3.8 Häufigkeitsverteilung der dauergruppierten Diphthonge . . 66<br />
3.9 Formantverläufe von weiblichem und männlichem in<br />
Spontansprache . . . . . . . . . . . . . . . . . . . . . . . 68<br />
3.10 Formantverläufe von weiblichem und männlichem in<br />
Spontansprache . . . . . . . . . . . . . . . . . . . . . . . 69<br />
3.11 Formantverläufe von weiblichem und männlichem in<br />
Spontansprache . . . . . . . . . . . . . . . . . . . . . . . 70<br />
3.12 Gleitende Mediane von Vokalformantwerten als Funktion<br />
der Dauer geplottet . . . . . . . . . . . . . . . . . . . . . 82<br />
3.13 Vergleich von weiblichen und männlichen Vokalräumen in<br />
Spontan- und Lesesprache . . . . . . . . . . . . . . . . . 90<br />
3.14 Vergleich der spontan- und lesesprachlichen Vokalräume . 91<br />
3.15 Vergleich der weiblichen und männlichen Vokalräume in<br />
Lesesprache - ohne Normalisierung. . . . . . . . . . . . . 94<br />
3.16 Mediane von vokalischem F1 und F2 geplottet als Funktion<br />
der Vokalkategorie gruppiert nach dem vorangehenden<br />
konsonantischen Kontext (Spontansprache) . . . . . . . . 95<br />
3.17 Mediane von vokalischem F1 und F2 geplottet als Funktion<br />
der Vokalkategorie gruppiert nach dem nachfolgenden<br />
konsonantischen Kontext (Spontansprache) . . . . . . . . 96<br />
3.18 Mediane von vokalischem F1 und F2 geplottet als Funktion<br />
der Vokalkategorie gruppiert nach dem vorangehenden<br />
konsonantischen Kontext (Lesesprache) . . . . . . . . . . 97<br />
3.19 Mediane von vokalischem F1 und F2 geplottet als Funktion<br />
der Vokalkategorie gruppiert nach dem nachfolgenden<br />
konsonantischen Kontext (Lesesprache) . . . . . . . . . . 98<br />
4.1 Oszillogramm, Sonagramm und Annotation eines Auszugs<br />
aus den zusammengeschnittenen Äußerungen des<br />
Wortes fährt der Sprecherinnen k08 und k10 sowie des<br />
Sprechers k09 . . . . . . . . . . . . . . . . . . . . . . . . 116<br />
4.2 Oszillogramme und Sonagramme der zweiten Silbe des<br />
Wortes Eintracht für die Sprecher k08 (weiblich), und k07<br />
(männlich) . . . . . . . . . . . . . . . . . . . . . . . . . . 119
xiii<br />
4.3 Sonagramme und Oszillogramme der vier Produktionen<br />
des Wortes Doris für die Sprecher k07 und k08 . . . . . . 122<br />
4.4 Sonagramme und Oszillogramme des Wortes brennen sowie<br />
zwei Produktionen des Wortes drei, gesprochen von<br />
Sprecher k09 . . . . . . . . . . . . . . . . . . . . . . . . 123<br />
4.5 Sonagramme und Oszillogramme des Wortes begreifen,<br />
gesprochen von zwei Sprecherinnen k08 und k12 . . . . . 124<br />
4.6 Werte für die ersten zwei Formanten des Vokals $£ gemessen<br />
in der Mitte des Vokals . . . . . . . . . . . . . . . . . 126<br />
4.7 Formantwerte der ersten zwei Formanten für die Vorsilbe<br />
ver- . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127<br />
4.8 Die Qualitäten der £ -Diphthonge im Deutschen . . . . . . 129<br />
4.9 Sonagramme und Etikettierungen von konsonantischen<br />
und vokalischen Realisierungen des Wortes fahren von den<br />
Sprechern k07 und k11 . . . . . . . . . . . . . . . . . . . 131<br />
4.10 Schematische Darstellung der Vermischung der phonetischen<br />
Korrelate verschiedener Vokale mit den Korrelaten<br />
des £ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134<br />
4.11 Sonagramme und Etikettierungen der Frikative bzw. Frikativ-£<br />
-Verbindungen aus den Wörtern Bescheid, Schreiben,<br />
fahren und Freitag der Sprecherin k10 . . . . . . . . . . . 136<br />
4.12 Silbenstrukturen für die konsonantische und vokalische<br />
Aussprache des Wortes fahren . . . . . . . . . . . . . . . 142<br />
4.13 Die £ -Vokalisierungsregel im Kontext eines Langvokals<br />
aus Hall (1993) . . . . . . . . . . . . . . . . . . . . . . . 145<br />
%<br />
&<br />
5.1 Der Aufbau der Klatt-Formantsynthese . . . . . . . . . . . 155<br />
5.2 Gegenüberstellung der Analyse- und dynamischen Syntheseparameter<br />
. . . . . . . . . . . . . . . . . . . . . . . 157<br />
5.3 Illustration von verschiedenen Glottisstellungen in der<br />
Äußerung Wir haben ein Abteil extra für uns gesprochen<br />
von k03. . . . . . . . . . . . . . . . . . . . . . . . . . . . 161<br />
5.4 Überführung der Analysedaten in Syntheseparameter für<br />
Knarrstimme und die verschiedenen Korrelate von . . . 163<br />
5.5 Überführung der Analysedaten in Syntheseparameter für<br />
die verschiedenen Korrelate von . . . . . . . . . . . . . 166<br />
5.6 Die Wiederherstellung von Stimmhaftigkeit, illustriert an<br />
der Wortabfolge mal an aus dem Dialogbeitrag g071a000 . 170
xiv<br />
5.7 LPC-Sonagramme von prävokalischen Lateralen in verschiedenen<br />
Vokalkontexten . . . . . . . . . . . . . . . . . 172<br />
5.8 F2-Werte von prävokalischen Lateralen als Funktion der<br />
F2-Werte der darauffolgenden Vokalabschnitte geplottet . . 173<br />
5.9 LPC-Sonagramme von synthetischen Äußerungen mit<br />
prävokalischen Lateralen in verschiedenen Vokalkontexten 174
Tabellenverzeichnis<br />
2.1 Die Felder einer Datenbankzeile für ein Token des Wortes<br />
und . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28<br />
')( *(<br />
3.1 Phonemische IPA-Transkription, sowie Darstellungen in<br />
prosodisch phonologischer Notation und SAMPA der<br />
hochdeutschen Monophthonge und Diphthonge zusammen<br />
mit Beispielwörtern. . . . . . . . . . . . . . . . . . . 37<br />
3.2 Ein Auszug aus den Ergebnissen der akustischen Analyse<br />
der Sprecherin JUM aus dem Dialogbeitrag g361a004 . . . 53<br />
3.3 Ergebnisse eines U-Tests für die F2-Werte von und ,<br />
die in den Diagrammen von Abb. 3.6 geplottet sind . . . . 62<br />
3.4 Korrelation von Dauer und Formantwerten für fünf<br />
Lang/Kurzvokalpaare in Inhaltswörtern . . . . . . . . . . 81<br />
3.5 Dauer-Mediane der zehn Vokalkategorien . . . . . . . . . 86<br />
3.6 Durchschnittliche Dauern von Silben, vokalischen und<br />
nichtvokalischen Elementen in Spontan- und Lesesprache . 86<br />
4.1 Beispiele aus Ulbrichs Daten, die die verschiedenen vokalischen<br />
Kategorien illustrieren. . . . . . . . . . . . . . . . 113<br />
4.2 Eine Auswahl an Sätzen aus dem Berliner Satzkorpus gesprochen<br />
von Sprecher k03 zur Illustration von Ulbrichs<br />
Kategorisierung . . . . . . . . . . . . . . . . . . . . . . . 114<br />
4.3 Synthetische Beispiele von unterschiedlichen £ -Vokalen<br />
und £ -losen Vokalen . . . . . . . . . . . . . . . . . . . . . 148<br />
5.1 Die dynamischen Parameter der Klatt-Formantsynthese . . 156<br />
xv
xvi<br />
5.2 Ausschnitt aus den sortierten und annotierten Analysedaten<br />
aus der Mitte des Wortes Mittagessen . . . . . . . . . 160<br />
5.3 Beispiele von LACS-behandelten männlichen Äußerungen<br />
aus den gelesenen und spontansprachlichen Korpora . 168<br />
D.1 Absolute Vokalhäufigkeiten bei den einzelnen Sprechern<br />
im spontansprachlichen Korpus . . . . . . . . . . . . . . . 210<br />
D.2 Relative Vokalhäufigkeiten bei den einzelnen Sprechern<br />
im spontansprachlichen Korpus . . . . . . . . . . . . . . . 211<br />
D.3 Absolute und relative Gesamthäufigkeiten der Einzelvokale<br />
aus Spontan- und Lesesprache . . . . . . . . . . . . . . 212<br />
E.1 Weibliche Formantwerte aus der Lesesprache . . . . . . . 214<br />
E.2 Weibliche Formantwerte aus der Spontansprache . . . . . 215<br />
E.3 Männliche Formantwerte aus der Lesesprache . . . . . . . 216<br />
E.4 Männliche Formantwerte aus der Spontansprache . . . . . 217
Kapitel 1<br />
Einführung<br />
1.1 Ziele<br />
Mit dem Einzug der EDV in die phonetische Sprachverarbeitung wurde im<br />
Prinzip die Möglichkeit geschaffen, große Mengen gesprochener Sprache<br />
schnell zu bearbeiten und automatisch zu analysieren. Am Anfang stand<br />
diesem Ziel jedoch einiges im Wege. Um gesprochene Sprache in ausreichend<br />
hoher Qualität digital darzustellen, werden hohe Anforderungen<br />
sowohl an die Geschwindigkeit als auch an die Speicherkapazität eines<br />
Rechners gestellt. Erst seit etwa zehn Jahren steht der digitalen Verarbeitung<br />
gesprochener Sprache ausreichende Rechnergeschwindigkeit und<br />
Speicherkapazität kostengünstig zur Verfügung. Eine Folge dieser technischen<br />
Entwicklung ist der Aufbau digitaler Datenbanken gesprochener<br />
Sprache.<br />
Die digitale Sammlung und Analyse gesprochener Sprache bietet viele<br />
Vorteile gegenüber älteren analogen Methoden. Die Analyse auf analogen<br />
Tonträgern, wie z.B. Schallplatten oder Tonbändern, ist zeitaufwendig. Relevante<br />
Äußerungen müssen auf dem Tonträger geortet, auf ein weiteres<br />
Gerät (z.B. Sonagraphen) übertragen, Aufzeichnungen gemacht und Messungen<br />
anhand dieser Aufzeichnungen durchgeführt werden. Im digitalen<br />
Bereich können bei entsprechender Aufbereitung des gesprochenen Materials<br />
viele Schritte einer Analyse automatisiert werden. Die Datenmenge,<br />
die bearbeitet werden kann, wird allein durch den Umfang der erfaßten<br />
1
,<br />
,<br />
2 Einführung<br />
+ Daten begrenzt und nicht durch die für die Untersuchung verfügbare Zeit.<br />
In den letzten Jahren haben digital aufbereitete gesprochene Sprachdatenbanken<br />
einen mächtigen Zuwachs erfahren. Die Erhebung wurde und<br />
wird hauptsächlich von industrieller Seite finanziert und zur Entwicklung<br />
kommerzieller Produkte eingesetzt, jedoch wird die Mehrheit dieser Daten<br />
der Öffentlichkeit zur Verfügung gestellt.<br />
Obwohl der heutigen phonetischen Forschung somit gesprochene<br />
Sprache in großer Menge und schnell verarbeitbarer Form zur Verfügung<br />
steht, stellen sich noch zwei grundsätzliche Fragen, was die wissenschaftliche<br />
Verwendbarkeit solcher Daten betrifft:<br />
1. Sind Daten, die für einen anderen Zweck erhoben wurden, für neue<br />
Fragestellungen überhaupt brauchbar?<br />
2. Welche symbolische Aufbereitung – neben der Digitalisierung der<br />
Sprachsignale selbst – müssen die Äußerungen einer Datenbank<br />
erhalten, um sie für die Bearbeitung phonetischer Fragestellungen<br />
überhaupt interessant zu machen?<br />
Diese Arbeit verfolgt mehrere Ziele. Als erstes werden die Inhalte und<br />
die Form des Kiel Corpus of Read/Spontaneous Speech vorgestellt. Danach<br />
soll aufzeigt werden, wie solche Dateninhalte in ihrer Aufbereitung zur<br />
Erforschung verschiedener Fragestellungen herangezogen werden können.<br />
Jedoch sind diese Analysen nicht kleine exemplarische Streifzüge. Es werden<br />
vielmehr drei vollständige Analysen aus den Kernbereichen der deutschen<br />
Phonetik und Phonologie präsentiert, die auf verschiedene Art und<br />
Weise den Umfang, die Inhalte und die Aufbereitung einer gesprochenen<br />
Sprachdatenbank ausnutzen. Der Aufbau der Arbeit ist wie folgt:<br />
Kapitel 1 gibt einen Überblick über zur Zeit erhältliche gesprochene<br />
Sprachdatenbanken. Die Probleme, die die Benutzung von Datenbankmaterial<br />
bereitet, sowie Lösungswege werden diskutiert.<br />
Kapitel 2 beschreibt den Aufbau des Kiel Corpus of Read/Spontaneous<br />
Speech, das als Untersuchungsobjekt in dieser Studie dienen<br />
soll. Die Elizitationsmethoden werden umrissen sowie die verschiedenen<br />
Schritte in der symbolischen Aufbereitung der gewonnenen<br />
Sprachsignale.
,<br />
1.1 Ziele 3<br />
In den Kapiteln 3 bis 5 werden drei Verwendungen des Kiel Corpus<br />
präsentiert, in denen drei ganz unterschiedliche Fragestellungen an<br />
eine Datenbank bearbeitet werden.<br />
Kapitel 3 ist eine Untersuchung des deutschen Vokalismus anhand<br />
von Spontan- und Lesesprache. Dies ist der klassische Einsatz einer<br />
Datenbank. Eine große Menge Sprachdaten wird nach bestimmten<br />
Mustern automatisch durchsucht und analysiert.<br />
Kapitel 4 setzt zum einen die Untersuchung des deutschen Vokalismus<br />
fort, indem es zusätzlich die durch Vokalisierung des £ im<br />
Deutschen entstehenden Vokalqualitäten einbezieht. Zum andern erweitert<br />
es die Fragestellung auf die Realisierung des deutschen £ insgesamt<br />
und präsentiert dessen phonetische Beschreibung und phonlogische<br />
Analyse anhand eines vergleichsweise kleinen Auszugs (6<br />
Sprecher, 600 Sätze) aus dem Kiel Corpus of Read Speech. Statt<br />
automatischer akustischer Analyse stehen die Methoden der impressionistischen<br />
Phonetik im Vordergrund. Die digitale Aufbereitung<br />
der Sprachsignale und ihre verschiedenen symbolischen Aufbereitungen<br />
dienen hauptsächlich dem Auffinden und Zusammenschneiden<br />
von relevanten Äußerungsabschnitten. Das Kapitel schließt<br />
mit der Skizze einer Modellierung von £ -Aussprachemustern in<br />
der regelgesteuerten Formantsynthese als Beitrag zur phonetischphonologischen<br />
Interpretation von Sprachdaten.<br />
Kapitel 5 setzt die in Kapitel 4 anhand eines eng begrenzten phonetischen<br />
Phänomenbereichs begonnene Diskussion in ausgeweiteter<br />
Form fort und beschreibt eine Methode, wie die phonetischen<br />
Korrelate von phonologischen Abstraktionen, ausgedruckt in<br />
Form von Steuerparametern einer Formantsynthese, gewonnen werden<br />
können. Die Ergebnisse einer gewöhnlichen akustischen Analyse<br />
werden automatisch in die Parameter einer Formantsynthese<br />
überführt. In diesem Prozeß dient die symbolische Etikettierung einer<br />
Äußerung als phonetische und linguistische Wissensbasis und<br />
ermöglicht eine intelligente, sprachkategorische Interpretation der<br />
Analyseergebnisse.<br />
Zu einigen Abbildungen und Tabellen sind Hörbeispiele an der folgenden<br />
URL zu finden: www.ipds.uni-kiel.de/examples.html.<br />
Die Signale sind als Windows WAV-Dateien mit einer Amplituden-
4 Einführung<br />
- auflösung von 16 Bit und 16 kHz Abtastung abgelegt. Abbildungen und<br />
Tabellen, die von Hörbeispielen begleitet werden, sind mit gekennzeichnet.<br />
1.2 Gesprochene Datenbanken – ein Überblick<br />
Zur Zeit gibt es digitale Sammlungen gesprochener Sprache, die zusammen<br />
einen Umfang von mehreren Millionen Wörtern haben. Die linguistischen<br />
Aktivitäten reichen vom Vorlesen von Einzelwörtern bis hin zur<br />
freien Spontansprache. Die Signalqualität reicht von hochqualitativen Aufnahmen<br />
in schallbehandelten Räumen bis zur Mobiltelefonqualität.<br />
Dieser Abschnitt gibt anhand einiger Beispiele einen Überblick über<br />
die verschiedenen sprachtechnologischen Bereiche, in denen gesprochene<br />
Sprachdatenbanken entstanden sind, sowie eine Zusammenstellung<br />
von Datenbanken, die ihre Anwendung in der Sprachtechnologie finden<br />
mögen, dennoch nicht zu diesem Zweck primär erhoben wurden.<br />
Der größte Teil der gesprochenen Sprachdatensammlungen wird von<br />
der Industrie bzw. in Zusammenarbeit zwischen Industrie und wissenschaftlichen<br />
Einrichtungen sowie mit staatlicher Förderung erhoben. Diese<br />
Korpora dienen hauptsächlich der Forschung und Entwicklung von<br />
sprachtechnologischen Anwendungen. Kategorisiert nach bestimmten Anwendungsbereichen<br />
werden in den folgenden Beispielen von gesprochenen<br />
Sprachdatenbanken vorgestellt, die vom LDC 1 vertrieben werden und<br />
z.T. auch per Auftrag gesammelt wurden.<br />
Spracherkennung Zur Entwicklung und Evaluation von Spracherkennungsalgorithmen<br />
werden die größten Datenmengen gebraucht. Als<br />
bekannteste Datenbank in diesem Bereich ist TIMIT (Lamel et al.<br />
1986), eine von Texas Instruments und M.I.T. erhobene Datenbank<br />
des amerikanischen Englisch. Die Datensammlung umfaßt 630<br />
Sprecher aus 8 Dialektregionen, die je 10 phonetisch ausbalancierte<br />
Sätze gelesen haben. Die Signale sind qualitativ hochwertig<br />
(16 kHz, 16 bit). Um vergleichbare Korpora in unterschiedlicher Si-<br />
1 Das Linguistic Data Consortium ist ein Verbund aus Universitäten, Industrie und staatlichen<br />
Forschungseinrichtungen, der Sprachdatenbanken (geschrieben und gesprochen), Lexika<br />
und andere Sprachresourcen sammelt und vertreibt. Nähere Information sind unter URL<br />
(4) zu finden.
1.2 Gesprochene Datenbanken – ein Überblick 5<br />
gnalqualität zu erhalten, wurden die TIMIT-Sätze durch verschiedene<br />
Übertragungskanäle geschickt bzw. über andere Kanäle neu aufgenommen.<br />
So bilden beispielsweise die 6300 TIMIT-Äußerungen<br />
nach Übertragung durch verschiedene Telefonleitungen die Korpora<br />
NTIMIT und CTIMIT; HTIMIT hingegen besteht aus TIMIT-Sätzen,<br />
die von 384 Sprechern neu aufgenommen und durch verschiedene<br />
Telefonhörertypen gespielt wurden.<br />
In der Entwicklung eines telefonischen Flugauskunftssystems entstanden<br />
die ATIS-Korpora (‘Air Travel Information System’) (Seneff<br />
et al. 1991). Statt auf das Elizitieren eines bestimmten phonetischen<br />
Inhaltes zu zielen, wie bei TIMIT, sind die ATIS-Daten spontansprachlich<br />
und aufgabenorientiert. Sprecher wurden aufgefordert,<br />
mit der Simulation eines automatischen Auskunftssystems (Hemphill<br />
et al. 1990) bzw. mit einem Prototypen nach Flugauskunft zu<br />
fragen.<br />
Eine ganz andere Anwendung, die die Datenerhebung in einer anderen<br />
Sprechergruppe erforderte, war das Trainieren des SPHINX II<br />
Spracherkennungssystems (Lee et al. 1990) für den Einsatz in einem<br />
Lese-Trainer für Kinder. Das Kids Corpus besteht aus 5180 Äußerungen<br />
von 76 Kindern im Alter zwischen 6 und 11 Jahren.<br />
Sprachsynthese Hauptsächlich der Generierung von intonatorischen Mustern<br />
in Sprachsynthese ist die Erhebung des Boston University Radio<br />
Speech Corpus gewidmet. Sieben Stunden Rundfunknachrichten<br />
gesprochen von drei weiblichen und vier männlichen Rundfunksprechern<br />
wurden über einen Zeitraum von zwei Jahren aufgenommen.<br />
Dieselben Sprecher wurden auch unter Laborbedingungen<br />
beim Vorlesen von insgesamt 24 Geschichten aufgenommen.<br />
Dabei wurden sie aufgefordert die Geschichten zuerst im Nicht-<br />
Rundfunkstil und nach einer Pause von 30 Minuten im Rundfunkstil<br />
vorzulesen.<br />
Sprecherverifikation Der eindeutigen Erkennung einer Stimme als Sicherheitsmaßnahme<br />
(“secure access”) diente die Erhebung des YO-<br />
HO-Korpus. Dieses Korpus besteht aus vorgelesenen Zahlenreihen,<br />
die typisch für Kombinationsschlösser sind. Die Aufnahmen wurden<br />
in einer Büroumgebung gemacht.
6 Einführung<br />
. Sprecheridentifikation Zur Entwicklung von Methoden für die Erkennung<br />
und Überführung eines Täters anhand einer kleinen Sprachprobe<br />
wurde das BRAMSHILL-Korpus ursprünglich mit analoger Technik<br />
(1978–1979) aufgenommen und 1993 nachträglich digitalisiert.<br />
Aufzeichnungen wurden in den Schlafräumen einer Polizeischule<br />
durchgeführt. Beamte wurden aufgenommen, wie sie mit einem Kollegen<br />
in einem Nachbarzimmer telefonierten. Am Anfang jedes Gesprächs<br />
mußten Sprecher sich vorstellen, zehn Sätze vorlesen, und<br />
sich anschließend zehn Minuten lang anhand einer Photosammlung<br />
als Gesprächsvorlage unterhalten. Die Gespräche wurden sowohl im<br />
Raum als auch nach Übertragung durch die Telefonleitung aufgenommen.<br />
Der Sprecheridentifikationsforschung diente auch das SPIDRE-<br />
Korpus. Dieses Korpus ist ein Auszug aus dem riesigen SWITCH-<br />
BOARD-Korpus (Godfrey et al. 1992), das aus 2430 Telefongesprächen<br />
zwischen mehr als 500 Sprechern besteht.<br />
Sprachidentifikation Der automatischen Erkennung einer Sprache ist<br />
das CALLFRIEND-Korpus gewidmet. Hierzu wurden Telefongespräche<br />
zwischen Muttersprachlern von 12 Sprachen aufgezeichnet,<br />
pro Sprache jeweils 60 Gespräche.<br />
Nicht alle Sprachdatensammlungen wurden für ein bestimmtes Ziel erhoben.<br />
So sollte das SWITCHBOARD-Korpus (URL 5) der sprachtechnologischen<br />
Forschung und Entwicklung im Telefonbereich zur Verfügung<br />
stehen. Selbstverständlich konnte auch die Entwicklung bestimmter<br />
sprachtechnologischer Anwendungen auf schon vorhandenen Datenbanken<br />
basieren, die für andere Zwecke erhoben wurden. Hierzu zählt das<br />
Sprachsynthesesystem CHATR (Black und Taylor 1994; Black und Campbell<br />
1995). CHATR ist in seiner Struktur ein generisches 2 Sprachsynthesesystem,<br />
daß tatsächlich gesprochene phon-große Äußerungsabschnitte<br />
aneinanderkettet. Um eine bestimmte Lautkategorie in verschiedenen intonatorischen<br />
und lautlichen Umgebungen zu gewährleisten, müssen viele<br />
Äußerungsabschnitte pro Kategorie und Sprecher vorhanden sein. Die<br />
Erstellung einer CHATR-Synthese für eine Sprache setzt lediglich eine<br />
hinreichende Menge an segmentierten und etikettierten Äußerungen einer<br />
2 Die Grundstruktur ist sprachunabhängig.
1.2 Gesprochene Datenbanken – ein Überblick 7<br />
/<br />
Sprecherin oder eines Sprechers einer Sprache voraus. So basiert beispielsweise<br />
das deutsche CHATR-System auf einer Sprecherin und einem Sprecher<br />
des Kiel Corpus of Read Speech. Ausschlaggebend für CHATR ist<br />
eine hohe Signalqualität sowie eine phonetisch-phonologische Segmentation<br />
und Etikettierung der Signale (siehe hierzu 2.3.3).<br />
Das Kiel Corpus of Read/Spontaneous Speech, das in dieser Studie beschrieben<br />
und analysiert wird, sowie ein Großteil des Bavarian Archive<br />
for Speech Signals (Tillmann et al. 1995; URL 2; Gibbon et al. 1997: 835–<br />
837), wurden im Rahmen mehrerer industriell und staatlich geförderter<br />
Projekte ursprünglich für sprachtechnologische Zwecke erhoben. Sie bestehen<br />
aus gelesenem sowie spontansprachlichem Material 3 und dienten<br />
hauptsächlich der Entwicklung und Evaluation verschiedener Spracherkennungsalgorithmen.<br />
Die symbolische Aufbereitung des spontansprachlichen<br />
Materials lieferte auch Material über Aussprachevarianten für den<br />
Einsatz in der Sprachsynthese. Die Erhebung des gelesenen Materials wurde<br />
1989 im Auftrag einiger Industriepartner begonnen, ein Projekt, das<br />
den Namen PhonDat (Kohler 1992b) erhielt. Im Jahre 1991 wurde dieses<br />
Projekt Teil des von BMFT geförderten ASL-Projekts (“Architecture for<br />
Speech and Language”). ASL-PhonDat fand seine Fortsetzung in einem<br />
weiteren von Industrie und BMFT/BMBF geförderten Projekt zur Konstruktion<br />
eines maschinellen Dolmetschers. Da dieses Gerät Gespräche<br />
zwischen Geschäftsleuten übersetzen soll, ergab sich die Forderung nach<br />
spontansprachlichem Material.<br />
Datenbanken, die hauptsächlich der Grundlagenforschung gewidmet<br />
sind, also nicht primär für Anwendungszwecke erhoben wurden, sind in<br />
ihrer Zahl und ihrem Umfang wesentlich geringer. Dies liegt nicht zuletzt<br />
an finanziellen Gründen. Obwohl die Kosten für das Sammeln und Speichern<br />
gesprochener Sprachdaten nicht unerheblich sind, liegt die Hauptarbeit<br />
in der ausführlichen und sachgemäßen symbolischen Aufbereitung<br />
der gesammelten Daten. Im einfachsten Fall bedeutet dies nichts anderes<br />
als die Anfertigung einer orthographischen Transliteration der erhobenen<br />
Äußerungen. Im Falle einer phonetischen Untersuchung jedoch muß jede<br />
Äußerung eine irgendwie geartete phonetische oder phonologische Transkription<br />
erhalten, die mit dem Sprachsignal synchronisiert wird.<br />
Die folgenden Datenbanken sind vier Beispiele von Datensammlun-<br />
3 Inhalt und Erhebung des Kiel Corpus of Read/Spontaneous Speech werden in Kapitel 2<br />
beschrieben.
8 Einführung<br />
0 gen, die hauptsächlich der Grundlagenforschung dienen sollen:<br />
ANDOSL Die Australian National Database of Spoken Language (URL<br />
1) besteht aus lese- und spontansprachlichem Material von 108 Sprechern<br />
von drei Soziolekten des Australischen Englisch sowie 105<br />
weiteren Sprechern, für die Englisch eine Fremdsprache ist. Das erhobene<br />
Material von jedem Sprecher besteht aus Lese- (19 Wörter<br />
mit % V1 -Struktur sowie 50–200 phonetisch ausbalancierte Sätze)<br />
sowie Spontansprache (Map task-Sitzungen).<br />
Map Task Das HCRC Map Task Corpus (Anderson et al. 1991) ist eine<br />
Sammlung von 128 Dialogen mit einer Gesamtdauer von etwa 18<br />
Stunden. Die Dialogpartner haben jeweils eine einfache Landkarte<br />
erhalten. Auf einer der Karten ist ein Weg eingezeichnet, der der<br />
anderen Person beschrieben werden muß. Außer dem Weg weisen<br />
die Karten auch einige andere Unterschiede auf. Die Namen von bestimmten<br />
Orten auf der Karte, z.B. “Green Bay”, “white cottage”,<br />
sollten trotz des spontansprachlichen Produkts einer solchen Aufgabe<br />
auch bestimmte phonologische Muster gewährleisten.<br />
MARSEC Das Machine Readable Spoken English Corpus (Roach et al.<br />
1994) basiert auf Aufnahmen und Transkriptionen des Spoken English<br />
Corpus (Knowles und Alderson 1995). Die Aufnahmen bestehen<br />
aus etwa 6 Stunden (ca. 55000 Worte) Rundfunkübertragungen.<br />
Die Originalaufnahmen des SEC, die analog auf Tonband erfolgten,<br />
sind im MARSEC digitalisiert, und die verschiedenen phonetischen<br />
und linguistischen Annotationen sind mit den digitalen Signalen<br />
zeitlich synchronisiert.<br />
EUR-ACCOR Die akustisch-artikulatorische Datenbank EUR-ACCOR<br />
(URL 3) ist eine europäisch finanzierte Datensammlung. Je 5 Sprecher<br />
von 7 EU-Sprachen 4 wurden aufgenommen. Probanden haben<br />
einfache Logatome mit VKV-Struktur, echte Wörter, die der Logatomstruktur<br />
ähneln, sowie 14 kurze Sätze, die die wichtigsten satzphonetischen<br />
Prozesse der jeweiligen Sprache illustrieren, gesprochen.<br />
Erfaßt wurden gleichzeitig maximal fünf Signale: Elektropalatogramm,<br />
Laryngogramm, Mikrofonsignal, nasale und orale Luftströmung.<br />
4 Catalan, Englisch, Französisch, Deutsch, Irisches Gälisch, Italienisch und Schwedisch
1.3 Das Problem einer Datenbank 9<br />
Aus dieser noch lange nicht vollständigen Aufstellung von gesprochenen<br />
Sprachdatenbanken wird der erhebliche Umfang sowie die qualitative<br />
und inhaltliche Breite der digital aufbereiteten Datensammlungen deutlich.<br />
Bevor die Daten aus solchen Sammlungen für phonetische Fragestellungen<br />
eingesetzt werden, muß zuerst geklärt werden, ob sie sich überhaupt<br />
für solche Aufgaben eignen.<br />
1.3 Das Problem einer Datenbank<br />
Nachdem einige Sprachdatenbanken beschrieben wurden, bleibt die<br />
grundlegende Frage unbeantwortet, ob solche Datensammlungen für phonetische<br />
Forschungszwecke nützlich sind. Das muß nicht der Fall sein.<br />
Gesprochene Sprachdaten in einem phonetischen Institut im Rahmen eines<br />
Projektauftrages zu erheben und aufzubereiten, heißt nicht, daß diese<br />
Daten auch der phonetischen Forschung von Nutzen sein müssen. In diesem<br />
Abschnitt wird dieses Problem diskutiert, und es wird deutlich, daß<br />
die Antwort auf die Frage der Benutzung von Datenbanken in der phonetischen<br />
Forschung eng mit den Problemen der Untersuchung von Spontansprache<br />
verstrickt ist.<br />
Das Hauptproblem mit Datenbankmaterial ist wie folgt zu beschreiben.<br />
Obwohl eine rechnerverarbeitbare Datensammlung die Möglichkeit bietet,<br />
eine große Menge an Daten schnell zu analysieren, wird vorweg eine<br />
grundlegende Annahme gemacht: eine bestimmte wissenschaftliche Fragestellung<br />
läßt sich an einer vorhandenen Datenbank empirisch erarbeiten<br />
und statistisch auswerten. Eine für die Phonetik und andere Humanwissenschaften<br />
übliche Arbeitsweise wird somit auf den Kopf gestellt; denn<br />
eine Fragestellung geht meist ihrer Datenerhebung voraus. Eine Hypothese<br />
wird aufgestellt, und die Datenerhebung wird der Fragestellung so zugeschnitten,<br />
daß die aufgestellte Hypothese sich statistisch überprüfen läßt.<br />
In diesem Fall ist die Datenerhebung gezielt und kontrolliert. Wird eine<br />
Hypothese an einer schon vorhandenen Datensammlung getestet, können<br />
die vorhandenen Daten nur zufällig die gleichen Bedingungen erfüllen wie<br />
bei einer gezielten Erhebung. Eine Datenbank mag für einen bestimmten<br />
Zweck erhoben worden sein, aber für jede weitere Untersuchung bleibt<br />
sie eine beliebige Datensammlung. Bei einigen Datenbanken, die im Abschnitt<br />
1.2 beschrieben wurden, wird im voraus versucht, die Datensammlung<br />
auf eine möglichst große Palette von Fragestellungen zuzuschneiden.
10 Einführung<br />
Die ANDOSL ist ein gutes Beispiel dieser Vorgehensweise. Die aufgenommenen<br />
Gruppen lassen sich in verschiedene gleich große Untergruppen<br />
aufteilen, nach Geschlecht, Alter, Soziolekt. Es werden zusätzlich von jedem<br />
Sprecher Proben aus einem möglichst breiten Spektrum von linguistischen<br />
Aktivitäten genommen. Dennoch wird eine mit solcher Sorgfalt<br />
erhobene Datenbank eine ganze Reihe von phonetischen Fragen nicht beantworten,<br />
weil bestimmte Phänomene schlecht oder im schlimmsten Fall<br />
gar nicht vertreten sind.<br />
Die Methodologie phonetischer Datenerhebung bietet ein zusätzliches<br />
Problem. Statt wirkliches Sprachmaterial zu untersuchen, wird das phonetische<br />
Verhalten einer Sprache oft an Logatommaterial (z.B. Lindblom<br />
1963; Stevens und House 1963; Öhman 1966) untersucht, um sämtliche<br />
lautlichen Kontexte zu bekommen, die eine Sprache möglicherweise von<br />
sich aus gar nicht anbietet. Es besteht somit eine Riesenkluft zwischen einer<br />
Kontrolle über Sprachsammlung, die bis hin zur Schaffung einer neuen<br />
Sprachrealität (Logatome) reicht, und dem Verlust jeglicher Kontrolle über<br />
das verfügbare Material in Form einer Datenbank.<br />
Es gibt drei Lösungen des geschilderten Datenbankproblems, wobei<br />
die zweite Alternative nur als Ergänzung zur ersten zu sehen ist:<br />
1. Eine technische Entwicklung mag die Erstellung von Datenbanken<br />
möglich gemacht haben. Diese Tatsache macht eine Datenbank aber<br />
nicht notwendigerweise zu einem brauchbaren Forschungsgegenstand.<br />
Deshalb wird auf die Verwendung von Datenbanken verzichtet<br />
und für jede Fragestellung eine gezielte Datenerhebung durchgeführt.<br />
2. Es wird lediglich den Fragen nachgegangen, die sich anhand einer<br />
Datensammlung statistisch so überprüfen lassen, als würden die Daten<br />
gezielt für die Fragestellung gesammelt.<br />
3. Die statistischen Anforderungen an die Daten werden abgeschwächt.<br />
Man begnügt sich mit nichtparametrischen statistischen<br />
Mitteln und geht davon aus, daß die vorhandenen Daten ein bestimmtes<br />
Phänomen nicht lückenlos abdecken können.<br />
Wenn die statistische Überprüfbarkeit oberste Priorität hat, scheint 1,<br />
ergänzt durch 2, die einzige Alternative zu sein. Die Datensammlung und
1.3 Das Problem einer Datenbank 11<br />
2<br />
mehrere Analysen von Crystal und House (1982, 1988a, 1988b, 1990)<br />
sind ein Beispiel. Zwei kleine Prosatexte vorgelesen von 14 Sprechern (12<br />
männlich, 2 weiblich) dienen als Untersuchungsobjekt, um Dauermuster<br />
in zusammenhängender Rede zu beschreiben und modellieren. Es gibt jedoch<br />
zwingende Gründe, die dritte Alternative zu wählen. Diese hängen<br />
einerseits mit der Untersuchung von Spontansprache und zum anderen mit<br />
dem unterschiedlichen Auftreten von bestimmten Phänomenen in Sprache<br />
zusammen.<br />
Die Untersuchung von Spontansprache wirft ähnliche Schwierigkeiten<br />
auf wie die Untersuchung von Datensammlungen, die für andere Zwecke<br />
als ihre ursprüngliche Erhebung eingesetzt werden – sie sind von Anfang<br />
an unkontrolliert und ungezielt. Wird Spontansprache in einer natürlichen<br />
Umgebung mit einem versteckten Mikrophon gewonnen, hat man keine<br />
Kontrolle über Form und Inhalt der aufgenommenen Äußerungen.<br />
Es gibt verschiedene Versuche, Spontansprache kontrolliert zu elizitieren<br />
(Swerts und Collier 1992; Anderson et al. 1991; URL 5; Pätzold<br />
und Simpson 1994). Die kontrollierte Elizitation erzielt eine Sammlung<br />
von Spontansprache mit gleichzeitiger Kontrolle von Inhalt und Form. Ist<br />
die Aufgabe sehr eng definiert, kann eine ähnliche Kontrolle über Form<br />
und Inhalt erreicht werden, wie sie bei vorgelesenen Wörtern und Sätzen<br />
erreicht wird.<br />
Swerts und Collier (1992) beschreiben eine solche Methode, in der<br />
eine Person aufgefordert wird, ein Netzwerk von einfachen Formen (Kreise,<br />
Dreiecke, Vierecke) gefüllt mit verschiedenen Mustern so zu beschreiben,<br />
daß eine zweite Person das Netzwerk allein anhand der Beschreibung<br />
herstellen kann. Die Person muß eine eng definierte Aufgabe ohne jegliche<br />
Vorbereitung und schriftliche Vorlage erledigen. Die Sprache ist daher<br />
spontan bei gleichzeitigem Erhalt von bestimmten Inhalten und Formen.<br />
Um die spontansprachliche Ausprägung bestimmter Phänomene zu<br />
untersuchen, mag die restringierte Methode von Swerts und Collier die<br />
erwünschten Ergebnisse erzielen. Andere spontansprachliche Muster lassen<br />
sich jedoch bei einer solchen Kontrolle nicht untersuchen. Die Untersuchung<br />
des Vokalsystems, das in Kapitel 3 präsentiert wird, und insbesondere<br />
die Häufigkeitsverteilung der einzelnen Vokalkategorien im Abschnitt<br />
3.7 ist ein solches Beispiel. Die Aussagen, die gemacht werden, sollen,<br />
mit bestimmten Einschränkungen, für spontan gesprochenes Deutsch<br />
gelten, und es darf daher keine zu strenge Kontrolle hinsichtlich Form<br />
und Inhalt auferlegt werden. Mit bestimmten Einschränkungen scheint
12 Einführung<br />
die kontrollierte Elizitation in einem Terminabsprache-Szenario (Pätzold<br />
und Simpson 1994) diese Sprachrepräsentativität zu erzielen. Gleichzeitig<br />
wird die strenge Kontrolle über Form und Inhalt geopfert, und es gibt<br />
beispielsweise große Fluktuationen in den Vorkommenshäufigkeiten von<br />
bestimmten sprachlichen Elementen bei den einzelnen Sprechern. Selbst<br />
die Menge an gesprochenem Material, das von den einzelnen Sprechern<br />
gesammelt wurde, weist eine große Variationsbreite auf. Die gesprächigste<br />
Person produzierte mehr als die sechsfache 5 Menge an Sprache als die<br />
schweigsamsten Teilnehmer.<br />
Die Gewinnung von Spontansprache bedeutet also einen Kompromiß<br />
zwischen dem Wunsch nach der Kontrolle, die man von gelesener Laborsprache<br />
gewohnt ist, und der Natürlichkeit von unbeobachteter Spontansprache.<br />
In den meisten Fällen wird Spontansprache daher das gleiche<br />
Grundproblem besitzen, das allgemein für gesprochene Sprachdatenbanken<br />
gilt. Jedoch kann weder die Untersuchung von Spontansprache wegen<br />
ihrer Unkontrollierbarkeit außer acht gelassen werden, noch können Aussagen<br />
über Spontansprache gemacht werden, indem man sich auf gelesene<br />
Daten beschränkt und hofft, daß sich der Weg zur Spontansprache lediglich<br />
aus einer Projektion von Lesesprache bauen läßt. Bestimmte extralinguistische<br />
Phänomene, wie Korrekturen, Turn-taking, Abbrüche, Häsitationen<br />
sind die offensichtlichsten Beispiele von Phänomenen, die im gelesenen<br />
Bereich keine Entsprechung finden. Daß lesesprachliche Phänomene sich<br />
nicht einfach auf spontansprachliches Verhalten extrapolieren oder direkt<br />
übertragen lassen, wie gelegentlich behauptet wird (z.B. Shockey 1974),<br />
läßt sich an einem Beispiel aus dem Englischen illustrieren. Simpson<br />
(1991, 1992) beschreibt eine Art Konsonantendisharmonie in der Spontansprache<br />
einer Sprecherin von Suffolk-Englisch. In bestimmten Silbenketten,<br />
die it und at enthalten, darf nur einmal ein Glottalverschluß auftreten,<br />
z.B. ¥ 354¦6¦73 “make him”, aber ¥ 354¦8¦ “make it”. Um die impressionistischen<br />
Ergebnisse mit instrumentellen Mitteln zu verifizieren, wurde einige<br />
Zeit später dieselbe Sprecherin ins Labor geholt. Sie wurde gebeten, einige<br />
gezielt konstruierte Sätze zu lesen. Zusätzlich zum Mikrophonsignal wurde<br />
sie an den Laryngographen angeschlossen, um direktere Information<br />
über glottale Aktivität zu erhalten. Die Laborsituation provozierte jedoch<br />
eine Annäherung an die Standardsprache. Die Lautmuster des Phänomens,<br />
5 Das Mengenmaß, das hier verwendet wird, ist die Anzahl der gemessenen Vokalabschnitte<br />
pro Sprecher, wie sie aus der Grafik in Abb. 3.4 auf S. 55 abzulesen ist.
1.3 Das Problem einer Datenbank 13<br />
9<br />
das untersucht werden sollte, wichen soweit von der Standardsprache ab,<br />
daß einfache Sätze (z.B. “She’ll look at it at work”) zu sprachlichen Stolpersteinen<br />
wurden, die die Sprecherin in vielen Fällen ohne Abbrüche und<br />
Wiederholungen nicht ausprechen konnte.
14 Einführung
Kapitel 2<br />
Das Kiel Corpus<br />
2.1 Einleitung<br />
Eine Datenbank ist zunächst einmal nichts anderes als eine Sammlung<br />
von irgendwelchen Objekten. Im Falle einer phonetischen Datenbank sind<br />
die Objekte Signale, die während der Sprechens mit verschiedenen Instrumenten<br />
erfaßt werden. Das Kiel Corpus enthält ausschließlich akustische<br />
Sprachsignale, die Luftdruckschwankungen über Zeit darstellen. Eine reine<br />
Sprachsignalkollektion hat für sprachliche Untersuchungen aber wenig<br />
Nutzen. Deshalb enthält das Kiel Corpus zusätzlich zu den Signalen<br />
auch symbolische Darstellungen der phonetischen und linguistischen Inhalte<br />
der Signale. Diese Textdateien stellen den wichtigsten, wenn auch<br />
mengenmäßig kleineren Teil der Datenbank dar. Im einfachsten Fall werden<br />
die erfaßten Äußerungen von einer orthographischen Version begleitet.<br />
So gibt es z.B. zu jedem Dialog aus dem spontansprachlichen Teil des Kiel<br />
Corpus zumindest eine orthographische Transliteration.<br />
Weitere Bearbeitungsschritte liefern immer detailliertere phonetische<br />
und linguistische Information über die Äußerungen. Von besonderer Bedeutung<br />
für phonetische Untersuchungen ist die Herstellung von zeitlichen<br />
Verbindungen zwischen den symbolisch erfaßten metasprachlichen Abstraktionen<br />
und den Sprachsignalen, denn es ist diese zeitliche Verbindung,<br />
die es einem erlaubt, auf die physikalischen Realisierungen von abstrakten<br />
phonetischen und linguistischen Objekten automatisch zuzugreifen und sie<br />
15
16 Das Kiel Corpus<br />
zu<br />
:<br />
analysieren.<br />
In diesem Kapitel werden die Herstellungsschritte des Kiel Corpus<br />
erläutert. Da die Herstellungsschritte der gelesenen und spontansprachlichen<br />
Teile hinreichend dokumentiert sind, wird diese Erläuterung sich<br />
hauptsächlich auf die theoretischen und praktischen Fragen der Herstellung<br />
und Form des Kiel Corpus konzentrieren, die Konsequenzen für<br />
Datenanalysen haben. Eingehende Beschreibungen zur Aufnahmeumgebung,<br />
Weiterverarbeitung im Signalbereich (Filterung, Abtastung, usw.)<br />
sowie Elizitation sind u.a. in Kohler (1992b), Kohler, Pätzold und Simpson<br />
(1995), Pätzold et al. (1995) und Kohler, Pätzold und Simpson (1997)<br />
zu finden.<br />
2.2 Inhalte der Sprachsignale<br />
Die Sprachsignale des Kiel Corpus sind, was ihre Elizitation betrifft, in<br />
zwei Gruppen zu unterteilen:<br />
1. Leseprache<br />
2. Spontansprache.<br />
Die Form der Sprachsignal- und der dazugehörigen Textdateien ist nahezu<br />
identisch, so daß für analytische Zwecke die lese- und spontansprachlichen<br />
Daten gleich behandelt werden können.<br />
Die Sprachsignale des lesesprachlichen Teils des Kiel Corpus wurden<br />
in zwei Aufnahmeschüben gesammelt (Kohler 1992b). Beide Aufnahmen<br />
sollten in erster Linie Sprachmaterial für die Industrie liefern, u.a. für das<br />
Trainieren von automatischen Spracherkennern. Die Texte der ersten Aufnahmen<br />
bestehen sowohl aus kleineren Geschichten (Nordwind und Sonne<br />
und Die Buttergeschichte) als auch aus Sammlungen von kurzen phonetisch<br />
repräsentativen Sätzen 1 (u.a. Sotschek 1976a, 1976b). Im zweiten<br />
Aufnahmeschub lasen Probanden Texte, die auf Verschriftungen von echten<br />
Anfragen bei der Auskunft der Deutschen Bundesbahn basieren.<br />
Der spontansprachliche Teil des Kiel Corpus besteht aus Dialogen, die<br />
ausschließlich aus dem Bereich der Terminplanung stammen. Wie die ge-<br />
1 Dieses Satzkorpus wird für die Untersuchung von Vokalen der Lesesprache in Kapitel 3<br />
verwendet. Orthographische Darstellungen und kanonische IPA-Transkriptionen der Sätzesammlungen<br />
finden sich im A.1 (S. 183) und A.2 (S. 187).
2.3 Symbolische Weiterverabeitung 17<br />
;<br />
lesenen Daten sollten die Dialoge in erster Linie dem Trainieren von Spracherkennern<br />
dienen, die Teil einer automatischen Übersetzungsmaschine<br />
werden sollen (Karger und Wahlster 1994). Die Elizitation der Dialoge<br />
erfolgte durch ein Terminplanungsspiel (Pätzold und Simpson 1994; Kohler<br />
et al. 1995). Teilnehmer mußten mit Hilfe von Kalenderblättern und<br />
Wochenstundenplänen Termine für Geschäftsreisen und dergleichen vereinbaren.<br />
Die Verwendung des Terminus Spontansprache bezieht sich auf<br />
das Produkt von sprachlichem Handeln, das ohne schriftliche Vorlage zur<br />
Lösung einer unmittelbaren kommunikativen Aufgabe entsteht. Diese Definition<br />
ist jedoch nicht mit Natürlichkeit gleichzusetzen, denn die Laborumgebung<br />
sowie die technisch auferlegte Dialogsteuerung schufen eine<br />
ungewohnte kommunikative Situation.<br />
Zur Zeit des Schreibens befindet sich das Kiel Corpus auf vier CD-<br />
ROMs, die auch sämtliche Daten für die Untersuchungen der späteren<br />
Kapitel liefern. IPDS (1994) enthält das gelesene Korpus Kiel Corpus of<br />
Read Speech; das spontansprachliche Korpus Kiel Corpus of Spontaneous<br />
Speech befindet sich auf den drei restlichen CD-ROMs (IPDS 1995, 1996,<br />
1997a). Das gelesene Korpus enthält Texte von 53 Sprechern (26 weiblich,<br />
27 männlich); im spontansprachlichen Korpus sind 42 Sprecher (18 weiblich,<br />
24 männlich) 2 . Das Deutsch dieser 93 Sprecher läßt sich am besten<br />
durch die vereinbarten Vorgaben für die Erhebung des gelesenen Korpus<br />
charakterisieren, die auch in der Erhebung des spontansprachlichen Materials<br />
befolgt wurde: “Es wurde darauf geachtet, daß die Sprecher eine<br />
nicht zu stark regional geprägte Aussprache hatten und keine Sprachanomalien<br />
wie beispielsweise starken Sigmatismus aufwiesen.” (Thon und<br />
van Dommelen 1992, S. 47) Diese Charakterisierung ist negativ und etwas<br />
unscharf. Sie beschreibt jedoch treffend das Deutsch von Sprechern,<br />
das syntaktisch, morphologisch und phonologisch weitestgehend homogen<br />
ist, jedoch in der phonetischen Realisierung verschiedener phonologischer<br />
Elemente die regionale Herkunft verrät.<br />
2.3 Symbolische Weiterverarbeitung<br />
Wie eingangs gesagt wurde, ist eine reine Sprachsignalkollektion für phonetische<br />
oder phonologische Fragestellungen von wenig Interesse. Es muß<br />
symbolische Information über die phonetischen und linguistischen Inhalte<br />
2 Detaillierte Informationen über die Einzelsprecher finden sich in Anhang B.
18 Das Kiel Corpus<br />
der Signale bereitgestellt werden. Durch mehrere manuelle und automatische<br />
Verarbeitungsschritte werden solche Informationen über das Sprachsignal<br />
in einer Textdatei zusammengetragen.<br />
2.3.1 Orthographische Version des Signalinhalts<br />
Die erste Information ist eine orthographische Version des Signalinhalts.<br />
Bei den gelesenen Daten ist die orthographische Darstellung nichts anderes<br />
als die schriftliche Vorlage, die zur Erhebung der Daten verwendet<br />
wird. Bei den spontansprachlichen Daten kann eine Verschriftung erst nach<br />
der Erhebung erfolgen. Die Verschriftung der Dialoge versucht, zusätzlich<br />
zu den lexikalischen und syntaktischen Inhalten, auch spontansprachliche<br />
Aspekte zu erfassen, z.B. Pausen, nichtverbale Geräusche wie das Einund<br />
Ausatmen, Abbrüche, Häsitationen, usw. Hierzu wurden Konventionen<br />
aufgestellt (Kohler et al. 1994, 1995), die u.a. eine relativ schnelle und<br />
dennoch systematische Verschriftung einer großen Anzahl von Dialogen<br />
an verschiedenen Instituten in Deutschland gewährleisten sollten. Abb. 2.1<br />
zeigt orthographische Auszüge aus dem gelesenen sowie aus dem spontansprachlichen<br />
Teilkorpus.<br />
2.3.2 Phonologische Transkription der orthographischen<br />
Version<br />
Aus der orthographischen Version des Signalinhalts wird eine phonemische<br />
Transkription automatisch hergestellt (Kohler 1992a). Diese Herstellung<br />
erfolgt über das Graphem-Phonem-Konvertierungsmodul eines Volltextsprachsynthesesystems<br />
für das Deutsche. Das Phonemsystem 3 besteht<br />
aus 46 Elementen und ist für ein ‘maximales’ Hochdeutsch ausgelegt, in<br />
dem die Vokale in Bären und Beeren unterschieden werden sowie vier<br />
Nasalvokale in französischen Fremdwörtern: Restaurant, Teint, Saison,<br />
Parfum. Drei der Elemente (Q für ¥ , x für ¥ =? und C für ¥ ), haben<br />
nichtphonemischen Status, sie vermeiden aber sowohl das Aufnehmen von<br />
fragwürdigen Grenzphonemen (Moulton 1947) als auch das Hinzufügen<br />
von morphologischer Information (Bloomfield 1930).<br />
3 Kohler, Pätzold und Simpson (1995), S. 25–29, enthält eine vollständige Aufstellung des<br />
Symbolinventars, das im Kiel Corpus verwendet wird.
2.3 Phonologische Transkription der orthographischen Version 19<br />
(a)<br />
Die Buttergeschichte. Es war in Berlin zu einer Zeit, als Lebensmittel<br />
nicht gen}gend vorhanden waren. Vor einem Laden stand bereits um<br />
sieben Uhr eine beachtliche Menschenmenge, denn man hatte dort am<br />
Abend vorher auf einem Schild schon lesen k|nnen, da~ frische Butter<br />
eingetroffen sei. Jeder wu~te, da~ die Butter schnell ausverkauft<br />
sein w}rde und da~ man ganz fr}h kommen m}sse, um noch etwas zu<br />
erhalten. Da das Gesch{ft erst um acht ge|ffnet wurde, stellten sich<br />
die Leute vor der Ladent}r in einer Reihe an. Wer sp{ter kam, mu~te<br />
sich hinten anschlie~en.<br />
(b)<br />
SIK000: Frau Schulze ,
20 Das Kiel Corpus<br />
s: h: f r ’aU S ’U l t s @ s: , g: f y: 6+ d i:+<br />
p l ’a: n U N d E s+ z: Q ’a 6 b aI t s #f r "y: #S t "Y k s Q a n+<br />
Q aI n @ m+ z ’a m s t a: k Q o: d 6+ z ’O n t a: k , :k h:<br />
v: Q E: m v i:+ z ’i: t Q E s+ d E n+ :k d a:+ b aI+<br />
Q i: n @ n+ Q ’aU s ? Q I C+ k 9 n t @+ z: p: Q a m+ p:<br />
f ’Y n f t s e: n t @ n z: Q o: d 6+ z ’E C t s e: n t @ n<br />
j ’a n u: a: 6 s: h: Q o: d 6+ Q a m+<br />
n ’OY n U n t #t s v "a n t s I C s t @ n z: Q o: d 6+<br />
d r ’aI s I C s t @ n z: h: Q o: d 6+ f ’Y n f t @ n Q U n t+<br />
z ’E k s t @ n :k f ’e: b r u: a: 6 . :k<br />
Abbildung 2.2: Phonemtranskription des Dialogturns von Abb. 2.1(b) in<br />
SAMPA-Notation. (Ref.: g256a000)<br />
2.3.3 Etikettierung und Segmentation<br />
Nach der Erstellung der orthographischen Verschriftung sowie einer Phonemtranskription<br />
besteht immer noch eine recht lose Verbindung zwischen<br />
einem Sprachsignal und Einzelheiten über seinen sprachlichen Inhalt. Diese<br />
Verbindung ist nur eine Gemeinsamkeit in den Namen der Dateien, die<br />
jeweils das Sprachsignal bzw. den Text enthalten. Im nächsten entscheidenden<br />
Schritt wird eine enge zeitliche Verknüpfung zwischen abstrakten<br />
phonetischen und linguistischen Objekten und dem Sprachsignal hergestellt.<br />
Aus der Phonemtranskription wird eine Liste von Etiketten gemacht.<br />
Diese Etiketten werden manuell mit Hilfe einer geeigneten Software (IPDS<br />
1997b) an relevanten Stellen im Sprachsignal ausgerichtet. Durch das Setzen<br />
einer Zeitmarke und das Versehen dieser Zeitmarke mit einem Etikett<br />
wird das Sprachsignal segmentiert und etikettiert.<br />
Die Teilung des Sprachsignals wird nach phonetischen Kriterien<br />
durchgeführt. In Abb. 2.3 ist die Segmentation und Etikettierung des Wortes<br />
das zu sehen. Zwischen den ersten beiden vertikalen Strichen ist der<br />
Signalabschnitt, den man mit der Verschlußphase des Plosivs ¥ @ verbindet.<br />
Der Abschnitt wird mit ##d etikettiert 4 . Zwischen dem dritten und<br />
vierten Strich ist ein vokalischer Abschnitt, den man mit $a verbindet. Ab<br />
der vierten Zeitmarke fängt die alveolare Friktion an, die mit $s+ etikettiert<br />
wird.<br />
4 Bei der Erstellung der Etikettenliste werden Objekte aus der Phonemtranskription mit<br />
einem von drei Präfixen versehen: ## für wortinitiale Segmente, $ für wortinterne Segmente<br />
bzw. # für wortexterne Segmente, z.B. Pausen.
2.3 Etikettierung und Segmentation 21<br />
##d $-h $a<br />
$s+<br />
Abbildung 2.3: Die Segmentation und Etikettierung des Wortes das. Vertikale<br />
Striche sind die Zeitmarken, die jeweils den Anfang eines Signalabschnitts<br />
demarkieren. Das Symbol + am Etikett $s+ zeigt, daß das Wort<br />
ein Funktionswort ist. (Ref.: g101a010)<br />
Modifikation und Erweiterung des Etiketteninventars<br />
Die Phonemtranskription, aus der die Etikettenliste gebildet wird, wird<br />
aus einer schriftlichen Vorlage (orthographische Verschriftung) hergestellt.<br />
Um einige phonetische Aspekte einer Äußerung zu erfassen, können die<br />
Etiketten modifiziert bzw. das Etiketteninventar erweitert werden. Bei den<br />
Modifikationen und Erweiterungen handelt es sich fast ausschließlich um<br />
das Hinzufügen von Information. Vier Modifikationen eines Etiketts werden<br />
durchgeführt:<br />
Unsichere Grenze Der Anfang des Signalabschnitts, mit dem ein Etikett<br />
verbunden werden sollte, ist nicht klar abzugrenzen. Dem Etikett wird %<br />
hinzugefügt, um eine “unscharfe” Grenze anzuzeigen, z.B. ##%t.<br />
Tilgung Zu dem Etikett gibt es keinen Signalabschnitt. Das Etikett wird<br />
mit - suffigiert, um eine Tilgung anzuzeigen, z.B. $t-.<br />
Ersetzung Das Signalstück paßt auf ein anderes Etikett als das, das vorgesehen<br />
ist. Ein anderes Etikett wird mittels - hinzugefügt, z.B. $n-m.<br />
Einfügung Es ist ein Signalabschnitt vorhanden, für den kein Etikett vorgesehen<br />
wurde. Ein Etikett wird hinzugefügt. Sein hinzugefügter Status<br />
wird durch ein vorangestelltes - angezeigt, z.B. $-t.
,<br />
§<br />
¦<br />
22 Das Kiel Corpus<br />
¥ <br />
¥ A <br />
¥ B ¥ C <br />
¥ ¥ D<br />
vorher nachher<br />
Tilgung ##Q ##Q- nicht mehr vorhanden<br />
Einfügung $-q Vokal wird glottalisiert<br />
$’I6 $’I6<br />
$g $g<br />
Tilgung $@ $@- nicht mehr vorhanden<br />
Ersetzung $n $n-N gefunden statt<br />
Ersetzung $t $t-k gefunden statt<br />
$#v $#v<br />
$"o: $"o:<br />
Abbildung 2.4: Die Etikettierung des Wortes irgendwo, das ¥ ¦ §E¨ B<br />
als<br />
realisiert wurde. Die Liste der Etiketten auf der linken Seite wurde aus<br />
der Phonemtranskription hergestellt. Bei der Ausrichtung der Etiketten am<br />
Signal wurden einige Modifikationen durchgeführt (Etikettenliste rechts).<br />
(Ref.: g071a014)<br />
Abb. 2.4 zeigt die Etiketten des Wortes irgendwo wie sie vor (links) und<br />
nach (rechts) der Etikettierung aussehen bei ¥ ¦ §E¨ BB der Realisierung .<br />
Der monotone Charakter der Modifikationen der Etiketten ist aus diesem<br />
Beispiel klar zu erkennen: alle Änderungen werden ausschließlich durch<br />
das Hinzufügen von Information durchgeführt.<br />
Andere phonetische Aspekte des Signals werden durch eine erweiterte<br />
Verwendung von zwei Etiketten sowie das Hinzufügen von zwei neuen Etiketten<br />
angezeigt. Das Etikett $-h wird verwendet, um die Lösungs- und<br />
eventuellen Aspirationsphasen von Plosiven zu markieren (siehe Abb. 2.3).<br />
Glottalisierung, die statt oder in der Umgebung von Glottalverschlüssen<br />
bzw. anderen Plosiven auftreten kann, wird mit $-q angezeigt. Nasalierung<br />
nach dem Wegfall eines Nasalkonsonanten wird mit $-˜ etikettiert.<br />
Desweiteren wird $-MA verwendet, um auf phonetische Korrelate von getilgten<br />
Etiketten hinzuweisen (näheres hierzu unten in 2.3.3).<br />
Abb. 2.5 zeigt eine spontansprachlich typische Realisierung des §<br />
Wortes<br />
¥ § § ¦ eigentlich als . Hier werden auf einer kleinen Strecke die Modifikationen<br />
und Erweiterungen des Etiketteninventars gut illustriert:<br />
Der velare Plosiv ¥ und der Vokal ¥ A sind nicht vorhanden, daher<br />
die Etikettierung $g- und $@-.
§<br />
,<br />
,<br />
2.3 Etikettierung und Segmentation 23<br />
Abbildung 2.5: Die Etikettierung des Wortes eigentlich realisiert als<br />
§<br />
§ ¦ . (Ref.: g072a004)<br />
¦<br />
¥ §<br />
Nur Nasalität bleibt als Korrelat vom phonologischen Objekt F , daher<br />
die Einfügung des Etiketts $-˜ sowie die “Tilgung” des Etiketts<br />
$n-.<br />
Glottalisierung ist sowohl im anlautenden Vokal ($-q) als auch als<br />
Korrelat von G ($t-q) zu sehen.<br />
Die Etikettierung von nichtlinearen Aspekten einer Äußerung<br />
Wie man deutlich aus den Beispielen in Abb. 2.3 und 2.5 sehen kann, wird<br />
die Segmentation und Etikettierung eines Signals streng linear, d.h. ohne<br />
Überlappung durchgeführt. Das Setzen einer Zeitmarke, versehen mit einem<br />
Etikett, zeigt nicht nur den Anfang eines Signalabschnitts an, sondern<br />
es wird auch gleichzeitig das Ende des vorhergehenden Abschnitts markiert.<br />
Dies hat auch zur Folge, daß das ganze Signal restlos segmentiert<br />
und etikettiert wird, d.h. es gibt keine unbehandelten Strecken.
§<br />
24 Das Kiel Corpus<br />
Es ist dennoch in einem solchen System möglich, nichtlineare Aspekte<br />
von Äußerungen anzuzeigen, auch wenn diesen Aspekten zeitlich eine<br />
untergeordnete Rolle zugeteilt wird. Der geknarrte, nasalierte alveolare laterale<br />
Approximant in Abb. 2.5 ist ein gutes Beispiel. Der Signalabschnitt,<br />
den man ¥ § mit symbolisieren kann, stellt das gleichzeitige Auftreten der<br />
phonetischen Korrelate der phonologischen F Elemente H , G und dar. Für die<br />
Zwecke der Etikettierung wird die Zeitmarke am Anfang dieses Abschnitts<br />
mit $l versehen. Die Etiketten für Nasalität, die schon im vorhergehenden<br />
Abschnitt vorhanden ist, sowie für Glottalisierung werden auch an die<br />
Zeitmarke von $l gesetzt. Dadurch werden die Nasalität und die Glottalisierung<br />
der Lateralität zeitlich untergeordnet. In der Etikettierung der Glottalisierung<br />
bzw. Nasalität wird lediglich das Vorkommen registriert, diese<br />
Aspekte können bei einem späteren automatischen Zugriff somit zeitlich<br />
geortet, aber nicht zeitlich abgegrenzt werden.<br />
Es wird ein weiteres Etikett ($-MA) bereitgestellt, um das Vorhandensein<br />
von phonetischen Korrelaten eines phonologischen Elements anzuzeigen,<br />
die keinen zeitlich diskreten Abschnitt für sich allein beanspruchen<br />
können. Dies ist häufig der Fall bei Vokalen, die keine friktionslose stimmhafte<br />
Strecke mehr vorweisen können, aber durchaus in der Qualität von<br />
benachbarten Konsonanten zu finden sind (Rodgers, Helgason und Kohler<br />
1997). Abb. 2.6 zeigt ein typisches Beispiel aus dem spontansprachlichen<br />
Korpus. Das Wort zu wird produziert ohne einen zeitlich absteckbaren Vokal<br />
zwischen dem initialen Frikativ von zu und dem initialen Frikativ des<br />
Wortes spät. In einem streng linearen Ansatz wird der Vokal als getilgt<br />
($u:-+) deklariert. Es sind dennoch in der Qualität der umliegenden Frikative<br />
Korrelate des Vokales vorhanden. Durch das Hinzufügen des generischen<br />
Markers $-MA wird auf das Vorhandensein solcher Korrelate<br />
hingewiesen. Wie bei der Etikettierung von Nasalierung und Glottalisierung<br />
bietet die Verwendung von $-MA nur eine grobe zeitliche Ortung,<br />
aber keine Abgrenzung.<br />
Die zeitliche Verknüpfung von symbolischer Information und Sprachsignal<br />
wird in den Abbildungen 2.3 und 2.5 mit vertikalen Strichen in einem<br />
Sonagramm graphisch dargestellt. Diese Darstellungsweise ist aber<br />
nur eine passende Aufbereitung, die für die Segmentations- und Etikettierungssoftware<br />
gemacht wird, aber auch für Illustrationszwecke sehr nützlich<br />
ist. In der Datenbank selbst sind die Etiketten und ihre zeitliche Positionierung<br />
im Sprachsignal in derselben Textdatei enthalten wie die orthographische<br />
Verschriftung und die Transkription. Abb. 2.7 zeigt einen
2.4 Erstellung einer Datenbank aus den Etikettierdateien mit KielDat 25<br />
Abbildung 2.6: Das Sonagramm und die Etikettierung des Äußerungsabschnittes<br />
nicht zu spät. Trotz der Tilgung u:-+ weist das Label $-MA auf<br />
noch vorhandene Korrelate des Vokals im umliegenden Material. (Ref.:<br />
g074a010)<br />
Auszug aus einer Textdatei nach der Segmentation und Etikettierung.<br />
2.4 Erstellung einer Datenbank aus den Etikettierdateien<br />
mit KielDat<br />
Nach Abschluß der Segmentation und Etikettierung gibt es zu jeder<br />
Sprachsignaldatei eine Textdatei der Form, wie sie in Abb. 2.7 dargestellt<br />
ist. Mit Hilfe von textbearbeitenden Programmwerkzeugen wie grep, sed<br />
und awk oder perl, die unter dem Betriebssystem Unix zu finden sind,<br />
können einige detaillierte Untersuchungen an den Textdateien unternommen<br />
werden. Laut- und Worthäufigkeiten sind Beispiele, die mit relativ<br />
wenig Aufwand erfaßt werden können. Schon bei der Errechnung von<br />
Lautdauern wird ein wenig mehr an Programmiererfahrung verlangt, denn<br />
in einer Label-Zeile der Etikettierdatei wird lediglich der Beginn des betreffenden<br />
Signalabschnitts zeitlich festgehalten; sein Ende ist mit dem Beginn<br />
des nächsten Abschnitts und somit in der nächsten Zeile zu finden. In
26 Das Kiel Corpus<br />
Dateiname<br />
Orthographische Darstellung<br />
eines Dialogbeitrags<br />
Kanonische Transkription<br />
des Dialogbeitrages<br />
Phonetisch-phonologische<br />
Transkription des Beitrages<br />
(Variantentranskription)<br />
Zeit-Segment-Paare<br />
g101a010.s1h<br />
UTB010: denn k"onnen wir das doch dort festlegen<br />
.
,<br />
,<br />
,<br />
2.4 Erstellung einer Datenbank aus den Etikettierdateien mit KielDat 27<br />
9<br />
der Vokaluntersuchung von Kapitel 3 werden symbolische und zeitliche<br />
Informationen der Etikettierdateien verwendet, um akustischen Analysen<br />
zu bestimmten Zeitpunkten in der entsprechenden Signaldatei vorzunehmen.<br />
Eine solche Aufgabe ist aber aus verschiedenen Gründen komplizierter<br />
als eine “einfache” Textsuche. Um solche komplexe, aber auch andere<br />
einfachere Aufgaben leichter zu gestalten, werden die einzelnen Etikettierdateien<br />
zu einer Datenbank aufbereitet. Diese Datenbank enthält alle<br />
Informationen, die in den einzelnen Etikettierdateien zu finden sind, aber<br />
in einer Form, die weitere Analyseschritte wesentlich vereinfacht. Kiel-<br />
Dat (Pätzold 1997) stellt Programmwerkzeuge zur Erstellung einer Datenbank<br />
bereit sowie eine umfangreiche Bibliothek an awk-Funktionen, die<br />
auf Form und Inhalt einer Datenbank zugeschnitten sind und komplexe<br />
Analysen mit verhältnismäßig wenig Programmieraufwand ermöglichen.<br />
Die Datenbank ist eine Textdatei, die aus mehreren Zeilen besteht. Jede<br />
Zeile der Datenbank enthält entweder sämtliche Information zu einer<br />
lexikalischen Einheit aus einer Etikettierdatei oder das Material, das zwischen<br />
lexikalischen Einheiten in einer Etikettierdatei auftritt. Die Information<br />
zu einer lexikalischen Einheit ist in Feldern aufgeteilt, die durch die<br />
Verwendung von Tabulatoren und Leerzeichen getrennt werden. Die Felder<br />
enthalten verschiedene Arten von Information:<br />
symbolisch: orthographische Darstellung des Wortes sowie die kanonische<br />
und die Variantentranskription 5<br />
zeitlich: Anfangs- und Endzeitpunkte des Wortes; Anfangszeitpunkte<br />
und Dauern der einzelnen Segmente; Abtastfrequenz des zugehörigen<br />
Signals<br />
andere: Geschlecht, Transkriptionsformat, Name der Etikettierdatei,<br />
Erstellungsdatum.<br />
Die Strukur einer Zeile, aufgebrochen in seine einzelnen Felder, ist in<br />
Tabelle 2.1 angegeben. Um den programmtechnischen Aufbau der einzelnen<br />
Felder braucht sich der Benutzer nicht zu kümmern, denn zusätzlich<br />
zu den Werkzeugen, die eine Datenbank aus Etikettierdateien erstellt, steht<br />
auch eine umfangreiche Funktionsbibliothek zur Verfügung.<br />
5 Die kanonische Transkription wird auf Grund der Verschriftung erstellt, die Variantentranskription<br />
wird aus den tatsächlich gesetzten Etiketten hergestellt (siehe auch Abb. 2.7)
28 Das Kiel Corpus<br />
Tabelle 2.1: Die Felder einer Datenbankzeile für ein Token des Wortes und.<br />
(Ref.: g311a005)<br />
und<br />
orthographische Darstellung<br />
30 Position im Satz oder Turn<br />
orthographische Darstellung einer<br />
eventuellen Überlagerung (unbelegt)<br />
Position der Überlagerung (unbelegt)<br />
Q U n t+<br />
kanonische Transkription<br />
##Q- 00 $U 02 $n 04 $t-+ 06 Variantentranskription. Die Zahlen<br />
nach jedem Label zeigen die Positionen,<br />
die verwendet werden, um auf<br />
die Zeiten und Dauern der einzelnen<br />
Labels zugreifen zu können.<br />
02.10.1997 14:16 Datum und Uhrzeit der Herstellung<br />
des Eintrags<br />
g311a005.s1h<br />
Dateiname der Etikettierdatei, aus<br />
der dieser Eintrag stammt.<br />
g311a005<br />
Dateiname ohne Pfadangabe und Erweiterung<br />
SVA005<br />
Sprecher und Turn-Nummer<br />
m<br />
Geschlecht<br />
SAM<br />
Labelformat<br />
16000 Abtastfrequenz des zugehörigen<br />
Sprachsignals<br />
6.9236875 Zeitpunkt des Wortanfangs im<br />
Sprachsignal<br />
6.970625 Zeitpunkt des Wortendes im Sprachsignal<br />
6.9236875 Dieses und weitere gerade Felder<br />
enthalten die Anfangszeitpunkte der<br />
einzelnen Labels.<br />
0 Dieses und weitere ungerade Felder<br />
enthalten die Dauern der einzelnen<br />
Labels.<br />
6.9236875<br />
0.0223125<br />
6.946<br />
0.024625<br />
6.970625<br />
0
2.5 Status der Etikettierung und Segmentation 29<br />
I<br />
2.5<br />
Phonetisch-phonologischer Status der Etikettierung<br />
und Segmentation<br />
Die vorigen Abschnitte haben beschrieben, wie zeitliche Verbindungen<br />
zwischen abstrakten phonetischen und linguistischen Kategorien und den<br />
Sprachsignalen im Kiel Corpus hergestellt wurden. Bevor man sich jedoch<br />
in die Datenanalyse begibt, muß deutlich gemacht werden, welchen Status<br />
die Etikettierungen und die zeitlich abgesteckten Signalabschnitte haben.<br />
Die Art der Etikettierung und Segmentation, die im Kiel Corpus durchgeführt<br />
wird, ist nach der Kategorisierung von Barry und Fourcin (1992)<br />
als “broad phonetic” zu bezeichnen. Diese Bezeichnung stammt aus der<br />
britischen Schule (Sweet 1877; Jones 1967). Die Beziehung zwischen den<br />
segmentierten Signalabschnitten und den Etiketten läßt sich am besten innerhalb<br />
der phonetisch nahen Phonemtheorie von Jones (1967) ansiedeln.<br />
Signalabschnitte werden durch das Etikettieren mit Objekten aus einer<br />
Phonemtranskription als lautliche Mitglieder von bestimmten Phonemen<br />
erklärt. Durch das Etikettieren weiterer Details wie Glottalisierung, Nasalierung<br />
sowie durch Verwendung der allophonischen Elemente x und C<br />
wird die Etikettierung stellenweise zu einer engen Transkription (“linguisitically<br />
narrow transcription”, Jones 1967: 220). Die Etiketten, die phonologische<br />
Elemente des Deutschen darstellen, dürfen aber nie allgemeinphonetische<br />
Interpretationen erhalten, denn dies würde ihre Bedeutung<br />
weit verfehlen. Das Etikett $b beispielsweise kann mit einem Signalabschnitt<br />
verknüpft werden, der als stimmhafter bilabialer Plosiv kategorisiert<br />
wird. In vielen anderen Fällen jedoch liefert diese direkte phonetische<br />
Übersetzung keine akkurate Beschreibung des mit $b etikettierten Signalabschnitts.<br />
Häufige Korrelate J von im Deutschen sind einerseits der entstimmte<br />
bilabiale ¥ K L Plosiv in initialer Position sowie intervokalisch der<br />
stimmhafte bilabiale ¥ MN Approximant .<br />
Die Segmentation des Kiel Corpus ist das Ergebnis eines günstigen<br />
Kompromisses zwischen dem Wunsch, abstrakte phonologische Elemente<br />
mit ihren wichtigsten phonetischen Korrelaten im Sprachsignal zu verknüpfen,<br />
und der Forderung nach einer streng linearen Aufteilung des Signals.<br />
Unterschiede in der Segmentation haben wiederum Folgen für die<br />
Ergebnisse von Analysen, die mit ihr arbeiten. Diese Unterschiede können<br />
einerseits kleinere Details in der Abgrenzung sein, sie können aber auch<br />
grundsätzlicherer Natur sein. Illustrieren kann man diese Unterschiede am
30 Das Kiel Corpus<br />
(a)<br />
(b)<br />
Abbildung 2.8: Segmentationen und Etikettierungen der Wörter (a)<br />
schönes und (b) Günther von Sprecher k03. (Ref.: (a) k03be001, (b)<br />
k03be021)<br />
Beispiel der Segmentation der Vokale im Kiel Corpus, das Untersuchungsobjekt<br />
des nächsten Kapitels.<br />
In Untersuchungen zur Vokaldauer und -qualität müssen Entscheidungen<br />
getroffen werden über die Abschnitte in einer Äußerung, die zum Vokal<br />
erklärt werden. Im Kiel Corpus ist der Abschnitt, der zeitlich abgesteckt<br />
und als Vokal etikettiert wird, nicht selten eine stimmhafte friktionslose<br />
Strecke. Negativ beschrieben wird der Signalabschnitt abgesteckt,<br />
der nicht mehr mit der Phonetik von vorhergehenden und nachfolgenden<br />
Elementen zu vereinbaren ist. In Abfolgen von Frikativen oder Plosiven<br />
und Vokalen beginnt die als Vokal etikettierte Strecke mit dem Einsetzen<br />
von Stimmhaftigkeit und kräftiger Formantstruktur nach der Lösung der<br />
Frikativenge oder des Plosivverschlusses. Das Ende eines Vokals läßt sich<br />
erkennen an der starken Abschwächung der oberen Formanten zu Plosivverschlüssen<br />
hin oder daran, daß in Vokal-Frikativ-Abfolgen die spektrale<br />
Ausprägung der Friktionsenge überwiegt. Nach oder vor stimmhaften<br />
Lateralen oder Nasalen wird Vokalbeginn/-ende oft durch abrupte Änderungen<br />
im Formantverlauf angezeigt, die ebenfalls die Auflösung bzw.<br />
Herstellung eines oralen Verschlusses signalisieren. Die Segmentation und<br />
Etikettierung der Wörter schönes und Günther in Abb. 2.8 illustrieren die<br />
Abgrenzung von Vokalabschnitten in Plosiv-, Nasal- und Frikativ-Umgebungen.
2.5 Status der Etikettierung und Segmentation 31<br />
Die genaue Positionierung der Segmentgrenzen hat selbstverständlich<br />
Folgen für Analysen zur Vokaldauer. Aus Abb. 2.8 kann man sehen,<br />
daß die eine Vokalstrecke die Formantübergänge in einen vorhergehenden<br />
bzw. nachfolgenden Konsonanten beinhalten, so lang diese stimmhaft<br />
sind. Zur Vokalstrecke gehören aber nicht Aspirationsphasen von Plosiven,<br />
die getrennt markiert werden (siehe 2.3.3). Die Entscheidung, ob solche<br />
Übergänge zum Vokal oder zu den umliegenden Konsonanten zu zählen<br />
sind, muß in einer linearen Segmentation willkürlich getroffen werden,<br />
denn die Übergänge gehören sowohl zum Vokal als auch zum Konsonanten.<br />
Da diese Frage unentscheidbar ist, findet man in anderen Studien Unterschiede<br />
in der zeitlichen Abgrenzung von Vokalen, z.B. Peterson und<br />
Lehiste (1960) nehmen die Mitte der Explosionsphase eines Plosivs als<br />
den Beginn eines Vokals, während Fischer-Jørgensen (1964) den Beginn<br />
des Vokals auf Grund eines abrupten Anstiegs der logarithmischen Intensitätskurve<br />
(1964: 182) bestimmt.<br />
Zu ganz anderen Ergebnissen käme eine zeitliche Verknüpfung von<br />
Symbol- und Signalebenen, wie sie in Abb. 2.9 durchgeführt ist. Die vertikalen<br />
Linien im Sonagramm sind die linearen Segmentgrenzen des Kiel<br />
Corpus, die zwei horizontalen gestrichelten Linien stellen die Strecken<br />
dar, über die eine nichtlineare Segmentation die phonetischen Korrelate<br />
der phonologischen ! Elemente O und bestimmen könnte. Statt einer<br />
streng linearen Aufteilung des Signals werden die phonologischen Elemente<br />
mit den Signalabschnitten verknüpft, die ihre phonetischen Korrelate<br />
in irgendeiner Form enthalten. So ist der Signalabschnitt, der Korrelate<br />
des phonologischen O Elements enthält, mehr als der bilabialer<br />
Nasal, der in diesem Beispiel segmentiert und mit $m etikettiert wurde.<br />
Die zeitliche Ausdehnung der phonetischen Korrelate des phonologischen<br />
! Elements erstrecken sich viel weiter als der vokalische Anteil, der segmentiert<br />
und mit $’O etikettiert wurde. Diese nichtlineare Aufteilung hat<br />
zur Folge, daß bestimmte Signalstrecken von mehreren phonologischen<br />
Elementen belegt werden. Es wird explizit das durchgeführt, was nur ansatzweise<br />
im Kiel Corpus mit den Elementen $-q, $-˜ und $-MA angelegt<br />
ist. In einer nichtlinearen Segmentation treten Fragen zur Zugehörigkeit<br />
von Formantübergängen nicht auf, denn sie gehören automatisch zum<br />
Konsonanten und zum Vokal. Die Durchführung einer nichtlinearen Segmentation<br />
und seine anschließende Verwendbarkeit bringen jedoch Nachteile<br />
mit sich. Aus praktischer Sicht ist das Setzen von Grenzen für die<br />
Korrelate eines phonologischen Elements noch schwieriger als im linea-
32 Das Kiel Corpus<br />
##k<br />
$-h $’O $m<br />
$@-<br />
$n<br />
c<br />
m<br />
Abbildung 2.9: Sonagramm des Wortes kommen samt Segmentation (vertikale<br />
Striche) und Etikettierung. Die horizontalen gestrichelten Linien zeigen<br />
die mögliche zeitliche Ausdehnung der phonetischen Korrelate der<br />
phonologischen ! Elemente O und . (Ref.: g196a003)<br />
ren Ansatz, denn man muß im voraus schon wissen, welche akustischphonetischen<br />
Merkmale als Korrelate von welchen phonologischen Objekten<br />
dienen sollen, eine der Fragen, der auf Grund einer Datenbank nachzugehen<br />
ist. Schwerwiegender als die Segmentation sind die Probleme einer<br />
Analyse einer nichtlinearen Datenbank. Viele nichtlineare Fragestellungen,<br />
wie beispielsweise die Analyse des £ in Kapitel 4, lassen sich an einer<br />
linear segmentierten Datenbank erarbeiten. Die Bearbeitung bestimmter<br />
Fragestellungen, die für lineare, aber auch für nichtlineare Ansätze von<br />
Interesse sind, laßt sich jedoch nicht an einer nichtlinearen Segmentation<br />
durchführen. Sämtliche Analysen zur Vokalabschnittdauer oder solche<br />
Analysen wie die des nächsten Kapitels, die von der zeitlichen Abgrenzung<br />
von Vokalabschnitten abhängig sind, können mit Strecken, die wie !<br />
in Abb. 2.9 markiert werden, nichts anfangen.
Kapitel 3<br />
Deutsche Vokale - spontan<br />
und gelesen<br />
3.1 Einleitung<br />
Die zeitliche Verknüpfung eines Sprachsignals mit abstrakten phonetischen<br />
und linguistischen Kategorien ermöglicht komplexe, automatische<br />
Analysen von großen Datenmengen in kurzer Zeit, was den offensichtlichsten<br />
Einsatz einer phonetischen Datenbank darstellt. In diesem Kapitel<br />
wird die akustische Ausprägung des deutschen Vokalsystems in Spontanund<br />
Lesesprache präsentiert. Die Datenbasis für diese Untersuchung umfaßt<br />
fast das gesamte Kiel Corpus of Spontaneous Speech sowie etwa die<br />
Hälfte des Kiel Corpus of Read Speech. Mit 54 Sprechern (25 weiblich, 29<br />
männlich) und einer Gesamtaufnahmedauer von fast sechs Stunden stellt<br />
diese Untersuchung die bis zum gegenwärtigen Zeitpunkt umfangreichste<br />
Analyse des deutschen Vokalismus dar.<br />
Das Vokalsystem eines Sprechers läßt sich über Messungen der ersten<br />
zwei bzw. drei Formantfrequenzen akustisch charakterisieren. Obwohl die<br />
Bestimmung dieser Frequenzen allein nicht ausreichen mag, um Vokalqualität<br />
und Vokalkontrast vollständig zu bestimmen (Fant 1960; Maurer,<br />
Cook, Landis und D’Heureuse 1992), erlaubt eine passende graphische<br />
Darstellung der unteren Formanten ähnliche Aussagen im akustischen Bereich,<br />
wie sie in der auditiv-propriozeptiven Domäne (Catford 1977) der<br />
33
34 Deutsche Vokale - spontan und gelesen<br />
P impressionistischen Phonetik gemacht werden. Die Bestimmung der Formantfrequenzen<br />
eines Vokals kann mit Hilfe von geeigneten spektrographischen<br />
Darstellungen mit dem Auge durchgeführt werden. Diese Vorgehensweise<br />
ist jedoch unpraktikabel für die Datenmenge, die hier untersucht<br />
wird, und nutzt außerdem die Möglichkeiten des Kiel Corpus nicht aus,<br />
das einen genauen zeitlichen und sprachkategorisch gesteuerten Zugriff<br />
auf die Sprachsignale ermöglicht. Unter Verwendung einer LPC-Analyse,<br />
deren Ergebnisse anschließend sortiert werden, kann die Formantbestimmung<br />
automatisch ablaufen, auch wenn der Vokaltyp mehrerer Messungen<br />
bedarf, um den Formantverlauf charakterisieren zu können, wie es bei Diphthongen<br />
der Fall ist.<br />
Dieses Kapitel verfolgt zwei Ziele. Im Vordergrund steht die Beschreibung<br />
von bestimmten akustischen Aspekten des deutschen Vokalsystems,<br />
wie es von Frauen und Männern in unterschiedlichen sprachlichen Aktivitäten<br />
realisiert wird. Das zweite, methodologische, Ziel ist zu zeigen,<br />
wie die automatische Analyse der phonetischen Korrelate von sprachlichen<br />
Kategorien an einer Datenbank wie dem Kiel Corpus durchgeführt<br />
werden kann.<br />
In der artikulatorischen Produktion verschiedener Vokalqualitäten<br />
kann das Ansatzrohr als komplexes Filter betrachtet werden, das durch<br />
Bewegungen der Zunge, der Lippen, des Gaumensegels und des Rachenraumes<br />
in seiner Form verändert wird. Bestimmte Frequenzanteile eines<br />
komplexen Signals, wie das der Stimmbandschwingung, werden beim Passieren<br />
durch das Filter entsprechend seinen Eigenfrequenzen hervorgehoben<br />
bzw. unterdrückt. Diese bilden sich in den Formanten des erzeugten<br />
Vokals ab. Frequenzanalysen des akustischen Sprachsignals erlauben gewisse<br />
Aussagen über die Resonanzfrequenzen des Ansatzrohres.<br />
3.2 Phonologie der deutschen Vokale<br />
Eine phonologische Aufstellung des deutschen Vokalsystems kann anhand<br />
von groben phonetischen Beobachtungen erfolgen. Wichtiger ist, daß<br />
dieses System nicht allein auf Grund von phonetischen Eigenschaften,<br />
wie Vokalqualität oder Länge, sondern auch hinsichtlich lexikalischer und<br />
grammatikalischer Beziehungen erfaßt wird. Bei der Aufstellung eines solchen<br />
Systems müssen folgende Faktoren berücksichtigt und systematisch<br />
dargestellt werden:
T<br />
T<br />
T<br />
3.2 Phonologie der deutschen Vokale 35<br />
1. Die Beziehung zwischen Huf und Hof ist auch zu finden in den<br />
Paaren Hiebe / hebe, Hübe / höbe, Hessen / hassen, beten / baten.<br />
2. Die Unterschiede zwischen den Gliedern der folgenden Wortpaare<br />
sind phonologisch gleich: bitte / biete, Busse / Buße, Schrott / Schrot,<br />
Stadt / Staat.<br />
3. Der Unterschied zwischen den Wörtern im Paar Lech / Loch ist derselbe<br />
in den Paaren Sicht / Sucht, bete / Bote, schief / schuf.<br />
4. Die Qualität der Vokalabschnitte in der ersten Silbe der Wörter<br />
kriechen, Huchen, lachen, Brüche ist eher monophthongal, in den<br />
Wörtern Bauch, Bäuche und Beichte hingegen ist sie diphthongal.<br />
5. Bestimmte Vokalalternationen erfüllen verschiedene grammatikalische<br />
Funktionen: Mutter / Mütter, Bruder / Brüder, Koch / Köche,<br />
groß / größer Bach / Bäche, Haus / Häuser, lang / länger.<br />
QSRUT<br />
V<br />
W X<br />
W Q WYV Q X R XZV R T V<br />
W T[W<br />
X<br />
T[X<br />
X V Q X\W V Q V W V<br />
W<br />
T]X\W T]X<br />
Die Triade erfaßt die Alternationen der Vokalhöhe in (1). Die<br />
Unterschiede in (2) werden durch für das erste und für das zweite Element<br />
jedes Paares ausgedrückt. Die Beziehung zwischen den Wörtern in<br />
(3) wird durch für das erste und für das zweite Glied erfaßt. Für die Alternationen<br />
in (1) bis (3) sieht die Notation mit Beispielwörtern wie folgt<br />
aus: (biete), (bitte), (Schrot), (Schrott), (Staat), (Stadt).<br />
Der Unterschied zwischen den Monophthongen und Diphthongen wird lediglich<br />
durch eine andere Plazierung der Symbole und angegeben:<br />
(Beichte) und (Bauch). Die Alternationen in (5) werden durch das Hinzufügen<br />
von erfaßt: / (Mutter / Mütter), / (Bach / Bäche),<br />
/ (Haus / Häuser).<br />
Diese Analyse des deutschen Vokalsystems erinnert in Aufstellung und<br />
Aussehen stark an die prosodische Phonologie von Firth (Firth 1948). Die<br />
Erarbeitung eines phonologischen Systems auf Grund von phonetischen<br />
Ähnlichkeiten und Unterschieden in den Äußerungen einer Sprache bildet<br />
den Grundstein jedes phonologischen Ansatzes. Wichtiger Unterschied zu<br />
anderen Ansätzen ist das Erfassen von phonetischen Mustern, die grammatikalische<br />
Funktionen erfüllen, d.h. die Beziehung von bestimmten Vokalen<br />
zu ihren umgelauteten Gegenstücken wird in der Phonologie einheitlich<br />
erfaßt. Die explizite Berücksichtigung von grammatikalischen Beziehung<br />
hat eine Folge: die Phonologie einer Sprache richtet sich nach
T<br />
36 Deutsche Vokale - spontan und gelesen<br />
0 den vorgefundenen Beziehungen in der Sprache und ist somit sprachspezifisch.<br />
Im Extremfall heißt dies, daß eine Sprache mit der gleichen Anzahl<br />
von Vokaloppositionen und einer identischen phonetischen Ausprägung<br />
der Vokale nicht dieselbe Phonologie haben würde, wenn die Vokalalternationen<br />
in anderen Beziehungen zueinander stünden. Dies steht im starken<br />
Widerspruch zu den Versuchen, eine universelle Merkmalstheorie aufzustellen,<br />
die ihren Ursprung in der Prager Schule (Trubetzkoy 1939) und<br />
der daraus entstandenen Merkmalstheorie von Jakobson, Fant und Halle<br />
(1952) hat.<br />
Dieser Abschnitt hat unter Verwendung einer Firth’schen Phonologie<br />
bestimmte Beziehungen zwischen den Vokalalternationen im Hochdeutschen<br />
klargestellt. Um den Weg durch dieses Kapitel zu erleichtern und<br />
auch die verschiedenen Diagramme übersichtlicher zu machen, werden<br />
aber die üblichen, phonemähnlichen IPA-Transkriptionen der Vokale verwendet.<br />
Diese Darstellung sollte aber stellvertretend für die hier vorgestellten<br />
phonologischen Formeln betrachtet werden. Da es sich nicht um eine<br />
phonemische Aufstellung handelt, wird eine Hervorhebung durch Fettdruck<br />
gemacht und auf eine Klammerung durch (^^ Schrägstriche ) verzichtet.<br />
Tabelle 3.1 enthält eine Aufstellung der Monophthonge und Diphthonge<br />
mit ihren IPA-Transkriptionen neben der prosodisch-phonologischen<br />
Notation zusammen mit Beispielwörtern. Die SAMPA-Notation der Etiketten<br />
ist zur Ergänzung noch einmal aufgeführt. In einem Fall _ – – stehen<br />
der IPA-Notation zwei prosodische Formeln gegenüber. Dies ergibt<br />
sich einmal aus der lexikalischen Alternation in Paaren wie bete / bette,<br />
die R mit dargestellt wird sowie aus der grammatikalischen Beziehung in<br />
Paaren wie Band / Bände, die T mit zu belegen ist. Es wird hier angenommen,<br />
daß die phonetischen Korrelate Ẁ V R von W[V und gleich sind. In<br />
der Analyse werden daher alle Vokalabschnitte, die mit E etikettiert sind,<br />
zusammen behandelt. Neben den diskutierten Vokalen, die in betonten Silben<br />
vorkommen, sind die Vokale aus den unbetonten Silben der Wörter<br />
Beichte und Häuser auch aufgeführt.
a<br />
<br />
c<br />
d<br />
_<br />
e<br />
f<br />
<br />
V<br />
3.3 Andere Studien zum hochdeutschen Vokalismus 37<br />
Tabelle 3.1: Phonemische IPA-Transkription, sowie Darstellungen in prosodisch<br />
phonologischer Notation und SAMPA der hochdeutschen Monophthonge<br />
und Diphthonge zusammen mit Beispielwörtern.<br />
( W Q<br />
WbV Q<br />
( X\W Q<br />
" Q X\WbV<br />
W ( R<br />
T R W W V V<br />
( R X\W<br />
R X\W>V<br />
T W _(<br />
T B(<br />
T<br />
X R *(<br />
R XSV !<br />
')( X Q<br />
IPA Prosodisch SAMPA Beispiel<br />
i: biete<br />
I bitte<br />
y: Güte<br />
Y Lücke<br />
e: bete<br />
/ E Bett / Bände<br />
2: löse<br />
9 Götter<br />
E: Käse<br />
a: Staat<br />
a Stadt<br />
o: Los<br />
O Loch<br />
u: Fuß<br />
Q XgV<br />
T]W <br />
T]X<br />
!#" T]X\W<br />
U Kuß<br />
aI Beichte<br />
aU Haus<br />
OY Häuser<br />
@ Beichte<br />
6 Häuser<br />
3.3 Andere Studien zur akustischen Ausprägung<br />
des hochdeutschen Vokalismus<br />
Die Erfindung der Sonagraphie in den vierziger Jahren (Potter, Kopp und<br />
Kopp 1966) bot zum ersten Mal die ernsthafte Gelegenheit, eine Frequenzanalyse<br />
einer Äußerung über die Zeit zu bekommen. Aber auch in den<br />
zwanziger und dreißiger Jahren sind Versuche unternommen worden, an<br />
die akustische Struktur von deutschen Vokalen zu gelangen. Barczinski<br />
und Thienhaus (1935) untersuchen einige Lauttypen des Deutschen mit<br />
dem Suchtonverfahren von Grützmacher (1927). Dieses Verfahren besitzt
38 Deutsche Vokale - spontan und gelesen<br />
l jedoch einen großen Nachteil, der die Verwendung der Wörter “deutsch”<br />
und “Sprachlaute” im Titel der Studie von Barczinski und Thienhaus kaum<br />
rechtfertigt: um Frequenzanteile eines Lautes bis zu einer Frequenz von<br />
4 kHz analysieren zu können, mußte der Laut mehrere Minuten lang bei<br />
gleichbleibender Qualität produziert werden, was nur von einem gut trainierten<br />
Sänger (Barczinski) gemacht werden kann.<br />
Es gibt verhältnismäßig wenige akustische Untersuchungen zur allgemeinen<br />
akustischen Charakterisierung des hochdeutschen Vokalismus seit<br />
dem Einzug der Spektrographie. Die Mehrheit der Studien sind im Vergleich<br />
zu analogen Studien zum Englischen (Peterson und Barney 1952;<br />
Hillenbrand et al. 1995) auch in ihrem Umfang klein. Ausnahmen bilden<br />
Pätzold und Simpson (1997) sowie Heid, Wesenick und Draxler (1995) 1 .<br />
Die erste ernsthafte spektrographische Untersuchung zum hochdeutschen<br />
Vokalsystem ist Jørgensen (1969). Jørgensens Daten sind von männlichen<br />
Sprechern und stammen aus zwei Quellen. Einen Teil bilden Sonagramme<br />
von isolierten Wörtern, produziert von drei Sprechern. Bei einem<br />
der Sprecher handelt es sich um Material für einen Aussprachekurs. Der<br />
zweite Teil besteht aus isolierten zweisilbigen Wörtern, deren Konsonanten<br />
die Formantstruktur der jeweiligen Vokale so wenig wie möglich beeinflussen<br />
sollten. Sechs Sprecher wurden aufgenommen, von denen die drei<br />
geeignetsten zur spektrographischen Untersuchung herangezogen wurden.<br />
Beide Sprechergruppen werden als hochdeutsch beschrieben und die Sprache<br />
von einem Sprecher aus der ersten Gruppe wird als “eine sehr geschliffene<br />
Bühnensprache norddeutschen Gepräges” charakterisiert.<br />
Rausch (1972) 2 hat gezielt vier Sprecher (männlich) ausgesucht, die in<br />
ihrer Sprache ein vorbildliches Hochdeutsch darstellen sollen: einen Phonetiker<br />
und drei Sprechkundler. Im Gegensatz zu Jørgensen (1969) wurde<br />
ein wissenschaftlicher Text 3 sowie nicht weiter spezifizierte Zusatztexte<br />
verwendet, die fehlende Vokale aus dem Haupttext belegen sollten.<br />
Mehrere Arbeiten von Iivonen (1983, 1987a, 1987b, 1993) untersuchen<br />
die Vokalsysteme regionaler Varietäten sowie die Realisierung von Vo-<br />
1 Trotz einer großen Datenbasis von 16 Sprechern, die jeweils 64 Sätze gesprochen haben,<br />
ist die Studie von Heid, Wesenick und Draxler (1995) von geringem Nutzen, denn sämtliche<br />
Formantwerte von weiblichen und männlichen Sprechern werden zusammengeworfen, ohne<br />
vorher eine geeignete Normalisierung durchgeführt zu haben.<br />
2 Die Ergebnisse dieser Studie werden immer noch zur Illustration der akustischen Ausprägung<br />
der deutschen Monophthonge in Einführungstexten verwendet (Kohler 1995a;<br />
Pompino-Marschall 1995).<br />
3 “Das neue physikalische Denken” von R. March.
3.3 Andere Studien zum hochdeutschen Vokalismus 39<br />
m<br />
kalsystemen in verschiedenen Regionalfärbungen. Iivonen (1979) 4 untersucht<br />
akzentuierte Monophthonge in zweisilbigen Wörtern mit der Struktur<br />
. Die Wörter wurden von zwei Sprechern im Trägersatz Sag x<br />
J V(Gn$F<br />
nochmal! zwölfmal wiederholt, wobei die erste und letzte Wiederholung<br />
zur Weiteranalyse weggelassen wurden. Beide Sprecher waren männliche<br />
Germanisten, die Hochdeutsch mit leichter regionaler Färbung sprachen.<br />
Iivonen (1984) vergleicht hochdeutsche und schweizerhochdeutsche<br />
Realisierungen von Monophthongen von insgesamt acht Sprechern. Die<br />
hochdeutsche Gruppe enthielt drei Männer und zwei Frauen, von den drei<br />
Schweizerdeutschen war eine weiblich. Das gelesene Material bestand aus<br />
den zweisilbigen Wörtern in Satzrahmen von Iivonen (1979) sowie aus anderen<br />
zweisilbigen Wörtern, die entweder in Zwölfergruppen oder isoliert<br />
(mit Pausen) gesprochen wurden.<br />
Ramers (1988) untersucht vier Sprecher, die Einzelwörter 5 sowie<br />
zwanzig Sätze produzierten, um Monophthonge in akzentuierten und<br />
nichtakzentuierten Kontexten zu erhalten. Die Sprecher waren männliche<br />
wissenschaftliche Mitarbeiter des Kölner Instituts für Phonetik, und<br />
ihr Deutsch wird negativ charakterisiert als frei von “starker dialektaler<br />
Färbung” (Ramers 1988: 168).<br />
Aus diesen Arbeiten bildet sich ein recht homogenes Bild, was die<br />
Sprecher und das produzierte Material betrifft. Die untersuchten Sprecher<br />
sind überwiegend Männer, außer der Untersuchung von Iivonen (1984),<br />
die drei Frauen enthielt. Die Versuchspersonen in den meisten Studien<br />
(Jørgensen 1969; Rausch 1972; Iivonen 1979, 1987a; Ramers 1988) sind<br />
nicht nur Hochdeutschsprecher sondern sind auch sprachlich trainiert. Dieses<br />
ist sicherlich von Vorteil, was das sonst ungewohnte Vorlesen betrifft,<br />
aber es liegt der Verdacht nahe, daß man eine bestimmte artikulatorische<br />
Reinheit aus einer solchen Gruppe erhofft, ohne diese näher definieren zu<br />
können. Das untersuchte Material ist ausschließlich gelesen. Um Vokale<br />
im gleichen Kontext zu erhalten, werden z.T. Wörter verwendet, die dem<br />
Hochdeutschen fremd sind, weil sie dialektaler Herkunft oder gar Logatome<br />
sind. So enthält die Liste der Zweisilbler aus Iivonen (1979) und Ramers<br />
(1988) die Wörter Butten, Botten, Bütten bühten und buten (Ramers<br />
verwendet buhten).<br />
4 Iivonen (1987a) verwendet die Daten von Sprecher MR aus Iivonen (1979).<br />
5 Ramers verwendet eine ähnliche Liste von zweisilbigen Wörtern wie Iivonen (1979).
,<br />
,<br />
,<br />
40 Deutsche Vokale - spontan und gelesen<br />
3.4 o<br />
Probleme bei der Messung von Vokalsystemen<br />
Bevor man an die Messung der akustischen Korrelate eines Vokalsystems<br />
herangehen kann, müssen die Probleme dieses Unterfangens klar sein. Außer<br />
den praktischen Schwierigkeiten, Vokale automatisch zu messen, gibt<br />
es eine Reihe von Problemen theoretischer Natur, die sich in folgenden<br />
Fragen zusammenfassen lassen:<br />
Welche Signalabschnitte gelten als Vokale, welche nicht?<br />
Wenn man einen Vokal gemessen hat, welchen Status hat diese Messung?<br />
Wo im Sprachsignal mißt man?<br />
3.4.1 Phonologische und phonetische Vokale<br />
Als erstes muß ein Unterschied zwischen Objekten auf zwei unterschiedlichen<br />
Abstraktionsebenen gemacht werden, d.h. zwischen einem Vokal<br />
im phonologischen und einem Vokal im phonetischen Sinne. Ein phonologischer<br />
Vokal ist ein Term in einem abstrakten linguistischen System.<br />
Dieses System wird auf Grund von phonetischen Ähnlichkeiten und Unterschieden<br />
in Äußerungen aufgestellt (siehe 3.2). Die einzelnen Elemente<br />
sind aber keine Laute, sondern Knoten in einem Netz von Beziehungen. Je<br />
nach phonologischer Theorie ist die Beziehung der phonologischen Elemente<br />
zur phonetischen Masse, über die sie abstrahieren, unterschiedlich.<br />
Im Falle eines Prager Phonemsystems nach Trubetzkoy (1939) abstrahiert<br />
ein Phonem allein über die Phonetik, die es von anderen Systemgliedern<br />
in der betreffenden Sprache unterscheidet, während in einer phonetisch<br />
nahen Auffassung des Phonems, wie sie bei Jones (1967) zu finden ist,<br />
das Phonem stellvertretend für eine Gruppe von Lauten steht. Der phonetische<br />
Vokal läßt sich ausschließlich anhand artikulatorischer, auditiver<br />
oder akustischer Kriterien definieren. Der vocoid von Pike (1943) und das<br />
Kardinalvokalsystem von Jones (1917) sind zwei artikulatorisch-auditive<br />
Definitionen eines phonetischen Vokals, die nichts mit der sprachlichen<br />
Funktion eines Lautes zu tun haben.<br />
Durch die klare Trennung zwischen den phonetischen und phonologischen<br />
Abstraktionen ist es möglich von einem phonetischen Vokal zu
3.4 Status des Gemessenen 41<br />
p<br />
sprechen, dessen Qualität aus der zeitlichen Überlappung der phonetischen<br />
Korrelate mehrerer phonologischer Elemente resultiert. Andererseits<br />
können Signalabschnitte, die phonetisch konsonantisch sind, die phonetischen<br />
Korrelate von phonologischen Vokalen enthalten. Ein Sonagramm<br />
des Wortes welches in Abb. 3.1 illustriert beide Fälle. Der Signalabschnitt,<br />
etikettiert mit $E $%l, ist phonetisch gesehen vokalisch. Die artikulatorische<br />
Enge verursacht keine lokalen Turbulenzen, die zur Friktion führen,<br />
und die Luft entweicht über einen zentralen Kanal aus dem Mund. Dieser<br />
vokalische Abschnitt, der auditiv ein vorn schließender Diphthong ist, besteht<br />
jedoch aus den phonetischen Korrelaten des phonologischen _ Vokals<br />
und des phonologischen H Konsonanten . Der Abschnitt in der zweiten Silbe<br />
des Wortes, der mit $@ etikettiert ist, ist jedoch kein phonetischer Vokal,<br />
obwohl er die phonetischen Korrelate des phonologischen $ Vokals enthält.<br />
Dieser Abschnitt unterscheidet sich zwar durch eine ausgeprägte Formantstruktur<br />
und weniger Unregelmäßigkeit im oberen Frequenzbereich von<br />
den Abschnitten links und rechts, die mit ($C) bzw. ($S+) etikettiert sind,<br />
aber auditiv ist dieser Abschnitt deutlich als Frikativ zu erkennen.<br />
In einer akustischen Untersuchung des Vokalsystems einer Sprache<br />
will man Aussagen über die akustischen Korrelate der phonologischen Vokalkategorien<br />
in dieser Sprache machen, nicht jedoch über phonetische<br />
Vokalkategorien als solche. Abb. 3.1 dient hier wieder als Beispiel. Eine<br />
Untersuchung der Diphthonge des Deutschen wäre nicht an Vokalabschnitten,<br />
wie sie in der ersten Silbe des Wortes welches auftreten, interessiert,<br />
denn dieser Abschnitt ist nur phonetisch als Diphthong zu klassifizieren,<br />
nicht jedoch als Korrelat eines der phonologischen Diphthonge , !#" , .<br />
3.4.2 Status des Gemessenen<br />
Eine Mittlung von Formantmessungen in der Mitte von mehreren Vokalabschnitten<br />
desselben phonologischen Monophthongs 6 kann als akustisches<br />
Korrelat des betreffenden Vokals dienen. Diese Vorgehensweise<br />
macht zwei Annahmen. Erstens, die Korrelate der phonologischen Monophthonge<br />
in der untersuchten Sprachprobe lassen sich hinreichend durch<br />
jeweils eine Messung aus den betreffenden Vokalabschnitten charakterisieren.<br />
Zweitens, die phonetischen Korrelate eines Vokals sind immer diesel-<br />
6 Eine geeignete Behandlung von Diphthongen wird im nächsten Abschnitt 3.4.3 besprochen.
,<br />
,<br />
,<br />
42 Deutsche Vokale - spontan und gelesen<br />
Abbildung 3.1: Sonagramm und Etikettierung des Wortes welches gesprochen<br />
von einem männlichen Sprecher. (Ref.: g423a004)<br />
ben 7 , und die oberflächlich beobachtbaren und erfaßbaren Unterschiede,<br />
die sich in den einzelnen Vokalabschnitten niederschlagen, sind auf eine<br />
Reihe von Faktoren zurückzuführen:<br />
Bei kurzer Vokaldauer reicht die Zeit nicht aus, um das Ziel der Vokalbewegung<br />
zu erreichen.<br />
Phonetische Korrelate von anderen phonologischen Elementen treten<br />
zeitgleich mit denen des Vokals auf.<br />
Gewisse Variation ist in jedem komplexen biologischen System wie<br />
dem Artikulationsapparat enthalten.<br />
7 Stevens und House (1963) schlagen eine weitere Möglichkeit vor: oberflächliche Unterschiede<br />
in Vokalqualität könnten auf gezielten Modifikationen des Vokals beruhen, die<br />
zusätzliche Hinweise (cues) zur Wahrnehmung des Vokals und der umgebenden Konsonanten<br />
liefern.
,<br />
3.4 Akustische Charakterisierung von Diphthongen 43<br />
Meßfehler.<br />
Ein Teil von jeder Messung, die in die Mittlung eingeht, enthält mehr<br />
oder weniger vokalfremde Information, denn kein Äußerungsabschnitt<br />
enthält die Korrelate eines einzelnen phonologischen Objektes. Der Abschnitt<br />
in Abb. 3.1, der mit @ etikettiert ist, ist ein klarer Fall. Die Korrelate<br />
des $ Vokals und die der q Frikative r und überlappen zeitlich. In<br />
manchen Studien wird dennoch versucht, die zeitliche Überlappung der<br />
Korrelate von anderen phonologischen Objekten mit denen des Vokals zu<br />
minimieren. So bieten die Wörter aus Jørgensen (1969) den Vokalen präund<br />
postvokalische konsonantische Kontexte, die die Vokalqualität so wenig<br />
wie möglich beeinflussen sollen: % prävokalisch oder nichts, postvokalisch<br />
labiale Konsonanten nach hinteren gerundeten Vokalen, dorsale oder<br />
apikale nach vorderen Vokalen. Aber auch inmitten eines relativ langen<br />
vokalischen Abschnitts, in dem man meinen könnte, die umgebenden Konsonanten<br />
hätten wenig Einfluß auf die Vokalqualität, kann neben den phonetischen<br />
Korrelaten eines Vokals auch die Phonetik anderer Elemente zu<br />
finden sein. Korrelate von intonatorischen Elementen sind in der Tonhöhe<br />
zu finden, aber auch in der Qualität eines Vokalabschnitts ist die Phonetik<br />
von anderen Elementen enthalten. Ein solches Beispiel verzeichnen Local,<br />
Kelly und Wells (1986) in einer Untersuchung von Turn-taking in Urban<br />
Tyneside. Neben den phonetischen Eigenschaften von Turn-Finalität, die<br />
man erwarten würde, wie Tonhöhe, Tempo, Lautstärke und Stimmqualität,<br />
finden sie auch eine Zentralisierung der Vokalqualität 8 . Der sogenannte<br />
Nullkontext, in dem ein Vokal isoliert gesprochen wird (z.B. Stevens und<br />
House 1963), entgeht auch diesem Problem nicht, denn obwohl der Vokal<br />
frei von konsonantischem Einfluß ist, bleibt er eine Äußerung und nimmt<br />
in dieser Äußerung die finale Position ein.<br />
3.4.3 Die akustische Charakterisierung von Diphthongen<br />
Im vorhergehenden Abschnitt wird eine adäquate Charakterisierung der<br />
akustischen Korrelate eines Monophthongs auf eine Messung inmitten eines<br />
betreffenden Abschnitts beschränkt. Eine akustische Charakterisierung<br />
8 Die Zentralisierung des Vokals in der zweiten Silbe von isoliert gesprochenen zweisilbigen<br />
Wörtern in Nord (1975, 1986) kann auch auf Äußerungsfinalität zurückgeführt werden.
44 Deutsche Vokale - spontan und gelesen<br />
0 von Diphthongen ist aus verschiedenen Gründen nicht so einfach zu finden,<br />
denn es gibt unterschiedliche Interpretationsmöglichkeiten für die artikulatorischen<br />
Bewegungen und die akustischen Produkte dieser Bewegungen.<br />
In symbolphonologischen und symbolphonetischen Darstellungen<br />
eines Diphthongs werden gewöhnlich zwei Vokalsymbole verwendet. Sie<br />
kennzeichnen lediglich zwei Vokalqualitäten, ohne Auskunft über die zeitliche<br />
Beziehung der beiden Vokalqualitäten zueinander zu liefern. Mindestens<br />
die folgenden Möglichkeiten zur Beschreibung und Charakterisierung<br />
der Dynamik von Diphthongen sind in Erwägung zu ziehen:<br />
Über eine gewisse Strecke am Anfang des Diphthongs wird die erste<br />
Vokalqualität erzielt. Nach einer bestimmten Zeit beginnt ein<br />
,<br />
Übergang in Richtung auf die zweite Vokalqualität mit einer festgelegten<br />
artikulatorischen Geschwindigkeit. Steht genügend Zeit zur<br />
Verfügung, wird die zweite Qualität erreicht. Ist die Zeit zu kurz,<br />
wird eine Vokalqualität am Ende des diphthongalen Abschnitts erreicht,<br />
die zwischen Anfangs- und Endqualität liegt.<br />
Über eine gewisse Strecke am Anfang des Diphthongs wird die erste<br />
Vokalqualität erzielt. Nach einer bestimmten Zeit wird die zwei-<br />
,<br />
te Vokalqualität angepeilt. Die Geschwindigkeit, mit der die Zunge<br />
zum zweiten Vokalziel bewegt wird, hängt von der zur Verfügung<br />
stehenden Zeit ab, je kürzer die Zeit, desto höher die Geschwindigkeit<br />
der Bewegung.<br />
Über eine gewisse Strecke am Anfang des Diphthongs wird die erste<br />
Vokalqualität erzielt. Nach einer bestimmten Zeit wird die zwei-<br />
,<br />
te Vokalqualität mit einer festgelegten Geschwindigkeit angepeilt.<br />
Wenn mehr Zeit zur Verfügung steht als notwendig ist, die zweite<br />
Vokalqualität zu erreichen, so wird die Geschwindigkeit verlangsamt.<br />
Diese verschiedenen Möglichkeiten anhand von Daten aus einem spontansprachlichen<br />
Korpus zu überprüfen, bereitet gewisse Probleme, denn<br />
weder der zeitliche Kontext noch die lautliche Umgebung ist kontrollierbar.<br />
Dennoch ist gerade die Spontansprache für die Untersuchung der Dynamik<br />
von Diphthongen von großem Interesse. An einem Extrem werden<br />
kurze Vokalabschnitte in Funktionswörtern wie ein und mein gefunden,<br />
die phonetisch gesehen keine Diphthonge mehr sind. Am anderen Extrem
3.4 Akustische Charakterisierung von Diphthongen 45<br />
p<br />
stehen Vokalabschnitte, deren Länge auch die Funktion einer Häsitation<br />
erfüllt. Eine solche Länge in einer kontrollierten Situation hervorzurufen,<br />
kann nur durch eine explizite Aufforderung erfolgen. Welchen Status ein<br />
bewußt erzeugter überlanger Vokal hat, ist negativ zu beschreiben: er hat<br />
mit großer Wahrscheinlichkeit nur wenig mit der Produktion eines überlangen<br />
Vokals gemeinsam, der eine interaktive Rolle in der Struktur eines<br />
Gesprächs spielt.<br />
Die Meßstrategien in akustischen Beschreibungen von Diphthongen<br />
sind fast so zahlreich, wie die Arbeiten selbst. Im einfachsten Fall (z.B.<br />
Lehiste und Peterson 1961; Pätzold und Simpson 1997) wird ein Diphthong<br />
lediglich durch seine Anfangs- und Endqualität definiert. In der<br />
elektromyographischen und akustischen Untersuchung von Collier, Bell-<br />
Berti und Raphael (1982) wird zusätzlich zur Anfangs- und Endqualität<br />
ein weiterer Meßpunkt in der Mitte des Vokalabschnitts genommen. Holbrook<br />
und Fairbanks (1962) wählen fünf Meßpunkte bei der Messung von<br />
äußerungsfinalen Diphthongen, jeweils am Anfang und Ende sowie drei<br />
weitere äquidistante Punkte dazwischen. Diese Strategie wird auch von<br />
Narahara, Shimoda und Okamoto (1977) in ihrer Beschreibung von deutschen<br />
Diphthongen verfolgt. Am meisten greifen theoretische Annahmen<br />
über die Produktion eines Diphthongs in die Messungen von Gay (1968)<br />
hinein. Er unterteilt den diphthongalen Abschnitt schon bei der Messung<br />
in “Onset steady state”, “Glide” und “Offset steady state” und bestimmt<br />
für jeden Abschnitt, falls vorhanden, eine Dauer sowie Formantfrequenzen<br />
der Anfangs- und Endphasen, bzw. am Anfang- oder Ende der Gleitphase,<br />
wenn Onset oder Offset fehlt.<br />
Eine geeignete Meßstrategie für Diphthonge in fortlaufender Rede<br />
muß zwei Ziele verfolgen:<br />
1. Die gewonnenen Meßwerte sollten soweit wie möglich nur die Bewegungsabläufe<br />
im Vokalabschnitt charakterisieren, die den phonetischen<br />
Korrelaten des Diphthongs zuzuschreiben sind, d.h. die<br />
direktesten Folgen anderer benachbarter Vokal- und Konsonantenabschnitte<br />
sollen so wenig wie möglich in der Messung vorhanden<br />
sein.<br />
2. Die Meßwerte von mehreren Vokalabschnitten müssen miteinander<br />
vergleichbar sein, damit man z.B. Mittelwerte bilden kann.
46 Deutsche Vokale - spontan und gelesen<br />
Um beiden Forderungen nachzukommen, wurde eine automatische<br />
Meßstrategie entwickelt, die der Methode von Holbrook und Fairbanks<br />
(1962) am meisten ähnelt. Deren Strategie ist dennoch für die hiesigen<br />
Daten aus verschiedenen Gründen zu grob und eignete sich schon für die<br />
Untersuchung von Narahara, Shimoda und Okamoto (1977) nicht. Holbrook<br />
und Fairbanks haben Sätze mit Eigennamen am Ende aufgenommen,<br />
die eine einfache % V-Struktur hatten, z.B. “My name is John Howe”.<br />
Der geringe Einfluß des initialen glottalen Frikativs auf den Vokal sowie<br />
der einheitliche Kontext der Äußerungsfinalität erlaubten eine Formantbestimmung<br />
unmittelbar am Anfang und Ende des diphthongalen Abschnitts,<br />
d.h. gleich nach dem Einsetzen der Stimmhaftigkeit im Vokal sowie am<br />
Ende am letzten Punkt, an dem eine Formantstruktur noch zu erkennen<br />
war.<br />
Für Diphthonge in fortlaufender Rede ist die Strategie von Holbrook<br />
und Fairbanks ungeeignet, denn die Dauern der einzelnen diphthongalen<br />
Abschnitte variieren stark, was gegen eine fixe Anzahl von Punkten<br />
spricht. Die prä- und postvokalischen Kontexte variieren ebenfalls, was<br />
gegen Formantmessungen an Punkten unmittelbar am Beginn und Ende<br />
des betreffenden Vokalabschnitts spricht 9 . Aus diesen Gründen wurde die<br />
Anzahl der Meßpunkte für Vokalabschnitte von unterschiedlicher Dauer<br />
flexibel gehalten, und die Formanten wurden nicht unmittelbar am Anfang<br />
und Ende eines Abschnitts bestimmt, sondern jeweils 20 ms nach dem Anfang<br />
bzw. vor dem Ende, um die direktesten Folgen der konsonantischen<br />
Umgebung zu vermeiden. Der genaue Abstand zwischen den Meßzeitpunkten<br />
wird innerhalb bestimmter Grenzen variiert, damit diphthongale<br />
Abschnitte innerhalb von Dauergruppen von einer festen Zahl an Meßpunkten<br />
definiert werden. Somit kann über alle Abschnitte in einem Dauerbereich<br />
eine Mittlung durchgeführt werden. Eine genauere Beschreibung<br />
der Meßmethode und der Berechnung der Meßzeitpunkte findet sich in<br />
Abschnitt 3.6.2. Diese Meßmethode versucht die Formantverläufe von Diphthongen<br />
mit verschiedener Dauer so weit wie möglich freizuhalten von<br />
Erklärungen über die mögliche Herkunft dieser Strukturen, was erst der<br />
Interpretation der erfaßten Verläufe überlassen sein sollte.<br />
9 Da Narahara, Shimoda und Okamoto (1977) Wörter und kleinere Sätze von Schallplatten<br />
zur hochdeutschen Aussprache untersucht haben, befinden sich ihre Diphthonge ebenfalls in<br />
zeitlich und lautlich unterschiedlichen Kontexten, was ebenfalls gegen die direkte Übernahme<br />
der Meßstrategie von Holbrook und Fairbanks spricht.
3.5 Daten 47<br />
s<br />
3.5<br />
Daten<br />
Das Kiel Corpus of Spontaneous Speech enthält Material von insgesamt<br />
21 Dialogsitzungen im Verbmobil Terminabsprache-Szenario. Von diesen<br />
21 Dialogsitzungen sind jedoch nur 16 vollständig segmentiert und etikettiert<br />
worden. Die restlichen 5 Dialogsitzungen wurden teilweise bearbeitet.<br />
Es werden die Vokale der 18 Sprecher und 14 Sprecherinnen der 16<br />
vollständig bearbeiteten Dialoge hier analysiert. Die gelesenen Daten, die<br />
zum Vergleich herangezogen werden, sind dieselben, die in Pätzold und<br />
Simpson (1997) analysiert wurden, d.h. die 2400 Sätze der Berliner und<br />
Marburger Teilkorpora, die von 11 Sprecherinnen und 11 Sprechern gesprochen<br />
wurden.<br />
Es wurden alle Vokale der 32 Sprecher gemessen, außer den £ -<br />
Diphthongen. Diese werden in Kapitel 4 behandelt, in dem gezeigt wird,<br />
daß die Vokalabschnitte der £ -Diphthonge aus der zeitlichen Überlappung<br />
der phonetischen Korrelate des Vokals und der des £ und somit als Extremfall<br />
des Meßproblems gelten, das in Abschnitt 3.4 diskutiert wurde.<br />
Lediglich die Vokalabschnitte des phonologischen Komplexes $t£ werden<br />
in die Analyse einbezogen, um ihn in den jeweiligen Vokalsystemen zu<br />
plazieren und mit $ vergleichen zu können.<br />
3.6 Methode<br />
Als erster Schritt wurde aus den Etikettierdateien der ausgesuchten Teile<br />
der gelesenen und spontansprachlichen Korpora eine Datenbank erstellt<br />
(s. Abschnitt 2.4, S. 25ff ). Wegen Modifikationen an der Meß- und Sortiermethode<br />
wurden die gelesenen Daten noch einmal analysiert, um sie mit<br />
den Ergebnissen der Messungen in den spontanen Daten vergleichbar zu<br />
machen. Die erstellte Datenbank wird in einigen automatischen Schritten<br />
nach Vokalen durchsucht, und in jedem Vokalabschnitt wird je nach Kategorie<br />
(Monophthong, Diphthong) an einem oder mehreren Punkten eine<br />
Formantbestimmung durchgeführt. In 3.6.1 und 3.6.2 werden die einzelnen<br />
Schritte beschrieben. Das KielDat-Skript, das die einzelnen Schritte<br />
durchgeführt hat, ist in vollkommentierter Form in Anhang C enthalten.<br />
Dieses Skript soll gleichzeitig ein allgemeines Beispiel für einen komplexen<br />
Zugriff auf eine KielDat-Datenbank liefern. Auch ohne Programmierkenntnisse<br />
liefert die Kommentierung des Programms eine verständliche
48 Deutsche Vokale - spontan und gelesen<br />
Progression u<br />
durch die einzelnen Schritte.<br />
3.6.1 Messung der monophthongalen Abschnitte<br />
Die erstellte Datenbank wurde auf Vokale durchsucht. Bei jedem nicht als<br />
getilgt markierten Monophthong wurden die Formanten in der Mitte des<br />
betreffenden Vokalabschnitts bestimmt. Die Formantbestimmung wurde<br />
wie folgt durchgeführt. 50 ms des Signals 10 um die Mitte des Vokalabschnitts<br />
wurden analysiert. In diesem Abschnitt wurde alle 5 ms eine LPC-<br />
Analyse 11 gemacht, aus der zwei Abschätzungen der Formantfrequenzen<br />
berechnet wurden 12 . Die Anzahl der geschätzten Formantfrequenzen richtet<br />
sich nach dem Geschlecht des Sprechers sowie nach der Abtastfrequenz<br />
des Signals. Bei einer weiblichen Stimme und einer Abtastfrequenz von<br />
16 kHz werden sieben Formanten geschätzt, bei einer männlichen Stimme<br />
acht. Die zwei Abschätzungen der Formantfrequenzen basieren auf zwei<br />
unterschiedlichen Behandlungen der LPC-Koeffizienten, die unterschiedliche<br />
Vor- und Nachteile aufweisen. In der ersten Schätzung (Saito und<br />
Nakata 1985; Vogten 1983) werden Formantfrequenzen durch die Wurzellösung<br />
des LPC-Polynoms bestimmt. In der zweiten Analyse, “robust<br />
formant analysis” (Willems 1987), wird eine andere Methode angewendet,<br />
die ebenfalls die gewünschte Anzahl von Formanten liefert. Eine wichtige<br />
Eigenschaft der zweiten Analyse jedoch sind nahezu kontinuierliche Formantverläufe.<br />
Vor allem diese Eigenschaft in Kombination mit der ersten<br />
Schätzung erlaubt eine zuverlässige automatische Bestimmung der unteren<br />
Formantfrequenzen.<br />
Im nächsten Schritt werden die zwei Schätzungen der Formantfrequenzen<br />
verwendet, um an die wahrscheinlichsten Formantfrequenzen zu gelangen.<br />
Dieser Schritt ist aus zwei Gründen notwendig:<br />
1. Die Formantanalyse liefert immer eine feste Anzahl von geschätzten<br />
Frequenzen, auch wenn diese im Signal nicht vorhanden sind. Es<br />
entstehen Pseudoformanten.<br />
10 Ein Abschnitt dieser Länge ist notwendig, um mit der verwendeten F0-Analyse (Schäfer-<br />
Vincent 1982, 1983), die im Zeitbereich arbeitet, auch F0 bestimmen zu können.<br />
11 Eine allgemein verständliche und ausführliche Einführung in die LPC-Analyse liefert<br />
Ladefoged (1996).<br />
12 Fensterlänge: 20 ms; Überlappung: 75% Fenstertyp: Hamming; Filterordnung: 16 für<br />
männliche, 14 für weibliche Stimmen
3.6 Messung der monophthongalen Abschnitte 49<br />
2. Gewisse Resonanzen im Signal sind nicht die gesuchten Formantfrequenzen.<br />
Vor allem Nasalität kann zu solchen zusätzlichen Resonanzen<br />
führen, d.h. das Hinzuschalten des Nasenraumes durch Senken<br />
des Gaumensegels.<br />
In den meisten Fällen sind Pseudofrequenzen von (1) einfach zu erkennen,<br />
denn entweder erhalten sie einen extrem hohen oder extrem niedrigen<br />
Wert, oder sie haben eine sehr große Bandbreite. Die Extremwerte werden<br />
gleich ausgeschlossen. Die restlichen Pseudofrequenzen machen sich<br />
durch ihre große Bandbreite bemerkbar. Frequenzen, deren Bandbreiten<br />
größer sind als ein Schwellwert (momentan bei 1000 Hz) bzw. größer sind<br />
als die Formantfrequenz selbst, werden entweder ausgeschlossen oder sie<br />
werden durch eine gewichtete Mittlung mit der nächstgelegenen Frequenz<br />
kombiniert. Die übriggebliebenen Frequenzen werden durchnumeriert, so<br />
daß jede Frequenz einem Formanten zugeteilt wird. Hierzu wird eine Tabelle<br />
von Formantfrequenzen herangezogen, die theoretische Werte eines<br />
Ansatzrohres bei der Produktion eines ¥ A (Fant 1960) darstellen. Für die<br />
männlichen Stimmen wird eine Ansatzrohrlänge von 17,5cm angenommen,<br />
die zu den Richtwerten 500 Hz (F1), 1500 Hz (F2), 2500 Hz (F3)<br />
usw. führt. Bei weiblichen Stimmen wird eine kürzere Ansatzrohrlänge<br />
angenommen und Richtwerte für die Formantfrequenzen eines ‘neutralen’<br />
Ansatzrohres, die um etwa 10% höher liegen. Nach der numerischen Zuordnung<br />
werden solche Frequenzen überprüft, die dieselbe Formantnummer<br />
erhalten haben. Wenn zwei Frequenzen F2 zugeordnet werden, wird<br />
versucht eine dieser Frequenzen einem anderen Formanten zuzuordnen.<br />
Ist eine Lücke oberhalb von F2 frei, d.h. einer der höheren Formanten (F3,<br />
F4, F5, F6, F7 oder F8) hat keine Frequenz erhalten, so werden alle Frequenzen<br />
nach oben geschoben, bis diese Lücke gefüllt ist, und der höhere<br />
F2-Wert wird F3 zugeordnet. Sind sowohl F1 als auch F3 leer, und zwei<br />
Frequenzen wurden F2 zugeordnet, wird auf Grund der Nähe eines dieser<br />
Werte zu Richtwerten für F1 und F3 entweder der größere Wert nach F3 geschoben<br />
oder der kleinere nach F1. Nach der Sortierung kommt die zweite<br />
Formantschätzung zum Tragen, indem alle Lücken, die durch die Formantsortierung<br />
entstanden sind mit Werten aus der zweiten Formantschätzung<br />
aufgefüllt werden.<br />
Im letzten Schritt wird ein Datensatz aus der Vokalmitte ausgedruckt.<br />
Dieser enthält, neben der sortierten Formantinformation, den F0-Wert, die<br />
Dauer des gesamten Vokalabschnitts, den Zeitpunkt der Messung, das Eti-
v<br />
50 Deutsche Vokale - spontan und gelesen<br />
+ kett des zugehörigen Vokalabschnitts, das Sprecherkürzel, Geschlecht sowie<br />
Information zum prä- und postvokalischen Kontext.<br />
3.6.2 Messung der diphthongalen Abschnitte<br />
Gemäß den Überlegungen zur akustischen Charakterisierung von Diphthongen<br />
in Abschnitt 3.4.3 wurde folgende Meßstrategie angewendet.<br />
An jedem Diphthong-Token mit einer Dauer von mehr als 60 ms wurden<br />
Formantmessungen 13 an mehreren Punkten durchgeführt. Die erste und<br />
letzte Messung erfolgte 20 ms vom Anfang bzw. 20 ms vor dem Ende des<br />
betreffenden Vokalabschnitts, um die direktesten Folgen von Formantabbiegungen<br />
in benachbarte Vokal- und Konsonantenartikulationen zu vermeiden.<br />
Um vergleichbare Vokalabschnitte zu bekommen, d.h. Meßwerte<br />
von Vokalabschnitten zu erhalten, die miteinander vergleichbar sind,<br />
wurden alle Diphthong-Tokens innerhalb von 20 ms-breiten Dauergruppen<br />
(60–80 ms, 80–100 ms, 100–120 ms, usw.) durch die gleiche Anzahl<br />
von Meßpunkten charakterisiert. So kann eine Mittlung über mehrere<br />
Diphthong-Tokens innerhalb eines Bereichs unternommen werden, die<br />
anschließend Vergleiche der Formantverläufe von unterschiedlich langen<br />
Diphthongen ermöglicht.<br />
Der Diphthong wird zuerst in Zeitscheiben geschnitten, deren Anzahl<br />
sich als der ganzzahlig abgerundete Quotient aus der zentralen Vokaldauer<br />
(Vokaldauer abzüglich der Randzonen von jeweils 20 ms) und einer idealen<br />
20 ms-Strecke bestimmt. Addiert man eins auf die Anzahl der Zeitscheiben<br />
bekommt man die Anzahl der Meßpunkte. Die Schrittbreite, d.h.<br />
die Breite einer Zeitscheibe oder der zeitliche Abstand zwischen den Meßpunkten<br />
für einen einzigen Vokalabschnitt, ist der Quotient aus der zentralen<br />
Vokaldauer und der Anzahl der Zeitscheiben:<br />
vxwzy©{5|}>~YE€b~b)‚tƒ…„‡†ˆb‰nŠŒ‹<br />
‚ƒ…„Ž†bˆ<br />
{U|}>~Y©€~b<br />
(3.1)<br />
ˆ<br />
ist die Schrittbreite zwischen den Meßpunkten in Millisekunden. Die<br />
Vokaldauer ist ebenfalls in Millisekunden.<br />
Aus der Berechnung der Anzahl der Meßpunkte ergibt sich automatisch<br />
eine Dauergruppierung in 20 ms breiten Gruppen. Alle Diphthonge<br />
mit einer Dauer zwischen 120 und 140 ms werden beispielsweise<br />
13 Die Formantbestimmung zu einem bestimmten Zeitpunkt ist wie für monophthongale<br />
Abschnitte.
3.6 Messung der diphthongalen Abschnitte 51<br />
Abbildung 3.2: Die Gewinnung von Meßwerten bei einem Diphthong<br />
mit einer Dauer von 137 ms aus dem Wort Zeit. Die Anfangs- und Endpunkte<br />
des Vokals sind mit Beg bzw. Ende gekennzeichnet. Formantmessungen<br />
werden jeweils 20 ms vom Beginn, bzw. 20 ms vor dem Ende<br />
des Vokalabschnitts genommen (Punkte A und E). Die Schrittbreite für<br />
die dazwischen liegenden Punkte (B–D)<br />
y’‘t“b”<br />
errechnet sich aus Formel 3.1:<br />
ms ms ms ms ms ms. (Ref.: g115a005)<br />
w †˜ Bš ˆ ‰kŠ „•†bˆ ‰nŠ–‹—y’‘t“b” „•†ˆ<br />
durch fünf Meßpunkte charakterisiert. Die Berechnung der Meßpunkte<br />
und der Schrittbreite zwischen den Punkten für den konkreten Fall eines<br />
Diphthongs aus dem Wort Zeit mit einer Dauer von 137 ms wird in<br />
Abb. 3.2 illustriert.<br />
Alle diphthongalen Abschnitte, die eine Dauer von weniger als 60 ms<br />
haben, werden meßtechnisch wie Monophthonge behandelt, d.h. Formantwerte<br />
werden nur in der Mitte des Vokalabschnitts ermittelt.<br />
Wie eingangs gesagt werden alle beschriebenen Schritte zur Formantmessung<br />
der Monophthonge und Diphthonge automatisch mit dem in Anhang<br />
C aufgeführten KielDat-Skript durchgeführt. Das Ergebnis der Analyse<br />
ist eine Datei pro Sprecher. Neben den Formantfrequenzen und -
52 Deutsche Vokale - spontan und gelesen<br />
0 bandbreiten der unteren drei Formanten enthält diese Datei einige andere<br />
Informationen zur Versuchsperson (Sprecherkürzel und Geschlecht), zum<br />
Dialog (Kennung), zum Vokalabschnitt (Label, Datensatznummer, Dauer,<br />
Grundfrequenz zur Zeit der Messung) und zum Kontext (Wort, prä- und<br />
postvokalischer Kontext). Tabelle 3.2 enthält einen Auszug aus der Datei<br />
der Sprecherin JUM aus dem spontansprachlichen Korpus. Dieser Auszug<br />
macht noch einmal die unterschiedlichen Meßstrategien für Monophthonge<br />
und Diphthonge deutlich. Die Monophthonge werden durch einen Meßpunkt<br />
definiert, haben somit einen Datensatz, der Diphthong mit einer<br />
Dauer von 281 ms dagegen wird an mehreren Stellen (13) gemessen.<br />
3.7 Häufigkeitsverteilung der Einzelvokale<br />
Das Diagramm in Abb. 3.3 faßt die relativen Häufigkeiten der Vokale zusammen<br />
14 . Für die einzelnen Sprecher wurden relative Häufigkeiten für<br />
jeden Vokal errechnet und aus diesen Werten wurden pro Vokal die Mediane,<br />
Maxima und Minima ermittelt. Die Vokale im Diagramm sind nach<br />
den Medianwerten in absteigender Reihenfolge geordnet. Obwohl die absolute<br />
Gesamtzahl an Vokaltokens, die von den Einzelsprechern produziert<br />
wurden, stark variiert (siehe Abb. 3.4), bleiben die allgemeinen Tendenzen<br />
in den relativen Häufigkeiten der einzelnen Vokale erhalten. Am<br />
interessantesten ist die phonologische Gruppierung, die sich in der numerischen<br />
Rangordnung wiederfindet. In Abschnitt 3.2 wurde eine phonologische<br />
Gruppierung der Vokale › nach œ , oder œ\› gemischt aufgestellt.<br />
Diese phonologische Gruppierung läßt sich direkt auf die Reihenfolge der<br />
Vokalhäufigkeiten übertragen. Häufigste Gruppe › ist , œ dann , die phonologisch<br />
komplexeste œ\› Gruppe ist zugleich am seltensten. Die Rangfolge<br />
ist aus zweierlei Gründen interessant. Erstens findet die phonologische Kategorisierung,<br />
die auf Grund phonetischer Muster und grammatikalischer<br />
Alternationen unternommen wurde, post hoc Bestätigung in der Gruppierung,<br />
die sich aus der Häufigkeitsverteilung ergibt. Zweitens zeigen sich<br />
die vorderen gerundeten Vokale, nicht nur als typologische Seltenheit in<br />
den Sprachen der Welt (Crothers 1978), sondern auch als Seltenheit in einer<br />
Sprache, in der sie vorkommen.<br />
14 Anhang D auf S. 209 enthält tabellarische Aufstellungen der absoluten (Tabelle D.1) und<br />
relativen Häufigkeiten (Tabelle D.2) der Einzelvokale bei den einzelnen Sprechern.
3.7 Häufigkeitsverteilung der Einzelvokale 53<br />
Tabelle 3.2: Ein Auszug aus den Ergebnissen der akustischen Analyse der Sprecherin JUM aus dem Dialogbeitrag<br />
g361a004. Jede Zeile enthält die Daten zu einem Meßpunkt im jeweiligen Vokal. Zusätzlich zu den Frequenzen und<br />
Bandbreiten der ersten drei Formanten in den Spalten “F1–B3” sind auch andere Informationen notwendig für die<br />
Weiterverarbeitung: Sprecherkürzel, Dialogbeitragskürzel, Geschlecht (f = “weiblich”), Label des Vokalabschnitts,<br />
Nummer des Datensatzes (wichtig bei Diphthongen), Dauer des Vokalabschnitts, Meßpunkt der Formantanalyse,<br />
Grundfrequenz sowie die orthographische Darstellung des betreffenden Wortes und umgebender Kontext. Aus<br />
Platzgründen ist der lange Kontext des 4. Datensatzes ($I) etwas gekürzt worden.<br />
Kürzel Beitrag Geschl. Label Satz Dauer Meßpunkt F0 F1 B1 F2 B2 F3 B3 Wort Kontext<br />
JUM g361a004 f $o: 1 92 14.350 209 427 263 1287 420 2835 263 November ##n $v<br />
JUM g361a004 f $’E 1 115 14.530 195 615 64 1711 164 2687 239 November $v $m<br />
JUM g361a004 f $6 1 260 14.895 144 731 81 1533 236 2814 259 November $b #:k #s:<br />
JUM g361a006 f $I 1 116 0.060 0 432 147 2040 118 2744 131 ist+ $n #:k . . .<br />
JUM g361a006 f $a 1 69 0.270 257 732 59 1711 250 2781 263 dann+ $-h $n+<br />
JUM g361a006 f $’i: 1 59 0.545 259 309 98 2148 236 2788 138 siebzehnte ##z $p<br />
JUM g361a006 f $e: 1 30 0.730 196 464 144 1761 185 2721 745 siebzehnte $s $n<br />
JUM g361a006 f $@ 1 69 0.865 181 458 95 1606 222 2611 703 siebzehnte $-h ##f<br />
JUM g361a006 f $’aI 1 281 1.060 176 711 159 1179 153 2802 176<br />
JUM g361a006 f $’aI 2 281 1.080 176 733 170 1176 203 2819 186<br />
JUM g361a006 f $’aI 3 281 1.100 180 757 184 1219 246 2594 789<br />
JUM g361a006 f $’aI 4 281 1.120 179 771 160 1289 272 2763 469<br />
JUM g361a006 f $’aI 5 281 1.140 182 763 119 1397 245 2711 362<br />
JUM g361a006 f $’aI 6 281 1.160 184 735 105 1544 198 2667 335<br />
JUM g361a006 f $’aI 7 281 1.180 191 697 96 1687 119 2639 339<br />
JUM g361a006 f $’aI 8 281 1.200 202 616 102 1768 161 2576 398<br />
JUM g361a006 f $’aI 9 281 1.220 212 590 62 1878 246 2558 709<br />
JUM g361a006 f $’aI 10 281 1.240 236 572 204 1416 999 2616 547<br />
JUM g361a006 f $’aI 11 281 1.260 268 511 219 1200 999 2643 516<br />
JUM g361a006 f $’aI 12 281 1.280 279 407 163 1597 999 2426 322<br />
JUM g361a006 f $’aI 13 281 1.300 285 365 163 1769 999 2776 562 frei $r UttEnd
¢<br />
Ÿ£<br />
¤<br />
¥<br />
¦<br />
٤<br />
©<br />
ª<br />
©¥<br />
Ÿ «<br />
Ÿ¢<br />
¬Ÿ<br />
54 Deutsche Vokale - spontan und gelesen<br />
Abbildung 3.3: Relative Häufigkeiten der Vokale im spontansprachlichen Korpus. Der Median-Punkt pro Vokal ist<br />
ein Mittelwert, berechnet über die einzelnen Sprecher. Die Punkte Maximum und Minimum beziehen sich jeweils<br />
auf die größte und kleinste relative Häufigkeit. Die Vokale sind in absteigender Reihenfolge nach der Größe der<br />
Mediane geordnet.<br />
Vokal<br />
ž<br />
Ÿ<br />
¡ž<br />
Ÿ<br />
¨¦<br />
Ÿ<br />
0.0<br />
2.0<br />
4.0<br />
6.0<br />
relative Häufigkeit [%]<br />
8.0<br />
10.0<br />
12.0<br />
14.0<br />
Median<br />
Maximum<br />
Minimum<br />
16.0<br />
18.0<br />
20.0
3.7 Häufigkeitsverteilung der Einzelvokale 55<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
SOK<br />
AME<br />
FRA<br />
SVA<br />
BAC<br />
URG<br />
THS<br />
FRS<br />
SAR<br />
JUM<br />
ARK<br />
CHD<br />
SIK<br />
KAP<br />
HEL<br />
WEM<br />
KAE<br />
REK<br />
KAK<br />
GEP<br />
MEH<br />
MLG<br />
ANL<br />
ANS<br />
NAR<br />
UTB<br />
HAH<br />
JAK<br />
TIS<br />
OLV<br />
HEE<br />
MAW<br />
Anzahl von Vokaltokens<br />
Sprecher/in<br />
Abbildung 3.4: Gesamthäufigkeiten in aufsteigender Reihenfolge von allen Vokaltokens pro Sprecher/in.
56 Deutsche Vokale - spontan und gelesen<br />
In Abb. 3.5 wird ein Vergleich zwischen den Häufigkeiten aus<br />
den spontansprachlichen Daten und denen aus dem gelesenen Subkorpus<br />
durchgeführt, sowie ein externer Vergleich zur Zählung von Meier<br />
(1967). Für die spontansprachlichen und die gelesenen Vokale wurden<br />
zwei Zählungen durchgeführt. Die erste (Gemessen) bezieht sich auf die<br />
Zählung der Vokalabschnitte, die in die akustische Messung eingegangen<br />
sind, die zweite (Kanonisch) bezieht sich auf die Anzahl der jeweiligen<br />
Vokalkategorien in den kanonischen Formen der Wörter. Die zweite, kanonische,<br />
Zählung erlaubt einen besseren Vergleich zu den Häufigkeiten aus<br />
Meiers (1967) Zählung von 100 000 Lauten aus der gelesenen Sprache.<br />
Die Vokale sind nach der Häufigkeit in der gemessenen Spontansprache<br />
absteigend angeordnet.<br />
Bei den ersten vier (®[¯°®ŒB±® ² Vokalkategorien ) sind die größten Unterschiede<br />
zwischen den einzelnen Korpora und unterschiedlichen Zählungen<br />
zu sehen. Der Erhebungsunterschied (Gemessen vs. Kanonisch) macht<br />
sich ² beim am deutlichsten bemerkbar. Die große Diskrepanz liegt<br />
hauptsächlich in den lateralen und nasalen ³´²µ Endsilben, ³´² und , die<br />
in der Mehrheit der Fälle als silbischer Lateral bzw. Nasal auftreten, keinen<br />
Vokalabschnitt aufweisen und somit nicht in die akustische Messung<br />
² der -Vokalabschnitte aufgenommen werden. Nennenswerte Unterschiede<br />
zwischen den spontanen und gelesenen Subkorpora lassen sich ² auf<br />
und die offenen Vokale B± und beschränken. Unter den 50 häufigsten<br />
Wörtern im spontansprachlichen Korpus gibt es lediglich sechs Wörter<br />
die enthalten: das, dann, am, also, machen, und daß, jedoch sind sie<br />
für über 3000 -Tokens verantwortlich. Vor allem für das hohe Aufkommen<br />
der Wörter dann, also und das (in seiner Funktion als Pronomen)<br />
ist der spontansprachliche Kontext verantwortlich. Das häufige Auftreten<br />
der Präposition-Artikel-Verschmelzung am ist jedoch nicht dem spontansprachlichlichen<br />
Kontext zuzuschreiben, sondern der besonderen Aktivität<br />
der Terminplanung, in der häufig Konstruktionen wie am Freitag und am<br />
sechsten auftreten. Der Dialogsituation ist auch die große Anzahl B± von zu<br />
verdanken. Die Wörter ja (Bejahung und Adverb), da (Konjunktion und<br />
Adverb), mal, habe und aber sind die Vertreter des B± Vokals unter den<br />
50 häufigsten Wörtern und sind für über 2000 Fälle dieses Vokals verantwortlich.<br />
Im Vergleich mit der Zählung von Meier (1967) ist die größte Ähnlichkeit<br />
mit der kanonischen Zählung des gelesenen Subkorpus zu finden.<br />
Diese Ähnlichkeit ist jedoch nicht überraschend, denn Meiers Zählung von
¹Å<br />
¹<br />
¹»<br />
Â<br />
Ã<br />
·¾<br />
¹Á<br />
¹À<br />
¾<br />
¿<br />
¼ ¹<br />
¹½<br />
¸·<br />
»<br />
¹·<br />
º<br />
·<br />
¸<br />
3.7 Häufigkeitsverteilung der Einzelvokale 57<br />
30.0<br />
25.0<br />
Gemessen (s)<br />
Kanonisch (s)<br />
Gemessen (l)<br />
Kanonisch (l)<br />
Meier<br />
20.0<br />
15.0<br />
10.0<br />
Relative Häufigkeit [%]<br />
5.0<br />
0.0<br />
¿<br />
ÄÂ<br />
Vokal<br />
Abbildung 3.5: Vergleich der relativen Vokalhäufigkeiten in Spontan- und Lesesprache. Gemessen und Kanonisch<br />
beziehen sich auf die unterschiedliche Zählung der Vokalhäufigkeit (siehe Text) in Spontansprache (s) und Lesesprache<br />
(l). Als externer Vergleich fungieren die Werte aus Meier (1967: 250). Die Vokale sind nach ihrer relativen<br />
Häufigkeit in der ‘gemessenen’ Spontansprache angeordnet. Eine Aufstellung der absoluten und relativen Häufigkeiten<br />
findet sich in Tabelle D.3 auf Seite 212.
58 Deutsche Vokale - spontan und gelesen<br />
Æ 100 000 Lauten, je zu 50 000 aus Prosa und Poesie, erfolgte in geschriebenen<br />
Texten, d.h. in kanonischen Formen, und es waren die Ergebnisse aus<br />
Zählungen wie dieser, die als Grundlage für die Lauthäufigkeitsverteilung<br />
bei der Aufstellung der Marburger und Berliner Sätze verwendet wurden<br />
(Sotschek 1976a; 1976b).<br />
3.8 Akustische Ausprägung der Einzelvokale<br />
Eine günstige Methode, akustische Vokalsysteme aufzubereiten, ist, die<br />
einzelnen Vokale anhand der ersten und zweiten Formantwerte in einem<br />
zweidimensionalen Raum zu plazieren. Der F2-Wert eines Vokals bildet<br />
die x-Koordinate, der F1-Wert die y-Koordinate. Statt die lineare Hertz-<br />
Skalierung zu verwenden, werden Frequenzen in Bark-Werte (Zwicker<br />
und Fastl 1990) 15 umgerechnet. Die Verwendung der Bark-Skala liefert<br />
eine bessere Annäherung an die Funktionsweise des Gehörs als eine lineare<br />
Hertz-Skala. Um die übliche auditiv-artikulatorische Darstellung eines<br />
Vokalsystems auch im akustischen Bereich zu erhalten, werden Abszisse<br />
und Ordinate in umgekehrter Richtung gezeichnet, so daß F2-Werte aufsteigend<br />
von rechts nach links, F1-Werte aufsteigend von oben nach unten<br />
verlaufen.<br />
3.8.1 Akustische Ausprägung der Monophthonge<br />
Um verschiedene Vergleiche herstellen zu können, sind die Vokalwerte in<br />
Gruppen nach Geschlecht (weiblich, männlich), Korpus (lese- vs. spontansprachlich)<br />
und Worttyp (Inhalts- vs. Funktionswort) eingeteilt worden.<br />
Die Gruppierung nach Geschlecht berücksichtigt die bekannten akustischen<br />
Unterschiede, die sich z.T. durch Unterschiede in der durchschnittlichen<br />
Größe des Ansatzrohrs bei Frauen gegenüber Männern erklären lassen.<br />
Die Einteilung nach Korpustyp will den akustischen Folgen der unterschiedlichen<br />
linguistischen Aktivitäten auf die Vokalsysteme nachgehen.<br />
Die oft beobachteten zentraleren Qualitäten von Vokalen in Funkti-<br />
15 Für die eigentliche Umrechnung wird die Formel aus Traunmüller (1990) verwendet, die<br />
eine genauere Umrechnung erlaubt als Zwicker und Fastl (1990):<br />
ÇÉÈ‡Ê ËÍÌtÎ ÏtÐnÑÒ©Ð ÓÔЗÕÍÌÍÖÑÍ×Ø6ÙÚ5ÖtÎ ÛÍÜ<br />
mit × in Hertz
3.8 Akustische Ausprägung der Monophthonge 59<br />
Ý<br />
onswörtern gegenüber Inhaltswörtern werden durch die Aufteilung nach<br />
Worttyp berücksichtigt. Nur die Monophthonge aus Inhaltwörtern werden<br />
hier analysiert. Über die Werte für den ersten und zweiten Formanten sind<br />
pro Vokalkategorie Mediane gebildet worden. Tabellen der Mediane und<br />
Quartile der ersten drei Formanten für die einzelnen Monophthonge aus<br />
Inhaltswörtern, getrennt nach Geschlecht und Korpus sind in Anhang E<br />
auf S. 213 zu finden.<br />
Obwohl dieselben Lesedaten wie in Pätzold und Simpson (1997)<br />
verwendet werden, gibt es zusätzlich zu kleineren meßtechnischen Details<br />
zwei weitere Unterschiede, die zu unterschiedlichen Ergebnissen<br />
führen. Erstens, wie eben erwähnt, werden Vokale aus Funktions- und<br />
Inhaltswörtern getrennt aufgeführt. Die Aufteilung wurde in Pätzold und<br />
Simpson (1997) nicht gemacht. Zweitens werden in der hiesigen Aufstellung<br />
die Werte aus den Þ verschiedenen -Vokalen ß (außer ), die Pätzold und<br />
Simpson zu den Korrelaten der jeweiligen monophthongalen Vokalkategorie<br />
gezählt haben, nicht berücksichtigt.<br />
In Abb. 3.6 werden die Vokalsysteme der Inhaltswörter aus Leseund<br />
Spontansprache für die jeweilige Geschlechtergruppe (Frauen: 3.6a,<br />
Männer: 3.6b) verglichen. Vokale aus der Spontansprache sind in normaler<br />
Schrift, Vokale aus der Lesesprache umrissen dargestellt. Die Vokalsysteme<br />
aus beiden Geschlechtergruppen und beiden Korpora stimmen allgemein<br />
mit den Ergebnissen anderer Studien zum deutschen Vokalismus<br />
überein. Die Kurzvokale 16 , à , á , â , und ã sind, außer beim männlichen<br />
¯<br />
spontanen , zentraler als ihre langen Entsprechungen. Die F1-Werte der<br />
geschlossenen ¯ Kurzvokale à , ã und sind im allgemeinen etwas größer<br />
als die der nichtgeschlossenen ä± Langvokale åb± , æ± und . Lediglich das offene<br />
B± /<br />
Vokalpaar hat ähnliche, z.T. fast identische F1 und F2-Werte.<br />
Dies stimmt ebenfalls mit den Ergebnissen anderer Studien (Sendlmeier<br />
1982; Ramers 1988; Kohler 1995a) überein, die aufgezeigt haben, daß der<br />
Hauptunterschied zwischen den phonetischen Korrelaten B± von und in<br />
der Länge und nicht in der Qualität zu finden ist, wie dies in den restlichen<br />
Lang-Kurz-Vokalpaaren der Fall ist, eine Feststellung, die in den perzeptorischen<br />
Experimenten von Sendlmeier (1982) aufgezeigt wurde.<br />
Die qualitative Nähe der geschlossenen ¯ Kurzvokale à , ã und zu den<br />
nichtgeschlossenen ä± Langvokalen å± , æ± und hat Lass (1984) sowie Ra-<br />
16 “Lang” und “kurz” dienen lediglich als wörtliche Bezeichnungen für die in Abschnitt 3.2<br />
. Andere Bezeichnungen wie “gespannt”<br />
ç<br />
und “ungespannt” hätten die gleiche Funktion erfüllen können.<br />
aufgestellten phonologischen Kategorisierung ç / è
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
û<br />
ö §<br />
¢ ò<br />
éééééééééééééééééééééééééééééé<br />
û<br />
éééééééééééééééééééééééééééééé<br />
ö<br />
§<br />
ë<br />
ñ<br />
þ<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
¢<br />
ò<br />
ñ<br />
í<br />
<br />
î ÿ<br />
÷<br />
©<br />
í<br />
þ ë<br />
ê<br />
<br />
ù<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
ý<br />
©<br />
î<br />
÷ ÿ<br />
ê<br />
ù<br />
ý<br />
ô<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
ï<br />
¡<br />
ô<br />
¡<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
ï<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
60 Deutsche Vokale - spontan und gelesen<br />
250<br />
300<br />
350<br />
400<br />
450<br />
F1 500<br />
[Hz] 550<br />
600<br />
650<br />
700<br />
750<br />
800<br />
850<br />
900<br />
15<br />
14<br />
13<br />
12<br />
F2 [Bark]<br />
11 10<br />
ð énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
úüû £ û í<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
ó<br />
õ ø<br />
¦ û ¨ û<br />
ò`í í í<br />
í<br />
¢>û énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
ê í ý û<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
2500 2000 1750 1500 1250 1000 750 600<br />
F2 [Hz]<br />
9<br />
ìÉí<br />
8<br />
¤ ¥ û<br />
7<br />
6<br />
5<br />
2<br />
3<br />
4<br />
5 F1<br />
[Bark]<br />
6<br />
7<br />
8<br />
(a)<br />
250<br />
300<br />
350<br />
400<br />
450<br />
F1 500<br />
[Hz] 550<br />
600<br />
650<br />
700<br />
750<br />
800<br />
850<br />
900<br />
15<br />
14<br />
13<br />
12<br />
F2 [Bark]<br />
11 10<br />
ð í<br />
ú û £ û<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
ìÉí<br />
õ ø ¦ û í ¨ û<br />
¢>û<br />
í ó í ò`í énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
ê í<br />
ý û<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
2500 2000 1750 1500 1250 1000 750 600<br />
F2 [Hz]<br />
9<br />
8<br />
¤ ¥ û<br />
7<br />
6<br />
5<br />
2<br />
3<br />
4<br />
5 F1<br />
[Bark]<br />
6<br />
7<br />
8<br />
(b)<br />
Abbildung 3.6: Vergleich der spontanen und lesesprachlichen Vokalsysteme<br />
für Inhaltswörter der Frauen in (a) bzw. der Männer in (b). Spontansprachliche<br />
Vokal sind in normaler Schrift, Lesesprache ist umrissen dargestellt.<br />
Formantwerte sind Mediane aus allen Werten für die jeweilige<br />
Vokalkategorie pro Gruppe.
3.8 Akustische Ausprägung der Monophthonge 61<br />
<br />
mers (1988) dazu verleitet, eine Phonologisierung vorzunehmen, in ¯ der à ,<br />
ã und als die kurzen Gegenstücke ä± zu å± , æ± und analysiert werden. Nach<br />
den Überlegungen zur Aufstellung des Vokalsystems in Abschnitt 3.2 wird<br />
dies als ungünstige Lösung gewertet, die phonetische Beobachtungen an<br />
falscher Stelle berücksichtigt.<br />
Die F1-Werte ² von in den weiblichen und männlichen Systemen unterstützen<br />
die Ergebnisse von Barry (1995) an einem erheblich kleineren<br />
Korpus, die eine halbgeschlossene Qualität in etwa der gleichen Höhe wie<br />
andeuten. Nähme ² tatsächlich eine zentrale Lage im jeweiligen Vokalsystem<br />
ein, hätte es einen F1-Wert von etwa 550 Hz für die weiblichen<br />
ä±<br />
und 500 Hz für die männlichen Sprecher. Stattdessen liegen die weiblichen<br />
Median-F1-Werte bei 438 Hz (Lesesprache) bzw. 470 Hz (Spontansprache),<br />
die männlichen bei 392 Hz (Lesesprache) bzw. 405 Hz (Spontansprache).<br />
Die Notwendigkeit, einen funktionellen Kontrast ß zu aufrechtzuerhalten,<br />
scheint ein möglicher Grund für die relative Geschlossenheit<br />
zu liefern. Barry stellt fest, daß der niedrige F1-Wert ² für im Gegensatz<br />
zu anderen Studien steht. Jedoch ist es möglich, andere Schlüsse aus der<br />
Literatur zu ziehen. Beobachtungen einer Vokalqualität, die zentral, sogar<br />
halboffen sein kann (Delattre 1965; Ulbrich 1972; Meinhold 1989; Kohler<br />
1995a), basieren im allgemeinen auf impressionistischen Beobachtungen<br />
der Vokalqualität. In nur einer Studie (Iivonen 1970) finden sich F1-Werte<br />
für ²<br />
die offener sind als die für á± . Sovijärvi (1965), zitiert in Iivonen<br />
(1970), und Meyer-Eppler (1959) finden beide F1-Werte für ein männliches<br />
² , die niedriger als 500 Hz sind.<br />
Ein weiterer Unterschied zu anderen Studien (Jørgensen 1969; Rausch<br />
1972; Narahara und Shimoda 1977) 17 , der sich in allen vier Vokalsystemen<br />
von Abb. 3.6 wiederfindet, ist die hintere Position von æ± im Vergleich zu<br />
<br />
± . Erwartungsgemäß ist der F1-Wert von æ± höher als bei ± , der Vokal<br />
ist somit offener. Der F2-Wert von æb± liegt jedoch tiefer. Außer bei den<br />
spontanen Daten der Männer liegen die F2-Werte von æ± signifikant tiefer<br />
als die von ± (siehe Tabelle 3.3). Bei den männlichen spontansprachlichen<br />
Daten ist die F2-Lage von ± zu æ± nicht statistisch verschieden.<br />
Die tiefer liegenden F2-Werte von æ± können auf zwei artikulatorische<br />
Faktoren zurückgeführt werden:<br />
17 Die Zahlen in Kohler (1995a) sind eine Aufbereitung der Ergebnisse aus Rausch (1972).
62 Deutsche Vokale - spontan und gelesen<br />
Tabelle 3.3: Ergebnisse eines U-Tests für die F2-Werte von ± und æ± , die<br />
in den Diagrammen von Abb. 3.6 geplottet sind. Die erste Spalte enthält<br />
den Korpus, die zweite Spalte die Werte für und die dritte Spalte die einseitige<br />
Wahrscheinlichkeit von unter (F2-Werte von æb± F2-Werte<br />
von ± ).<br />
<br />
<br />
!<br />
<br />
<br />
weiblich, spontan -2.57 .0051<br />
männlich, spontan -0.65 .2578<br />
weiblich, gelesen -5.74 p .00003<br />
männlich, gelesen -6.72 p .00003<br />
Innere Lippenrundung Zusätzlich zur Rundung werden die Lippen vorgestülpt<br />
18<br />
Linguale Engebildung Die Enge zwischen Zungenrücken und Gaumen<br />
wird weiter hinten gebildet.<br />
Einer dieser Faktoren oder eine Kombination aus beiden führen zu einer<br />
Verlängerung des Hohlraums zwischen der dorso-velaren Enge und den<br />
Lippen, deren akustisches Produkt eine Herabsenkung des zweiten Formanten<br />
ist.<br />
Für die Unterschiede zu den Ergebnissen aus anderen Studien bieten<br />
Pätzold und Simpson (1997) mehrere Erklärungen an. Der offensichtlichste<br />
Grund für die Unterschiede liegt darin, daß die Sprechergruppen, die<br />
in anderen Studien untersucht wurden, eine weiter vorne liegende Qualität<br />
für æ± als für ± haben. Ein zweiter Grund könnte im konsonantischen<br />
Kontext liegen, der dem Vokal æ± mehr Kontexte für eine hintere Qualität<br />
bietet als bei ± . In den Marburger Sätzen, also in der Hälfte des gelesenen<br />
Korpus, haben von den 23 æ± -Fällen fast die Hälfte (viermal Doris, dreimal<br />
hoch, jeweils einmal Brot, Motoren, Tore, rot) einen dorso-uvularen Frikativ<br />
als ihren unmittelbaren Kontext. Von den 25 ± -Fällen jedoch treten nur<br />
drei in einem ähnlichen Kontext (Besuch, besucht und Ruhe) auf. In den<br />
18 Diese Definition von innerer Lippenrundung ist nach Sweet (1890) und Catford (1977,<br />
1988). Durch die Vorstülpung der Lippen wird die labiale Enge durch die Innenseiten der<br />
Lippen gebildet. Äußere Rundung entsteht durch eine vertikale Kompression der Lippen, die<br />
zu einer labialen Enge zwischen den Außenseiten führt.
3.8 Akustische Ausprägung der Monophthonge 63<br />
"hoch"<br />
"Fuß"<br />
Abbildung 3.7: Ein Sonagramm von männlichen Äußerungen der Wörter<br />
hoch und Fuß aus dem gelesenen Korpus. Diese Darstellung entspricht in<br />
etwa der Zeit- und Frequenzauflösung eines Papiersonagrammes, an denen<br />
Messungen in früheren Studien gemacht wurden. Die senkrechten Pfeile<br />
markieren die Mitte des jeweiligen Vokalabschnitts, die waagerechten die<br />
Position des zweiten Formanten im jeweiligen Vokalabschnitt zum Zeitpunkt<br />
der Messung. (Ref.: hoch: k11mr068; Fuß: k63be044)<br />
Berliner Sätzen sowie im spontansprachlichen Korpus sieht die Situation<br />
anders aus. Während in den Berlinern Sätzen ± in drei Fällen in einem hinteren<br />
Kontext auftritt (Kuchen, besuchen und suche), finden sich nur zwei<br />
Fälle von æb± im ähnlichen Kontext (Rosengarten, Weißbrot). In den spontansprachlichen<br />
Daten überwiegen ebenfalls die konsonantischen Kontexte,<br />
die eine hintere Realisierung des ± statt des æ± bevorzugen würden. Über<br />
18% (153 von 833) der ± -Fälle in Inhaltswörtern entfallen auf hintere<br />
Kontexte, während bei æ± -Fällen lediglich 9,6% (69 von 720) einen hinteren<br />
Kontext aufweisen. Ein dritter möglicher Grund für die Diskrepanz<br />
zwischen den Ergebnissen dieser und früherer Studien mag lediglich in den<br />
unterschiedlichen Methoden der Formantbestimmung liegen. Die Schwie-
64 Deutsche Vokale - spontan und gelesen<br />
" rigkeiten, die ersten beiden Formanten hinterer gerundeter Vokale anhand<br />
von traditionellen Papiersonagrammen zu bestimmen, sind bekannt. Von<br />
den aufgeführten Untersuchungen gibt lediglich Jørgensen (1969) die Verwendung<br />
von “sections” 19 zur Formantbestimmung an. Es ist nicht ausgeschlossen,<br />
daß eine vorherige Annahme über die akustische Position æ± von<br />
zu einer ähnlichen Voreingenommheit in der Messung selbst führen konnte.<br />
Das Problem der Formantbestimmung anhand von Papiersonagrammen<br />
ist an einem Beispiel in Abb. 3.7 illustriert. Aus der Mitte der jeweiligen<br />
Vokalabschnitte (mit senkrechten Pfeilen markiert) liefert die hier verwendete<br />
LPC-Formantbestimmung F2-Werte, die bei etwa 750 Hz für den Vokal<br />
in hoch und 790 Hz für den Vokal in Fuß liegen. Die Lage von F2 wird<br />
mit den waagerechten Pfeilen markiert. Je nach angewandtem Verfahren<br />
und Parametereinstellung können sich diese Werte verändern, aber die Beziehung<br />
(F2 æ±# von F2 von ± ) bleibt. Sowohl die Frequenz- als auch die<br />
zeitliche Auflösung des Sonagramms in Abb. 3.7 entsprechen in etwa der<br />
eines Papiersonagrammes, das z.B. Rausch (1972) zur Verfügung gestanden<br />
hätte. Die Probleme, die Mitte eines Formantbandes aus einer solchen<br />
<br />
Darstellung zuverlässig zu bestimmen sind offensichtlich. Der schwach<br />
ausgeprägte zweite Formant von Fuß scheint tiefer zu liegen als der stärkere<br />
F2 von hoch.<br />
3.8.2 Akustische Ausprägung der Diphthonge<br />
Wie schon ausführlich in Abschnitt 3.4.3 diskutiert, benötigt die akustische<br />
Charakterisierung eines Diphthonges sowohl eine andere Meßmethode<br />
als auch eine andere graphische Aufbereitung der Ergebnisse, als es bei<br />
Monophthongen der Fall ist. In Abschnitt 3.6.2 wurde die angewendete<br />
Meßmethode beschrieben, die automatisch eine Dauergruppierung der diphthongalen<br />
Vokalabschnitte durchführt und eine Mittlung aller Abschnitte<br />
in einer bestimmten Dauergruppe erlaubt.<br />
Dauerverteilung der Diphthonge<br />
Abb. 3.8 enthält die Häufigkeitsverteilung der verschiedenen Dauergruppen<br />
für die drei Diphthonge ¯ , ã und $#à aus dem spontansprachlichen<br />
19 Eine “section” ist eine Aufzeichnung der Amplitude als Funktion der Frequenz zu einem<br />
bestimmten Zeitpunkt in der Äußerung. Sie erlaubt eine bessere Identifizierung der Formanten.
3.8 Akustische Ausprägung der Diphthonge 65<br />
%<br />
Korpus in (a) und dem gelesenen Korpus in (b). Die Werte stammen<br />
aus Inhalts- und Funktionswörtern, und die weiblichen und männlichen<br />
Häufigkeiten sind zusammengelegt worden. In der Häufigkeitsverteilung<br />
der Vokale in Abschnitt 3.7 ¯ ist der häufigste $#à und der seltenste Diphthong,<br />
egal ob Lese- oder Spontansprache das Untersuchungsobjekt ist.<br />
Die Seltenheit $à von ist nicht nur auf seine phonologische Komplexität<br />
(siehe 3.2), sondern auch auf seine Abwesenheit in den im Korpus vorkommenden<br />
Funktionswörtern 20 zurückzuführen.<br />
Aus dem Diagramm in Abb. 3.8 wird ersichtlich, daß nicht nur die absoluten<br />
Häufigkeiten der Einzeldiphthonge unterschiedlich sind, sondern<br />
auch ihre Häufigkeitsverteilung in den verschiedenen Dauergruppen. Bei<br />
den spontansprachlichen ¯ Diphthongen ã und (Abb. 3.8a) ist die Dauergruppe<br />
80–100 ms am häufigsten bestetzt, $à während am häufigsten<br />
eine Dauer von 120–140 ms aufweist. Bei den gelesenen Diphthongen<br />
(Abb. 3.8b) sehen die Verteilungen etwas anders aus. Die größte Dauergruppe<br />
¯ für ist 100–120 ms, 20 ms nach oben geschoben gegenüber seinem<br />
spontansprachlichen Gegenstück. Die häufigste Dauergruppe $#à für<br />
bleibt bei 120–140 ms. Diese Dauergruppe ist auch die meistbelegte für<br />
, obwohl ã im Gegensatz zu $#à eine breitgipfligere Verteilung in den<br />
ã<br />
Dauergruppen zwischen 80 und 140 ms aufweist.<br />
Die zeitliche Verteilung der verschiedenen Diphthonge hat Konsequenzen<br />
für Aussagen über die gemittelten Verläufe der Abschnitte in den<br />
schwach besetzten, außenliegenden Dauergruppen. Vergleiche zwischen<br />
allen drei Diphthongen werden ab 180–200 ms nicht mehr möglich, weil<br />
die Anzahl $à der -Tokens aufgeteilt nach Geschlechtergruppen auf unter<br />
10 abfällt. ã Für ¯ und geht die Anzahl der Fälle erst ab der Gruppe<br />
260–280 ms teilweise unter 10 herunter. Es ist fraglich, ob gerade dieses<br />
Problem sich bei einer immer größer werdenden Datenmenge verändern<br />
würde, denn wie oben schon erwähnt, besitzt der $#à Diphthong einen ganz<br />
anderen sprachlichen Stellenwert ¯ als ã und , der sich u.a. in seinem<br />
phonetischen Verhalten ausprägt. ¯ Die -Tokens im Dauerbereich oberhalb<br />
von 280 ms bestehen zu 78% aus Diphthongen in einer wortfinalen offenen<br />
Silbe, und etwa 39% wurden mit einer Häsitationsmarkierung (z:) versehen,<br />
so daß ein Teil der Länge eine zusätzliche interaktive Funktion erfüllt.<br />
Da die Anzahl der Wörter, $à die als finale offene Silbe haben, sehr gering<br />
ist, würde dieser Diphthong nur in ganz besonderen Dialogkontexten den<br />
20 Der Diphthong &(' kommt lediglich in den Funktionswörtern euch und euer vor.
66 Deutsche Vokale - spontan und gelesen<br />
800<br />
700<br />
600<br />
Anzahl der Tokens<br />
500<br />
400<br />
300<br />
*<br />
) +<br />
)<br />
- ,<br />
200<br />
100<br />
0<br />
-60 60-<br />
80<br />
80- 100- 120- 140- 160- 180- 200- 220- 240- 260- 280- 300- 320- 340- 360- 380- 400- 420- 440- 520-<br />
100 120 140 160 180 200 220 240 260 280 300 320 340 360 380 400 420 440 460 540<br />
Dauerguppe [ms]<br />
(a)<br />
300<br />
250<br />
/<br />
. 0<br />
.<br />
12<br />
200<br />
Anzahl der Tokens<br />
150<br />
100<br />
50<br />
0<br />
-60 60-80 80-100 100-<br />
120-<br />
140-<br />
160-<br />
180-<br />
200-<br />
220-<br />
240-<br />
260-<br />
280-<br />
300-<br />
320-<br />
340-<br />
360-<br />
120<br />
140<br />
160<br />
180<br />
200<br />
220<br />
240<br />
260<br />
280<br />
300<br />
320<br />
340<br />
360<br />
380<br />
Dauergruppe [ms]<br />
(b)<br />
Abbildung 3.8: Die Häufigkeitsverteilung der dauergruppierten Einzeldiphthonge<br />
aus den (a) spontansprachlichen und (b) gelesenen Daten. Die<br />
größte Dauergruppe pro Diphthong ist mit einem Pfeil markiert. Weibliche<br />
und männliche Häufigkeiten wurden zusammengelegt.
3.8 Akustische Ausprägung der Diphthonge 67<br />
Ý<br />
oberen Dauerbereich ¯ von erreichen.<br />
Die höhere Dauerverteilungsspitze $à für ¯ gegenüber in beiden Korpora<br />
und ã<br />
gegenüber im spontansprachlichen Korpus mag auf seine<br />
Abwesenheit in Funktionswörtern zurückgeführt werden. Wenn die Diphthonge<br />
ã und der gelesenen Funktionswörter aus der Dauerzählung<br />
¯<br />
herausgenommen werden, verschiebt sich die Verteilungsspitze ¯ von<br />
auch zur Dauergruppe 120–140 ms, so daß alle drei Diphthonge diese<br />
Dauergruppe am häufigsten belegen. Bei den spontanen Daten bringt das<br />
Herausrechnen der Diphthongdauern der Funktionswörter ebenfalls ein<br />
Verschieben der Verteilungsspitzen ¯ von ã und , jedoch nur nach 100–<br />
120 ms und nicht nach 120–140 ms, der Verteilungsspitze $#à von .<br />
Formantverläufe der Diphthonge<br />
Abb. 3.9–3.11 enthalten gemittelte Verläufe der ersten beiden Formanten<br />
der spontansprachlichen Diphthonge ¯ (Abb. 3.9), ã (Abb. 3.10) und $#à<br />
(Abb. 3.11) für die Frauen in (a) und die Männer in (b). Die Abszisse ist<br />
eine Pseudo-Zeitachse. Da die Diphthonge in einer 20 ms-breiten Dauergruppe<br />
(z.B. 80–100, 100-120, 120–140, usw.) durch die gleiche Anzahl<br />
von Meßpunkten charakterisiert werden, müssen die Zeitpunkte, gegen die<br />
die Formantwerte geplottet sind, zeitlich dehnbar vorgestellt werden. Eine<br />
Zeitangabe an der X-Achse entspricht der unteren Grenze in der jeweiligen<br />
Dauergruppe. So wird beispielsweise die Dauergruppe 100–120 ms durch<br />
vier Meßpunkte charakterisiert; der erste Meßpunkt liegt bei 20 ms, der<br />
letzte 20 ms vor dem Ende des Vokalabschnitts, je nach tatsächlicher Abschnittslänge,<br />
zwischen 80 und 100 ms. In den Abbildungen wird jeweils<br />
der niedrigste Zeitpunkt als Zeitangabe verwendet, die Formantwerte für<br />
die Dauergruppe 100–120 ms liegen jeweils bei 20, 40 60 und 80 ms. Um<br />
von einem Verlauf zu einer Dauergruppe umzurechnen, addiert man 20 auf<br />
den Zeitpunkt des letzten Meßpunkts für die untere und weitere 20 für die<br />
obere Grenze. Hört ein Verlauf bei 240 ms auf, entspricht das der Dauergruppe<br />
260–280 ms.<br />
Um einen Eindruck über Änderungen im Verlauf bei steigender Dauer<br />
der diphthongalen Abschnitte zu vermitteln, ohne gleichzeitig das Bild<br />
mit zu vielen Kurven unübersichtlich zu machen, sind in Abb. 3.9–3.11<br />
nur die Verläufe aus bestimmten Dauergruppen dargestellt worden. Zuerst<br />
werden Formantverläufe von jeder zweiten Dauergruppe dargestellt.<br />
Die Anzahl der Tokens in den höheren Dauergruppen nimmt immer weiter
68 Deutsche Vokale - spontan und gelesen<br />
2500<br />
2250<br />
2000<br />
1750<br />
Frequenz [Hz]<br />
1500<br />
1250<br />
1000<br />
750<br />
500<br />
250<br />
0 20 40 60 80 100 120 140 160 180 200 220 240 260<br />
Zeit [ms]<br />
(a)<br />
2500<br />
2250<br />
2000<br />
1750<br />
Frequenz [Hz]<br />
1500<br />
1250<br />
1000<br />
750<br />
500<br />
250<br />
0 20 40 60 80 100 120 140 160 180 200 220 240 260<br />
Zeit [ms]<br />
(b)<br />
Abbildung 3.9: Formantverläufe von F1 und F2 für (a) weibliches und<br />
(b) männliches ¯ in Spontansprache. Abgebildet sind die Dauergruppen<br />
60–80, 100–120, 140–160, 180–200, 220–240, 240–260 (nur männlich)<br />
und 260–280 (nur weiblich). Die unterschiedlichen Symbolisierungen der<br />
Verläufe dienen lediglich der besseren Lesbarkeit.
3.8 Akustische Ausprägung der Diphthonge 69<br />
2500<br />
2250<br />
2000<br />
1750<br />
Frequenz [Hz]<br />
1500<br />
1250<br />
1000<br />
750<br />
500<br />
250<br />
0 20 40 60 80 100 120 140 160 180 200 220 240 260<br />
Zeit [ms]<br />
(a)<br />
2500<br />
2250<br />
2000<br />
1750<br />
Frequenz [Hz]<br />
1500<br />
1250<br />
1000<br />
750<br />
500<br />
250<br />
0 20 40 60 80 100 120 140 160 180 200 220 240 260<br />
Zeit [ms]<br />
(b)<br />
Abbildung 3.10: Formantverläufe von F1 und F2 für (a) weibliches und (b)<br />
männliches ã in Spontansprache. Abgebildet sind die Dauergruppen 60–<br />
80, 100–120, 140–160, 180–200, 220–240 (nur männlich), 240–260 ms.<br />
Die unterschiedlichen Symbolisierungen der Verläufe dienen lediglich der<br />
besseren Lesbarkeit.
70 Deutsche Vokale - spontan und gelesen<br />
2500<br />
2250<br />
2000<br />
1750<br />
Frequenz [Hz]<br />
1500<br />
1250<br />
1000<br />
750<br />
500<br />
250<br />
0 20 40 60 80 100 120 140 160 180 200 220 240 260<br />
Zeit [ms]<br />
(a)<br />
2500<br />
2250<br />
2000<br />
1750<br />
Frequenz [Hz]<br />
1500<br />
1250<br />
1000<br />
750<br />
500<br />
250<br />
0 20 40 60 80 100 120 140 160 180 200 220 240 260<br />
Zeit [ms]<br />
(b)<br />
Abbildung 3.11: Formantverläufe von F1 und F2 für (a) weibliches und<br />
(b) $#à<br />
männliches in Spontansprache. Abgebildet sind die Dauergruppen<br />
80–100, 100–120, 140–160, 180–200 ms. Die unterschiedlichen Symbolisierungen<br />
der Verläufe dienen lediglich der besseren Lesbarkeit.
3.8 Akustische Ausprägung der Diphthonge 71<br />
3<br />
ab (siehe Abb. 3.8), so daß eine Mittlung über die Einzelverläufe zu starken<br />
Schwankungen an einzelnen Punkten führen kann. Solche gemittelten<br />
Verläufe wurden nicht weiterverwendet.<br />
Bei der graphischen Darstellung der Monophthonge wird eine Bark-<br />
Skalierung verwendet, um Abstände im akustischen Raum zu erhalten, die<br />
denen des Wahrnehmungsapparates näher kommen als eine lineare Hertz-<br />
Skalierung. Bei den Diphthongen kommen die zeitlichen Abläufe hinzu,<br />
d.h. die Veränderungen der Formanten über die Zeit. Diese Veränderungen,<br />
die in akustischen Aufzeichnungen erfaßt wurden, können aus artikulatorischer<br />
oder aus auditiver Sicht beschrieben werden. Für diese Beschreibung<br />
ist die lineare Skalierung gewählt worden, um artikulatorischnahe<br />
akustische Aussagen zu machen, d.h. Bewegungsabläufe, konstante<br />
Geschwindigkeit, Beschleunigung und Verlangsamung werden zuerst aus<br />
artikulatorischer Sicht betrachtet.<br />
Die Formantverläufe der Diphthonge werden einzeln behandelt. Über<br />
die Formantverläufe von allen Diphthongen der jeweiligen Kategorie über<br />
sämtliche Dauergruppen läßt sich jedoch eine Gemeinsamkeit erkennen:<br />
trotz unterschiedlicher Verlaufsformen über die verschiedenen Dauergruppen,<br />
ist eine gleichgerichtete Grundbewegung immer zu erkennen.<br />
(Abb. 3.9) Als ein nach vorn schließender Diphthong verläuft in allen<br />
Dauergruppen ¯ des die genannte Grundbewegung für F1 nach unten,<br />
¯<br />
für F2 nach oben. Mit zunehmender Abschnittsdauer fängt der Verlauf von<br />
F2 tiefer an, so daß der F2-Anfang bei den weiblichen Diphthongen zwischen<br />
1700 Hz und 1350 Hz liegt. Bei den Männern ist die gleiche Tendenz<br />
vorhanden, jedoch ist die Variationsbreite des F2-Anfangs kleiner. Er liegt<br />
zwischen 1350 Hz für die Dauergruppe 60–80 ms und 1200 Hz für die<br />
Dauergruppe 240–260 ms. Der erreichte Endpunkt des F2-Verlaufs nimmt<br />
mit zunehmender Dauer zu. Mit zunehmender Dauer bildet der F2-Verlauf<br />
eine immer ausgeprägtere S-Form, d.h. die Formantbewegungen am Anfang<br />
und Ende sind langsamer. Bei den längeren Vokalabschnitten, ab der<br />
Dauergruppe 140–160 ms bei den weiblichen und ab der Gruppe 220–<br />
240 ms bei den männlichen Diphthongen sind untere und obere Enden der<br />
S-Form so weit abgeflacht, daß eine Zielqualität erreicht zu sein scheint.<br />
Bei den weiblichen liegt dieser Punkt zwischen 2000 und 2100 Hz, bei den<br />
männlichen zwischen etwa 1650 und 1750 Hz.<br />
Die Form der Verläufe ist für Frauen und Männer unterschiedlich. Bei
72 Deutsche Vokale - spontan und gelesen<br />
4 den weiblichen Diphthongen bleiben die verschiedenen Teile der S-Form<br />
(Anfangsphase, Hauptbewegung und Endphase) bei zunehmender Dauer<br />
etwa gleich proportioniert. In den männlichen Verläufen nimmt die Anfangsphase<br />
eine immer größere Portion des Gesamtverlaufs in Anspruch,<br />
während die langsame Endphase sehr spät einsetzt und kurz gehalten wird.<br />
In den abgebildeten weiblichen Dauergruppen zwischen 220 und<br />
280 ms beginnt F2 wieder nach unten zu verlaufen. Dieses Muster ist<br />
auch in den längeren ¯ männlichen zu finden. Der Grund hierfür scheint<br />
hauptsächlich in einer präpausalen Zentralisierung und nicht etwa im<br />
früheren Eintreten von Transitionen zu nachfolgenden Konsonanten zu liegen.<br />
Die Anfangspunkte der F1-Verläufe ¯ für liegen nah beieinander, um<br />
800 Hz für die weiblichen und 600 Hz für die männlichen Vokale. Lediglich<br />
der F1-Verlauf der weiblichen Dauergruppe 60–80 ms fängt etwas<br />
tiefer an. Der Verlauf von F1 bildet einen Bogen. Der höchste F1-Wert<br />
wird in der Anfangsphase erreicht und fängt nach etwa einem Drittel der<br />
gesamten Abschnittsdauer wieder an, kleiner zu werden, was auf eine Verkleinerung<br />
der Vokalenge schließen läßt. Bei beiden Sprechergruppen wird<br />
der erreichte Endpunkt von F1 mit steigender Dauer immer tiefer, die Endqualität<br />
¯ des somit immer geschlossener. Bei den weiblichen Vokalen<br />
liegt der Endpunkt bei 640 Hz für die Dauergruppe 60–80 ms und bei<br />
430 Hz für die längste abgebildete Dauergruppe, 260–280 ms. Die männlichen<br />
F1-Endpunkte fallen ebenfalls nahezu monoton ab, mit 520 Hz für<br />
die kürzeste Dauergruppe und 400 Hz für die längste abgebildete Gruppe,<br />
240–260 ms.<br />
(Abb. 3.10) Für den Diphthong ã liegen die F2-Formantverläufe der<br />
ã<br />
einzelnen Dauergruppen näher beieinander als ¯ bei . Die weiblichen F2-<br />
Verläufe fangen zwischen 1400 und 1550 Hz an, die männlichen zwischen<br />
1100 und 1250 Hz. Sie haben somit eine ähnliche Ausgangslage wie beim<br />
¯ Diphthong . Von dieser Ausgangslage sinkt F2 stets nach unten. Außer<br />
im längsten Verlauf des ã weiblichen weisen die unterschiedlichen Dauergruppen<br />
sehr homogene Verläufe auf. Bei 80 ms in Abb. 3.10a wird der<br />
Tiefpunkt des F2-Abfalls bei etwa 1100 Hz erreicht. In den zwei längsten<br />
weiblichen Verläufen wendet sich der F2-Verlauf wieder nach oben.<br />
Im Gegensatz zu einer präpausalen Zentralisierung, wie es ¯ bei der Fall<br />
war, scheint diese Aufwärtsbewegung von F2 mit Transitionen zu einem
3.8 Akustische Ausprägung der Diphthonge 73<br />
4nachfolgenden<br />
Konsonanten zusammenzuhängen.<br />
Die männlichen F2-Verläufe zeigen ebenfalls eine abfallende Bewegung,<br />
sind jedoch nicht so sauber gebündelt, wie bei den ã weiblichen -<br />
Verläufen. Ein F2-Tiefpunkt, der ebenfalls bei 80 ms erreicht wird, liegt<br />
bei etwa 900 Hz. In den Dauergruppen ab 180–200 ms richtet sich der<br />
F2-Verlauf auch nach oben und erreicht ebenfalls bei zunehmender Dauer<br />
einen immer höheren Wert.<br />
Am auffälligsten in den weiblichen und männlichen F1-Verläufen von<br />
ist ihre Ähnlichkeit mit den F1-Verläufen von ¯ . Die Form der Verläufe<br />
ã<br />
sowie die Anfangspunkte und die Tiefe der Endpunkte bei zunehmender<br />
Dauer sind gleich. Die Anfangspunkte der weiblichen F1-Verläufe liegen<br />
geringfügig tiefer als die ¯ für . Der höchste Punkt, den F1 im Verlauf<br />
erreicht, ist ebenfalls geringfügig niedriger und näher am Anfang des Vokalabschnitts<br />
gelegen.<br />
(Abb. 3.11) Von den drei Diphthongen ist $à am seltensten vertreten<br />
und eine Beschreibung nur bis zur Dauergruppe 180–200 ms möglich,<br />
$#à<br />
dennoch sind in den abgebildeten Verläufen deutliche Muster zu erkennen.<br />
Wie bei keinem anderen Diphthong liegen die Anfangspunkte der weiblichen<br />
und männlichen Formantverläufe eng beeinander. Der F2-Verlauf<br />
bildet einen Bogen, der nach etwa einem Drittel der gesamten Abschnittsdauer<br />
seinen tiefsten Punkt erreicht. Je länger der Vokalabschnitt, desto<br />
tiefer ist der erreichte F2-Wert. Er liegt bei 1050 Hz für die weibliche<br />
Dauergruppe 180–200 ms und bei 870 Hz für den männlichen Vokal. Der<br />
F2-Hochpunkt wird ebenfalls mit zunehmender Dauer des diphthongalen<br />
Abschnitts extremer und erreicht 1850 Hz beim weiblichen und 1650 Hz<br />
beim $#à männlichen .<br />
Die Form der F1-Verläufe $#à für ist nahezu identisch mit der für die anderen<br />
beiden Diphthonge. Lediglich die Position des F1-Verlaufs im akustischen<br />
Raum läßt auf die geschlossenere Anfangslage des Diphthongs<br />
schließen. Bei $#à<br />
weiblichem fängt der Vokal zwischen 570 und 670 Hz<br />
an, erreicht in der Bogenspitze einen Höchstwert um etwa 730 Hz und hört<br />
bei zunehmender Dauer mit einem immer niedrigeren Wert auf: 620 Hz in<br />
der Gruppe 80–100 ms, 500 Hz in der Gruppe 180–200 ms. Bei männlichem<br />
fängt der Verlauf bei etwa 500 bis 530 Hz an und erreicht eine<br />
$à<br />
Bogenspitze von etwa 580 Hz. Der Endpunkt des Verlaufs ist ebenfalls von<br />
der Dauer abhängig, so daß für die Gruppe 80–100 ms ein Tief von 530 Hz
74 Deutsche Vokale - spontan und gelesen<br />
5 erreicht wird, bei der Gruppe 180–200 ms von 400 Hz.<br />
Obwohl Gay (1968) ein anderes Meß- und Beschreibungsschema verwendete<br />
und nicht zuletzt die Diphthonge einer anderen germanischen<br />
Sprache untersuchte, weisen seine Ergebnisse große Ähnlichkeiten mit<br />
dieser Beschreibung auf. Bei abnehmender Vokaldauer rücken die Extremwerte<br />
von F1 und F2 näher zusammen, so daß die qualitativen Anfangsund<br />
Endpunkte eines Diphthongs bei abnehmender Dauer zentraler werden.<br />
Der wichtigste Teil eines diphthongalen Vokalabschnitts scheinen jedoch<br />
die Formantbewegungen zu sein, die in allen Dauergruppen zu finden<br />
sind. Auf die Phasen der langsamen Bewegung am Anfang und Ende des<br />
Diphthongs (Gays “Onset steady state” und “Offset steady state”) wird<br />
bei abnehmender Dauer verzichtet. Je länger ein Diphthong wird, desto<br />
länger wird vor allem die Anfangsphase, nicht aber die Geschwindigkeit<br />
der Gleitbewegung, die sich in der etwa gleichbleibenden Geschwindigkeit<br />
von F2 widerspiegelt.<br />
Die Ergebnisse der hiesigen Studie sprechen jedoch gegen die Ergebnisse<br />
der auditiven Experimente von Bladon (1985). Anhand von drei Experimenten<br />
will Bladon aufzeigen, daß die Bewegung eines Diphthongs<br />
nicht unwichtig ist, jedoch eine geringfügigere Rolle spielt als das Erreichen<br />
von qualitativen Zielen am Anfang und am Ende des Diphthongs.<br />
In den ersten beiden Experimenten werden trainierten Phonetikern einzelne<br />
Diphthongstimuli vorgespielt. Die Stimuli werden aus isoliert und monoton<br />
gesprochenen Diphthongen hergestellt, an denen schrittweise das<br />
Ende (Experiment 1) bzw. der Anfang (Experiment 2) zurückgeschnittten<br />
wird, so daß die erreichte Qualität (Experiment 1) eines schließenden Diphthongs<br />
immer offener bzw. die Anfangsqualität (Experiment 2) immer<br />
geschlossener wird. In einem dritten Experiment werden den Probanden<br />
manipulierte Versionen von Diphthongen, eingebettet in Sätzen, vorgespielt.<br />
Den Stimuli (z.B. how) wurde entweder die Gleitphase entnommen,<br />
so daß der Diphthong aus einem harten Übergang von Anfangs- zu Endqualität<br />
bestand, oder Anfangs- und Endphasen wurden herausgeschnitten,<br />
so daß nur die Gleitphase übrigblieb. Die Ergebnisse aus den drei Experimenten<br />
lieferten für Bladon den klaren Beweis, daß die Endqualitäten und<br />
nicht die Gleitphase für die Erkennung eines Diphthongs ausschlaggebend<br />
sind. In den ersten beiden Experimenten haben die phonetisch trainierten<br />
Hörer jeweils eine immer offenere Endqualität bzw. immer geschlossenere
3.8 Akustische Ausprägung der Diphthonge 75<br />
6<br />
Anfangsqualität wahrgenommen. Auf Grund der Gleitphase, die in ihrer<br />
Richtung und Geschwindigkeit immer gleich blieb, haben sie aber nicht<br />
den ursprünglichen Diphthong gehört. Im dritten Experiment wurden die<br />
Diphthonge, deren Gleitphase ausgeschnitten wurde, stets richtig erkannt.<br />
Die Stimuli, die nur noch eine Gleitphase besaßen, wurden hingegen mit<br />
unterschiedlichen Fehlerraten erkannt.<br />
Bladons Experimente sowie die Schlüsse, die er aus den Ergebnissen<br />
zieht, sind jedoch nur bedingt vergleichbar mit akustischen Beschreibungen,<br />
die die Gleitphase und nicht die Anfangs- und Endqualitäten in den<br />
Vordergrund rücken. Das erste und zweite Experiment haben nur indirekt<br />
mit einer Sprache zu tun. Phonetiker als Versuchspersonen mußten ihr trainiertes<br />
Gehör bei der Erkennung von isolierten Vokalstimuli einsetzen. Die<br />
Äußerungen mögen eine qualitative Ähnlichkeit mit denen von diphthongalen<br />
Abschnitten besitzen, wie sie in bestimmten Umgebungen in Äußerungen<br />
des Englischen auftreten, aber sie wurden monoton und isoliert<br />
produziert und nach Manipulation isoliert vorgespielt. Im dritten Experiment<br />
wurden Teile aus den Diphthongen herausgenommen ohne zeitlich<br />
zu kompensieren, d.h. die Dauern der Stimuli lagen weit unter der Dauer<br />
von diphthongalen Abschnitten, die in dieser Umgebung vorgekommen<br />
wären. Was das Gehör und der Wahrnehmungsapparat allgemein mit solchen<br />
natürlich nicht auftretenden Stimuli macht, bleibt noch unklar, es<br />
ist aber durchaus denkbar, daß bei einem harten Formantübergang eine<br />
Gleitphase perzeptorisch wiederhergestellt wird ebenso wie die notwendige<br />
Zeitspanne, die zur Verfügung hätte stehen müssen, um diese Bewegung<br />
vollbringen zu können. Bei den Stimuli, die nur aus einer Gleitphase bestanden,<br />
ist diese zeitliche Wiedergutmachung nicht notwendig, und das<br />
Ergebnis der Wahrnehmung ist ein Vokal, der in seiner Form für den Kontext<br />
zu kurz und unvollständig bleibt, um den entsprechenden Diphthong<br />
zu identifizieren. Denn bei Gay und bei den Ergebnissen hier ist eine unzertrennliche<br />
Beziehung zwischen der Dauer und den verschiedenen Elementen<br />
der Formantverläufe zu erkennen. Bis zu einer bestimmten Dauer wird<br />
ein Diphthong allein durch eine Gleitbewegung charakterisiert. Erst bei zunehmender<br />
Dauer ist zuerst eine Anfangs- dann eine Endphase zu erkennen.<br />
Würden Elemente der Verläufe an dauermäßig unpassenden Stellen<br />
auftreten bzw. fehlen, so würden sie nicht mehr der erwarteten Form ent-
76 Deutsche Vokale - spontan und gelesen<br />
5 sprechen und in passend hergestellten Stimuli zu Fehlerkennungen führen,<br />
was noch experimentell zu verifizieren wäre.<br />
3.9 Beziehungen zwischen Vokalqualität und<br />
Geschlecht, Dauer, lautlichem Kontext sowie<br />
Stil<br />
Im vorigen Abschnitt wurden Vokalsysteme von Sprechergruppen und<br />
Korpora durch Mittelwerte der ersten und zweiten Formanten charakterisiert.<br />
Die qualitative Streuung um diese Mittelwerte hat jedoch nicht nur<br />
mit der stochastischen Variation, die wir aus einem solchen komplexen<br />
System wie dem Artikulationsapparat erwarten würden, zu tun.<br />
Die größten Unterschiede in den Formantwerten der gleichen Vokalkategorie<br />
sind in den Unterschieden zwischen weiblichen und männlichen<br />
Stimmen zu finden. Im Durchschnitt haben Frauen kürzere Ansatzrohre<br />
als Männer. Der akustischen Theorie folgend (Fant 1960) stehen die<br />
Formantwerte einer bestimmten Ansatzrohrkonfiguration in umgekehrtem<br />
Verhältnis zur Länge des Ansatzrohres: je länger das Rohr, desto tiefer<br />
liegen die Formanten. Aber dieses einfache akustische Verhältnis reicht<br />
nicht aus, um eine ganze Reihe von akustischen Unterschieden zwischen<br />
den Stimmen von Frauen und Männern zu bewältigen. Obwohl weibliche<br />
Formanten im Schnitt höher liegen als männliche, ist an mehreren Stellen<br />
beobachtet worden, daß weibliche Vokalsysteme sich im akustischen<br />
Raum weiter ausbreiten als ein einfacher Umrechnungsfaktor vorhersagen<br />
würde. Mögliche Gründe hierfür reichen vom soziophonetischen zum akustischen.<br />
Für mehrere Sprachen findet Henton (1995) größere akustische<br />
Vokalräume für Frauen als für Männer, Unterschiede, die für sie soziophonetisch<br />
zu begründen sind. Frauen als Hauptüberträgerinnen des Sprachguts<br />
sind bemüht deutlicher zu sprechen als Männer, was sich u.a. in einem<br />
größeren, distinktiveren Vokalraum niederschlägt. Der größere Vokalraum<br />
kann aber auch mit der durchschnittlich höherliegenden Grundfrequenz<br />
von weiblichen Stimmen zusammenhängen (Diehl et al. 1996). Das etwa<br />
eine Oktave höher liegende weibliche F0 hat zur Folge, daß die Obertöne<br />
erheblich weiter auseinanderliegen, was zu einer schlechteren Abtastung<br />
des Ansatzrohrfilters führt. Ein Weg, die daraus resultierende schwächere<br />
Vokaldifferenzierung zu kompensieren, sind Ansatzrohrkonfigurationen
3.9 Vokalqualität und Geschlecht, Dauer, Kontext sowie Stil 77<br />
7<br />
für Vokale, die weiter voneinander entfernt sind, was akustisch gesehen<br />
zum größeren Vokalraum führt.<br />
Gruppen- und sprecherinterne Unterschiede in Vokalqualität sind auf<br />
mehrere Faktoren zurückzuführen, die als kontextuell im weitesten Sinne<br />
zusammengefaßt werden können. Als Einflußgrößen sind zu nennen:<br />
Dauer (Lindblom 1963; Stevens und House 1963; Stevens, House<br />
8<br />
und Paul 1966; Lindblom und Moon 1988; Son und Pols 1990);<br />
unmittelbare konsonantische und vokalische Umgebung (Lindblom<br />
8<br />
1963; Stevens und House 1963; Stevens, House und Paul 1966;<br />
Öhman 1966);<br />
Äußerungskontext (Nord 1975, 1986; Lindblom und Moon 1988;<br />
8<br />
Moon und Lindblom 1994);<br />
Akzentuierung (Nord 1975, 1986; Nord 1986; Engstrand 1988;<br />
8<br />
Brownlee 1996);<br />
Sprechstil (Koopmans-van Beinum 1980; Lindblom und Moon<br />
8<br />
1988; Moon 1991; Moon und Lindblom 1994; Brownlee 1996).<br />
Das Bild wird noch umso komplexer, da verschiedene Untersuchungen<br />
zu scheinbar entgegengesetzten Ergebnissen kommen: Gay (1978) und<br />
Engstrand (1988) finden keine Beziehung zwischen Vokalqualität und Vokaldauer;<br />
Lindblom (1963) stellt keine direkte Beziehung zwischen Qualität<br />
und Akzentuierung fest, während andere Untersuchungen Beziehungen<br />
zwischen Dauer (z.B. Lindblom 1963; Son und Pols 1990) und Qualität<br />
oder Akzentuierung finden (z.B. Nord 1986; Engstrand 1988).<br />
Die Beziehung zwischen Vokalqualität, Dauer und der unmittelbaren<br />
lautlichen Umgebung läßt sich anhand von zwei früheren Studien (Lindblom<br />
1963; Stevens und House 1963) exemplarisch erläutern. In Lindblom<br />
(1963) wurden die beobachten Formantwerte eines Vokalabschnitts<br />
als Funktion seiner Dauer, der Zielwerte des Vokals sowie der Formantwerte<br />
der prä- und postvokalischen Konsonanten modelliert. Es wurden<br />
schwedische Logatome mit einer einfachen C9 VC: -Struktur gebildet, in<br />
der C9 und C: gleich waren. Diese wurden an verschiedenen Stellen in<br />
drei Trägersätzen plaziert. Die Versuchsperson wurde gebeten, einen der<br />
Sätze mit unterschiedlicher Akzentuierung zu produzieren, so daß in einem<br />
Fall der Satzakzent auf das Logatom fiel, im anderen Fall nicht. Dies
78 Deutsche Vokale - spontan und gelesen<br />
ergab insgesamt vier Sätze, die mehrmals von einer Versuchsperson gesprochen<br />
wurden.<br />
In einer Untersuchung zu Vokalqualität und konsonantischem Kontext<br />
3<br />
verwendeten Stevens und House (1963) ebenfalls Logatommaterial. Zweisilbige<br />
Wörter mit der ;>²=< C9 VC: Struktur sowie Einzelvokale wurden isoliert<br />
produziert.<br />
Eine Zusammenfassung der Ergebnisse von Lindblom (1963) und Stevens<br />
und House (1963) ergibt folgende Regelmäßigkeiten im Verhalten<br />
von vokalischen F1 und F2 in verschiedenen Dauer- und lautlichen Kontexten:<br />
Umgeben von Konsonanten weisen die F2-Werte verschiedener Vokale<br />
auf eine zentralere Lage<br />
8<br />
hin.<br />
Unterhalb eines bestimmten Wertes (375 Hz für Lindbloms Sprecher)<br />
weicht F1 kaum von seinem Zielwert<br />
8<br />
ab.<br />
Bei vorderen Vokalen verändert sich F2 am wenigsten im velaren,<br />
8<br />
am meisten im labialen und koronalen 21 Kontext.<br />
Veränderungen an F2 bei den hinteren gerundeten Vokalen sind am<br />
8<br />
kleinsten im labialen, am größten im koronalen Kontext.<br />
F2 weicht bei den gespannten Vokale (außer ) weniger vom Ziel ab<br />
8<br />
als bei den ungespannten.<br />
Zusätzlich zu den zeitlichen und lautlichen Faktoren zählen die Variablen<br />
Stil und Akzent. Insbesondere der Variable Stil 22 wurde in den<br />
letzten Jahren wachsendes Interesse zuteil. Einige dieser Studien (Moon<br />
und Lindblom 1994; Brownlee 1996; Lindblom, Brownlee und Lindgren<br />
1996) sind bemüht, dem H&H-Ansatz (Lindblom und Moon 1988;<br />
21 Koronal umfaßt die Frikative > , ? , @ und A , die Plosive B und C sowie die Affrikate BED , CGF .<br />
Stevens und House (1963) verwenden hierfür postdental.<br />
22 Stil ist in sprachlichen Untersuchungen ein Begriff mit vielen Bedeutungen. Insbesondere<br />
wird er sehr leichtfertig mit Sprechgeschwindigkeit gleichgesetzt. Hier wird er verwendet<br />
um bestimmte linguistische Aktivitäten zu beschreiben, wie Spontansprache, Lesesprache,<br />
Zitierformsprache, deutliche Sprache. Diese Benennungen sollen aber nicht direkt mit bestimmten<br />
phonetischen Eigenschaften verbunden werden, denn es ist klar, daß eine Person in<br />
einem Aufnahmestudio, die zum Lesen oder zum Deutlichsprechen aufgefordert wird, dieser<br />
Forderung je nach Übung und Hemmungen unterschiedlich nachkommen wird. Aber wir<br />
können erwarten, daß sich bestimmte phonetische Unterschiede in der Produktion von Sprechergruppen<br />
feststellen lassen, die an verschiedenen linguistischen Aktivitäten teilnehmen.
3.9 Vokalqualität und Geschlecht, Dauer, Kontext sowie Stil 79<br />
H<br />
Lindblom 1990) eine empirische Grundlage zu liefern. Lindbloms Hyper-<br />
Hypo-Dimension sieht eine enge Beziehung zwischen Sprachproduktion,<br />
Sprachwahrnehmung und kommunikativer Situation. Die Wahrnehmung<br />
des sprachlichen Inhalts einer Äußerung besteht aus einer Kombination<br />
von signalinhärenten und signalexternen Informationen. Je nach der Stelle<br />
in einer Äußerung und der gemeinsamen Wissensbasis, die die Teilnehmer<br />
an einem Gespräch besitzen, dürfen die signalinhärenten und signalexternen<br />
Anteile unterschiedliche Größen annehmen. Wie andere biomechanische<br />
Systeme fährt der Sprachproduktionsmechanismus mit möglichst<br />
geringem Energieaufwand. Konkret auf Vokalqualität im akustischen Bereich<br />
angewendet, erwartet H&H eine zunehmende spektrale Annäherung<br />
der Vokale aneinander, je größer der Anteil an signalexterner Information<br />
ist.<br />
Es gibt zwei grundsätzliche Probleme bei der H&H-Theorie. Erstens<br />
ist eine Quantifizierbarkeit der signalexternen Information sehr schwer,<br />
denn sie beschränkt sich nicht nur auf die unmittelbare kommunikative<br />
Situation, sondern ist wahrscheinlich für jedes Wort einer Äußerung neu<br />
zu bestimmen. Das zweite Problem ist, daß die signalinhärente Information<br />
nicht weiter herabgesetzt wird, als es tatsächlich an bestimmten Stellen<br />
in der kommunikativen Situation geschieht.<br />
Es ist jedoch möglich, das Quantifizierungsproblem auf die grobe<br />
Klassifikation des Stils zu beschränken. Bei solchen Stilen, in denen die<br />
signalexternen Informationen allgemein höher liegen (z.B. in einem spontanen<br />
Dialog zwischen zwei Bekannten), ist eine größere Einebnung der<br />
signalinhärenten Information zu erwarten, als in einem Stil, in dem die signalexterne<br />
Information viel niedriger liegt, wie z.B. beim Vorlesen von<br />
kontextlosen Sätzen.<br />
Das gelesene und spontansprachliche Material dieser Studie bietet einige<br />
Möglichkeiten, Beziehungen zwischen Vokalqualität, Geschlecht, Dauer<br />
und unmittelbarer konsonantischer Umgebung in einem interstilistischen<br />
Vergleich zu untersuchen. Wie schon an einigen Stellen erwähnt,<br />
können die untersuchten Daten nicht immer die gewünschten Daten für<br />
einen bestimmten Kontext in ausreichenden Mengen liefern, wie sie in einer<br />
Laboruntersuchung gezielt elizitiert werden können. So gibt es in der<br />
Untersuchung von Qualität und konsonantischer Umgebung in 3.9.3 einige<br />
Datenlücken, weil eine Vokalkategorie mit zu wenig oder gar keinen<br />
Tokens in einem bestimmten Kontext vertreten ist.
80 Deutsche Vokale - spontan und gelesen<br />
In 3.9.1 wird die Beziehung zwischen Vokalqualität und Dauer untersucht,<br />
in 3.9.2 die Unterschiede zwischen den weiblichen und männlichen<br />
Vokalräumen, in 3.9.3 die Beziehung zwischen Vokalqualität und konsonantischer<br />
Umgebung. Diese drei Untersuchungsbereiche werden aber<br />
ständig von den Faktoren Geschlecht und Stil (Spontan- oder Lesesprache)<br />
durchquert, so daß ein Gesamtbild über die verschiedenen Faktoren,<br />
die zu akustischen Unterschieden der Vokalqualität im Kiel Corpus führen,<br />
aufgebaut wird 23 .<br />
3.9.1 Vokalqualität und Dauer<br />
Um einer möglichen Beziehung zwischen Vokalqualität und Dauer in<br />
den gelesenen und spontansprachlichen Korpora nachzugehen, werden die<br />
fünf häufigsten Lang-Kurz-Vokalpaare (I6± /¯ , ä± /á , B± / , æ± /$ , ± /ã ) in Inhaltswörtern<br />
in ihren F1/F2-Werten untersucht. In Tabelle 3.4 wird die Beziehung<br />
zwischen den Dauern der einzelnen Vokalabschnitte und ihren F1-<br />
und F2-Werten durch die Berechnung eines Spearman-Rangkorrelationskoeffizienten,<br />
GJ , ausgedrückt. Die obere Hälfte von Tabelle 3.4 enthält die<br />
Ergebnisse für die spontansprachlichen Vokale, die untere für die gelesenen<br />
Vokale.<br />
Zuerst werden die spontansprachlichen Vokale behandelt. Dies hat<br />
zwei Gründe. Erstens, weisen die Korrelationen in den spontansprachlichen<br />
Daten einige systematische Beziehungen zwischen Dauer und Formantwerten<br />
auf. Zweitens, sind die Tendenzen trotz unterschiedlicher<br />
Gruppengrößen bei den weiblichen und männlichen Sprechern in den meisten<br />
Fällen die gleichen. Bei den gelesenen Daten hingegen finden sich<br />
nur einige der Regelmäßigkeiten aus den spontansprachlichen Daten wieder,<br />
trotz der größeren Ausgewogenheit des Materials, was die Aufteilung<br />
in Geschlechtergruppen sowie das Material, das gelesen wurde, betrifft.<br />
Vokaldauer und -qualität in der Spontansprache<br />
Bei den meisten Vokalen in der oberen Hälfte von Tabelle 3.4 gibt es eine<br />
signifikante Korrelation zwischen der Dauer und den Formantwerten.<br />
23 Die Beziehung zwischen Vokalqualität und Akzent wird hier nur indirekt behandelt, indem<br />
eine Trennung zwischen Funktions- und Inhaltswörtern gemacht wird. Das Kiel Corpus<br />
wird zwar zur Zeit prosodisch etikettiert, aber ein Großteil des Korpus enthält lediglich Information<br />
zur lexikalischen Akzentuierung, nicht jedoch zur Akzentuierung auf Satzebene.
3.9 Vokalqualität und Dauer 81<br />
Tabelle 3.4: Korrelation von Dauer und Formantwerten für fünf<br />
Lang/Kurzvokalpaare in Inhaltswörtern. Die Spalte J enthält Spearman<br />
Rangkorrelationskoeffizienten mit Angabe der Signifikanz KL<br />
M#N MOMP<br />
(***<br />
, ** MQM#P RKS<br />
M#N M#P<br />
, * MN MP RKS<br />
M#N MQT<br />
, ns KVU<br />
MN M!T<br />
). Bei einer<br />
negativen Korrelation sinken Formantwerte mit zunehmender Dauer, bei<br />
einer positiven Korrelation werden steigende Formantwerte mit steigenden<br />
Dauern assoziert. Werte in der oberen Tabellenhälfte sind aus Spont-<br />
MN<br />
ansprache, in der unteren Hälfte aus Lesesprache.<br />
w<br />
m<br />
504<br />
813<br />
-0.058<br />
-0.033<br />
ns<br />
ns<br />
w<br />
m<br />
958<br />
1492<br />
0.100<br />
0.098<br />
***<br />
***<br />
Kategorie<br />
w 504 0.181 *** w 958 0.223 ***<br />
m 813 0.280 *** m 1492 0.171 ***<br />
w 746 -0.120 *** w 860 0.183 ***<br />
m 959 -0.204 *** m 1107 0.183 ***<br />
w 746 0.531 *** w 860 0.283 ***<br />
m 959 0.520 *** m 1107 0.214 ***<br />
w 1256 0.440 *** w 1124 0.377 ***<br />
m 1733 0.380 *** m 1844 0.270 ***<br />
w 1256 -0.270 *** w 1124 0.019 ns<br />
m 1733 -0.335 *** m 1844 0.149 ***<br />
w 308 0.055 ns w 483 0.265 ***<br />
m 406 0.197 *** m 662 0.230 ***<br />
w 308 -0.418 *** w 483 0.025 ns<br />
m 406 -0.382 *** m 662 -0.106 **<br />
w 369 -0.038 ns w 304 0.198 ***<br />
m 452 -0.081 ns m 569 0.111 **<br />
w 369 -0.463 *** w 304 -0.306 ***<br />
m 452 -0.462 *** m 569 -0.379 ***<br />
w<br />
m<br />
264<br />
259<br />
-0.253<br />
-0.019<br />
***<br />
ns<br />
w<br />
m<br />
638<br />
643<br />
0.115<br />
0.235<br />
**<br />
***<br />
w 264 0.036 ns w 638 0.084 *<br />
m 259 0.254 *** m 643 0.128 **<br />
w 301 -0.244 *** w 452 0.103 *<br />
m 305 0.214 *** m 450 0.300 ***<br />
w 301 0.237 *** w 452 0.005 ns<br />
m 305 0.287 *** m 450 0.246 ***<br />
w 318 -0.048 ns w 610 0.140 ***<br />
m 316 0.203 *** m 611 0.383 ***<br />
w 318 -0.256 *** w 610 -0.153 ***<br />
m 316 -0.050 ns m 611 0.052 ns<br />
w 178 -0.045 ns w 132 0.103 ns<br />
m 179 0.177 * m 132 0.422 ***<br />
w 178 -0.465 *** w 132 -0.189 *<br />
m 179 -0.585 *** m 132 -0.336 ***<br />
w 188 0.040 ns w 177 0.113 ns<br />
m 182 0.097 ns m 183 0.315 ***<br />
w 188 -0.671 *** w 177 -0.264 ***<br />
m 182 -0.719 *** m 183 -0.370 ***
82 Deutsche Vokale - spontan und gelesen<br />
900<br />
800<br />
gih (j )<br />
700<br />
F1 [Hz]<br />
600<br />
500<br />
kih (l )<br />
400<br />
300<br />
0 100 200 300 400 500<br />
Dauer [ms]<br />
2500<br />
2300<br />
(a)<br />
2100<br />
m (n )<br />
F2 [Hz]<br />
1900<br />
1700<br />
1500<br />
1300<br />
1100<br />
oip (q )<br />
900<br />
700<br />
500<br />
0 50 100 150 200 250 300 350<br />
Dauer [ms]<br />
(b)<br />
Abbildung 3.12: Gleitende Mediane (siehe Text) der Formantwerte geplottet<br />
als Funktion der Dauer für (a) F1 von weiblichem B± und männlichem<br />
ä± und (b) F2 von weiblichem á und männlichem ± . Die negativen Korrelationen<br />
von Dauer und F1 in ä± sowie Dauer und F2 bei ± zeigen sich<br />
in fallenden Formantwerten bei steigender Dauer, die positiven Korrelationen<br />
von Dauer und F1 bei B± sowie Dauer und F2 bei á sind in den<br />
steigenden Formantwerten bei steigender Dauer zu erkennen. Die Werte in<br />
beiden Diagrammen stammen aus der Spontansprache.
3.9 Vokalqualität und Dauer 83<br />
r<br />
In den Fällen, in denen einen negativen Wert aufweist, besteht eine negative<br />
Korrelation, d.h. bei zunehmender Dauer der Vokalabschnitte nehmen<br />
die Formantwerte ab. Bei einer positiven Korrelation (positives )<br />
J<br />
steigen die Formantwerte bei ebenfalls steigender Dauer. Dies läßt sich<br />
in Abb. 3.12 graphisch nachvollziehen. Dargestellt werden gleitende J Mittelwerte<br />
24 von F1 B± für weibliches ä± und männliches (3.12a) sowie von<br />
F2 á für weibliches und ± männliches (3.12b) als Funktion der Dauer.<br />
Die negativen Korrelationen für F1 von ä± männlichem sowie für F2 von<br />
<br />
± männlichem lassen sich am sinkenden Formantwert bei zunehmender<br />
Abschnittsdauer erkennen. Die positiven Korrelationen von Dauer und F1<br />
bzw. F2 bei weiblichem á und sind in den steigenden Formantwerten B± bei<br />
zunehmender Dauer zu sehen.<br />
Trotz der hohen Signifikanz der Korrelationen sind die Koeffizientenwerte<br />
dennoch meist klein. Dies weist darauf hin, daß neben der Dauer<br />
noch andere Faktoren eine Beziehung mit der Vokalqualität haben (Son<br />
und Pols 1990). In der Mehrheit der Fälle läßt sich sowohl die Richtung<br />
(positiv oder negativ) als auch das Fehlen einer signifikanten Korrelation<br />
erklären. Wie schon aus der obigen Diskussion klar wurde, erwarten<br />
wir für die verschiedenen Vokalkategorien auf Grund der unterschiedlichen<br />
Ziele, die angepeilt werden, unterschiedliche Auswirkungen auf die<br />
akustischen Parameter F1 und F2.<br />
Eine allgemeine Tendenz ist die Verlagerung der Vokalqualität auf eine<br />
zentralere Position im akustischen Raum bei abnehmender Dauer. Bei<br />
den I6± geschlossenen Vokalen ± und drückt sich diese Tendenz lediglich<br />
in F2 aus. F1 bleibt unberührt, denn als geschlossene Vokale haben beide<br />
F1-Werte (siehe Abb. 3.6), die nur unwesentlich höher liegen als die der<br />
benachbarten Konsonanten. Die am Rande des akustischen Raumes liegenden<br />
F2-Werte werden bei den geschlossenen Vokalen nicht erreicht. Bei<br />
abnehmender Dauer wird die vordere I6± Enge für nicht erreicht, F2 nimmt<br />
ab. ± Bei wird F2 mit abnehmender Dauer größer. Hier wird die notwendige<br />
Länge des Hohlraumes zwischen der dorso-velaren Enge und dem<br />
Mundausgang nicht erreicht. Wie schon auf S. 61 besprochen, kann ein<br />
höher liegender F2 bei gerundeten Vokalen zwei artikulatorische Gründe<br />
haben: (i) vorgezogene dorso-velare Vokalenge; (ii) unterschiedliche oder<br />
24 Die gleitenden Mittelwerte wurden wie folgt berechnet. Die Beobachtungen wurden nach<br />
der Variable Dauer aufsteigend sortiert. Ab der 15. Beobachtung wurde aus den 15 vorhergehenden<br />
und 15 nachfolgenden Formantwerten ein Median gebildet. Ein solcher Mittelwert<br />
wurde alle 5 Beobachtungen berechnet.
84 Deutsche Vokale - spontan und gelesen<br />
in<br />
s<br />
diesem Fall nicht erreichte Lippenrundung. Es kann hier nur vermutet<br />
werden, daß die Rundung nicht für die hohen F2-Werte verantwortlich ist,<br />
denn Rundung eines Vokalabschnitts erstreckt sich meist über prä- und<br />
postvokalisches Material, hat somit genügend Zeit sich aufzubauen, und<br />
die Lippen können unabhängig von der Zunge agieren 25 .<br />
Bei den restlichen Vokalkategorien, deren Zielqualität nicht geschlossen<br />
ist, besteht, außer ä± bei (siehe unten), eine positive Korrelation zwischen<br />
Dauer und F1, d.h. bei zunehmender Dauer steigt F1, was artikulatorisch<br />
auf eine immer offenere Zungenlage schließen läßt. Bei den nichtoffenen<br />
Vokalen ist die gleiche Tendenz in F2 zu einer zentralen Lage zu<br />
verzeichnen, wie bei den geschlossenen Vokalen, d.h. die hinteren Vokale<br />
, ã und $ zeigen negative Korrelationen, die vorderen ä± , ¯ und á positive<br />
æb±<br />
Korrelationen zwischen Dauer und F2.<br />
Bei dem offenen /B± Kurz-Lang-Paar gehen die Korrelationen in entgegengesetzten<br />
Richtungen. Bei sind Dauer und F2, zumindest in der<br />
männlichen Gruppe, positiv korreliert, während B± für in beiden Gruppen<br />
eine negative Korrelation herrscht. Diese Unterschiede sind insofern interessant,<br />
als die Mediane der F1 und F2-Werte für B± und zu einer nahezu<br />
identischen qualitativen Plazierung im akustischen Raum der spontansprachlichen<br />
Daten führen (siehe Abb. 3.6).<br />
Problematisch bleibt die negative Korrelation von Dauer und F1 beim<br />
ä± Vokal im Gegensatz zu den anderen halbgeschlossenen Vokalkategorien<br />
, æ± und ã , bei denen Dauer und F1 positiv korreliert sind.<br />
¯<br />
Vokaldauer und -qualität in der Lesesprache<br />
In der unteren Hälfte von Tabelle 3.4 finden sich die Korrelationsergebnisse<br />
für die gelesenen Daten. Obwohl die gelesenen Vokale, im Gegensatz zu<br />
den spontansprachlichen Vokalen, gleichmäßig über die Geschlechtergruppen<br />
und Korpora verteilt sind, ist das Bild der eventuellen Beziehungen<br />
zwischen Dauer und Vokalqualität unklarer. Bei bestimmten Kategorien<br />
finden sich signifikante Korrelationen für die weiblichen und männlichen<br />
Vokale, die den spontansprachlichen Daten ähnlich sind:<br />
Die hinteren gerundeten Vokale ± , ã , æ± und $ weisen bei den weiblichen<br />
und männlichen Daten alle eine negative Korrelation<br />
8<br />
zwischen<br />
25 Stevens und House (1963) sind anderer Meinung und machen unerreichte Lippenrundung<br />
für den höheren F2 verantwortlich.
3.9 Vokalqualität und Dauer 85<br />
Dauer und F2 auf.<br />
Die Korrelationen zwischen Dauer und F1 in der männlichen Gruppe<br />
sind auch denen der spontansprachlichen Daten ähnlich. Bei den<br />
8<br />
und ± ist keine Korrelation vorhanden, bei den restlichen<br />
nicht geschlossenen Kategorien ist die Dauer positiv mit F1<br />
geschlossenenI6±<br />
korreliert.<br />
Bei einigen Vokalkategorien bestehen jedoch Unterschiede zwischen<br />
den weiblichen und männlichen Daten, was das Vorhandsein einer signfikanten<br />
Korrelation zwischen Dauer und F1 oder F2 betrifft. Bei F1 von I6± ,<br />
B± , æb± , $ und ã sowie bei F2 von I6± , B± , á und ist in einer Geschlechtergruppe<br />
eine signifikante Korrelation vorhanden, in der anderen nicht. So findet<br />
sich z.B. beim weiblichen gelesenen B± eine signifikante positive Korrelation<br />
von Dauer und F2, beim männlichen B± nicht.<br />
Diese Unterschiede zwischen den Sprechergruppen und Korpora weisen<br />
einerseits auf unterschiedliches Verhalten in den unterschiedlichen linguistischen<br />
Aktivitäten, andererseits auf unterschiedliches Verhalten zwischen<br />
den weiblichen und männlichen Sprechergruppen bei der Ausübung<br />
der jeweiligen Aktivität. Ein Vergleich einiger Dauerparameter für die beiden<br />
Korpora in Tabellen 3.5 und 3.6 unterstützt diese Vermutung.<br />
Tabelle 3.5 enthält eine detaillierte Aufstellung der durchschnittlichen<br />
Dauern der zehn untersuchten Vokalkategorien, getrennt nach Korpus und<br />
Geschlecht. Es gibt systematische, hochsignifikante 26 Unterschiede zwischen<br />
den Dauern der Sprechergruppen und den Korpora. Erstens liegen<br />
die durchschnittlichen Dauern aller männlichen Vokalkategorien in<br />
Spontan- und Lesesprache tiefer als die der Frauen: ca. 11% kürzer in<br />
Spontan- und und Lesesprache. Zweitens, die Dauer-Mediane aller spontansprachlichen<br />
Vokalkategorien liegen tiefer als die der Lesesprache: ca.<br />
15% bei den weiblichen und 16% bei den männlichen Vokalen. Sämtliche<br />
Unterschiede zwischen den einzelnen Vokalkategorien sind in einer Richtung,<br />
d.h. die durchschnittlichen Dauern aller weiblichen Vokalkategorien<br />
sind größer als die der Männer.<br />
Tabelle 3.6 versucht, durch die Ermittlung anderer Dauerwerte, die<br />
unterschiedlichen Vokaldauern in Inhaltswörtern in Relation zu anderen<br />
zeitlichen Aspekten zu stellen. Dies hat interessante Folgen. Die Werte<br />
in Tabelle 3.6 enthalten die durchschnittlichen Dauern der Silben (t ) so-<br />
26 Alle Unterschiede wurden mit einem U-Test überprüft.
{<br />
w<br />
w<br />
86 Deutsche Vokale - spontan und gelesen<br />
Tabelle 3.5: Mediane (u v<br />
) in Millisekunden der Dauer der zehn Vokalkategorien<br />
aus Spontansprache (links) und Lesesprache (rechts). Alle Werte<br />
sind aus Inhaltswörtern. Die Anzahl der Beobachtungen pro Median sind<br />
in Klammern. Der U-Test ergibt hohe Signifikanz für alle Dauerunterschiede<br />
zwischen männlichen und weiblichen Vokalen der gleichen Kategorie.<br />
Spontansprache<br />
Lesesprache<br />
weiblich männlich weiblich männlich<br />
z|{<br />
}<br />
70 (504) 60 (813) 81 (264) 73 (259)<br />
50 (958) 46 (1492) 62 (638) 57 (643)<br />
u v<br />
xw<br />
u v<br />
xw<br />
u v<br />
xw<br />
u v<br />
yw<br />
{ ~<br />
<br />
87 (746) 75 (959) 109 (301) 92 (305)<br />
78 (860) 67 (1107) 85 (452) 78 (450)<br />
{ €<br />
€<br />
105 (1256) 96 (1733) 148 (318) 133 (316)<br />
79 (1124) 70 (1844) 86 (610) 79 (611)<br />
‚<br />
91 (308) 82 (406) 127 (178) 113 (179)<br />
75 (483) 68 (662) 83 (132) 70 (132)<br />
{ ƒ<br />
„<br />
83 (369) 77 (452) 85 (188) 80 (182)<br />
60 (304) 50 (569) 69 (177) 63 (183)<br />
Tabelle 3.6: Durchschnittliche Dauern in Millisekunden von Silben (t ),<br />
vokalischen (… ) und nichtvokalischen ( w … ) Elementen in Funktions- († )<br />
und Inhaltswörtern (‡ ) für Spontan- und Lesesprache.<br />
Gruppe tˆ tŠ‰<br />
spontan w 163 208 59 63 74 96<br />
spontan m 154 190 57 61 70 85<br />
gelesen w 158 227 52 63 71 102<br />
gelesen m 144 207 49 60 65 91<br />
…‹ˆ<br />
…‹‰ …‹ˆ …‹‰<br />
wie der vokalischen (… ) und nichtvokalischen ( w … ) Elemente getrennt nach<br />
Funktions- († ) und Inhaltswörtern (‡ ) sowie nach Geschlecht (w/m) und<br />
Korpus (spontan/gelesen). Alle Werte sind in Millisekunden. Die Dauern<br />
wurden lediglich aus Analysen der Wörter berechnet, andere Äußerungselemente,<br />
wie etwa Pausen, Atmung, usw., wurden nicht berücksichtigt.<br />
Die Silbenzahl eines Wortes wurde nach der Anzahl der Vokale in der ka-
3.9 Vokalqualität und Dauer 87<br />
nonischen 4 Transkription ermittelt, d.h. auch solche Silben wurden gezählt,<br />
in denen der Vokal während der Etikettierung als getilgt markiert wurde.<br />
Aus der Gesamtdauer der untersuchten Wörter geteilt durch die Gesamtzahl<br />
der Silben ergibt sich eine durchschnittliche Silbendauer. Um durchschnittliche<br />
Lautdauern zu erhalten, wurden die Gesamtdauern aller vokalischen<br />
und nichtvokalischen Elemente, die eine von Null verschiedene<br />
Dauer haben, aufsummiert und durch ihre jeweilige Gesamtzahl geteilt.<br />
Für eine detaillierte Untersuchung von Tempo sind die ermittelten Zahlen<br />
in Tabelle 3.6 viel zu grob, aber im Hinblick auf die Vokaldauer sind sie<br />
sehr aufschlußreich.<br />
Obwohl im Gegensatz zu Tabelle 3.5 sämtliche Vokalkategorien in<br />
die Durchschnittsbildung von Tabelle 3.6 eingingen, sind die Unterschiede,<br />
was die Inhaltswörter betrifft, zwischen den weiblichen und männlichen<br />
Dauern gleich geblieben, d.h. die männlichen Vokaldauern sind etwa<br />
11% kürzer als die weiblichen. Die Unterschiede zwischen den Korpora<br />
sind zwar kleiner geworden, aber die Verhältnisse sind gleich geblieben:<br />
die weiblichen und männlichen spontansprachlichen Vokale sind etwa 6%<br />
kürzer als die der Lesesprache. Interessant ist jedoch, daß die Verhältnisse<br />
sich nicht auf die restlichen Dauern projizieren lassen. Sämtliche weiblichen<br />
Dauern im jeweiligen Korpus sind größer als die entsprechenden<br />
männlichen Dauern, aber die Unterschiede sind teilweise sehr klein und die<br />
interkorporalen Unterschiede gehen manchmal in entgegengesetzte Richtung.<br />
Die männlichen Vokale der spontansprachlichen Funktionswörter sind<br />
etwa 5%, die der Lesesprache etwa 8% kürzer als die weiblichen, aber für<br />
beide Gruppen sind die Vokale der Funktionswörter jeweils länger als die<br />
der Lesesprache. Dies gilt ebenfalls für die durchschnittlichen Dauern der<br />
nichtvokalischen Elemente in den Funktionswörtern, die spontansprachlich<br />
länger sind als die der Lesesprache. Die Dauern der nichtvokalischen<br />
Elemente der Inhaltswörter bleiben für die jeweilige Sprechergruppe über<br />
beide Korpora etwa gleich, die männlichen Dauern etwas kürzer als die<br />
weiblichen. Die Verhältnisse finden sich in den durchschnittlichen Silbendauern<br />
wieder. Sämtliche männlichen Dauern sind kürzer als die weiblichen,<br />
die Funktionswortsilben der Spontansprache sind im Schnitt länger<br />
als die der Lesesprache, während sich für die Inhaltswörter das Verhaltnis<br />
umkehrt. Die Unterschiede zwischen männlichen und weiblichen Silbendauern<br />
von Inhaltswörtern liegen bei etwa 8,5% für beide Korpora, was aus<br />
den kleineren Unterschieden zwischen den Dauern der nichtvokalischen
88 Deutsche Vokale - spontan und gelesen<br />
<br />
Elemente zu erwarten ist.<br />
Die längeren durchschnittlichen Dauern der Funktionswörter in Spontansprache<br />
lassen sich relativ leicht erklären. Im gelesenen Material sind<br />
die Funktionswörter in der großen Mehrheit der Fälle nicht akzentuiert<br />
und somit rhythmisch und zeitlich unterdrückt. In den spontansprachlichen<br />
Daten werden gerade die Funktionswörter oft als “Häsitationsstellen” verwendet,<br />
eine Funktion, die u.a. durch Längung der konsonantischen und<br />
vokalischen Abschnitte erfüllt wird, und Funktionswörter treten nicht selten<br />
an akzentuierten Stellen auf, die auch mit längeren Dauern verbunden<br />
sind.<br />
Die Unterschiede zwischen den beiden Sprechergruppen und den beiden<br />
Korpora in Tabelle 3.5 zeigen einerseits, daß die Dauerunterschiede<br />
in Tabelle 3.6 ein Teil einer Reihe systematischer Dauerunterschiede sind.<br />
Andererseits ist es klar, daß die Unterschiede zwischen den weiblichen<br />
und männlichen Vokaldauern nicht auf eine allgemeine Veränderung der<br />
Sprechgeschwindigkeit zurückzuführen sind, denn die Dauer des nichtvokalischen<br />
Materials in Inhaltswörtern bleibt über beide Gruppen und Korpora<br />
etwa gleich. Wenn die erhöhten Dauern der weiblichen Vokale in Inhaltswörtern<br />
auf ein phonetisch explizites Verhalten hindeutet, so scheint<br />
dieses selektiv vorzugehen. Es wird allgemein mehr Zeit aufgewendet, jedoch<br />
wird dieser Mehraufwand unverhältnismäßig auf die Artikulation von<br />
Inhaltswörtern, insbesonders auf den Silbenkern und nicht den Silbenrandbereich<br />
konzentriert. Die zusätzliche Dauer mag zweifaches leisten, was<br />
beides zu den phonetischen Korrelaten einer deutlicheren Artikulationsweise<br />
führen kann:<br />
1. Die Zielenge einer vokalischen Artikulation wird ohne Undershoot<br />
erreicht.<br />
2. Die Zielengen der Vokale werden artikulatorisch und akustisch weiter<br />
auseinander gelegt, wodurch eine größere vokalische Distinktivität<br />
erreicht wird.<br />
Fehlende Korrelationen zwischen Dauer und F1 oder F2 in den weiblichen<br />
Lesedaten sprechen für 1. Um 2. nachzugehen, werden im nächsten<br />
Abschnitt die akustischen Vokalräume der Frauen und Männer miteinander<br />
verglichen.
3.9 Vokalräume, Geschlecht und Korpus 89<br />
Œ<br />
3.9.2<br />
Vokalräume, Geschlecht und Korpus<br />
Soziophonetische und soziophonologische Unterschiede im Sprachverhalten<br />
von Frauen und Männern bei der Ausübung der gleichen linguistischen<br />
Aktivität sind hinreichend dokumentiert, z.B. Trudgill (1974), Macaulay<br />
(1978), Romaine (1978), Local (1982) und Milroy und Milroy (1985),<br />
um nur ein paar Beispiele für verschiedene Arten des Britischen Englisch<br />
zu nennen. Ob die Unterschiede in weiblichen und männlichen Vokalräumen,<br />
die Henton (1995) in sieben Sprachen gefunden hat, allein<br />
einen soziophonetischen Hintergrund haben, ist jedoch nicht so eindeutig,<br />
wie Henton behauptet. Wie schon auf S. 76 beschrieben wurde, sind<br />
Gründe für phonetische Unterschiede zwischen weiblichen und männlichen<br />
Stimmen nicht immer im unterschiedlichen Sozialverhalten der Geschlechtergruppen<br />
zu finden. Neben den aufgeführten Folgen eines höheren<br />
F0 (Diehl et al. 1996) sind auch unterschiedliche Verhältnisse von<br />
Rachen- zu Mundraumlänge zu nennen (Fant 1966), die zu nicht einheitlichen<br />
Beziehungen zwischen den verschiedenen männlichen und weiblichen<br />
Vokalkategorien führen können.<br />
In diesem Abschnitt werden die weiblichen und männlichen Vokalräume<br />
verglichen und ein weiterer, biomechanischer, Grund für<br />
Vokalraum-Unterschiede vorgestellt, die sowohl im gelesenen als auch im<br />
spontansprachlichen Teil des Kiel Corpus zu finden sind.<br />
In Abb. 3.13 werden weibliche (Normalschrift) und männliche (umrissen)<br />
Vokalräume aus Spontan- (Abb. 3.13a) und Lesesprache (Abb 3.13b)<br />
miteinander verglichen. Der jeweilige Vokalraum wird durch die F1- und<br />
F2-Mediane der Randvokale Í ± , ä± , á , B± , $ , æ± und ± definiert. Um die Vokalräume<br />
von Männern und Frauen optisch besser vergleichen zu können,<br />
wurde eine einfache Normalisierung durchgeführt. Mit Beibehaltung seiner<br />
Dimensionen wird der männliche Vokalraum verschoben, so daß ± die<br />
Position des weiblichen ± einnimmt. Somit bildet ± einen Ankerpunkt<br />
für beide Vokalräume. Der Vokal ± wurde genommen, weil die Entfernung<br />
zwischen den absoluten Positionen des weiblichen und männlichen<br />
<br />
± von allen Vokalen am kürzesten ist, was in anderen Sprachen ebenfalls<br />
gefunden wurde (z.B. Fant 1975). Eine Verschiebung eines Vokalsystems,<br />
so daß das ± dieselbe Position im Vokalraum einnimmt, bietet eine einfache<br />
Normalisierung, die einen Vergleich sowohl der Vokalraumgrößen<br />
als auch der Unterschiede in den absoluten Entfernungen zwischen den<br />
restlichen Vokalkategorien erlaubt.
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
û<br />
û<br />
ò<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
ò<br />
¢<br />
¢<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
ï<br />
ï<br />
¡<br />
¡<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
90 Deutsche Vokale - spontan und gelesen<br />
250<br />
300<br />
350<br />
400<br />
450<br />
F1 500<br />
[Hz] 550<br />
600<br />
650<br />
700<br />
750<br />
800<br />
850<br />
900<br />
250<br />
300<br />
350<br />
400<br />
450<br />
F1 500<br />
[Hz] 550<br />
600<br />
650<br />
700<br />
750<br />
800<br />
850<br />
900<br />
15<br />
14<br />
13<br />
12<br />
F2 [Bark]<br />
11 10<br />
éké8énékénékékénékénékékénékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékéné<br />
ð í<br />
ìÉí<br />
¨ û<br />
ú û<br />
éké8énékénékékénékénékékénékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékéné<br />
ø í<br />
ó í¥ û<br />
éké8énékénékékénékénékékénékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékéné<br />
ý û<br />
éké8énékénékékénékénékékénékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékéné<br />
ê í<br />
éké8énékénékékénékénékékénékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékéné<br />
éké8énékénékékénékénékékénékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékéné<br />
2500 2000 1750 1500 1250 1000 750 600<br />
15<br />
14<br />
13<br />
12<br />
F2 [Hz]<br />
(a)<br />
F2 [Bark]<br />
11 10<br />
ð í éké8énékénékékénékénékékénékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékéné<br />
ìÉí<br />
í<br />
ú û<br />
û ¨ ø éké8énékénékékénékénékékénékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékéné<br />
ó í ¥ û<br />
éké8énékénékékénékénékékénékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékéné<br />
éké8énékénékékénékénékékénékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékéné<br />
ý û<br />
í ê éké8énékénékékénékénékékénékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékéné<br />
éké8énékénékékénékénékékénékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékéné<br />
2500 2000 1750 1500 1250 1000 750 600<br />
F2 [Hz]<br />
(b)<br />
9<br />
9<br />
8<br />
8<br />
7<br />
7<br />
6<br />
6<br />
5<br />
2<br />
3<br />
4<br />
5 F1<br />
[Bark]<br />
6<br />
7<br />
8<br />
5<br />
2<br />
3<br />
4<br />
5 F1<br />
[Bark]<br />
Abbildung 3.13: Vergleich der weiblichen (normal) und männlichen (umrissen)<br />
Vokalräume in (a) Spontan- und (b) Lesesprache. Der Vergleich<br />
der Vokalräume wird durch eine einfache Normalisierung erleichtert: das<br />
männliche System wird so verschoben, daß männliches und weibliches ±<br />
die gleichen Koordinaten haben. Alle Vokale sind aus Inhaltswörtern.<br />
6<br />
7<br />
8
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
û<br />
ò¢<br />
û<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
¢<br />
ò<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
ï<br />
¡<br />
¡<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
ï<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
3.9 Vokalräume, Geschlecht und Korpus 91<br />
250<br />
300<br />
350<br />
400<br />
450<br />
F1 500<br />
[Hz] 550<br />
600<br />
650<br />
700<br />
750<br />
800<br />
850<br />
900<br />
250<br />
300<br />
350<br />
400<br />
450<br />
F1 500<br />
[Hz] 550<br />
600<br />
650<br />
700<br />
750<br />
800<br />
850<br />
900<br />
15<br />
14<br />
13<br />
12<br />
F2 [Bark]<br />
11 10<br />
é8énékénékékénékénékékénékéné8ékénékékénékénékékénékénéké8énékékénékénékékénékénékékéné8ékénékénéké<br />
ð í<br />
û ú<br />
é8énékénékékénékénékékénékéné8ékénékékénékénékékénékénéké8énékékénékénékékénékénékékéné8ékénékénéké<br />
¨ û<br />
¥ û<br />
ø í<br />
ó í<br />
é8énékénékékénékénékékénékéné8ékénékékénékénékékénékénéké8énékékénékénékékénékénékékéné8ékénékénéké<br />
é8énékénékékénékénékékénékéné8ékénékékénékénékékénékénéké8énékékénékénékékénékénékékéné8ékénékénéké<br />
ý û ê í<br />
é8énékénékékénékénékékénékéné8ékénékékénékénékékénékénéké8énékékénékénékékénékénékékéné8ékénékénéké<br />
é8énékénékékénékénékékénékéné8ékénékékénékénékékénékénéké8énékékénékénékékénékénékékéné8ékénékénéké<br />
2500 2000 1750 1500 1250 1000 750 600<br />
15<br />
14<br />
13<br />
12<br />
F2 [Hz]<br />
(a)<br />
F2 [Bark]<br />
11 10<br />
é8énékénékékénékénékékénékéné8ékénékékénékénékékénékénéké8énékékénékénékékénékénékékéné8ékénékénéké<br />
úüû<br />
ð í<br />
ø í<br />
ìüí<br />
û ¨<br />
é8énékénékékénékénékékénékéné8ékénékékénékénékékénékénéké8énékékénékénékékénékénékékéné8ékénékénéké ¥ û<br />
ó í<br />
é8énékénékékénékénékékénékéné8ékénékékénékénékékénékénéké8énékékénékénékékénékénékékéné8ékénékénéké<br />
ê í<br />
û ý é8énékénékékénékénékékénékéné8ékénékékénékénékékénékénéké8énékékénékénékékénékénékékéné8ékénékénéké<br />
é8énékénékékénékénékékénékéné8ékénékékénékénékékénékénéké8énékékénékénékékénékénékékéné8ékénékénéké<br />
é8énékénékékénékénékékénékéné8ékénékékénékénékékénékénéké8énékékénékénékékénékénékékéné8ékénékénéké<br />
2500 2000 1750 1500 1250 1000 750 600<br />
F2 [Hz]<br />
(b)<br />
9<br />
ìüí<br />
9<br />
8<br />
8<br />
7<br />
7<br />
6<br />
6<br />
5<br />
2<br />
3<br />
4<br />
5 F1<br />
[Bark]<br />
6<br />
7<br />
8<br />
5<br />
2<br />
3<br />
4<br />
5 F1<br />
[Bark]<br />
Abbildung 3.14: Vergleich der spontan- (Normalschrift) und lesesprachlichen<br />
(umrissen) Vokalräume für (a) Frauen und (b) Männer. Alle Vokale<br />
sind aus Inhaltswörtern. Es wurde keine Normalisierung vorgenommen.<br />
6<br />
7<br />
8
92 Deutsche Vokale - spontan und gelesen<br />
Aus der einfachen Normalisierung des männlichen Vokalraumes werden<br />
deutliche Unterschiede in der räumlichen Ausbreitung der weiblichen<br />
und männlichen Systeme sowie Abweichungen in den Unterschieden zwischen<br />
den Vokalräumen für Spontan- und Lesesprache klar. Die Position<br />
des hinteren Vokals æ± steht in etwa im gleichen Vehältnis zum ± für<br />
die männlichen und weiblichen Räume. Bei allen anderen Vokalen breiten<br />
sich in beiden Korpora die weiblichen Systeme sowohl in der F1- als<br />
auch in der F2-Dimension weiter im akustischen Raum aus als die männlichen<br />
Systeme. Im gelesenen Korpus laufen die Linien von I6± nach B± über<br />
ä± und á fast parallel zueinander. Im spontansprachlichen Korpus ist der<br />
Unterschied jedoch komplizierter, denn der Abstand zwischen den weiblichen<br />
und männlichen Vokalen wächst mit zunehmendem Öffnungsgrad,<br />
d.h. während Í ± und ä± in Abb. 3.13a jeweils gleich weit auseinander liegen,<br />
wachsen die Abstände für á und B± . Dies bestätigt nicht nur Unterschiede<br />
zwischen dem weiblichen und männlichen Verhalten, sondern auch unterschiedliches<br />
Verhalten der Sprechergruppen in verschiedenen linguistischen<br />
Aktivitäten.<br />
Der Unterschied zwischen den Korpora wird in Abb. 3.14 deutlich gemacht.<br />
Hier werden die Vokalräume der Frauen (a) und Männer (b) aus den<br />
spontanen (normal) und gelesenen Korpora miteinander verglichen. Die<br />
verwendeten Werte sind die gleichen wie aus Abb. 3.13, es wurde aber in<br />
beiden Fällen keine Normalisierung vorgenommen. Ähnlich sind sich die<br />
weiblichen und männlichen Räume, was die Position der geschlossenen<br />
und halbgeschlossen Vokale I6± , ä± , æ± und ± betrifft: die spontansprachlichen<br />
Vokale sind bei beiden Sprechergruppen geringfügig offener, und<br />
die hinteren Vokale æ± und ± sind weiter vorn. Während die weiblichen<br />
Räume sonst etwa die gleiche Ausbreitung aufweisen, ist der männlichen<br />
Vokalraum des spontanen Korpus durch die Position des Vokals B± 27 in der<br />
F1-Dimension kleiner als der des gelesenen Korpus.<br />
Der zweite auf S. 88 gegebene Grund für die längeren Dauern der<br />
weiblichen Vokalabschnitte in Inhaltswörtern scheint sich durch den Vergleich<br />
der Vokalräume zu bestätigen: der durchschnittliche weibliche Vokalraum<br />
weist durch die größeren Abstände zwischen den einzelnen Vokalkategorien<br />
größere Distinktivität auf als ein durchschnittliches männliches<br />
System. Die höhere Vokaldauer ermöglicht das Erreichen der entfernteren<br />
Zielpositionen. Allerdings könnten durchschnittliche Dimensionsun-<br />
27 Wie aus Abb. 3.6b auf S. 60 ersichtlich ist, trifft dieses auch auf den Kurzvokal c zu.
z<br />
3.9 Vokalräume, Geschlecht und Korpus 93<br />
terschiede zwischen weiblichen und männlichen Ansatzrohren das Erreichen<br />
von entfernteren akustischen Vokalzielen noch weiter unterstützen.<br />
Aus der Tatsache, daß Frauen im Schnitt ein kleineres Ansatzrohr haben<br />
als Männer, folgt, daß gewisse artikulatorische Wege, die zu bestimmten<br />
auditiven Produkten führen, auch im Schnitt kürzer sind. Wenn man annimmt<br />
– und hier bleibt eine Verifikation u.a. durch artikulatorische Daten<br />
noch aus – daß die durchschnittlichen artikulatorischen Geschwindigkeiten<br />
für Männer und Frauen gleich sind, so kann eine Frau den Weg vom<br />
Ž<br />
geschlossenen zum Ž ‘ offenen in einer kürzeren Zeit überwinden als ein<br />
Mann, bzw. eine Frau kann bei gleicher oder gar größerer Vokaldauer ein<br />
entfernteres artikulatorisches Ziel erreichen.<br />
Die biomechanische Erklärung allein reicht jedoch nicht aus, um die<br />
beobachteten Unterschiede zwischen weiblichen und männlichen Vokalen<br />
zu bewältigen. Nach diesen Überlegungen müßten Frauen bei gleicher<br />
Vokaldauer einen größeren Vokalraum abstecken können, sie wenden<br />
aber mehr Zeit auf, und das gerade bei den Vokalen in Inhaltswörtern.<br />
Dies spricht wieder für unterschiedliches soziophonetisches Verhalten, d.h.<br />
Frauen sind in Ausübung der gleichen linguistischen Aktivität bemüht,<br />
deutlicher zu artikulieren, was sich u.a. in der erhöhten Distinktivität eines<br />
breiter abgesteckten Vokalraums sowie in längeren Vokaldauern niederschlägt.<br />
Konsequenzen haben die biomechanischen Überlegungen auch für<br />
Versuche, Transformationen zwischen weiblichen und männlichen Vokalen<br />
aufzustellen. Sowohl Fant (1966, 1975) als auch Bladon, Henton und<br />
Pickering (1983) und Henton (1995) müssen den nicht-uniformen Charakter<br />
der Transformationen zwischen den unterschiedlichen Vokalkategorien<br />
bewältigen, denn der akustische Abstand zwischen weiblichen und<br />
männlichen Vokalkategorien ist nicht mit einem konstanten Faktor für jeden<br />
Formanten zu erschlagen. Aus Abb. 3.15, in der die weiblichen (normal)<br />
und männlichen (umrissen) Lesedaten ohne Normalisierung verglichen<br />
werden, variieren die notwendigen Transformationen von männlichen<br />
zu weiblichen F1-Werten von etwa 10% I6± für bis 16% ä± für und<br />
von männlichen zu weiblichen F2-Werten von etwa 3% æ± für und ±<br />
bis 10% für ä± . Transformationen für schwedische und englische Vokale<br />
weisen ähnliche Unterschiede auf. Fant errechnet daher für jeden Vokal<br />
<br />
und Formanten einen Transformationsfaktor. Bladon, Henton und Pickering<br />
(1983) nehmen einen Unterschied von Frau zu Mann von einem Bark<br />
an und führen sämtliche Unterschiede, die ober- oder unterhalb von ei-
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
û<br />
ò<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
¢<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
ï<br />
¡<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
éééééééééééééééééééééééééééééé<br />
94 Deutsche Vokale - spontan und gelesen<br />
250<br />
300<br />
350<br />
400<br />
450<br />
F1 500<br />
[Hz] 550<br />
600<br />
650<br />
700<br />
750<br />
800<br />
850<br />
900<br />
15<br />
14<br />
13<br />
12<br />
F2 [Bark]<br />
11 10<br />
ð énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
¨<br />
ú í<br />
û<br />
û<br />
ìÉí<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
ø í<br />
ó í<br />
¥ û<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
ý û<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
ê í<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
énékénéké8énékékénékénékékénékénékékékékékénékénékékénékénékékéné8ékénékénékékénékénékékénékéné8éké<br />
2500 2000 1750 1500 1250 1000 750 600<br />
F2 [Hz]<br />
9<br />
8<br />
7<br />
6<br />
5<br />
2<br />
3<br />
4<br />
5 F1<br />
[Bark]<br />
6<br />
7<br />
8<br />
Abbildung 3.15: Vergleich der weiblichen (normal) und männlichen (umrissen)<br />
Vokalräume in Lesesprache. Um die nicht-uniformen Unterschiede<br />
zwischen den Vokalen zu illustrieren, ist keine Normalisierung vorgenommen<br />
worden. Alle Vokale sind aus Inhaltswörtern.<br />
nem Bark liegen, auf soziophonetische Unterschiede zurück. Nimmt man<br />
jedoch von vornherein an, daß weibliche und männliche Vokale wegen unterschiedlicher<br />
artikulatorischer Entfernung unterschiedlich weit auseinander<br />
liegen müssen, sind gerade nicht-uniforme Beziehungen zwischen den<br />
akustischen Größen der einzelnen Vokalkategorien zu erwarten.<br />
3.9.3 Vokalqualität und konsonantische Umgebung<br />
Um Beziehungen zwischen Vokalqualität und der unmittelbaren konsonantischen<br />
Umgebung zu untersuchen, wurden Formantwerte getrennt nach<br />
bestimmten konsonantischen Kontexten betrachtet. Es wurden dieselben<br />
zehn Vokalkategorien wie im vorigen Abschnitt untersucht und weiterhin<br />
nur Vokale aus Inhaltswörtern analysiert. Die untersuchten Formantwerte<br />
der einzelnen Vokale sind ebenfalls dieselben, d.h. Formantwerte aus der<br />
Mitte des jeweiligen Vokals. Statt jeden Konsonanten einzeln zu behandeln<br />
wurde eine grobe Klassifizierung nach dem Artikulationsort vorgenommen<br />
(Stevens und House 1963). Drei Klassen wurden gebildet, LABIAL, CORO-<br />
NAL und DORSAL, die folgende Elemente enthalten:
3.9 Vokalqualität und konsonantische Umgebung 95<br />
2500<br />
2000<br />
PRÄ (spontan- )<br />
coronal<br />
dorsal<br />
labial<br />
Formantwert [Hz]<br />
1500<br />
1000<br />
500<br />
0<br />
2500<br />
2000<br />
” •–“ — ˜–“ ˜ Z“ š ›–“ œ<br />
’“<br />
Vokal<br />
(a)<br />
PRÄ (spontan-¨¨ )<br />
coronal<br />
dorsal<br />
labial<br />
Formantwert [Hz]<br />
1500<br />
1000<br />
500<br />
0<br />
¡–Ÿ ¢ £–Ÿ £ ¤ZŸ ¥ ¦–Ÿ §<br />
žŸ<br />
Vokal<br />
(b)<br />
Abbildung 3.16: Mediane von F1 (untere Punkte) und F2 (obere Punkte)<br />
geplottet als Funktion der Vokalkategorie gruppiert nach dem vorangehenden<br />
konsonantischen Kontext für (a) weibliche, (b) männliche Sprecher.<br />
Fehlende Punkte sind auf w ª© zurückzuführen. Die Werte stammen aus<br />
Spontansprache.
96 Deutsche Vokale - spontan und gelesen<br />
2500<br />
2000<br />
POST (spontan-¸¸ )<br />
coronal<br />
dorsal<br />
labial<br />
Formantwert [Hz]<br />
1500<br />
1000<br />
500<br />
0<br />
2500<br />
2000<br />
®¯¬ ° ±²¬ ± ³´¬ µ –¬ ·<br />
«¬<br />
Vokal<br />
(a)<br />
POST (spontan-ÃÃ )<br />
coronal<br />
dorsal<br />
labial<br />
Formantwert [Hz]<br />
1500<br />
1000<br />
500<br />
0<br />
» ¼¯º ½ ¾²º ¾ ¿´º À Á–º Â<br />
¹º<br />
Vokal<br />
(b)<br />
Abbildung 3.17: Mediane von F1 (untere Punkte) und F2 (obere Punkte)<br />
geplottet als Funktion der Vokalkategorie gruppiert nach dem nachfolgenden<br />
konsonantischen Kontext für (a) weibliche, (b) männliche Sprecher.<br />
Fehlende Punkte sind auf w ª© zurückzuführen. Die Werte stammen aus<br />
Spontansprache.
3.9 Vokalqualität und konsonantische Umgebung 97<br />
2500<br />
2000<br />
PRÄ (lese-ÎÎ )<br />
coronal<br />
dorsal<br />
labial<br />
Formantwert [Hz]<br />
1500<br />
1000<br />
500<br />
0<br />
2500<br />
2000<br />
Æ Ç–Å È É–Å É ÊZÅ Ë Ì–Å Í<br />
ÄÅ<br />
Vokal<br />
(a)<br />
PRÄ (lese-ÙÙ )<br />
coronal<br />
dorsal<br />
labial<br />
Formantwert [Hz]<br />
1500<br />
1000<br />
500<br />
0<br />
Ñ Ò¯Ð Ó Ô–Ð Ô Õ´Ð Ö ×–Ð Ø<br />
ÏÐ<br />
Vokal<br />
(b)<br />
Abbildung 3.18: Mediane von F1 (untere Punkte) und F2 (obere Punkte)<br />
geplottet als Funktion der Vokalkategorie gruppiert nach dem vorangehenden<br />
konsonantischen Kontext für (a) weibliche, (b) männliche Sprecher.<br />
Fehlende Punkte sind auf w ÛÚ zurückzuführen. Die Werte stammen aus<br />
Lesesprache.
98 Deutsche Vokale - spontan und gelesen<br />
2500<br />
2000<br />
POST (lese-ææ )<br />
coronal<br />
dorsal<br />
labial<br />
Formantwert [Hz]<br />
1500<br />
1000<br />
500<br />
0<br />
Þ ß–Ý à á–Ý á â´Ý ã ä–Ý å<br />
ÜÝ<br />
Vokal<br />
(a)<br />
2500<br />
2000<br />
POST (lese-ññ )<br />
coronal<br />
dorsal<br />
labial<br />
Formantwert [Hz]<br />
1500<br />
1000<br />
500<br />
0<br />
é ê–è ë ì–è ì í´è î ï–è ð<br />
çè<br />
Vokal<br />
(b)<br />
Abbildung 3.19: Mediane von F1 (untere Punkte) und F2 (obere Punkte)<br />
geplottet als Funktion der Vokalkategorie gruppiert nach dem nachfolgenden<br />
konsonantischen Kontext für (a) weibliche, (b) männliche Sprecher.<br />
Fehlende Punkte sind auf w ÛÚ zurückzuführen. Die Werte stammen aus<br />
Lesesprache.
3.9 Vokalqualität und konsonantische Umgebung 99<br />
LABIAL: ò , ó , ô , õ , ö ;<br />
CORONAL: ÷ , ø , ù , ú , û , ü , ù²û , ú#ü , ý ;<br />
DORSAL: þ , ÿ , , ¡ , ¢ .<br />
Nur solche Vokale wurden in diese Untersuchung aufgenommen, deren<br />
vorhergehende und nachfolgende Konsonanten auf eine der drei konsonantischen<br />
Kategorien paßten. Aus allen Kombinationen der drei präund<br />
postvokalischen konsonantischen Gruppierungen (LABIAL, CORO-<br />
NAL, DORSAL) ergeben sich für jede der zehn untersuchten Vokalkategorien<br />
neun mögliche Kontexte. Jedoch erlauben Lücken bei bestimmten<br />
Vokal-Kontext-Kombinationen keine systematische Untersuchung der Vokale<br />
getrennt nach prä- und postvokalischem Kontext. Systematisch sind<br />
die Lücken insofern, als sie in den weiblichen und männlichen Daten etwa<br />
gleich sind. So sind, z.B. in den spontansprachlichen Daten, beim prävokalischen<br />
Kontext CORONAL nahezu alle Vokalkategorien mit den drei postvokalischen<br />
Kontexten in ausreichendem Maße vertreten. Bei den restlichen<br />
Kombinationen sind zwischen drei und sechs der Vokalkategorien<br />
mit ausreichenden Tokens vorhanden. Von den ortssymmetrischen Kontexten<br />
LABIAL-LABIAL, CORONAL-CORONAL, DORSAL-DORSAL, die in<br />
anderen Studien verwendet wurden (Lindblom 1963; Stevens und House<br />
1963), ist lediglich CORONAL mit allen Vokalkategorien vertreten. In<br />
den verbleibenden beiden Kontexten sind nur in drei oder vier Vokalen<br />
hinreichend Tokens vertreten, aber auch wiederum von unterschiedlichen<br />
Vokalen in unterschiedlichen Kontexten.<br />
Auf Grund der beschriebenen Lücken wird eine umfassendere Gruppierung<br />
vorgenommen, in der Vokaltokens lediglich nach ihrem prä- oder<br />
postvokalischen Kontext klassifiziert werden. So werden z.B. alle £¥¤ -<br />
Tokens im postvokalischen DORSAL-Kontext zusammen behandelt sowie<br />
alle ¦§¤ -Tokens im prävokalischen CORONAL-Kontext. Auch bei dieser<br />
gröberen Klassifizierung sind bestimmte Vokale entweder gar nicht<br />
oder so schwach vertreten, daß eine Mittelwertbildung wenig sinnvoll gewesen<br />
wäre. Eine untere Grenze von sieben für Spontansprache wurde<br />
gewählt, um noch möglichst viele Kategorien aufnehmen zu können. Bei<br />
den gelesenen Daten ergibt sich sechs Tokens als Minimum, denn wenn<br />
ein Marburger oder Berliner Satz einen Vokal in einem bestimmten Kontext<br />
enthält, wurde dieses Beispiel von jeweils sechs Frauen und sechs
100 Deutsche Vokale - spontan und gelesen<br />
¨ Männern gesprochen. Ist jedoch bei der Lesung der kanonisch vorgesehene<br />
Vokal weggefallen oder durch eine andere Vokalkategorie vertreten,<br />
so können weniger als sechs Tokens vorhanden sein. Gleiches gilt für die<br />
konsonantischen Kontexte selbst, die ebenfalls unterschiedlichen Modifikationen<br />
unterliegen können.<br />
Vokalqualität und konsonantische Umgebung in der Spontansprache<br />
Abbildungen 3.16 und 3.17 enthalten Mediane von F1 und F2 geplottet<br />
als Funktion der Vokalkategorie gruppiert nach den drei prävokalischen<br />
(Abb. 3.16) und postvokalischen (Abb. 3.17) Kontexten. Die oberen Diagramme<br />
(a) enthalten die weiblichen Vokalwerte, die unteren (b) die männlichen.<br />
In allen vier Plots fällt die Engebündelung der Mediane für F1 in verschiedenen<br />
Kontexten über sämtliche Vokalkategorien auf, d.h. der erreichte<br />
Öffnungsgrad als wichtigstes artikulatorisches Korrelat von F1<br />
hängt nicht mit dem Artikulationsort des vorhergehenden oder des nachfolgenden<br />
Konsonanten zusammen. Die fehlende Beziehung zwischen vokalischem<br />
F1 und dem unmittelbaren konsonantischen Kontext folgt den<br />
Ergebnissen für die schwedischen Daten von Lindblom (1963) sowie für<br />
die englischen Daten von Stevens und House (1963).<br />
Bei F2 sieht die Situation anders aus. Im Gegensatz zu den F1-Werten<br />
liegen die F2-Mediane für eine bestimmte Vokalkategorie in den meisten<br />
Fällen über einen Bereich von 200 bis 300 Hz verteilt. Die F2-Mediane<br />
scheinen jedoch nicht beliebig zu streuen, denn die Reihenfolge für einen<br />
bestimmten Vokal für die beiden Sprechergruppen bleibt in allen Fällen<br />
gleich, es sei denn, es besteht ein solch geringfügiger Abstand zwischen<br />
zwei Medianen, daß sie als gleich behandelt werden können (z.B. F2-<br />
Mediane von ©¤ in Abb. 3.17). Bei beiden Sprechergruppen in beiden Kontextgruppen<br />
ist die Reihenfolge von CORONAL und DORSAL gleich. Die<br />
F2-Werte im CORONAL-Kontext bei den vorderen Vokalpaaren ¦§¤ , , ¤ , <br />
liegen stets tiefer als die von DORSAL, während bei den hinteren Vokalen<br />
, ¤ und 28 F2 im DORSAL-Kontext immer tiefer liegt. Diese akustischen<br />
Gegensätze lassen sich artikulatorisch erklären. Konsonanten vom<br />
Typ CORONAL erfordern die Zungenspitze oder Zungenblatt im alveolaren<br />
28 Der Vokal ist im DORSAL-Kontext ist im gesamten spontansprachlichen Korpus mit<br />
lediglich fünf Fällen vertreten.
3.9 Vokalqualität und konsonantische Umgebung 101<br />
<br />
oder postalveolaren Bereich, was zur Folge hat, daß F2 nach oben verlaufen<br />
muß, um das F2-Ziel eines vorderen Vokals zu erreichen, bzw. nach<br />
unten für den F2 eines hinteren gerundeten Vokals. Bei den Konsonanten<br />
vom Typ DORSAL wird der Artikulationsort des Konsonanten dem des Vokals<br />
angepaßt, am extremsten bei den dorso-palatalen bis dorso-uvularen<br />
Korrelaten von . Das hohe oder tiefe F2-Ziel eines Vokals wird von einem<br />
ähnlich hoch- oder tiefliegenden konsonantischen F2 begleitet.<br />
Während die F2-Mediane sich in prä- und postvokalischen CORONALund<br />
DORSAL-Kontexten sehr ähnlich verhalten, sind die F2-Mediane im<br />
prävokalischen LABIAL-Kontext anders als im postvokalischen Kontext<br />
eingeordnet. Dennoch sind die Unterschiede auch über beide Sprechergruppen<br />
die gleichen. Für LABIAL im prävokalischen Kontext liegen die<br />
F2-Werte im allgemeinen tiefer ¤ (cf. und ) als für CORONAL oder DOR-<br />
SAL. Im postvokalischen Kontext ist jedoch die Rangordnung von LABIAL<br />
zu CORONAL und DORSAL von Vokal zu Vokal verschieden. Diese Unterschiede<br />
können jedoch auf den gleichen artikulatorischen Grund zurückgeführt<br />
werden. Ein tiefliegender F2 ist typisch für labiale Artikulationen.<br />
Durch die Trägheit der Lippen im Vergleich zur Zungenspitze werden die<br />
akustischen Folgen eines prävokalischen labialen Konsonanten verhältnismäßig<br />
spät aufgehoben. Im postvokalischen Kontext hingegen macht<br />
sich die Lippenaktivität inmitten des Vokalabschnitts akustisch noch nicht<br />
bemerkbar.<br />
Vokalqualität und konsonantische Umgebung in Lesesprache<br />
Abbildungen 3.18 und 3.19 enthalten die kontextuellen Mediane von F1<br />
und F2 für Lesesprache. Wie bei den spontansprachlichen Daten sind<br />
die Aufzeichnungen aufgeteilt nach prä- (Abb. 3.18) und postvokalischen<br />
(Abb. 3.19) Kontexten sowie weiblichen (a) und männlichen (b) Werten.<br />
Die F1- und F2-Mediane haben bestimmte Gemeinsamkeiten mit ihren<br />
spontansprachlichen Gegenstücken. Bei F1 ist die enge Bündelung sämtlicher<br />
Mediane für eine Vokalkategorie zu sehen, was wieder auf eine geringe<br />
Beteiligung des Artikulationsortes am Erreichen des F1-Ziels des<br />
Vokals schließen läßt. Es gibt jedoch in den Mustern für die F2-Mediane<br />
bestimmte Unterschiede zu den spontansprachlichen Daten. Im prävokalischen<br />
Kontext (Abb. 3.18) weisen die Mediane für die einzelnen Vokale<br />
eine engere Bündelung gegenüber ihren spontansprachlichen Äquivalenten<br />
(Abb. 3.16) auf. Auch die Regelmäßigkeit in der Rangordnung der
102 Deutsche Vokale - spontan und gelesen<br />
F2-Mediane im DORSAL- und CORONAL-Kontext ist nur bedingt in den<br />
lesesprachlichen Daten zu finden. Lediglich bei den weiblichen vorderen<br />
Vokalen ¤ , und im prä- und postvokalischen Kontext (Abb. 3.18 &<br />
3.18a) sowie für die weiblichen hinteren Vokale ¤ , und im postvokalischen<br />
Kontext ist eine ähnliche Beziehung zu sehen, wie sie systematisch<br />
für beide Sprechergruppen in beiden Kontexten der spontansprachlichen<br />
Daten zu finden war.<br />
Die engere Bündelung der F2-Werte in den gelesenen Daten gegenüber<br />
den spontansprachlichen Daten hängt sicherlich mit begleitenden<br />
Dauerunterschieden zusammen. Steht einem Vokal genügend Zeit zur<br />
Verfügung, wird die Zielqualität erreicht, eine Qualität, die weitestgehend<br />
frei von konsonantischer Beteiligung ist.<br />
3.10 Ausblick<br />
Dieses Kapitel hat den deutschen Vokalismus von verschiedenen Seiten<br />
her untersucht. Die große Datenmenge, aufgeteilt in die beiden Geschlechtergruppen<br />
und zwei Stilebenen, konnte ein repräsentatives Gesamtbild<br />
liefern. Mit der Datenaufbereitung des Kiel Corpus und den<br />
Werkzeugen aus KielDat konnten umfangreiche Analysen und Aufstellungen<br />
der Ergebnisse weitestgehend automatisch ablaufen. Die Inhalte<br />
des Kiel Corpus haben besondere Anforderungen an die Messung gestellt.<br />
Vor allem die akustische Charakterisierung der Diphthonge erforderte eine<br />
Meßstrategie, die große Variation in der Dauer berücksichtigen konnte.<br />
Die Ergebnisse haben Anstöße zu weiteren Untersuchungen gegeben.<br />
Die Vermutung, daß Frauen, bei durchschnittlich kleineren Ansatzrohrdimensionen,<br />
akustische Ziele schneller erreichen können als Männer,<br />
ist noch mit weiteren Untersuchungen sowohl im akustischen als auch<br />
im artikulatorischen Bereich zu verfolgen. Die Vermutungen, die in der<br />
Diskussion zu den Diphthongen angestellt wurden, benötigen zu ihrer<br />
Unterstützung Hörexperimente, die bei der Manipulation der Stimuli<br />
sorgfältig auf Dauerfaktoren achten müssen.<br />
Im nächsten Kapitel wird eine Gruppe von Vokalabschnitten untersucht,<br />
die außer dem hier nicht berücksichtigt wurden: die -Vokale. In<br />
(Pätzold und Simpson 1997) wurden solche Vokalabschnitte als Tokens<br />
der entsprechenden Monophthonge behandelt. Hier wurden sie als stärkstes<br />
Beispiel einer zeitlichen Kombination der phonetischen Korrelate des
3.10 Ausblick 103<br />
V<br />
<br />
okals mit denen eines anderen Objektes, dem betrachtet. Diese Behandlung<br />
wird sich in der Beschreibung und im Versuch, die Lautmuster der<br />
-Vokale zu erklären, rechtfertigen.
104 Deutsche Vokale - spontan und gelesen
Kapitel 4<br />
Phonetik und Phonologie<br />
des deutschen <br />
4.1 Einleitung<br />
Im vorigen Kapitel wurden sowohl der Datenumfang als auch die Datenaufbereitung<br />
voll ausgenutzt, um automatische Formant- und Daueranalysen<br />
zu liefern. In diesem Kapitel wird einer der kompliziertesten Bereiche<br />
der deutschen Phonetik und Phonologie mit impressionistisch beschreibenden<br />
Methoden untersucht. Wegen des erheblich höheren menschlichen<br />
Aufwandes, den diese Methoden erfordern, wird im Vergleich zum vorigen<br />
Kapitel ein verhältnismäßig kleiner Teil des Kiel Corpus of Read Speech<br />
untersucht. Das Kiel Corpus dient als Datenquelle, und die Datenaufbereitung<br />
sowie KielDat werden lediglich verwendet, um relevante Äußerungsabschnitte<br />
zu orten und zusammenzuschneiden.<br />
Die Lautmuster, die mit dem deutschen verbunden werden, können<br />
in der Produktion eines Sprechstils eines einzelnen Sprechers von einem<br />
stimmlosen uvularen Frikativ in einem Wort wie trat ( !#" %$'& ) bis hin zum<br />
scheinbar vollständigen Schwund nach einem langen Vokal in einem Wort<br />
wie Bart ( ( )*!+", $& ) reichen. Wenn weitere Sprechstile des gleichen Sprechers<br />
sowie andere Arten des Deutschen hinzugenommen werden, steigt<br />
die Anzahl der konsonantischen und vokalischen Möglichkeiten steil an.<br />
So finden wir in Arten wie dem Sächsischen und Schwäbischen pharyn-<br />
105
106 Phonetik und Phonologie des deutschen <br />
- gale Realisierungen des , während in Varianten des Bairischen und Norddeutschen<br />
ein heller, apikaler Schlaglaut oder Approximant gefunden werden<br />
kann. Unterschiedliche Aussprachen des Wortes ( .#/¥0¥12& / 3#/¥0415& raus )<br />
vom selben Sprecher lassen sich wiederum auf stilistische Unterschiede<br />
zurückführen. Eine weitere Komplexität sind unterschiedliche Aussprachen<br />
eines Wortes wie spazieren, das sowohl eine ‘vokalische’ Aussprache<br />
657#/8'159§",:8;+& – – als auch eine ‘konsonantische’ Aussprache 657#/
4.2 Andere Studien zum 107<br />
A<br />
Abschnitt 4.3 eine Beschreibung der konsonantischen und vokalischen<br />
Korrelate des aus einem Teil des Kiel Corpus of Read Speech. In 4.4 wird<br />
dann versucht, die beschriebenen Lautmuster zu erklären. Hierzu werden<br />
Mechanismen aus verschiedenen phonetischen und phonologischen Analysen<br />
eingesetzt sowie bekannte Zusammenhänge zwischen dem akustischen<br />
Produkt des Ansatzrohrs und dem schallproduzierenden Artikulationsapparat<br />
verwendet. Als letzter Schritt wird in Abschnitt 4.5 der Versuch<br />
unternommen, gewisse Aspekte der Lautmuster zu reproduzieren, indem<br />
Teile aus 4.4 in einer Regelsynthese implementiert werden, um ein hörbares<br />
Produkt zu erzeugen.<br />
4.2 Andere Studien zum B<br />
Es ist nützlich, phonetische und phonologische Beschreibungen des in<br />
zwei Kategorien einzuteilen:<br />
1. qualitative Beschreibungen und<br />
2. quantitative Beschreibungen.<br />
4.2.1 Qualitative Beschreibungen<br />
Qualitative Beschreibungen des finden sich in Texten zur deutschen Phonetik<br />
sowie in deutschsprachigen Texten zur allgemeinen Phonetik. Die<br />
Beschreibungen der Lautmuster basieren auf impressionistischen, ohrenphonetischen<br />
Beobachtungen der eigenen Produktion sowie auf Beobachtungen<br />
von anderen Sprechern und Sprechergruppen.<br />
Beschreibungen des Deutschen seit dem Ende des 19. Jahrhunderts liefern<br />
ein sehr einheitliches Bild über die konsonantischen und vokalischen<br />
Korrelate des . Ein stimmhafter alveolarer oder uvularer Vibrant (auch als<br />
Schwing- oder Zitterlaut bezeichnet) wird in den meisten Studien (Bremer<br />
1893, 1918; Viëtor 1894, 1925; Sütterlin 1908; Forchhammer 1928; Essen<br />
1953; Wängler 1963; Zacher 1969; Meinhold 1973; MacCarthy 1975)<br />
als Kernkorrelat des betrachtet. Meinhold und Stock (1982) sowie Kohler<br />
(1995a) andererseits betrachten den uvularen Frikativ .+& als wichtigste Variante<br />
des hochdeutschen , die Vibranten werden nur noch als dialektale<br />
oder stilistische Varianten behandelt. In der generativen phonologischen
108 Phonetik und Phonologie des deutschen <br />
C Analyse des von Hall (1993) wird der stimmhafte uvulare Vibrant zugrundegelegt.<br />
Von den zwei Vibranten ist der alveolare im Deutschen länger vertreten<br />
als sein uvulares Gegenstück. Laut Viëtor (1925) wird der uvulare Vibrant<br />
gegen Ende des 18. Jahrhunderts aus dem Französischen eingeführt und<br />
nach anfänglicher Eroberung in den Städten zur häufigeren Variante des<br />
. Über die Zeit der Einführung herrscht jedoch Uneinigkeit, denn Sütterlin<br />
(1908) setzt 50 bis 100 Jahre früher an als Viëtor und de Boor, Moser<br />
<br />
und Winkler (1969) verzeichnen eine Verbreitung der uvularen Variante<br />
seit dem 17. Jahrhundert. Obwohl der alveolare Vibrant in der Siebs’schen<br />
Deutschen Bühnenaussprache noch präskriptiv bis zur 15. Auflage im Jahre<br />
1927 (Siebs 1927) aufrechterhalten wird, ist schon aus Bremers (1893)<br />
Beobachtungen die Übernahme einer uvularen Lautpalette im Standardgebrauch<br />
zu entnehmen.<br />
Die restlichen konsonantischen und vokalischen Korrelate des werden<br />
als Reduktionen Zungenspitzen- D & des Zäpfchen- 3+& oder behandelt,<br />
die entweder auf artikulatorische Energieeinsparung oder artikulatorische<br />
Vernachlässigung zurückzuführen ist:<br />
(EGFIH E FKJ¥L4M J<br />
FON FQP<br />
Aus dieser Kraftersparnis erklärt sich der so häufige Übergang<br />
eines Zitter- in ein reduziertes Reibegeräusch ; ;<br />
; ) (Bremer 1893: 82)<br />
Artikulatorische Vernachlässigung führt oft zum Schwinden<br />
der Flatterbewegung, die “Vibrans” wird zum Enge bzw. Reibelaut<br />
und schließlich zum Öffnungslaut . . .<br />
Besonders häufig unterliegt die uvulare Bildung, das sog.<br />
Zäpfchen-E , der Verkümmerung. Vielfach, wenn nicht schon<br />
meistens, wird es zum velar-postdorsalen Engelaut N . . .<br />
(Essen 1953: 76–77)<br />
Einerseits bewegt sich der hintere r-Laut auf die Klassenmerkmale<br />
der Reibelaute 2 zu. . .<br />
Geht man von der Bestimmung des sogenannten Zäpfchenr<br />
(“hinteres” r) als einem postdorsal-velaren stimmhaften<br />
Schwinglaut wie von einer Norm aus, so kann<br />
2 Emphase Wängler
4.2 Qualitative Beschreibungen 109<br />
man diese Gegebenheiten Reduktionserscheinungen 3 nennen.<br />
(Wängler 1963: 157–158)<br />
Den detaillierten Beobachtungen von Bremer (1893) zufolge im Vergleich<br />
mit neueren Studien (Wängler 1963; Kohler 1995a), scheint sich<br />
in mehr als einem Jahrhundert an den komplizierten Lautmustern des in<br />
verschiedenen Kontexten erstaunlich wenig geändert zu haben. In prävokalischer,<br />
silbeneinleitender Position werden lediglich konsonantische Vibranten<br />
bzw. Frikative gefunden. Postvokalisch werden die größeren Abschwächungen<br />
beobachtet. Postvokalisch ist jedoch zu unterscheiden zwischen<br />
Lang- und Kurzvokalen. Nach letzteren wird häufig noch ein Frikativ<br />
gefunden, der vor allem vor stimmlosen tautosilbischen Konsonanten<br />
selber stimmlos wird (Meyer-Eppler 1959).<br />
Die letzte Phase in der Reduktion ist die Vokalisierung des . Während<br />
die verschiedenen konsonantischen Korrelate eine relativ detaillierte Klassifikation<br />
erhalten, bereitet die Beschreibung der vokalischen Korrelate<br />
größere Probleme, nicht zuletzt weil die vokalischen Lautmuster des sich<br />
nur schwer in einem linearen phonetisch-phonologischen Rahmen unterbringen<br />
lassen. Bremer (1893, 1918) verwendet ä und a zur Symbolisierung<br />
vokalischer Varianten des alveolaren r, die er in Niedersachsen bzw.<br />
in der Mark Brandenburg beobachtet hat. MacCarthy (1975) verwendet die<br />
Symbolisierung R für den Gleitlaut der Vokalisierung und Viëtor (1925)<br />
warnt davor, r zum /8& - oder ?@& -ähnlichen schwachen Vokallaut herabsinken<br />
zu lassen. Essen (1953) beschreibt drei verschiedene Ausprägungen<br />
der -Vokalisierung:<br />
. . . der sich als a-ähnlich oder als Dehnung oder Verdumpfung<br />
des vorhergehenden Vokals noch zu erkennen gibt. (hört<br />
SUT<br />
V8WYX<br />
& , hart S[Z\<br />
X<br />
& , engl. here ]^ S_a`@\ & ). (Essen 1953: 76)<br />
<br />
Diese drei Möglichkeiten sind auch in Kohlers (1995a) Beschreibung<br />
des wiederzufinden. Aus seiner graphischen Darstellung der -<br />
Diphthonge (siehe Abb. 4.8 auf S. 129) (Kohler 1977) ist die Vokalisierung<br />
des nicht als bestimmte Vokalqualität zu sehen, sondern als eine<br />
qualitative Richtung auf einen zentralen, halboffenen Vokal :8& .<br />
3 Emphase Wängler
110 Phonetik und Phonologie des deutschen <br />
4.2.2 b<br />
Quantitative Beschreibungen<br />
Zu trennen von den qualitativen Studien sind die quantitativen Beschreibungen<br />
des . Diese Arbeiten sind nicht unbedingt weniger impressionistisch.<br />
Ulbrichs (1972) Kategorien sind allgemein phonetisch und seine<br />
Klassifikation erfolgt auf Grund von auditiven Urteilen. Aber auch Meyer-<br />
Epplers (1959) akustische Messungen an Sonagrammen sind impressionistische<br />
Interpretationen von instrumentellen Aufzeichnungen. Ausschlaggebend<br />
ist der Versuch, eine Quantifizierung der Lautmuster des zu unternehmen.<br />
Meyer-Eppler (1959) ist die erste spektrale Untersuchung der konsonantischen<br />
und vokalischen Allophone des deutschen . Eine nicht genannte<br />
Anzahl von Versuchspersonen wurde gebeten, eine Wortliste zu<br />
lesen, die an verschiedenen strukturellen Positionen enthielt. Spektrale<br />
Gemeinsamkeiten in den vibrantischen Allophonen D & und 3+& werden<br />
im schwach ausgeprägten dritten Formanten gefunden sowie in einem um<br />
400 Hz liegenden ersten Formanten. Das vokalische Allophon c& im Gegensatz<br />
zum vibrantischen Allophon besitzt einen starken dritten Formanten.<br />
Unterschiede in den konsonantischen und vokalischen Allophonen<br />
von werden in schematischen Darstellungen der Bewegungen der ersten<br />
zwei Formanten in Vokal- -Verbindungen verdeutlicht.<br />
Die bislang umfangreichste Studie des ist Ulbrich (1972). Besonders<br />
im Hinblick auf die in diesem Kapitel präsentierte Untersuchung werden<br />
Ulbrichs Vorgehensweise sowie die Probleme seiner Analyse eingehender<br />
diskutiert. Ulbrichs Ziel ist es, das breite Spektrum der artikulatorischen<br />
und akustischen Varianten des deutschen , wie sie von Sprechern<br />
des Standarddeutschen realisiert werden, darzustellen.<br />
Ulbrichs Datenbestand umfaßte ca. 11 000 deD*d -Allophone 4 , produziert<br />
von 40 Sprechern (25 Rundfunksprechern und 15 Schauspielern). Das gesprochene<br />
Material besteht ausschließlich aus vorgelesenen Texten: Nachrichten,<br />
Programmansagen, Wetterberichten und literarischen Texten.<br />
Die einzelnen Allophone werden nach auditiven und strukturellen Kriterien<br />
kategorisiert. Neun Kategorien werden zur Klassifikation der unterschiedlichen<br />
Kontexte zur Verfügung gestellt sowie fünf Oberkatgorien<br />
zur lautlichen Klassifikation “r-Vibrationslaute”, “r-Frikativlaute” “r-<br />
Vokallaute”, “r elidiert” und “r indifferent”. Die ersten drei lautlichen<br />
4 Die genaue Zahl ist nicht klar, denn eine Summierung der tabellierten Allophone im<br />
Anhang und die im Text angegebene Summe stimmen nicht überein.
l<br />
l<br />
4.2 Quantitative Beschreibungen 111<br />
f<br />
Oberkategorien werden wiederum in Subkategorien gegliedert, die die einzelnen<br />
konsonantischen und vokalischen Möglichkeiten näher erfassen. So<br />
wird die Oberkategorie “r-Frikativlaute” in die .hgji& Allophone k & , [g und<br />
weiter untergliedert.<br />
&<br />
Ulbrichs quantitative Ergebnisse im Hinblick auf die oben vorgestellte<br />
Stellung der alveolaren und uvularen Vibranten sind interessant, weil<br />
sie aufzeigen, daß bei Sprechern, die die Standardsprache verkörpern, der<br />
stimmhafte uvulare Frikativ die häufigste Variante ist, eine Tatsache, die<br />
Meinhold und Stock (1982) zur Definition deD*d ihres -Phonems .+& als führten.<br />
Problematisch in Ulbrichs Analyse ist seine Kategorisierung der vokalischen<br />
Korrelate des . Wie bei den qualitativen Beschreibungen werden<br />
die konsonantischen Korrelate in mehrere Kategorien aufgeteilt und akribisch<br />
klassifiziert. Die vokalischen Korrelate hingegen werden mit lediglich<br />
vier Kategorien abgefertigt, wovon eine (“indifferent”) eine negative<br />
Kategorie darstellt für Fälle, in denen keine Entscheidung über Vokalisierung<br />
bzw. Elidierung getroffen werden konnte. Die Kategorisierung der<br />
vokalischen Kategorien ist nicht allein wegen ihres kleinen Umfangs zu<br />
kritisieren. Die Kategoriendefinitionen erweisen sich als viel unschärfer als<br />
ihre konsonantischen Gegenstücke, und je näher man die Kategorie “elidiert”<br />
unter die Lupe nimmt, desto undeutlicher wird eine Beschreibung<br />
der Lauttypen, die sie umfassen soll.<br />
Ulbrichs konsonantische und vokalische Kategorien sind phonetisch<br />
zu verstehen, 4& d.h. ist für stimmmlose uvulare Frikative verwendet, unterscheidet<br />
sich in der Stellung der Stimmritze .+& von und in der Artikulationsstelle<br />
& von . Bei seiner Verwendung m & von :8& bzw. schließt Ulbrich<br />
jedoch eine große vokalische Qualitätspalette ein und beschreibt nicht nur<br />
einen Vokal von halboffener zentraler Qualität. Dies wird an ein paar Stellen<br />
im Text klar, wie z.B.:<br />
. . . durch zwischen no0:p*& und no0¥.op*& .<br />
( :
112 Phonetik und Phonologie des deutschen <br />
s Definition zu gelten: weder konsonantische Variante noch zeitlich trennbare<br />
vokalische Substituierung des /r/ ist vorhanden, aber sowohl qualitative<br />
als auch quantitative Unterschiede zu den einfachen, -losen Vokalen<br />
können vorhanden sein 5 . Diese Definition umschließt sowohl Essens<br />
(1953) Dehnung und Verdumpfung als auch solche Fälle, in denen keine<br />
erkennbaren phonetischen -Spuren vorhanden sind, wie z.B. im eingangs<br />
erwähnten Bart, das wie die Aussprache von bat sein mag.<br />
In den Tabellen 4.1 und 4.2 werden die Probleme der vokalischen Kategorisierung<br />
an Beispielen illustriert. Tabelle 4.1 enthält Beispiele der verschiedenen<br />
Kategorien aus Ulbrichs eigenem Datenmaterial. Die Kategorie<br />
“elidiert” ist in vier Subkategorien aufzuteilen, “andere Länge”, “andere<br />
Qualität”, “andere Qualität und Länge” und “elidiert”. Diese Kategorien<br />
beziehen sich jeweils auf die quantitativen und qualitativen Verhältnisse<br />
des -losen Vokals:<br />
“andere Länge” Die phonetischen Korrelate des schlagen sich lediglich<br />
in der Länge des Vokals nieder.<br />
“andere Qualität” Der Vokal enthält seine ursprüngliche Länge, aber sie<br />
erleidet qualitative Veränderungen<br />
“andere Länge und Qualität” Der Vokal ist sowohl in seiner Länge als<br />
auch in seiner Qualität vom geprägt.<br />
“elidiert” ist weder qualitativ noch in der Länge des Vokals vertreten.<br />
Tabelle 4.1 enthält Beispiele aus drei von diesen Kategorien. Um diese<br />
feine Kategorisierung hörbar zu machen, wurden die vokalischen -<br />
Realisierungen eines Sprechers (k03) aus dem Kiel Corpus of Read Speech<br />
auditiv untersucht. Tabelle 4.2 enthält Beispiele zu jedem der vokalischen<br />
Kategorien. Die feinere Kategorisierung kommt im vokalischen Bereich<br />
dem nahe, was Ulbrich für die konsonantischen Realisierungen ansetzt.<br />
Dennoch bleiben auch bei dieser Aufstellung Kategorisierungsprobleme:<br />
5 Bei Betrachtung des folgenden Auszuges ist aber auch diese Definition problematisch:<br />
Umgangsprachlich ist häufig zu beobachten, daß t uvt seine Quantität auf den<br />
vorangehenden Vokal überträgt, wenn es nicht elidiert wird. Langer offener<br />
Vokal für Kurzvokal und t uvt ist besonders in Norddeutschland festzustellen,<br />
z.B. in stark w xzy|{*} ~ '€ , lernen w ,‚2} ~ ƒ„2ƒY€ , Stirn w xzy§…,} ~ ƒY€ , dort w †Y‡5} ~ y§€ , kurz w eˆ*} ~ y|‰=€ .<br />
(Ulbrich, 1972: 96)
›<br />
›<br />
‹<br />
4.2 Quantitative Beschreibungen 113<br />
Tabelle 4.1: Beispiele aus Ulbrichs Daten, die die verschiedenen vokalischen<br />
Kategorien illustrieren.<br />
m'&<br />
:8&<br />
elidiert<br />
(#Š8" m8‹ Œa9=" ;+& Berlin<br />
<br />
qr;¥*Š
114 Phonetik und Phonologie des deutschen <br />
Tabelle 4.2: Eine Auswahl an Sätzen aus dem Berliner Satzkorpus gesprochen<br />
von Sprecher k03. Die Einteilung der Beispiele in die verschiedenen<br />
Kategorien basiert auf Ulbrichs (1972) Kategorisierung mit einer feineren<br />
Aufteilung der Kategorie “elidiert” (siehe Text).<br />
œ<br />
<br />
Heute ist schönes Frühlingswetter. (k03be001)<br />
Über die Felder weht ein Wind. (k03be004)<br />
Gestern stürmte es noch. (k03be005)<br />
œ<br />
Vž%<br />
Gleich hier sind die Nahrungsmittel. (k03be027)<br />
Gestern stürmte es noch. (k03be005)<br />
Die Fahrt war ja mächtig kurz. (k03be096)<br />
andere Qualität, Länge gleich<br />
Durch Wald und Feld führt unser Weg. (k03be057)<br />
Sonst wirst du leicht überfahren. (k03be024)<br />
Es gehört zu einer Feldscheune. (k03be094)<br />
Qualität gleich, andere Länge<br />
Ob ich Süßigkeiten kaufen darf? (k03be030)<br />
Dahinter liegt der Rosengarten. (k03be062)<br />
Löst doch die Fahrkarten am Schalter! (k03be078)<br />
andere Qualität, andere Länge<br />
Es ist acht Uhr morgens. (k03be010)<br />
In der Mitte steht der Brötchenkorb. (k03be015)<br />
Zum Schnitzel gibt es Erbsen. (k03be050)<br />
elidiert - Qualität und Länge gleich<br />
Dahinter liegt der Rosengarten. (k03be062)<br />
Muß der Zucker nicht dort drüben stehen? (k03be028)<br />
Die Kartoffeln gehören zum Mittagessen. (k03be049)
4.3 Phonetische Lautmuster des B<br />
4.3 Phonetische Lautmuster des 115<br />
Ÿ<br />
anderer. Im Gegensatz zu Ulbrich wird hier die feste Annahme gemacht,<br />
daß sowohl phonologisch als auch phonetisch in den Wörtern vorhanden<br />
ist, deren kanonische Transkriptionen ein r enthalten. Ob diese Annahme<br />
vertretbar ist, wird sich im Versuch zeigen, die Lautmuster phonetisch und<br />
phonologisch zu erklären.<br />
4.3.1 Daten und Methode<br />
In diesem Abschnitt werden die Lautmuster, die in Verbindung mit auftreten,<br />
anhand von impressionistischen und akustischen Aufzeichnungen<br />
von drei weiblichen und drei männlichen Sprechern des Kiel Corpus of<br />
Read Speech beschrieben. Es werden solche Wörter untersucht, die kanonisch<br />
entweder die konsonantische (r) oder die vokalische (6) Variante<br />
enthalten.<br />
Aus dem Kiel Corpus of Read Speech werden drei weibliche (k08, k10,<br />
k12) und drei männliche (k07, k09, k11) Sprecher 6 untersucht, die jeweils<br />
100 Marburger Sätze (siehe Anhang A.2, S. 187) gelesen haben. Diese<br />
Sprecherauswahl soll Aussagen über sowohl intra- als auch interindividuelle<br />
Unterschiede erlauben. Die Marburger Sätze sind auch für eine solche<br />
Untersuchung geeignet, denn eine kleine Menge von -Wörtern treten in<br />
den Sätzen mehr als einmal auf. Diese werden von derselben Person mehrmals<br />
produziert und geben somit Aufschluß über Variationen in wiederholter<br />
Produktion des gleichen Wortes.<br />
Es wurde KielDat eingesetzt, um -haltige Wörter in der Datenbank<br />
zu orten, Äußerungen desselben Wortes in einer Datei zusammenzuschneiden<br />
und so das Abhören der einzelnen -Tokens zu erleichtern. Zur leichten<br />
Orientierung in den neuen Signaldateien wurden auch Etikettierdateien<br />
erstellt, die den Anfang eines Signalabschnitts mit der entsprechenden<br />
Sprecher-Satz-Kennung annotierten. Ein Auszug aus einer solchen Signaldatei<br />
samt dieser Annotation ist in Abb. 4.1 dargestellt. Die Aufbereitung<br />
vereinfacht den Vergleich von mehrfachen Äußerungen des gleichen Wortes<br />
derselben Person sowie den Vergleich zwischen Äußerungen desselben<br />
Wortes von mehreren Sprechern. Die neue Etikettierung der Signale hält<br />
6 Persönliche Daten über Alter, sprachliche Herkunft der Sprecher sind in Anhang B.1 auf<br />
S. 195 zu finden.
116 Phonetik und Phonologie des deutschen <br />
Abbildung 4.1: Oszillogramm, Sonagramm und Annotation eines Auszugs<br />
aus den zusammengeschnittenen Äußerungen des Wortes fährt der<br />
Sprecherinnen k08 und k10 sowie des Sprechers k09. (Ref.: k08mr026,<br />
k08mr071, k09mr026, k09mr071, k10mr026, k10mr071)<br />
die Verbindung des Wortes zu seinem Herkunftssatz aufrecht, wenn das<br />
Wort in seinem ursprünglichen Kontext gebraucht wird.<br />
4.3.2 Konsonantische Korrelate des<br />
Die phonetischen Korrelate des lassen sich in einer ersten Grobklassifizierung<br />
in vokalische und konsonantische Korrelate aufteilen. Zuerst werden<br />
die konsonantischen Möglichkeiten und ihre Verteilung bei den Sprechern<br />
untersucht.<br />
Als Ausgangspunkt wurden alle Fälle erfaßt, in denen r in der kanonischen<br />
Transkription vorkommt. An diesen Stellen würde man bei einer<br />
idealisierten Aussprache des Einzelwortes eine konsonantische Artikula-
Stimmlose uvulare Friktion œ §<br />
›<br />
›<br />
4.3 Stimmlose uvulare Friktion ¡ ¢8£ 117<br />
¤<br />
tion als Korrelat des erwarten. In den 100 Marburger Sätzen gibt es 61<br />
verschiedene Wörter, deren kanonische Transkription r enthält. Von diesen<br />
Wörtern kommen 5 mehr als einmal vor (Doris: 4, unsere: 3, brauchen:<br />
4, drei: 3, ihre: 2). Dies ergibt eine Gesamtzahl von 72 Wörtern. Für<br />
die 6 untersuchten Sprecher kommen somit 432 potentielle konsonantische<br />
-Fälle in Frage. Aus einer Untersuchung der Etikettierungen dieser 432<br />
<br />
Wörter gibt es 17 Fälle, in denen ein vokalisches Korrelat des produziert<br />
wurde und nicht die kanonisch vorgesehene konsonantische Variante. Die<br />
17 vokalischen Fälle waren alle im ¥vYRj¦ Kontext zu finden (Erdbeeren: 3,<br />
Herren: 3, Motoren: 3, Türen: 4, fahren: 2, waren: 2). Die Etikettierungen<br />
wurden weiter auf das Einfügen des Etiketts r durchsucht, was auf eine<br />
konsonantische Artikulation in einem Kontext hinweist, der kanonisch als<br />
vokalisch vorgesehen war. Im untersuchten Subkorpus wurden keine solchen<br />
Fälle gefunden 7 .<br />
Bei den untersuchten Sprechern sind die konsonantischen Varianten des <br />
ausschließlich uvulare Artikulationen. Sie reichen von einem stimmhaften<br />
uvularen friktionslosen Approximanten bis hin zu einem stimmlosen uvularen<br />
Frikativ. In der akustischen Ausprägung werden diese Artikulationen<br />
durch einen tiefen F2 und einen hohen F3 charakterisiert. Dies stimmt weitestgehend<br />
mit der Beschreibung von Meyer-Eppler (1959) überein.<br />
In ihrer Verteilung läßt sich am einfachsten stimmlose uvulare Friktion von<br />
den restlichen Artikulationsmöglichkeiten abgrenzen. Sie tritt ausschließlich<br />
in silbeninitialen stimmlosen Konsonantengruppen auf:<br />
nach silbeninitialen stimmlosen Plosiven: vertragen/verträgt, Eintracht,<br />
Treffpunkt, kräftig, trinken, trockenes, Prinzip, Dietrich.<br />
nach silbeninitialen stimmlosen Frikativen: Frau, frei, freilich, Freitag,<br />
Freund, frisch(en), Anschrift, Schreiben, schreibt.<br />
Zusätzlich zur dorso-uvularen Friktion werden oft auch Bewegungen<br />
der Uvula beobachtet. Diese Bewegungen sind aber nicht mit denen eines<br />
gezielten stimmlosen Vibranten 3 ) & zu verwechseln, sondern scheinen<br />
7 Hierunter fallen vor allem postvokalische konsonantische Varianten in Wörtern wie dort,<br />
in denen kanonisch eine vokalische Realisierung des ¨ vorgesehen, aber bei manchen Sprechern<br />
mit bestimmten regionalen Eigenschaften als w †Y‡v©*y§€ zu finden ist.
Entstimmte und stimmhafte uvulare Strikturen œ ® ¯ , œ ® , œ ®°<br />
118 Phonetik und Phonologie des deutschen<br />
durch eine gehobene Vorderzunge verursacht zu werden. Bei uvularer<br />
Artikulation wird die Striktur zwischen der Hinterseite einer nach vorn<br />
eherª<br />
gezogenen Uvula und der Zungenfurche gebildet. Wird die Vorderzunge<br />
in die Vokalposition eines Schwas gebracht, wird die Engebildung zwischen<br />
Uvula und Zunge gespannter, was unter anderem ein aperiodisches<br />
Mitschwingen des Zäpfchens zur Folge haben kann.<br />
Die Konfiguration der Vorderzunge während der uvularen Friktion<br />
scheint der Hauptgrund für Unterschiede zwischen stimmloser uvularer<br />
Friktion als Korrelat von und uvularer Friktion als Korrelat « von zu sein.<br />
Die uvulare Friktion sowohl prä- als auch postvokalisch in der zweiten<br />
Silbe des Wortes Eintracht illustrieren diesen Unterschied. Abb. 4.2 zeigt<br />
Sonagramme der zweiten Silbe des Wortes Eintracht, produziert von einer<br />
Sprecherin (k08) und einem Sprecher (k07). Bei der Sprecherin k08 ist der<br />
Unterschied zwischen initialer und finaler Friktion am größten. Die prävokalische<br />
Friktion wird von Zäpfchenschwingungen begleitet. Das akustische<br />
Produkt dieser Schwingungen sind kurzlebige Energieanstiege in bestimmten<br />
Frequenzbereichen, die sich als Schwärzungen im Sonagramm<br />
(mit Pfeilen markiert) sichtbar machen. Bei Sprecher k07 hingegen wird<br />
die Friktion nicht von uvularer Schwingung begleitet.<br />
Bei allen Sprechern ist ein Unterschied in der vokalischen Qualität der<br />
prä- und postvokalischen Friktion zu finden, d.h. in der Konfiguration der<br />
Zunge vor der dorso-uvularen Enge. Die prävokalische Friktion hat eine<br />
Schwaqualität, die postvokalische eher !4& eine -Qualität, ein Unterschied,<br />
der a¬ ¥& mit = ¥& bzw. symbolisch zum Ausdruck gebracht werden kann 8 . Die<br />
zentralere Qualität der prävokalischen Friktion ist bei der Sprecherin k08<br />
in Abb. 4.2 deutlich zu sehen. Das Zentrum des zweiten Formanten liegt<br />
bei etwa 1450 Hz, und das des schwächeren F1 bei etwa 1050 Hz. Beim<br />
¥& postvokalischen kommen F1 und F2 immer näher zusammen, so daß<br />
nur eine Resonanz mit einem Zentrum um 1300 Hz bleibt.<br />
Die restlichen konsonantischen Varianten des , die von entstimmter uvularer<br />
Friktion . )2& bis hin zu einem stimmhaften friktionslosen Approximanten<br />
.±& reichen, sind zusammen zu behandeln. Es gibt drei Dinge, die<br />
für diese gemeinsame Behandlung sprechen:<br />
8 Vgl. Boas (1911), S. 23: “The vocalic tinge of consonants is expressed by superior vowels<br />
following them: ²´³oµj· ”
›<br />
›<br />
›<br />
4.3 Stimmlose uvulare Friktion ¡ ¢8£ 119<br />
Abbildung 4.2: Oszillogramme und Sonagramme der zweiten Silbe des<br />
Wortes Eintracht für die Sprecher k08 (weiblich) und k07 (männlich). Die<br />
Pfeile zeigen auf die Schwärzungen, die vom aperiodischen Schwingen<br />
der Uvula stammen. (Ref: k08mr056, k07mr056)<br />
In der Produktion des gleichen Wortes von verschiedenen Sprechern<br />
kann mal . ) & , mal .+& , mal .± & auftreten.<br />
In mehrfachen Äußerungen des gleichen Wortes kann derselbe Sprecher<br />
mal . ) & , mal .+& , mal .± & produzieren.<br />
In der Produktion eines einzelnen Auftretens des werden komplexe<br />
artikulatorische Abfolgen gefunden, z.B. . )%.#. ) & .<br />
In Abschnitt 4.4 wird argumentiert, daß der wichtigste Unterschied<br />
zwischen diesen Varianten im komplexen Zusammenspiel zwischen der<br />
herrschenden Luftströmung und den beteiligten Artikulatoren ist.<br />
Variation bei verschiedenen Sprechern in der Produktion des gleichen<br />
Sprachmaterials läßt sich am besten an den Sprechern k07 und k08 illustrieren.<br />
Unter insgesamt 72 Wörtern pro Sprecher, in denen potentiell ein
120 Phonetik und Phonologie des deutschen<br />
¸ konsonantisches Korrelat von auftreten kann, werden etwa 20 mit den im<br />
vorigen Abschnitt beschriebenen stimmlosen Varianten gefunden. In den<br />
restlichen 52 tritt bei Sprecher . ) & k07 nur einmal im Wort Briketts auf,<br />
alle anderen haben stimmhafte dorso-uvulare Frikative oder Approximanten.<br />
Bei der Sprecherin k08 hingegen wird in den restlichen 52 Fällen 46<br />
. ) & Mal produziert. Die anderen Sprecher liegen zwischen diesen beiden<br />
Extremen.<br />
In mehrfachen Äußerungen des gleichen Wortes in verschiedenen Satzkontexten<br />
werden bei demselben Sprecher unterschiedliche Engen festgestellt.<br />
Der Vorname Doris tritt viermal in den Marburger Sätzen auf. Bei<br />
fünf der Sprecher wird in allen vier Fällen eine stimmhafte uvulare Enge<br />
vorgefunden, die entweder als Frikativ oder als friktionsloser Approximant<br />
zu kategorisieren ist, wobei auch innerhalb dieser Kategorisierung keine<br />
klare Abgrenzung zwischen den Kategorien Frikativ und Approximant zu<br />
definieren ist.<br />
Abb. 4.3 enthält Sonagramme von vier Äußerungen des Wortes Doris<br />
für die Sprecher k07 und k08, die sowohl die Variation zwischen Sprechern<br />
als auch innerhalb der Produktion eines einzelnen Sprechers illustrieren.<br />
An der akustischen Ausprägung der zwischenvokalischen Enge<br />
bei Sprecher k07 in Abb. 4.3a-d sind klare Unterschiede in der Größe<br />
der Enge zu sehen. Bei k07 wird dem Gehörseindruck und der akustischen<br />
Ausprägung nach die kleinste uvulare Enge in der zweiten Äußerung<br />
(Abb. 4.3b) erreicht. Im Oszillogramm ist die geringe Amplitude der<br />
einzelnen Schwingungen zu sehen. Im Sonagramm werden die Formanten<br />
schwächer, der dritte Formant ist kaum noch zu sehen und Unregelmäßigkeit<br />
in den darüberliegenden Resonanzen weisen auf Friktion hin. Im Gegensatz<br />
hierzu steht die Äußerung in Abb. 4.3c. Vom Gehörseindruck her<br />
sowie aus den Formantbewegungen (fallender F2, steigender F3) wird nur<br />
eine offene uvulare Enge erreicht. Die Formantverläufe schwächen nicht<br />
ab, und es ist keine Einbuchtung im Oszillogramm zu erkennen, wie sie<br />
in den restlichen Äußerungen des Wortes zu sehen sind. Bei der Sprecherin<br />
k08 sehen die intervokalischen Artikulationen deutlich anders aus. Bei<br />
drei der vier Äußerungen (Abb. 4.3f-h) setzt die Stimmhaftigkeit aus. Eine<br />
starke Resonanz um 1000 Hz sowie Energie oberhalb von 3 kHz charakterisieren<br />
die akustische Ausprägung des entstimmten Frikativs. In Abb. 4.3f<br />
weist eine Schwärzung bei 2250 ms über einen Frequenzbereich zwischen<br />
400 Hz und 1400 Hz auf einen einmaligen Schlag der Uvula hin. Lediglich<br />
in der ersten Äußerung des Wortes Doris (Abb. 4.3e) wird die uvulare
4.3 Vokalische Korrelate des 121<br />
¹<br />
Enge vollständig von Stimmhaftigkeit begleitet.<br />
Aus der mehrmaligen Produktion des gleichen Wortes von zwei Sprechern<br />
sind sowohl intra- als auch intersprecherische Variation demonstriert<br />
worden. In Plosiv- mehreren -Verbindungen des õo Typs º , »¥ und werden<br />
statt . )%& “einfachem” .+& , .± & oder komplexe Abfolgen dieser Artikulationen<br />
gefunden. In den schon beschriebenen Beispielen von Doris<br />
sind solche Abfolgen auch vorhanden. Bei der Sprecherin k08 sind kurze<br />
stimmhafte uvulare Engen sowohl vor als auch nach den entstimmten<br />
uvularen Engen (Abb. 4.3f-h) zu sehen, aber die Bewegung aus der vokalischen<br />
Striktur heraus in die entstimmte Enge hinein kann als Kontinuum<br />
betrachtet werden. An anderen Stellen läßt sich der konsonantische<br />
Komplex nicht so leicht erklären. In silbenanlautenden õo@¥<br />
Kombinationen<br />
º@¥ und werden einige Fälle beobachtet, in denen kräftige Glottisschwingung<br />
unmittelbar nach der Plosivlösung einsetzt, nach kurzer Zeit aber<br />
wieder schwächer wird und z.T. vollkommen aussetzt. Es entstehen also<br />
phonetische Abfolgen der ( )%.#. )%& Art n)'.#. )%& oder . Beispiele der akustischen<br />
Ausprägung einer bilabialen und apikalen Abfolge sind in Abb. 4.4 zu sehen.<br />
Vor allem bei brennen ist der auditive Eindruck der eines uvularen<br />
Schlaglautes, der auch als ein Schlag eines uvularen Vibranten gedeutet<br />
werden kann.<br />
In der silbenanlautenden ȴ Kombination (siehe Abb. 4.5) tritt eine<br />
weitere komplexe Abfolge auf, die sich von der õo@¥ für º+@¥ und unterscheidet.<br />
Abb. 4.5 zeigt Produktionen des Wortes begreifen der Sprecherinnen<br />
k08 und k12. Nach der Lösung des dorsalen Plosivs ist für etwa 30 ms<br />
keine Stimmhaftigkeit vorhanden. Die Frikativenge während dieser entstimmten<br />
Phase erstreckt sich von dorso-uvular bis dorso-velar. Danach<br />
setzt Stimmbandschwingung kurze Zeit ein, und die Enge wird lediglich<br />
dorso-uvular gebildet. Nach weiteren 20 bis 30 ms setzt die Stimmbandschwingung<br />
wieder aus, bevor sich Stimmhaftigkeit endgültig durchsetzen<br />
kann.<br />
4.3.3 Vokalische Korrelate des<br />
Wie bei den konsonantischen Korrelaten gilt die kanonische Transkription<br />
sowie die Etikettierungen der einzelnen Äußerungen als Ausgangspunkt<br />
der Untersuchung. Alle Fälle wurden herausgesucht, in denen das Symbol<br />
(] 6 IPA ) in der kanonischen Transkription vorkommt. An diesen<br />
Stellen wird für das Standarddeutsch, das als Modell für die kanonische
122 Phonetik und Phonologie des deutschen <br />
(a) (b) (c) (d)<br />
(e) (f) (g) (h)<br />
Abbildung 4.3: Sonagramme und Oszillogramme der vier Produktionen<br />
des Wortes Doris für die Sprecher k07 (a-d) und k08 (e-h). Pfeile zeigen etwa<br />
auf die Mitte der jeweligen uvularen Artikulation. (Refs. (a) k07mr026,<br />
(b) k07mr056, (c) k07mr074, (d) k07mr085, (e) k08mr026, (f) k08mr056,<br />
(g) k08mr074, (h) k08mr085)
4.3 Vokalische Korrelate des 123<br />
(a) (b) (c)<br />
Abbildung 4.4: Sonagramme und Oszillogramme des Wortes (a) brennen<br />
sowie zwei (b-c) Produktionen des Wortes drei, gesprochen von Sprecher<br />
k09. Die uvulare Strecke in jedem Wort ist im Sonagramm jeweils mit<br />
gekennzeichnet. In den ersten beiden Wörtern setzt Stimmhaftigkeit aus,<br />
während in der zweiten Produktion des Wortes drei Stimmhaftigkeit nur<br />
schwächer wird. (Ref.: (a) k09mr023, (b) k09mr076, (c) k09mr030)<br />
Transkription verwendet wird, eine vokalische Realisierung des erwartet.<br />
In den 100 Marburger Sätzen gibt es 125 solche Fälle. Wie schon in<br />
4.3.2 erwähnt wurde, ergab die Untersuchung der Etikettierungen 17 vokalische<br />
Fälle, in denen die Kanonik ein konsonantisches Korrelat vorsieht<br />
(Erdbeeren: 3, Herren: 3, Motoren: 3, Türen: 4, fahren: 2, waren: 2). Dies<br />
ergibt für die sechs untersuchten Sprecher eine Gesamtsumme von 767<br />
vokalische Realisierungen (¼ Sprecher ½O¾j¿¥ÀÂÁÃ¾Ä ). Hierbei wurden aus<br />
theoretischen Überlegungen heraus vier Fälle pro Sprecher aus der Untersuchung<br />
ausgeschlossen, in denen die kanonische Transkription 6 enthält.<br />
Alle Fälle kommen in den Personalpronomina unsere und unserer vor. Es<br />
ist für beide 6 in der zweiten Silbe postuliert worden. Es wird aus späteren<br />
Überlegungen deutlich, daß diese Analyse phonologisch inkonsistent ist.<br />
Die vokalischen Korrelate des sind komplizierter zu beschreiben als
124 Phonetik und Phonologie des deutschen <br />
›<br />
›<br />
(a)<br />
(b)<br />
Abbildung 4.5: Sonagramme und Oszillogramme des Wortes begreifen,<br />
gesprochen von zwei Sprecherinnen (a) k08 und (b) k12. Die uvulare<br />
Strecke in jedem Wort ist im Sonagramm jeweils mit gekennzeichnet.<br />
(Ref.: (a) k08mr027, (b) k12mr027)<br />
die konsonantischen. Hierfür sind zwei Gründe zu nennen:<br />
Im Gegensatz zu den konsonantischen Korrelaten ist in vielen Fällen<br />
kein zeitlicher Abschnitt vorhanden, den man ausschließlich der<br />
Phonetik des zuschreiben kann.<br />
Eine genaue Abgrenzung der zu beschreibenden Daten ist problematisch,<br />
denn in einigen Fällen ist es nicht klar, ob phonetisch oder<br />
phonologisch vorhanden ist.<br />
Die vokalischen Korrelate des manifestieren sich als eine Reihe von<br />
monophthongalen und diphthongalen Vokalqualitäten, die aus einer Verbindung<br />
der phonetischen Korrelate eines Vokals und des entstehen.
4.3 Vokalische Korrelate des 125<br />
Å<br />
Unbetonte<br />
Silbe Rj<br />
Das häufigste Vorkommen des vokalischen ist in unbetonten Silben, die<br />
kanonisch mit 6 transkribiert wurden und als der phonologische Komplex<br />
Rj zu behandeln sind. Im untersuchten Subkorpus gibt es 300 Rj Fälle, also<br />
39% der insgesamt 767 vokalischen Fälle. Hiervon ist wortfinale Position<br />
mit 78% der Rj -Fälle am meisten vertreten. In der Vorsilbe ver- befinden<br />
sich 16%, und die restlichen 6% der Fälle sind in den nichtfinalen Kontexten<br />
der Wörter Mitternacht, Selterswasser und Eltern zu finden. Die<br />
kanonische Kategorisierung der Vorsilbe ver- als 6 und somit als Rj wird<br />
weiter unten in Frage gestellt.<br />
Bei allen Sprechern werden für Rj ausschließlich Monophthonge beobachtet,<br />
deren Qualitäten eine große Fläche im Vokalraum eines Sprechers<br />
abdecken. Eine Vorstellung dieser Variationsbreite liefert die graphische<br />
Aufbereitung des ersten und zweiten Formanten der Einzelvokale für den<br />
Sprecher k11 in Abb. 4.6. Ausgenommen von der graphischen Aufbereitung<br />
sind hier aus dem genannten Grund Werte für Vokale in der Vorsilbe<br />
ver-. Diese finden sich in Abb. 4.7. Die Vokalformanten in den Abbildungen<br />
4.6 und 4.7 wurden mit der in Abschnitt 3.6.1 beschriebenen Methode<br />
gemessen. Aus der Darstellung in Abb. 4.6 sieht man, daß die Qualitäten<br />
von Rj einen zentralen Bereich des Vokalraums einnehmen und von halbgeschlossen<br />
bis offen reichen. Jedoch sind die weit auseinanderliegenden<br />
Qualitäten nicht willkürlich im Vokalraum verteilt, sondern werden vom<br />
Äußerungskontext sowie von der unmittelbaren Lautumgebung geprägt.<br />
In äußerungsfinaler Position wird eine offenere Vokalqualität im Rj -<br />
Vokalraum des Sprechers verwendet als in nichtfinaler Position. In nichtfinaler<br />
Position trägt die unmittelbare Lautumgebung entscheidend zur Vokalqualität<br />
bei. Dies hat zur Folge, daß das Vorfinden der phonetisch gleichen<br />
Vokalqualität in äußerungsfinaler und nichtfinaler Position nicht die<br />
gleiche Herkunft haben muß. Bei allen Sprechern wird in der finalen Silbe<br />
des Wortes unser in der Nominalphrase unser Haar eine ähnlich offene Vokalqualität<br />
produziert wie in der äußerungsfinalen Silbe des Wortes später.<br />
Der finale Vokal von unser in anderen Nominalphrasen (unser Doktor, unser<br />
Treffpunkt) ist jedoch geschlossener, was vermuten läßt, daß die offene<br />
Qualität der finalen Silbe von unser aus einer Harmonie mit der offenen<br />
Vokalqualität in Haar entsteht. Ähnliche harmonische Anpassung ist in<br />
den Produktionen des Wortes Kinder zu beobachten, das in den Kontexten<br />
Kinder machen und Kinder essen vorkommt. In der zweiten Silbe von
126 Phonetik und Phonologie des deutschen <br />
F2 [Hz]<br />
2100<br />
1900<br />
1700<br />
1500<br />
1300<br />
1100<br />
900<br />
700<br />
500<br />
200<br />
ÆaÇ<br />
É Ç<br />
300<br />
400<br />
500<br />
600<br />
F1 [Hz]<br />
700<br />
800<br />
È Ç<br />
900<br />
Abbildung 4.6: Werte für die ersten zwei Formanten des Vokals Rj<br />
(schwarze Vierecke), gemessen in der Mitte des Vokals. Formantwerte der<br />
Vokale aus den Wörtern Prinzip (¦§¤ ), Zug (¤ ) und Schlaf (£¥¤ ) sollen einen<br />
Eindruck über die relative Lage der R8 -Werte im Vokalraum des Sprechers<br />
vermitteln.<br />
Kinder in Kinder essen wird ein vorderer halboffener Vokal produziert, vor<br />
machen hingegen ein zentraler Vokal mittlerer bis halboffener Qualität.<br />
Vorsilbe ver-<br />
Obwohl die Vorsilbe ver- auch kanonisch 6 vorsieht, wird sie hier getrennt<br />
behandelt, denn in zwei anderen kanonischen Referenzen (DUDEN 1990;<br />
Krech et al. 1964) wird nicht Rj sondern ein Vollvokal angesetzt: eÊ bzw.<br />
r. Die phonetischen Beobachtungen, die an den sechs Sprechern hier gemacht<br />
werden, zeigen ein komplizierteres Bild, das womöglich beide Kategorisierungen<br />
für unterschiedliche Wörter rechtfertigt. Genauso wie bei<br />
den Fällen, die als Rj -Silben kategorisiert werden, wird eine große Variationsbreite<br />
in der Qualität festgestellt, und die Verteilung der Vokalqua-
4.3 Vokalische Korrelate des 127<br />
2000<br />
F2 [Hz]<br />
1500<br />
1000<br />
k07<br />
500<br />
200<br />
2000<br />
F2 [Hz]<br />
1500<br />
1000<br />
k08<br />
500<br />
200<br />
300<br />
300<br />
400<br />
400<br />
500<br />
600<br />
700<br />
F1 [Hz]<br />
500<br />
600<br />
700<br />
F1 [Hz]<br />
800<br />
800<br />
900<br />
900<br />
2000<br />
F2 [Hz]<br />
1500<br />
1000<br />
k09<br />
500<br />
200<br />
2000<br />
F2 [Hz]<br />
1500<br />
1000<br />
k10<br />
500<br />
200<br />
300<br />
300<br />
400<br />
400<br />
500<br />
600<br />
700<br />
F1 [Hz]<br />
500<br />
600<br />
700<br />
F1 [Hz]<br />
800<br />
800<br />
900<br />
900<br />
2000<br />
F2 [Hz]<br />
1500<br />
1000<br />
k11<br />
500<br />
200<br />
2000<br />
F2 [Hz]<br />
1500<br />
1000<br />
k12<br />
500<br />
200<br />
300<br />
300<br />
verdammtes<br />
verdienen<br />
verlassen<br />
verletzt<br />
verträgt<br />
vertragen<br />
Verkehrsampeln<br />
vergessen<br />
400<br />
500<br />
600<br />
700<br />
800<br />
900<br />
F1 [Hz]<br />
400<br />
500<br />
600<br />
700<br />
800<br />
900<br />
F1 [Hz]<br />
Abbildung 4.7: Formantwerte der ersten zwei Formanten für die Vorsilbe<br />
ver-. Sprecher k07, k09 und k11 links, Sprecherinnen k08, k10, k12 rechts.<br />
litäten im Vokalraum der Sprecher ist ebenfalls nicht willkürlich. Die Lage<br />
der Vokalqualitäten der ver-Silbe in den Wörtern verdammtes, verdienen,<br />
verlassen, verletzt, verträgt, vertragen, vergessen und Verkehrsampeln für<br />
die einzelnen Sprecher sind in Abb. 4.7 dargestellt. Bei allen Sprechern<br />
ist die Qualität des Vokals in verletzt weiter vorn als in verlassen. Bei<br />
fünf Sprechern (nicht k11) liegen die Qualitäten der Vokale im dorsalen<br />
Plosiv-Kontext im vorderen geschlossenen Bereich. Dies stimmt mit dem<br />
Gehörseindruck eines vorderen halbgeschlossenen Vokals überein.
128 Phonetik und Phonologie des deutschen <br />
Ë Ander e -Vokale<br />
Die restlichen 61% der vokalischen -Fälle sind in den Marburger Sätzen<br />
so verteilt, daß sich Aussagen über mehrfache Äußerungen des gleichen<br />
Wortes in unterschiedlichen Äußerungskontexten machen lassen sowie Beschreibungen<br />
der Ausprägung von vokalischem im Kontext unterschiedlicher<br />
Vokalkategorien. Die kanonische Kategorisierung der -Diphthonge<br />
sieht für jeden Vokal von kurzer oder langer Quantität auch einen solchen<br />
Vokal mit vokalischem vor. Aus anderen Beschreibungen des würde<br />
man bei nichtoffenen Vokalen eine Reihe von Diphthongen erwarten, die<br />
qualitativ ihren Anfang im Bereich des -losen Vokals und ihr Ende in<br />
Richtung auf den halboffenen ungerundeten zentralen Vokal :8& nehmen.<br />
Bei offenen Vokalen, wie etwa in Mark bzw. Korb würde man einen Monophthong<br />
offener Qualität bzw. einen Diphthong mit geringer Zungenbewegung<br />
in Richtung :8& erwarten. Abb. 4.8 zeigt eine graphische Darstellung<br />
dieser Beschreibung aus Kohler (1977). Die Punkte orten die Anfangsqualität<br />
des betreffenden -Vokals und die vom Punkt abgehende Linie die<br />
Richtung der diphthongalen Bewegung. Im Vergleich des quantitativ langen<br />
Vokals in mehr und des kurzen Vokals herrlich sollte der -Vokal von<br />
mehr im vorderen halbgeschlossenen Bereich beginnen und der von herrlich<br />
in der Nähe von ŠY& .<br />
Die Qualitäten der -Vokale im untersuchten Subkorpus stimmen in<br />
vielen Punkten mit Kohlers Beschreibung überein. Die Diphthonge in<br />
Wörtern wie Bier, Gewähr, Uhr und vor fangen bei allen Sprechern am<br />
Rande des Vokalraums an und sind nach ihrer Zungenhöhe geschlossen<br />
(Bier und Uhr) bzw. halbgeschlossen (Gewähr 9 und vor). Die Endposition<br />
des Diphthongs ist in der Zungenhöhe unterschiedlich, aber stets zentral<br />
und ungerundet, so daß das Ende des Diphthongs zwischen ÌY& und :
Ñ<br />
4.3 Vokalische Korrelate des 129<br />
Abbildung 4.8: Die Qualitäten der -Diphthonge im Deutschen (aus Kohler<br />
1977: 177).<br />
achtet, lediglich eine kleine Bewegung zum Zentrum und bei Morgen eine<br />
Entrundung zum Vokalende hin.<br />
Jedoch weichen die Qualitäten der -Vokale im untersuchten Subkorpus<br />
von Kohlers (1977, 1995a) Darstellung in einigen Punkten ab. Viele<br />
der nichtoffenen Vokale sind ebenfalls monophthongal. Im Wort wirklich<br />
wird lediglich bei den Sprechern k07 und k11 ein Diphthong des Ía?@& Typs<br />
beobachtet. Bei den restlichen Sprechern wird ein Monophthong produziert:<br />
bei k09 Î ‘& als , bei k08 und k12 ?@& als und bei der Sprecherin k10<br />
als zentrale halboffene gerundete Ï8& Qualität . Auch beim Wort natürlich<br />
wird nur bei der Sprecherin k08 ein Diphthong gefunden, bei den restlichen<br />
Sprechern ein Monopthong der zÐ & Qualität . In unbetonten Silben der<br />
Wörter nervös(e), erwartet sowie in nichtakzentuierten grammatikalischen<br />
Einheiten wie wer, er und gern überwiegen Monophthonge einer zentralisierten<br />
halboffenen ,Î ŠY& Qualität .<br />
Die große Anzahl von Monophthongen in diesem Subkorpus steht<br />
jedoch nicht im Widerspruch zu Kohlers Beschreibung, denn die Daten<br />
stammen aus unterschiedlichen linguistischen Aktivitäten. Kohlers Be-
130 Phonetik und Phonologie des deutschen<br />
ª schreibung basiert lediglich auf der Beobachtung von isoliert gesprochenen<br />
Wörtern. Die Vokalqualitäten aus diesem Korpus sind zum Teil das<br />
Produkt unterschiedlicher Äußerungskontexte. Ein Vergleich des Wortes<br />
vor in betonter äußerungsfinaler Position als Partikel (Deine Uhr geht vor.)<br />
und als unbetonte Präposition in nichtfinaler Position (Schlaf vor Mitternacht<br />
ist gesund.) machen diese Unterschiede klar. Die durchschnittliche<br />
Dauer der Vokale liegt bei 233 ms für äußerungsfinales vor gegenüber nur<br />
62 ms für die nichtfinale Präposition. Im ersten Fall ist die vollständige<br />
Entfaltung eines Diphthonges möglich, während im letzteren Fall diese<br />
Zeit nicht zur Verfügung steht und man eher einen Monophthong findet<br />
von zentralerer Qualität als der Anfang des äußerungsfinalen Vokals oder<br />
einen Diphthong mit nur geringer Bewegung.<br />
Solche Variationen in der Vokalqualität in der Aussprache eines Wortes<br />
treten jedoch nicht nur an Stellen auf, die mit Dauerunterschieden zusammengebracht<br />
werden können. Die Wörter vor, werden und fährt kommen<br />
mehrmals in den Marburger Sätzen vor. Die ersten beiden treten sowohl<br />
äußerungsfinal als auch äußerungsintern auf, fährt nur äußerungsintern.<br />
Zusätzlich zu den oben genannten Kontexten steht vor im Präposition-Artikel-Gefüge<br />
vor’m. Das Wort werden tritt zweimal satzfinal als Vollverb<br />
und einmal nichtfinal in der Funktion eines Hilfsverbs auf. In den Sätzen<br />
Doris fährt zu weit links. und Vorsicht, Zug fährt ab! haben die Vokale<br />
des Wortes fährt für alle Sprecher unterschiedliche Qualität, obwohl keine<br />
signifikanten Dauerunterschiede festgestellt wurden. Die zwei fährt-<br />
Tokens von den Sprecherinnen k08 und k10 sowie von Sprecher k09 sind<br />
in Abb. 4.1 dargestellt. Der Vokal des zweiten fährt wird von fünf der sechs<br />
Sprecher als halboffener Monophthong der ŠÒ@& Qualität , der gleiche Vokal<br />
im ersten Satz hingegen erscheint in fünf Fällen als Diphthong, dessen Anfang<br />
halbgeschlossen ist. Die offenere ŠÒY& Qualität kommt der Qualität des<br />
Wortes erst nahe, während der halbgeschlossene Diphthong dem Vokal des<br />
finalen Gewähr ähnelt.<br />
Bei nichtfinalem vor besteht ein ähnliches Qualitätsverhältnis zur finalen<br />
Position. Die Qualität des Vokals im nichtfinalen Kontext ist offener, in<br />
vielen Fällen monophthongal und könnte der gleichen Kategorie zugeordnet<br />
werden wie der vokalische Abschnitt der Wörter Morgen, Wort oder<br />
dort.<br />
Bei mehrfachen Produktionen des Wortes werden wird das Bild noch<br />
komplizierter. Bei Sprecher k09 sind die vokalischen Abschnitte der drei<br />
Äußerungen des Wortes hörbar unterschiedlich. Im ersten äußerungsfina-
4.3 Alternation zwischen vokalischen und konsonantischen Korrelaten131<br />
(a)<br />
(b)<br />
Abbildung 4.9: Sonagramme und Etikettierungen von (a) konsonantischen<br />
und (b) vokalischen Realisierungen des Wortes fahren von den Sprechern<br />
(a) k07 und (b) k11. (Ref.: (a) k07mr088, (b) k11mr088)<br />
len Beispiel wird ein Diphthong der ,Ð ‘?@& Qualität produziert. Im zweiten<br />
äußerungsfinalen Beispiel ist der Vokalabschnitt länger jedoch monophthongal<br />
mit der ŠÒ± & Qualität . Dieser Vokal ist offener und deutlich zentraler<br />
als der ebenfalls monophthongale Abschnitt des nichtfinalen werden<br />
des gleichen Sprechers.<br />
4.3.4 Alternation zwischen vokalischen und konsonantischen<br />
Korrelaten<br />
Neben vokalischen und konsonantischen Korrelaten des sind Alternationen<br />
zwischen den Korrelaten zu verzeichnen, die in ¥|YR¦<br />
wortfinalem gefunden<br />
wurden. Die Marburger Sätze enthalten Pluralformen von Substantiven<br />
(Erdbeeren, Herren, Motoren, Türen) sowie zwei Verbformen (fahren,<br />
waren), die diese Struktur aufweisen. Wie schon in 4.3.2 erwähnt wurde,<br />
entfielen von den insgesamt 36 (¼ Tokens ½Ó¼ Wörter Sprecher) etwa<br />
die Hälfte (17) auf eine vokalische Aussprache.<br />
Abb. 4.9 enthält Beispiele für die konsonantische (a) und vokalische<br />
(b) Realisierung des Wortes fahren gesprochen von den Sprechern (a) k07<br />
und (b) k11. Die beiden Realisierungen sind etwa gleich lang. In (a) ist<br />
der zwischenvokalische uvulare Frikativ deutlich an der Abschwächung in
132 Phonetik und Phonologie des deutschen <br />
¸ den Formanten zu erkennen. In (b) ist die gesamte Strecke zwischen dem<br />
labiodentalen Frikativ und dem Nasal vokalisch und monophthongal. Jedoch<br />
sind auch in der vokalischen Realisierung zwei Silben zu vernehmen,<br />
was dem Nasal zu verdanken ist. Er hat mit etwa 80 ms die gleiche Dauer<br />
wie die Gesamtstrecke für Vokal und Nasal ?e;& des -Abschnitts in (a).<br />
Die Wahl für die konsonantische oder vokalische Variante scheint jedoch<br />
nicht mit dem lautlichem oder rhythmischen Kontext zusammenzuhängen,<br />
sondern sprecherspezifisch zu sein. Zwei Sprecher (k07 und<br />
k09) sowie die Sprecherin k08 produzierten in den Wörtern fast ausschließlich<br />
das konsonantische Korrelate. Nur in der Aussprache von<br />
Türen produzierte k07 das vokalische Korrelat. Der Sprecher k11 und die<br />
Sprecher k12 prduzierten ausschließlich das vokalische Korrelat. Lediglich<br />
die Sprecherin k10 schwankte zwischen vokalischem und konsonantischem<br />
Korrelat. Interessanterweise kam das vokalische Korrelat in den<br />
Substantiven, das konsonantische in den Verben vor. Ob ihre Alternation<br />
mit den morphologischen Unterschieden, mit den offenen Vokalen in den<br />
Verben und den nichtoffenen Vokalen der Substantive oder mit etwas anderem<br />
zu tun hat, bleibt noch unklar.<br />
4.4 Phonetische und phonologische Erklärung<br />
der Lautmuster<br />
Der vorige Abschnitt liefert ein kompliziertes Bild über die Lautmuster<br />
des , wie sie in der gelesenen Sprache von drei Sprecherinnen und drei<br />
Sprechern beobachtet wurden. In diesem Abschnitt wird nun versucht, Erklärungen<br />
zu liefern sowie die notwendigen phonetischen und phonologischen<br />
Abstraktionen aufzustellen, die einen Teil dieser Muster erklären<br />
können. Die einfachste Lösung wäre, sämtliche beschriebenen Lautkomplexe<br />
des als unterschiedliche Allophone in verschiedenen strukturellen<br />
Positionen zu deklarieren. Aber diese Lösung ist nicht zufriedenstellend,<br />
weil die Unterschiede zwischen den Lautmustern nicht den gleichen Ursprung<br />
haben. So ist beispielsweise der Unterschied zwischen 4& und .+&<br />
anders zu erklären, als der zwischen konsonantischem ¥& und vokalischen<br />
:8& .<br />
Die phonetische und phonologische Linie, die hier verfolgt wird,<br />
kombiniert Elemente aus mehreren phonetischen und phonologischen<br />
Ansätzen, insbesondere der Firth’schen prosodischen Phonologie (Firth
4.4 Zeitliche Überlappung 133<br />
1948), der artikulatorischen Phonologie (Browman und Goldstein 1989,<br />
1992) sowie der deklarativen Phonologie (Coleman 1998).<br />
Die phonetischen Beobachtungen werden in einem ersten Schritt drei<br />
Bereichen zugeordnet, was aber nicht heißt, daß die Phonetik eines -<br />
Tokens mit einem einzigen Bereich zu erklären ist:<br />
Zeitliche Organisation Die phonetischen Korrelate von phonologischen<br />
Objekten sind zeitlich organisiert. Gewisse Unterschiede im beobachtbaren<br />
Produkt einer Äußerung können auf Unterschiede in<br />
der zeitlichen Organisation der phonetischen Zutaten zurückgeführt<br />
werden.<br />
Artikulatorisch-aerodynamisch Das feine Zusammenspiel zwischen<br />
dem Luftstrom und bestimmten artikulatorischen Konfigurationen,<br />
kann zu komplexen phonetischen Mustern führen.<br />
Phonologisch Elemente der beobachteten Phonetik, die nicht vorhersagbar<br />
sind, müssen aufgelistet werden.<br />
Diese Faktoren werden zuerst getrennt erläutert, jeweils anhand der<br />
lautlichen Aspekte, die sie erklären und in 4.4.4 werden solche Fälle besprochen,<br />
bei denen keine klare Entscheidung zu fällen ist.<br />
4.4.1 Zeitliche Überlappung<br />
Zeitliche Überlappung in der Form, wie sie hier verwendet wird, ist lediglich<br />
eine weitgefaßte Definition der Koartikulation (Menzerath und Lacerda<br />
1933), wie sie in vielen phonetischen und phonologischen Ansätzen<br />
und verschiedenen Termini zu finden ist. Sie ist gleichzusetzen mit dem<br />
“gestural overlap” der artikulatorischen Phonologie oder dem “temporal<br />
overlay” in deklarativen Ansätzen (Local 1992).<br />
Die große Mehrheit an phonetischer Variation in den Lautmustern des <br />
können Unterschieden in der zeitlichen Organisation zugeschrieben werden.<br />
Sämtliche vokalischen Muster, die beschrieben wurden, sowie die erweiterte<br />
Vokalkategorisierung von Ulbrichs Daten in 4.3 können auf diesem<br />
Wege einheitlich erklärt werden. Abb. 4.10 illustriert die beobachtbaren<br />
Folgen von Unterschieden in der zeitlichen Überlappung der Phonetik<br />
von mit der Phonetik von anderen vokalischen Elementen. Die phonetischen<br />
Korrelate des und der anderen Elemente werden durch verschiede-
134 Phonetik und Phonologie des deutschen <br />
Û<br />
Û<br />
Û<br />
(<br />
ÜÖÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÖÜ<br />
ÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÖÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚ<br />
ÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÖÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚ ÜÖÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÖÜ<br />
ÜÖÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÖÜ<br />
ÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÖÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚ<br />
(a)<br />
r<br />
y<br />
ε<br />
ÜÖÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÖÜ<br />
ÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÖÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚ<br />
ÜÖÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÖÜ<br />
ÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÖÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚ<br />
ÜÖÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÖÜ<br />
ÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÖÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚ<br />
ÜÖÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÕÜÖÜ<br />
ÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚÖÚÕÚÕÚÕÚÕÚÕÚÕÚÕÚ<br />
ÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÖÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝ<br />
ÞÕÞÕÞÖÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞ<br />
(b)<br />
r<br />
y<br />
ε<br />
ÞÕÞÕÞÖÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞ<br />
ÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÖÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝ<br />
ÞÕÞÕÞÖÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞ<br />
ÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÖÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝ<br />
ÞÕÞÕÞÖÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞ<br />
ÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÖÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝ<br />
ÞÕÞÕÞÖÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞ<br />
ÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÖÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝ<br />
ÞÕÞÕÞÖÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞÕÞ<br />
ÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝÖÝÕÝÕÝÕÝÕÝÕÝÕÝÕÝ<br />
y<br />
ε<br />
×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Ö×Õ×<br />
ØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÖØÕØ<br />
×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Ö×Õ×<br />
ØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÖØÕØ<br />
(c)<br />
ØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÖØÕØ<br />
×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Ö×Õ×<br />
r(<br />
ØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÖØÕØ<br />
×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Ö×Õ×<br />
ØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÖØÕØ<br />
×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Ö×Õ×<br />
ØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÖØÕØ<br />
×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Ö×Õ×<br />
ØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÕØÖØÕØ<br />
×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Õ×Ö×Õ×<br />
ÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÖÙÕÙ<br />
ÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÖÔÕÔ<br />
w<br />
ε<br />
ÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÖÔÕÔ<br />
ÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÖÙÕÙ<br />
ÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÖÙÕÙ<br />
ÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÖÔÕÔ<br />
ÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÖÙÕÙ<br />
(d)<br />
ÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÖÔÕÔ<br />
ÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÖÔÕÔ<br />
ÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÖÙÕÙ<br />
r<br />
ÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÖÙÕÙ<br />
ÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÖÔÕÔ<br />
ÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÕÙÖÙÕÙ<br />
ÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÕÔÖÔÕÔ<br />
ßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÖßÕßÕßÕßÕßÕßÕßÕß àÕàÕàÕàÕàÕàÕàÖàÕàÕàÕàÕàÕàÕà<br />
ßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÖßÕßÕßÕßÕßÕßÕßÕß àÕàÕàÕàÕàÕàÕàÖàÕàÕàÕàÕàÕàÕà<br />
(e)<br />
α<br />
r<br />
àÕàÕàÕàÕàÕàÕàÖàÕàÕàÕàÕàÕàÕà<br />
ßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÖßÕßÕßÕßÕßÕßÕßÕß<br />
àÕàÕàÕàÕàÕàÕàÖàÕàÕàÕàÕàÕàÕà<br />
ßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÖßÕßÕßÕßÕßÕßÕßÕß<br />
àÕàÕàÕàÕàÕàÕàÖàÕàÕàÕàÕàÕàÕà<br />
ßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÖßÕßÕßÕßÕßÕßÕßÕß<br />
àÕàÕàÕàÕàÕàÕàÖàÕàÕàÕàÕàÕàÕà<br />
ßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÖßÕßÕßÕßÕßÕßÕßÕß<br />
àÕàÕàÕàÕàÕàÕàÖàÕàÕàÕàÕàÕàÕà<br />
ßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÕßÖßÕßÕßÕßÕßÕßÕßÕß<br />
áÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÖáÕáÕáÕáÕáÕáÕáÕá<br />
âÕâÕâÖâÕâÕâÕâÕâÕâÕâÕâÕâÕâÕâ<br />
âÕâÕâÖâÕâÕâÕâÕâÕâÕâÕâÕâÕâÕâ<br />
áÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÖáÕáÕáÕáÕáÕáÕáÕá<br />
(f) α<br />
r<br />
âÕâÕâÖâÕâÕâÕâÕâÕâÕâÕâÕâÕâÕâ<br />
áÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÖáÕáÕáÕáÕáÕáÕáÕá<br />
âÕâÕâÖâÕâÕâÕâÕâÕâÕâÕâÕâÕâÕâ<br />
áÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÖáÕáÕáÕáÕáÕáÕáÕá<br />
âÕâÕâÖâÕâÕâÕâÕâÕâÕâÕâÕâÕâÕâ<br />
áÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÖáÕáÕáÕáÕáÕáÕáÕá<br />
âÕâÕâÖâÕâÕâÕâÕâÕâÕâÕâÕâÕâÕâ<br />
áÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÖáÕáÕáÕáÕáÕáÕáÕá<br />
âÕâÕâÖâÕâÕâÕâÕâÕâÕâÕâÕâÕâÕâ<br />
áÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÕáÖáÕáÕáÕáÕáÕáÕáÕá<br />
Abbildung 4.10: Eine schematische Darstellung der Vermischung der phonetischen<br />
Korrelate verschiedener Vokale mit den Korrelaten des . Die<br />
Zeit läuft von links nach rechts. (a) und (b) sowie (e) und (f) zeigen die<br />
Folgen von unterschiedlicher zeitlicher Überlappung der Korrelate derselben<br />
Objekte. In Verbindung mit Vokalen von kurzer Quantität (c-d) wird<br />
die Phonetik von voll überlappend gezeigt, es enstehen Monophthongen.
4.4 Zeitliche Überlappung 135<br />
¸ne<br />
Schraffierungen dargestellt, die graphischen Muster repräsentieren die<br />
beobachtbare Phonetik. Die Zeit läuft von links nach rechts.<br />
In den Beispielen (a) und (b) wird die Phonetik des mit der Phonetik<br />
des quantitativ langen ã ä Vokals 10 kombiniert, wie er z.B. im Wort<br />
werden vorkommen kann (siehe S. 130). Aus der Vermischung der Schraffuren,<br />
die die zeitliche Überlappung der Phonetik der beiden Elementen<br />
darstellt, entsteht eines neues Muster, das Elemente aus beiden enthält. Je<br />
größer die zeitliche Überlappung wird, bzw. die räumliche Überlappung in<br />
der Abbildung, desto mehr überwiegt die qualitative Kombination. Phonetisch<br />
gesehen hat dies zwei Folgen. In Abb. 4.10a sind die Qualitäten des<br />
und die ã ä des noch weitestgehend zeitlich voneinander getrennt, und aus<br />
ihren unterschiedlichen Qualitäten ergibt sich graphisch ein Diphthong.<br />
Nimmt der Überlappungsgrad immer weiter zu, bis die Synchronisierung<br />
von 4.10b erreicht ist, sind gegenüber 4.10a zwei Änderungen eingetreten.<br />
Erstens, die Phonetik ¤ des und des sind zeitlich kaum voneinander zu<br />
trennen, d.h. ihre Phonetik tritt nur in qualitativer Kombination zu Tage.<br />
Zweitens, das Ergebnis einer fast vollständigen Überlappung ist ein Monophthong<br />
und kein Diphthong mehr.<br />
In Abb. 4.10c und d sind zwei -Vokale von kurzer Quantität dargestellt,<br />
wie in den Wörtern (ã#å ä Herr ) und (æçå ä Korb ). Die Phonetik der<br />
Vokale ist kürzer als bei den Langvokalen in (a-b) und (e-f), und die<br />
Ausdehnung des wird gleich gehalten, was in der Überlappung zu einer<br />
monophthongalen Qualität führt. In 4.10e und f sind zwei Überlappungsmöglichkeiten<br />
für die Phonetik des è Vokals mit dargestellt. Durch<br />
große Ähnlichkeit in der Qualität beider Elemente sind die qualitativen<br />
Folgen für die beobachtbaren Produkte verschiedener zeitlicher Überlappungen<br />
kaum voneinander zu unterscheiden.<br />
Die Darstellung in Abb. 4.10 ist an verschiedenen Punkten eine Vereinfachung.<br />
Die zeitliche Ausdehnung der Phonetik des wird nicht<br />
verändert, und die Dauer der kurzen -Vokale unterscheidet sich nicht vom<br />
einfachen Kurzvokal. Dennoch ist es möglich mit dieser einfachen Darstellung<br />
eine breite Qualitätspalette an -Vokalen zu erzeugen, von Diphthongen<br />
(a), in denen die Qualitäten des und des Vokals noch klar zu trennen<br />
sind, über Monophthonge (b-d), die einen qualitativen Mittelwert aus dem<br />
und dem Vokal darstellen, bis hin zu den Fällen, in denen abwesend zu<br />
<br />
sein scheint (e-f).<br />
10 Hier und an anderen Stellen wird die prosodische Vokalnotation von 3.2 verwendet.
136 Phonetik und Phonologie des deutschen <br />
(a)<br />
(c)<br />
Asp<br />
Asp<br />
(b)<br />
(d)<br />
Abbildung 4.11: Sonagramme und Etikettierungen der Frikative bzw. Frikativ-<br />
-Verbindungen aus den Wörtern (a) Bescheid, (b) Schreiben, (c) fahren<br />
und (d) Freitag der Sprecherin k10. Pfeile annotiert mit Asp markieren<br />
die Frikativaspiration. (Ref.: (a) k10mr007, (b) k10mr095, (c) k10mr088,<br />
(d) k10mr063.)<br />
Der stimmlose uvulare Frikativ 4& , der im Silbenanlaut nach stimmlosen<br />
Plosiven und Frikativen auftritt ist teilweise auch als Produkt der zeitlichen<br />
Überlappung zu behandeln. In der Überlagerung der Aspirationsphase<br />
nach der Lösung des silbeneinleitenden Plosivs mit der dorso-uvularen<br />
Enge entsteht § . Bei den Frikativ- -Gruppen greift jedoch diese einfache<br />
Erklärung nicht. Obwohl kurze Aspirationsphasen nach der Lösung von initialen<br />
stimmlosen Frikativengen beobachtet werden, ist die Dauer solcher<br />
Aspirationsphasen nicht so lang wie die Dauer der stimmlosen uvularen<br />
Friktion, die auf solche Frikativartikulationen folgen kann. Die Stimmlosigkeit<br />
scheint aber trotzdem zumindest teilweise ein Korrelat des Frikativs<br />
zu sein.
ê<br />
ê<br />
ê<br />
4.4 Artikulatorisch-aerodynamische Abläufe 137<br />
Abb. 4.11 enthält Sonagramme und Etikettierungen der Frikative bzw.<br />
Frikativ- -Verbindungen aus den Wörtern (a) Bescheid, (b) Schreiben, (c)<br />
fahren und (d) Freitag der Sprecherin k10. In der Annotation werden eventuelle<br />
Aspirationsphasen von Frikativen nicht getrennt markiert, sondern<br />
werden als Teil des Frikativs behandelt. In der Abbildung sind diese Aspirationsphasen<br />
angezeigt. Die zeitliche Auflösung der vier Sonagramme ist<br />
etwa gleich. Obwohl Äußerungsabschnitte von nur einer Sprecherin abgebildet<br />
sind, weisen analoge Äußerungen der restlichen Sprecher ähnliche<br />
Muster auf. In den beiden einfachen Frikativanlauten (4.11a und c) ist eine<br />
deutliche, wenn auch kurze Aspirationsphase von etwa 20 ms zu erkennen.<br />
Die Abschnitte von postalveolarer bzw. labiodentaler Friktion in Bescheid<br />
und fahren sind jeweils 95 und 70 ms lang. Die stimmlosen Strecken liegen<br />
somit bei 115 ms für Frikativ plus Aspirationsphase in Bescheid und<br />
bei 90 ms in fahren. In den Frikativ- -Verbindungen ist die Strecke der<br />
Stimmlosigkeit jeweils länger als in den einfachen Frikativanlauten: für<br />
Schreiben liegt sie bei etwa 180 ms, in Freitag bei 130 ms. Die anlautenden<br />
postalveolaren und labiodentalen Frikativabschnitte in den komplexen<br />
Anlauten sind jedoch kürzer. In Freitag ist š& 60 ms, für Schreiben ist 6e&<br />
nur 55 ms lang, etwa die Hälfte der Dauer des 6@& (ohne Aspiration) von<br />
Bescheid. Die Situation ist somit kompliziert, denn einerseits scheint 11 ein<br />
Teil der Stimmlosigkeit in der dorso-uvularen Enge auf Kosten des anlautenden<br />
Frikativs zu gehen, andererseits ist die gesamte stimmlose Strecke<br />
zu lang, um allein auf dem anlautenden Frikativ zu beruhen. Weitere Erklärungen,<br />
die in Kombination mit der zeitlichen Überlappung hier greifen<br />
könnten, sind sowohl artikulatorisch-aerodynamischer als auch phonologischer<br />
Natur.<br />
4.4.2 Artikulatorisch-aerodynamische Abläufe<br />
Die größte Komplexität in den Lautmustern des wurde in den anlautenden<br />
Verbindungen õ— , º und »¥ beobachtet (vgl. S. 118f ). In den Verbindungen<br />
õ— und º (siehe Abb. 4.4, S. 123) wird unmittelbar nach der<br />
Plosivlösung Stimmhaftigkeit beobachtet, die aber kurzfristig aussetzt, bis<br />
sie wieder für den Rest der dorso-uvularen Enge stimmhaft wird. Im »¥ -<br />
Anlaut (siehe Abb. 4.5, S. 124) hingegen tritt nach der Lösung zuerst eine<br />
11 Da das untersuchte Korpus nur eine kleine Anzahl von Wörtern mit<br />
é,ê<br />
silbenanlautenden<br />
ë , in rhythmisch vergleichbaren Positionen enthält, wurde nicht versucht, die Dauerverhältnisse<br />
statistisch zu untersuchen.<br />
, é ¨<br />
, ëz¨
138 Phonetik und Phonologie des deutschen <br />
ì kurze Strecke Stimmlosigkeit 12 ein, dann eine ebenfalls kurze stimmhafte<br />
Phase, wieder eine kurze Phase Stimmlosigkeit bis sich endgültig Stimmhaftigkeit<br />
durchsetzt.<br />
Diese Abläufe entstehen aus einer komplexen Interaktion zwischen<br />
dem Luftstrom und den Artikulatoren. In der Produktion eines oralen Frikativs<br />
strömt Luft durch eine supraglottale Konstriktion, und es kommt<br />
zu Turbulenzen, deren akustisches Produkt Rauschen ist. Um während der<br />
Produktion eines Frikativs Stimmbandschwingung zu erhalten, ist eine feine<br />
Abstimmung der glottalen Konfiguration und der supraglottalen Enge<br />
notwendig (Stevens 1987; Stevens 1989). Um Stimmhaftigkeit aufrechtzuerhalten,<br />
muß der Luftdruck zwischen der Glottis und der supraglottalen<br />
Enge stets niedriger liegen als der subglottale. Steigt der Luftdruck zwischen<br />
der Glottis und der supraglottalen Enge an, so daß das Druckgefälle<br />
über die Glottis zu klein wird, setzt die Stimmbandschwingung aus. Ist<br />
andererseits die supraglottale Enge weit genug, kann Stimmhaftigkeit aufrechterhalten<br />
werden, aber der Luftstrom reicht nicht mehr aus um Turbulenzen<br />
in der Enge zu erzeugen. In der Produktion eines uvularen Frikativs<br />
kommt eine weitere Komplikation hinzu. Während der Produktion von<br />
uvularen Konsonanten artikuliert das Zäpfchen, nach vorn gerichtet, in der<br />
Furche der Hinterzunge. Durch das leichte Gewicht und die große Flexibilität<br />
des Zäpfchens sind uvulare Friktionsengen empfindlich gegenüber<br />
kleinsten Veränderungen in den Luftströmungsverhältnisse. Vor allem der<br />
Bernoulli-Effekt, der in der Produktion von Stimmbandschwingung und<br />
Vibranten eine entscheidende Rolle spielt, scheint auch an der Größe der<br />
dorso-uvularen Friktionsenge mitzuwirken.<br />
Aus der komplexen Interaktion dieser verschiedenen Faktoren kommen<br />
in der Phase unmittelbar nach der Lösung eines anlautenden Lenis-<br />
Plosivs komplizierte Abläufe zustande. Im õo anlautenden º und , wie in<br />
Abb. 4.4, kann folgendes passieren. Während des Plosivverschlusses sowie<br />
unmittelbar nach der Lösung sind die Stimmbänder in einer stimmhaften<br />
Konfiguration, d.h. sie sind zur Stimmhaftigkeit bereit. Erst unmittelbar<br />
nach der Lösung fällt der supraglottale Druck ab, so daß kräftige Stimmbandschwingung<br />
zustandekommt. Die Fließgeschwindigkeit der Luft, die<br />
durch die dorso-uvulare Enge gezwängt wird, steigt, der Luftdruck senkrecht<br />
zur Strömung fällt ab (Bernoulli-Effekt), und das Zäpfchen wird wei-<br />
12 Stimmlosigkeit ist an dieser Stelle als Abwesenheit von Stimmbandschwingung und nicht<br />
als offene Glottis zu verstehen.
4.4 Artikulatorisch-aerodynamische Abläufe 139<br />
¤<br />
ter in die Zungenfurche hineingezogen. Die nun kleiner gewordene Enge<br />
bietet dem von unten kommenden Luftstrom mehr Widerstand, der Luftdruck<br />
zwischen der Glottis und der Enge steigt an. Das Druckgefälle über<br />
die Glottis wird immer kleiner, so daß die Amplitude der Stimmhaftigkeit<br />
immer schwächer wird oder, wie in den Fällen in Abb. 4.4a-b, die Glottisschwingung<br />
vollständig aussetzt. Kurz hiernach wird die dorso-uvulare<br />
Enge aufgelöst, der supraglottale Druck sinkt, und die Stimmbandschwingung<br />
wird wieder in Gang gesetzt.<br />
Die Abfolge » in (siehe Abb. 4.5, S. 124) scheint den Komplexen,<br />
die bei den anderen Plosiven beobachtet wurden, genau entgegengesetzt<br />
zu sein, aber auch hier kann man in dem Zusammenspiel der artikulatorischen<br />
und aerodynamischen Abläufe eine Erklärung finden. Während<br />
des Plosivverschlusses sowie nach der Lösung wird angenommen, daß die<br />
Stimmbänder zur Stimmhaftigkeit bereit sind. Im Gegensatz õo@¥ zu und<br />
Anlauten wird ein Verschluß mit dem Zungendorsum auch für den Plosiv<br />
benötigt. Die hohe Position des Zungenrückens hat zur Folge, daß das<br />
º@¥<br />
Zäpfchen fest in der Zungenfurche sitzt. Bei der für dorsale Plosive typischen<br />
trägen Verschlußlösung besteht eine lange Engebildung, die uvular<br />
anfängt und velar aufhört. Diese Enge bietet der Luftströmung einen<br />
solchen Widerstand, daß es nach der Lösung nicht zum notwendigen supraglottalen<br />
Luftdruckabfall kommt und die Stimmhaftigkeit ausbleibt, ein<br />
Phänomen, das auch bei »4¥ einfachen Anlauten mit anschließendem Vokal<br />
zu beobachten ist. Nachdem die dorso-velare Öffnung hinreichend groß<br />
geworden ist, fällt der Luftdruck zwischen Glottis und dorso-uvularer Enge<br />
soweit ab, daß Stimmbandschwingung zustandekommen kann. Bald nach<br />
dem Einsetzen der Stimmhaftigkeit wird die dorso-uvulare Enge durch den<br />
Bernoulli-Effekt kleiner, dem Luftstrom wird höherer Widerstand geboten,<br />
der supraglottale Druck steigt und die Stimmbandschwingung wird<br />
schwächer oder setzt vollkommen aus.<br />
Diese Erklärungen sind teilweise im Bereich von informierter Spekulation<br />
über das mögliche Verhalten des Zäpfchens und seine Interaktion<br />
mit einem Luftstrom, und es wird die Annahme gemacht, daß õ— in º , »¥ ,<br />
die glottale Konfiguration zur Phonation bereit ist.<br />
Die Größe der dorso-uvularen Enge und die Wirkung auf den supraglottalen<br />
Luftdruck mit anschließender Abschwächung oder völligem Aussetzen<br />
der Stimmbandschwingung ist in den mehrfachen Äußerungen des<br />
Wortes Doris in Abb. 4.3 illustriert. In allen Fällen wird wieder die Annahme<br />
gemacht, daß die Stimmbänder schwingen würden, wenn die Luft-
140 Phonetik und Phonologie des deutschen <br />
›<br />
í druckverhältnisse die richtigen sind, d.h. es wird nicht davon ausgegangen,<br />
daß die Stimmbänder vom Sprecher zur Entstimmung angesteuert werden.<br />
Eine weitere Erklärung für den stimmhaften Abschnitt unmittelbar<br />
nach der Plosivlösung könnte sein, daß Sprecher in Plosiv- gewissen -<br />
Verbindungen absichtlich einen Vokal zwischen Plosiv und uvularer Friktion<br />
produzieren. Zwei Dinge sprechen aber dagegen. Erstens wird in mehrfachen<br />
Äußerungen des gleichen Wortes ein vokalartiger Abschnitt nicht<br />
produziert. In diesem Subkorpus wird das Wort drei dreimal pro Sprecher<br />
gesprochen. In zwei Äußerungen des Wortes drei des Sprechers k09 ist die<br />
gesamte Frikativstrecke nach der Lösung stimmhaft. Zweitens, aus dem<br />
Vergleich der zwei Äußerungen des Wortes drei in Abb. 4.4b-c ist zu sehen,<br />
n) .#. ) & daß n) .+& und sich sonst nicht wesentlich unterscheiden. Die erkennbaren<br />
Formantverläufe sind nahezu gleich. Die Dauer des Abschnitts<br />
von der Plosivlösung bis zum Aussetzen der Friktionsenge, die am besten<br />
im Frequenzbereich oberhalb von 4,4 kHz zu erkennen ist, liegt in beiden<br />
Fällen zwischen 60 und 70 ms bei einer Wortdauer in beiden Fällen von<br />
etwa 200 ms.<br />
4.4.3 Phonologische Unterschiede<br />
In 4.4.1 und 4.4.2 wird deutlich, daß die eigentliche Phonetik des , d.h.<br />
seine unvorhersagbaren phonetischen Aspekte, gar nicht so kompliziert<br />
sind, wie die beobachtbare Vielfalt, die mit dem assoziert wird, auf den<br />
ersten Blick vermuten läßt. Von den beschriebenen Mustern bleiben lediglich<br />
zwei Bereiche unerklärt:<br />
1. der grundlegende Unterschied zwischen den konsonantischen und<br />
vokalischen Korrelaten und<br />
2. die Alternationen zwischen vokalischen und konsonantischen Korrelaten<br />
in bestimmten Wörtern, z.B. spazieren.<br />
Diese Aspekte sind auf der phonologischen Abstraktionsebene zu erklären.<br />
Der Unterschied zwischen den konsonantischen und vokalischen Korrelaten<br />
des ist ein struktureller und kann in zwei Aussagen gefaßt werden:<br />
im Silbenanlaut ist eine dorso-<br />
Das phonetische Korrelat von<br />
uvulare Enge.
›<br />
›<br />
›<br />
4.4 Unentschiedene Fälle 141<br />
Das phonetische Korrelat von im Silbenauslaut ist es eine halboffene<br />
zentrale Vokalqualität.<br />
Diese zwei Aussagen listen lediglich die phonetischen Elemente des auf,<br />
die willkürlich sind, d.h. sie sind nicht mit Mechanismen zu erklären, wie<br />
es in 4.4.1 und 4.4.2 gemacht wurde.<br />
Wenn Unterschiede zwischen den konsonantischen und vokalischen<br />
Korrelaten des strukturell sind, so sind die Alternationen zwischen konsonantischen<br />
und vokalischen Korrelaten in Wörtern wie spazieren oder<br />
waren in der Zuweisung von mal zum Silbenanlaut, mal zum Silbenauslaut<br />
zu suchen. Diese Unterschiede sind in den drei Strukturbäumen für das<br />
Wort fahren in Abb. 4.12 dargestellt. Für die konsonantische Aussprache<br />
|!#",.+?e;& sind zwei Möglichkeiten vorgesehen. Im ersten wird lediglich<br />
dem Silbenauslaut zugewiesen, im zweiten ist es sowohl dem Auslaut der<br />
ersten, als auch dem Anlaut der zweiten Silbe angegliedert.<br />
Aus der Verteilung dieser Alternation über die sechs Sprecher in 4.3.4<br />
blieb unklar, aus welchen Gründen, die eine oder andere Variante gewählt<br />
wird. Es könnte stilgebunden sein, d.h. die Sprecher, die die konsonantische<br />
Variante in der Lesesprache produziert haben, würden auf anderen<br />
Stilebenen die vokalische Variante verwenden. Es mag aber nur sprecherspezifisch<br />
sein, d.h. gerade wegen der strukturellen Unentschiedenheit bevorzugen<br />
Sprecher mal die eine, mal die andere Variante.<br />
4.4.4 Unentschiedene Fälle<br />
Die Erklärung der verschiedenen Lautmuster ist in drei Bereiche aufgeteilt<br />
worden, und eine Reihe der unterschiedlichen Muster konnte in diesem<br />
Rahmen untergebracht werden. Jedoch ist es möglich, zur selben Oberflächenphonetik<br />
zu gelangen mit unterschiedlichen Beiträgen aus den drei<br />
Bereichen. Dies trifft in mindestens zwei Fällen zu:<br />
Die verschiedenen Vokalqualitäten der Vorsilbe ver-.<br />
Die stimmlose Phase in anlautenden Frikativ- -Verbindungen.<br />
Das Problem der Vokalqualitäten in der Vorsilbe ver- läßt sich wie folgt<br />
umschreiben. Welcher Anteil der qualitativen Unterschiede ist der Phonologie<br />
zuzuschreiben, welcher der zeitlichen Überlappung und Extension<br />
der phonetischen Korrelate von anderen beteiligten phonologischen
142 Phonetik und Phonologie des deutschen <br />
(a) î ï2ðòñ=óõô+öø÷<br />
(b) î ï2ðùñ=óõôöõ÷<br />
e<br />
e<br />
e<br />
Silbe<br />
Silbe<br />
Anlaut<br />
Reim<br />
Anlaut<br />
Reim<br />
f<br />
Nukleus<br />
r<br />
Nukleus<br />
Auslaut<br />
α<br />
n<br />
Silbe<br />
Silbe<br />
Anlaut<br />
Reim<br />
Reim<br />
f<br />
Nukleus Aus−/Anlaut Nukleus Auslaut<br />
α<br />
r<br />
n<br />
Silbe<br />
Silbe<br />
Anlaut<br />
Reim<br />
Reim<br />
f<br />
Nukleus<br />
Auslaut<br />
Nukleus<br />
Auslaut<br />
α<br />
r<br />
n<br />
(c) î ï5ðùñzörú2÷<br />
Abbildung 4.12: Silbenstrukturen für die (a-b) konsonantische und (c) vokalische<br />
Aussprache des Wortes fahren. In der Aussprache mit konsonantischem<br />
Korrelat gibt es zwei Möglichkeiten, je nachdem ob allein im<br />
Anlaut der zweiten oder auch im Auslaut der ersten Silbe auftreten darf.
›<br />
›<br />
›<br />
›<br />
4.4 Unentschiedene Fälle 143<br />
¹<br />
Elementen? Dieses Aufteilungsproblem kann an den Unterschieden zwischen<br />
den Vokalen in verletzt und verlassen bei den Sprecherinnen k08,<br />
k10 und k12 erläutert werden. In Abb. 4.7 sieht man, daß die akustische<br />
Qualität des Vokals in der ersten Silbe von verletzt offener und weiter vorn<br />
liegt als die des ersten Vokals von verlassen. Der auditive Unterschied ist<br />
zwischen einem vorderen halboffenen Vokal in verletzt gegenüber einer<br />
Schwa-Qualität in verlassen. Diese Unterschiede können auf phonologische<br />
oder zeitliche Faktoren zurückgeführt werden:<br />
Der -Vokal von verletzt ist phonologisch ein anderer als der in verlassen,<br />
in verletzt R8 gegenüber in verlassen. Qualitative Unter-<br />
ã å ä <br />
schiede beruhen daher auf phonetischen Korrelaten von unterschiedlichen<br />
phonologischen Elementen.<br />
Die Vokale sind phonologisch gleich, ã—å ä% d.h. Rj oder . Qualitative<br />
Unterschiede sind in der zeitlichen Überlappung und Extension der<br />
phonetischen Korrelate der betonten Silbe des Verbstammes mit denen<br />
der ver-Silbe zu finden.<br />
Eine der Konsequenzen der ersten Lösung ist, daß jede ver-Vorsilbe<br />
einer getrennten phonologischen Klassifizierung bedarf, ã å ä% entweder oder<br />
, und die Klassifizierung wird möglicherweise sprecherspezifisch anders<br />
Rj<br />
ausfallen.<br />
In 4.4.1 wurde die zeitliche Überlappung der Aspirationsphase eines<br />
Plosivs mit der uvularen Enge ¥& für verantwortlich gemacht. Für die<br />
-Verbindungen konnte diese Lösung nur teilweise greifen, denn<br />
Frikativ-<br />
auch bei einer Verkürzung der anlautenden Frikativdauer unter Beibehaltung<br />
der stimmlosen Phase, war die Stimmlosigkeit û=@¥ in ü5@¥ bzw. Anlauten<br />
länger als in den û§¥ einfachen ü2¥ oder Anlauten. Hier bieten sich wieder zwei<br />
Alternativen an:<br />
Die längere stimmlose Strecke in û=@¥ und ü2@¥ Anlauten ist<br />
artikulatorisch-aerodynamisch zu begründen. Zu dem Zeitpunkt, an<br />
dem die Stimmbänder bereit zur Stimmhaftigkeit sind, ist der Luftdruck<br />
zwischen Glottis und der dorso-uvularen Enge noch zu hoch,<br />
um Stimmbandschwingung zu ermöglichen.<br />
Stimmlosigkeit ist ein phonetisches Korrelat des Silbenanlauts, d.h.<br />
Stimmlosigkeit legt sich über die Korrelate aller anderen Elemente<br />
des Anlautes.
144 Phonetik und Phonologie des deutschen <br />
ý Aus diesen zwei Möglichkeiten ist die erste am wahrscheinlichsten, denn<br />
bei phonologisch parallelen û=þz¥ Anlauten ü5þa¥ und wird zwar eine Phase von<br />
stimmloser Lateralität gefunden, die aber nicht die zeitliche Ausdehnung<br />
erreicht, wie û=@¥ in ü2@¥ und .<br />
4.4.5 Eigenschaften der phonetischen und phonologischen<br />
Analyse<br />
Die phonetische und phonologische Erklärung der Lautmuster, die in<br />
4.4.1–4.4.4 präsentiert wurden, enthält Elemente aus einigen phonetischen<br />
und phonologischen Ansätzen. Diese Vorgehensweise besitzt Eigenschaften,<br />
die sie von Ulbrichs (1972) Untersuchung sowie von einer generativen<br />
phonologischen Analyse (Hall 1993) distanzieren. In diesem Abschnitt<br />
werden die Probleme der generativen Phonologie sowie die Lösungsansätze,<br />
die in der deklarativen und artikulatorischen Phonologie zu finden<br />
sind, diskutiert.<br />
Sowohl in Ulbrichs beschreibendem Ansatz als auch in einer generativen<br />
phonologischen Analyse werden die Lautmuster prozeßorientiert<br />
erklärt. Die Kategorien von Ulbrich (“elidiert”, “vokalisiert”) sowie die<br />
Prozesse von Hall (z.B. “vocalisation”) gehen von einer zugrundeliegenden<br />
konsonantischen Variante des aus, die in verschiedenen strukturellen<br />
Kontexten durch phonologische und phonetische Prozesse verändert wird.<br />
In Ulbrichs Beschreibung sind die Prozesse lediglich in den Namen der<br />
Kategorien zu finden, in Halls Analyse der Lautmuster eines rheinländischen<br />
Dialekts werden die Prozesse expliziert. Jedes Wort im Lexikon,<br />
daß enthält, hat am Anfang der Derivation für das die gleiche Phonetik,<br />
die durch phonologische Merkmale ausgedrückt wird. Die Merkmale<br />
durchlaufen eine Reihe von kontextabhängigen Regeln, die die Werte der<br />
Merkmale verändern, neue hinzufügen, oder das gesamte Merkmalsbündel<br />
tilgen können, wenn es auf den Kontext einer Regel paßt. Generative Regeln<br />
haben die Form:<br />
¢¤£¦¥¨§<br />
oder<br />
ÿ ¢§£©<br />
(4.1)<br />
ÿ¡ © § ©<br />
Diese Regel ist zu lesen als wird zu , wenn sich im Kontext von<br />
und befindet. Hierbei ÿ kann jedes Element auch die leere Menge sein.<br />
ÿ §<br />
Ist oder £ leer, ist nur der nachfolgende (leeres ) bzw. der vorangehende<br />
(leeres ) Kontext © für die Anwendung der Regel notwendig. Ist leer<br />
ÿ<br />
§ © © §
4.4 Eigenschaften der phonetischen und phonologischen Analyse 145<br />
Nucleus<br />
Coda<br />
X<br />
X<br />
X<br />
ROOT<br />
[+cont] [+son] [−cons]<br />
Abbildung 4.13: Die -Vokalisierungsregel im Kontext eines Langvokals<br />
aus Hall (1993: 88). Die Regel ist in der graphischen Darstellung enthalten.<br />
Die Merkmale des sind unter dem ROOT-Knoten. Die gestrichelte Linie<br />
zwischen dem ROOT-Knoten und dem Merkmal [-cons] deutet sein Hinzufügen<br />
an. Die Änderung findet in der Coda nach einem langen Nukleus<br />
statt.<br />
so entsteht Material aus einem bestimmten Kontext; solche Regeln werden<br />
verwendet, um epenthetische Vokale und Konsonanten zu erzeugen,<br />
die z.B. zwischen Lateralen und Frikativen auftreten können (als: /
146 Phonetik und Phonologie des deutschen <br />
<br />
große Unterschiede in ihrer Oberflächenstruktur (z.B. passiv-aktiv) aufweisen,<br />
auf der syntaktischen Ebene erklären zu können. Aber das bekannteste<br />
Werk der generativen Phonologie (Chomsky und Halle 1968)<br />
zeigt, vor allem in der Herleitung synchroner Konsonanten- und Vokalmuster<br />
aus früheren Stadien des Englischen, daß der Formalismus der Ersetzungsregeln<br />
viel zu mächtig ist: es kann alles aus allem hergeleitet werden.<br />
Verschiedene Weiterentwicklungen der generativen Phonologie, (z.B. lexikalische<br />
Phonologie, Mohanan 1986; autosegmentelle Phonologie, Goldsmith<br />
1990) haben versucht, diese Mächtigkeit durch die Aufstellung von<br />
verschiedenen Restriktionen (“constraints”) zu bändigen. Coleman (1994,<br />
1998) zeigt jedoch, daß diese Restriktionen die Mächtigkeit nur scheinbar<br />
abschwächen.<br />
Zwei phonologische Ansätze vermeiden auf unterschiedliche Art und<br />
Weise diese Mächtigkeit. Die deklarative Phonologie (Coleman 1994,<br />
1998; Local 1992; Local und Ogden 1997) ist ein restriktionsbasierter<br />
Ansatz. Phonologische Strukturen sind in Form von Attribut-Wert-Paaren,<br />
und die einzige Regel ist die Unifikation von Strukturen. Einer der wichtigsten<br />
Unterschiede dieses Formalismus gegenüber dem generativen Ansatz<br />
für unsere Untersuchung ist, daß es nur möglich ist, Strukturen monoton<br />
zu verändern, d.h. die Unifikation von zwei Strukturen darf weder<br />
Information wegnehmen noch die Werte von schon vorhandenen Attributen<br />
verändern. Der Weg von den phonologischen Strukturen zur Phonetik<br />
ist auch ein anderer: die phonologische Struktur wird durch phonetische<br />
Aussagen, wie sie auf S. 140 zu finden sind, interpretiert. Diese klare Trennung<br />
zwischen der Phonologie und Phonetik sowie die Interpretation der<br />
phonologischen Struktur ist nicht neu und findet sich in der Firth’schen<br />
prosodischen Phonologie (Firth 1948) wieder.<br />
Es stellt sich sofort die Frage bei solchen Einschränkungen, wie scheinbar<br />
offensichtliche Fälle von Tilgung im deklarativen Ansatz erklärt werden<br />
können. Hier gibt es mehrere Möglichkeiten, von denen eine in dieser<br />
Untersuchung verwendet wurde: phonetische Parameter fallen gar nicht<br />
weg, sondern treten in einer Ausprägung auf, die in der beobachtbaren<br />
phonetischen Substanz nicht zu unterscheiden ist vom Fall, in dem die phonetischen<br />
Parameter von vornherein nicht vorhanden sind ] (Bart bat).<br />
Die artikulatorische Phonologie (Browman und Goldstein 1989, 1992)<br />
ist ein weiteres Beispiel für eine drastische Einschränkung in der Mächtigkeit<br />
auf der phonologischen Ebene. Wörter bestehen aus artikulatorischen<br />
Gesten. In der Produktion eines Wortes können keine Gesten weggenom-
›<br />
›<br />
4.5 Modellierung der Muster 147<br />
men<br />
und keine hinzugefügt werden; phonetische Variation in der Äußerung<br />
von Wörtern ist auf Unterschiede in der zeitlichen Organisation der Gesten<br />
und in ihren Amplituden zurückzuführen. Inhaltliche Modifikationen von<br />
Gesten sowie ihre Tilgung ist somit im Modell der artikulatorischen Phonologie<br />
auch untersagt. Die scheinbare Abwesenheit von phonetischem<br />
Material kann auch hier auf mehrfache Weise erklärt werden:<br />
Die Amplitude einer Geste geht gegen Null und ist somit nicht mehr<br />
zu sehen.<br />
Durch die zeitliche Überlappung zweier Gesten wird eine versteckt.<br />
Die Drosselung der generativen Mächtigkeit in den deklarativen und<br />
artikulatorischen Ansätzen hat interessante theoretische Folgen gehabt.<br />
Ohne Tilgung und andere Strukturmanipulationen wird man gezwungen,<br />
die phonetischen Daten anders zu interpretieren, sie nochmal anzuschauen<br />
bzw. das Phänomen mit anderen Mitteln zu untersuchen. Die -Vokale<br />
sind ein Beispiel für eine andere Interpretation der phonetischen Daten.<br />
Elektropalatographische Untersuchungen zu vermeintlichen Fällen von<br />
Assimilation haben aufgezeigt, daß alveolare Artikulationen in alveolarlabialen<br />
Abfolgen noch vorhanden sind, auch wenn sie von labialen Artikulationen<br />
verdeckt werden.<br />
4.5 Modellierung der Muster<br />
Nachdem die Lautmuster des für sechs Sprecher in 4.3 beschrieben wurden<br />
und der Versuch in 4.4 unternommen wurde, die Muster zu erklären,<br />
wird nun versucht gewisse Aspekte der Muster mit einer Regelsynthese<br />
zu reproduzieren. Die Implementierung ist in Form einer Regelsteuerung<br />
der Formantsynthese von Klatt (1980), die im nächsten Kapitel näher beschrieben<br />
wird. In 4.4.3 wurden die phonetischen Korrelate von an verschiedenen<br />
strukturellen Stellen im Wort formuliert, die allgemeinphonetische<br />
Kategorisierungen verwendet haben. In der Syntheseimplementierung<br />
werden die phonetischen Korrelate in Form von akustischen Parameterverläufe<br />
über der Zeit niedergelegt.<br />
Es werden zwei Aspekte aus 4.4 in der synthetischen Version implementiert.<br />
Erstens, an verschiedenen Stellen in der Silbenstruktur hat verschiedene<br />
phonetische Korrelate. Zweitens, die phonetischen Korrelate des<br />
erfahren unterschiedliche zeitliche Überlappung.
148 Phonetik und Phonologie des deutschen <br />
è å<br />
è<br />
å<br />
è<br />
å<br />
Tabelle 4.3: Synthetische Beispiele von unterschiedlichen -Vokalen und<br />
-losen Vokalen. In allen Fällen ist der phonetische Beitrag, den leistet,<br />
derselbe. Unterschiede beruhen lediglich auf der zeitlichen Überlappung<br />
der phonetischen Korrelate des mit denen der Vokale. Vokale sind in der<br />
prosodischen Notation aus 3.2.<br />
Stadt<br />
Staat<br />
Start<br />
bat<br />
Bart (kurz)<br />
Bart (lang)<br />
Tier<br />
Kur<br />
Kür<br />
Dirk (kurz)<br />
Dirk (lang)<br />
durch<br />
Storch<br />
è r<br />
r è<br />
r è<br />
r ã<br />
r æ<br />
r æhã<br />
å r ã<br />
r ã<br />
å r æ<br />
r ä<br />
æ å<br />
Die Implementierung dieser Aspekte läßt sich am besten an den verschiedenen<br />
-Vokalen illustrieren. Tabelle 4.3 enthält einige Beispiele von<br />
-Vokalen mit bestimmten -losen Vokalen zum Vergleich.<br />
Die vokalischen Abschnitte der -haltigen Wörter in Tabelle 4.3 variieren<br />
von monophthongaler oder leichter diphthongaler Qualität in Start,<br />
Bart, Dirk (kurz), durch und Storch zu Diphthongen in Tier, Dirk (lang),<br />
Kur und Kür. In allen Fällen überlappen die vokalischen Korrelate von<br />
mit denen des Vokals, aber durch Unterschiede in der zeitlichen Ausbreitung<br />
des Vokals fällt der Grad der Überlappung unterschiedlich aus,<br />
so daß teils Monophthonge teils Diphthonge zustandekommen. In allen<br />
Fällen ist, wie in Abb. 4.10 dargestellt, die Phonetik von die gleiche. Die<br />
unterschiedlichen Vokalqualitäten, die zu hören sind, entstehen lediglich<br />
in der Kombination mit der Phonetik von verschiedenen Vokalqualitäten.<br />
Auch wenn die Korrelate von mit den Korrelaten des Vokals überlappen,<br />
tragen die Korrelate des trotzdem zur längeren Dauer der Silbe,<br />
vor allem zu einem längeren Vokalabschnitt bei. Dies hat interessante Folgen<br />
vor allem für eine Worttriade mit offenen Vokalen wie Stadt, Staat
4.5 Modellierung der Muster 149<br />
und<br />
Start. Aus der Phonologie in der rechten Spalte von Tabelle 4.3 ist<br />
zu entnehmen, daß Stadt von Staat durch Quantität und von Start durch<br />
unterschieden wird. Auditiv ist zwischen Start und Staat jedoch lediglich<br />
ein leichter qualitativer Unterschied in den Vokalabschnitten zu erkennen,<br />
die Dauern der Vokalabschnitte in beiden Wörtern sind nahezu identisch.<br />
Obwohl Start mit quantativ kurzem Vokal angegeben wird, sind die Folgen<br />
der Anwesenheit des in der Dauer und Qualität des Vokalabschnitts zu<br />
finden. Die Korrelate von überlappen mit denen å è des , tragen aber auch<br />
zur Dauer des Abschnitts bei. Das Produkt ist ein synthetisches Start, das<br />
sich hörbar kaum von Staat unterscheidet, trotz erheblicher Unterschiede<br />
in den phonetischen Zutaten.<br />
Die Wörter Dirk und Bart erhalten zwei synthetische Versionen, die<br />
auf quantitative Unterschiede in ihren Vokalen zurückzuführen sind. Diese<br />
Alternation soll eine Möglichkeit darstellen, wie Dialekte sich in ihren<br />
-Realisierungen unterscheiden: es sind möglicherweise die gleichen Oppositionen<br />
vorhanden, aber sie sind über die Wörter anders verteilt. In an-<br />
<br />
deren Fällen können bestimmte Quantitätsoppositionen in den -Vokalen<br />
aufgelöst sein, so è daß in bat einem èh quantitätslosen in Bart oder Start<br />
gegenüber steht. Neben anderen phonetischen Korrelaten, die in der Einleitung<br />
erwähnt wurden, kann die zeitliche Organisation unter Beibehaltung<br />
der gleichen phonologischen Oppositionen und Verteilung für weitere dialektale<br />
Unterschiede sorgen. Der lange Vokalabschnitt, der aus der Phonetik<br />
eines kurzen Vokals und dem entsteht, wird auf den zeitlichen Beitrag<br />
des zurückgeführt. Nimmt jedoch die Phonetik des keine Zeit für sich<br />
in Anspruch, sondern tritt nur in Kombination mit der Phonetik der anderen<br />
Elemente auf, so entstehen -Vokale, die sich in ihrer Dauer nicht<br />
von -losen Kurzvokalen unterscheiden. Dies mag Unterschiede in Wortpaaren<br />
wie Sport und Spott aus Arten des Schwäbischen erklären, deren<br />
Vokalabschnitte auditiv 13 keine Längenunterschiede aufweisen; jedoch ist<br />
eine pharyngale Konstriktion über die gesamte Wortproduktion in Sport zu<br />
vernehmen.<br />
In den synthetischen Formen der Wörter Bart (kurz) und bat finden<br />
wir uns am Anfang des Kapitels (4.2.2) wieder, bei der Frage, ob ähnliche<br />
Aussprachen von Wörtern wie Bart und bat auf ihre phonetische und phonologische<br />
Identität hinweisen. Die phonetische und phonologische Analyse<br />
sowie die synthetische Reproduktion, die in diesem Kapitel vorge-<br />
13 Dieser Gehörseindruck wurde noch nicht instrumentell überprüft.
150 Phonetik und Phonologie des deutschen <br />
stellt wurden, zeigen, daß eine Analyse, die bemüht ist, die einheitlichste<br />
Lösung für beobachtbare Unterschiede zu suchen, diese Frage verneinen<br />
muß.
Kapitel 5<br />
Wissensbasierte<br />
Gewinnung von<br />
Steuerparametern für die<br />
Formantsynthese<br />
5.1 Einleitung<br />
Im vorigen Kapitel bildeten 600 Satzäußerungen gesprochen von sechs<br />
Sprechern die Datenbasis für eine phonetische und phonologische Analyse<br />
des . Am Ende des Kapitels wurden auf Grund der Beschreibung<br />
und der Ansätze zur Mustererklärung gewisse Aspekte der gefundenen vokalischen<br />
Muster mit einer regelgesteuerten Formantsynthese nachmodelliert.<br />
In diesem Kapitel wird nun die Form der Datenaufbereitung im Kiel<br />
Corpus ausgenutzt, um eine Formantsynthese mit den Ergebnissen einer<br />
gewöhnlichen akustischen Analyse zu steuern, d.h. um an Steuerparameter<br />
zu gelangen, die als phonetische Korrelate in einer regelgesteuerten<br />
Formantsynthese dienen können.<br />
Wie das vorige Kapitel gezeigt hat, bietet die automatische Generierung<br />
von Steuersignalen für eine Formantsynthese eine ausgezeichnete<br />
Methode, phonologische Modelle zu validieren, indem man ihr phoneti-<br />
151
152 Wissensbasierte Gewinnung von Steuerparametern<br />
sches Produkt in Form einer akustischen Ausgabe beobachten kann. Umso<br />
reizender wird diese Aufgabe durch die hohe Qualität der synthetischen<br />
Sprache, die die Formantsynthese erzeugen kann, wenn sie mit den richtigen<br />
Steuersignalen angetrieben wird.<br />
Die Formantsynthese von Klatt (1980) bietet eine große Anzahl von<br />
Steuerparametern, die eine adäquate Modellierung von vielen Aspekten<br />
des akustischen Produkts des Artikulationsapparats erlauben. Jedoch bleibt<br />
die Gewinnung der Steuerparameter, die als phonetische Korrelate der<br />
phonologischen Abstraktionen dienen, eine mühsame und zeitaufwendige<br />
Aufgabe. Forschungsergebnisse in Form von konkreten Zahlen, die zumindest<br />
als Ausgangswerte dienen können, werden nur selten angetroffen.<br />
Dies ist nicht verwunderlich, denn ein Großteil der Forschung in diesem<br />
Bereich ist anwendungsgebunden, wird von der Industrie finanziert und erklärt<br />
solche Werte somit zu Industriegeheimnissen. Ausnahmen sind Allen<br />
et al. (1987) sowie Kent und Read (1992). Sie präsentieren Werte für vokalische<br />
und konsonantische Allophone des amerikanischen Englischen. In<br />
Allen et al. (1987) sind die konsonantischen Allophone aus einem vorderen<br />
Vokalkontext, bei Kent und Read (1992) werden sie als mögliche Ausgangswerte<br />
beschrieben. In beiden Fällen sind die konsonantischen Werte<br />
für die Produktion eines Teils der entsprechenden akustischen Artikulation<br />
geeignet. Die Dynamik, d.h. die Veränderung der verschiedenen Parameter<br />
zueinander über die Zeit wird höchstens beispielhaft beschrieben, aber<br />
nicht für die einzelnen Allophone.<br />
Der benötigte Aufwand, dynamische Parametersätze zu gewinnen, läßt<br />
sich am Beispiel eines prävokalischen stimmlosen aspirierten alveolaren<br />
Plosivs illustrieren. Von den dynamischen Parametern (siehe 5.2), die in<br />
der Klatt-Formantsynthese eingestellbar sind, müssen etwa 13 über die<br />
Zeit kontrolliert und verändert werden. Der Abschnitt zwischen Plosivverschluß<br />
und dem stimmhaften Vokaleinsatz ist akustisch in drei unterschiedliche<br />
Phasen aufzuteilen. Die Verschlußlösung ist von kurzer Dauer<br />
und besteht aus einem Impuls. Darauf folgt ein Abschnitt alveolarer Friktion,<br />
der dann von Aspiration abgelöst wird. Eine Modellierung dieser Abfolge<br />
in der Formantsynthese bedeutet ein feines Zusammenspiel zwischen<br />
drei glottalen und supraglottalen Quellparametern sowie eine Kontrolle der<br />
Formanten, ihrer Bandbreiten und Amplituden.<br />
Eine interessante und aufschlußreiche Methode, dynamische Parametersätze<br />
für eine Sprache zu gewinnen, bietet die Copy-Synthese, d.h. die<br />
Steuersignale für die Formantsynthese werden aus den Ergebnissen ei-
5.1 Einleitung 153<br />
¸ner<br />
akustischen Analyse von natürlichen Äußerungen hergestellt. Es gibt<br />
jedoch zwei große Schwierigkeiten, die Ergebnisse einer gewöhnlichen<br />
akustischen Analyse in die Steuerparameter einer Formantsynthese zu<br />
überführen:<br />
1. Es besteht eine Diskrepanz zwischen der Information, die von einer<br />
akustischen Analyse geliefert wird und der hohen Anzahl an Steuerparametern,<br />
die die Formantsynthese für die Äußerungsmodellierung<br />
zur Verfügung stellt. So liefern die meisten Grundfrequenzanalysen,<br />
beispielsweise, nur eine Entscheidung ob ein Äußerungsabschnitt<br />
stimmhaft (F0 gefunden) oder stimmlos (F0 nicht gefunden)<br />
ist 1 . Für eine Formantsynthese kann diese Entscheidung nur zu einer<br />
quasiperiodischen (stimmhaften) bzw. einer aperiodischen (stimmlosen)<br />
Anregung der Resonatoren führen. Die Klatt-Synthese bietet<br />
jedoch vier dynamische Parameter zur Modellierung von glottalen<br />
und supraglottalen Quellen, zwei für aperiodische Quelle (glottal<br />
und supraglottal) sowie zwei für die periodische Quelle an der Glottis<br />
(Stimmhaftigkeit und ein Tiefpaßfilter für die Modellierung von<br />
Stimmhaftigkeit in Frikativen und oralen Verschlußlauten).<br />
2. Parametrische Information über komplexere Produkte des Ansatzrohres<br />
ist den Analysenergebnissen nur schwer zu entziehen. Stimmhafte<br />
Frikative bilden eine Gruppe solcher komplexerer Produkte.<br />
Der Frikativ & , z.B., verläßt eine akustische Analyse entweder als<br />
stimmloser Frikativ (F0 nicht gefunden) oder als stimmhafter Approximant<br />
(F0 gefunden). Obwohl der erste Ausgang für eine anschließende<br />
Synthese der günstigere wäre, erlauben beide Analyseausgänge<br />
keine adäquate Nachbildung des ursprünglichen Frikativs.<br />
Dieses Kapitel beschreibt eine wissensbasierte Methode, die beide Probleme<br />
überwindet. LACS (Label Assisted Copy Synthesis, Scheffers und<br />
Simpson 1995; Simpson und Scheffers 1996) kombiniert die symbolische<br />
Etikettierung einer Äußerung mit den Ergebnissen einer gewöhnlichen<br />
akustischen Analyse und erlaubt somit eine intelligente Überführung<br />
der Analysedaten in die Steuerparameter einer Formantsynthese. Einige<br />
phonetische Informationen können aus den Analysedaten allein gewonnen<br />
1 Die Grundfrequenzanalyse von Indefrey, Hess und Seeser (1985) erkennt zusätzlich<br />
Strecken von unregelmäßiger und tieffrequenter Stimmhaftigkeit als Knarrstimme
154 Wissensbasierte Gewinnung von Steuerparametern<br />
ª werden. Die Grundfrequenzanalyse identifiziert stimmhafte und stimmlose<br />
Äußerungsstrecken, die Energieverteilung im Kurzzeitspektrum läßt auf<br />
bestimmte Lauttypen schließen, z.B. Frikative gegenüber Vokalen. Kommt<br />
aber linguistische Information in Form einer symbolischen Etikettierung<br />
hinzu, können die Analysedaten von Anfang an den phonetischen Korrelaten<br />
bestimmter phonologischer Objekte zugewiesen und entsprechend behandelt<br />
werden. Durch Arbeiten wie Klatt (1980) oder Allen et al. (1987)<br />
sind die benötigten Parameter für die verschiedenen Lauttypen bekannt<br />
und die Analysedaten können zur Steuerung dieser Parameter verwendet<br />
werden.<br />
Die erfolgreiche Überführung von Analyseergebnissen in Steuerparameter<br />
wird am auditiven Vergleich zwischen der natürlichen und synthetischen<br />
Äußerung gemessen. Ist die Überführung gelungen, hört sich<br />
die synthetische Äußerung entsprechend natürlich an und die Synthesesteuersignale<br />
können die Grundlage für die Erarbeitung der eigentlichen<br />
akustisch-phonetischen Korrelate bilden. In phonologischen und phonetischen<br />
Ansätzen, wie sie im vorigen Kapitel verwendet wurden, müssen die<br />
phonetischen Korrelate so beschrieben sein, daß sie die zeitliche Kombination<br />
mit den Korrelaten anderer Objekte erlauben. In Abschnitt 5.5 wird<br />
gezeigt, wie die Korrelate für F2 eines prävokalischen Laterals in verschiedenen<br />
Vokalumgebungen unter Verwendung der modifizierten Locusgleichung<br />
(Allen et al. 1987) geschätzt werden können.<br />
5.2 Akustische Analysedaten und die Klatt-<br />
Formantsynthese<br />
Die Formantsynthese von Klatt (1980) bietet etwa 40 Parameter, das akustische<br />
Verhalten des Ansatzrohres zu modellieren (siehe Abb. 5.1). Etwa<br />
die Hälfte der Steuerparameter modelliert die Dynamik einer Äußerung<br />
und wird zeitlich verändert. Die andere Hälfte modelliert globale Aspekte<br />
einer Äußerung, die den Eigenschaften der modellierten Stimme zuzuschreiben<br />
sind. Die globalen Steuerparameter werden nicht mit der Zeit<br />
verändert und da es unser Ziel ist, phonetische Aspekte von Äußerungen<br />
und nicht von Sprechern zu modellieren, werden die globalen Parameter
5.2 Akustische Analysedaten und Formantsynthese 155<br />
Abbildung 5.1: Der Aufbau der Klatt-Formantsynthese (Klatt 1980: 975).<br />
nicht weiter diskutiert 2 .<br />
In Tabelle 5.1 finden sich die Syntheseparameter, die in der hiesigen<br />
Implementierung der Klatt-Synthese dynamisch gehalten werden 3 .<br />
Die Parameter F0, F1–F4, B1–B4, A2–A6 sind selbsterklärend. AH und<br />
AF setzen jeweils die Amplitude einer stochastischen glottalen bzw. supraglottalen<br />
Anregung fest. AV legt die Amplitude der quasiperiodischen<br />
stimmhaften Anregung fest. AVS steuert ein Tiefpaßfilter, das die Amplituden<br />
der oberen Frequenzen der stimmhaften Anregung stark dämpft, um<br />
den sinoidalen Charakter von Stimmhaftigkeit während supraglottaler Verschlüsse<br />
und Engen nachzuahmen. AB kontrolliert ein Bandpaßfilter, das<br />
eine adäquatere Modellierung der spektralen Eigenschaften von labialen<br />
und dentalen flachen Frikativen ( õgg—2g[gg8& ) erlaubt. Mit FNZ wird<br />
die Frequenz der nasalen Nullstelle festgelegt. Die Frequenz des nasalen<br />
Pols wird als globaler Parameter auf einem festen Wert gehalten. Solange<br />
Pol und Nullstelle die gleiche Frequenz haben, haben sie keine akustische<br />
Folgen, erst wenn die Frequenz von einem (in diesem Fall FNZ) verscho-<br />
2 Unten wird deutlich, daß Form und Verlauf der dynamischen Parameter einen erheblichen<br />
Teil der Sprechereigenschaften ausmachen, so daß die Trennung in sprecher- und<br />
sprachbezogenen Eigenschaften eine grobe Vereinfachung ist.<br />
3 Fortan werden die Synthese-Parameter in ihrer abgekürzten Form dargestellt und durch<br />
Fettdruck von gleichnamigen Analyse-Parametern unterschieden.
156 Wissensbasierte Gewinnung von Steuerparametern<br />
Tabelle 5.1: Die dynamischen Parameter der Klatt-Formantsynthese mit<br />
den Abkürzungen, die im Text verwendet werden.<br />
AV Amplitude der stimmhaften Anregung<br />
AVS Amplitude der sinoidalen Stimmhaftigkeit<br />
AH Amplitude der Aspiration<br />
AF Amplitude der Friktion<br />
AB Amplitude des Bandpasses<br />
F0 Grundfrequenz<br />
F1–F4 Frequenzen der ersten vier Formanten<br />
B1–B4 Bandbreiten der ersten vier Formanten<br />
A2–A6 Amplituden der Formanten 2 bis 6<br />
FNZ Frequenz des nasalen Zeros<br />
AN Amplitude des nasalen Pols<br />
ben wird, tritt ein zusätzlicher Pol und eine Nullstelle im Signal auf.<br />
Die Analyseparamter und die dynamischen Syntheseparameter werden<br />
in Abb. 5.2 nebeneinander dargestellt. Die Pfeile zeigen die Überführung<br />
der Analyseparameter in Syntheseparameter, wenn nur die Information aus<br />
der akustischen Analyse zur Verfügung steht. Aus dieser Darstellung werden<br />
die ungenützten Syntheseparameter offengelegt. Liefert die Grundfrequenzanalyse<br />
einen Wert größer als Null, so kann der Energieparameter<br />
RMS zur Festsetzung der Amplitude der Stimmhaftigkeit in der Synthese<br />
verwendet werden. Stellt die Grundfrequenzanalyse keine Stimmhaftigkeit<br />
fest, kann RMS in die Amplitude der aperiodischen Quelle AF überführt<br />
werden. Die anderen Quellparameter, die eine aperiodische Quelle an der<br />
Glottis – AH – modellieren sowie ein Tiefpaßfilter für die Modellierung<br />
der sinoidalen Stimmhaftigkeit – AVS – während supraglottaler Enge- und<br />
Verschlußbildungen, bleiben in beiden Fällen ungenutzt.<br />
Eine weitere Eigenschaft der Klattsynthese, die nur schwer ausgenutzt<br />
werden kann, wenn lediglich die Analyseparameter zur Verfügung stehen,<br />
ist die Möglichkeit, unterschiedliche Lauttypen durch eine unterschiedliche<br />
Synthese zu erzeugen, entweder<br />
kaskadisch: das Quellsignal wird durch die Filter, die die Resonanzen des<br />
Ansatzrohres nachbilden, nacheinander geschleust, oder
5.2 Akustische Analysedaten und Formantsynthese 157<br />
Abbildung 5.2: Gegenüberstellung der Parameter einer einfachen<br />
akustischen Analyse und der dynamischen Parameter der Klatt-<br />
Formantsynthese. Die Pfeile stellen die ungefähren Entsprechungen dar<br />
und machen das unausgewogene Verhältnis zwischen Analyse und Synthese<br />
deutlich.<br />
parallel: das Quellsignal wird parallel durch die Filter gesendet, und die<br />
Filterausgänge werden nachher summiert.<br />
Die kaskadische Filteranordnung eignet sich besonders gut für orale<br />
Lauttypen, bei denen die Anregungsquelle an der Glottis liegt, z.B. Vokale<br />
und glottale Frikative. Die Filter müssen lediglich durch die Angabe ihrer<br />
Zentralfrequenz und ihrer Bandbreite charakterisiert werden. Die parallele<br />
Filteranordnung eignet sich zur Nachbildung von Lauttypen, deren Quelle<br />
supraglottal erzeugt wird, z.B. sämtliche supraglottalen Frikative. Zusätzlich<br />
zur Zentralfrequenz und Bandbreite muß die Amplitude festgesetzt<br />
werden. Da eine gewöhnliche akustische Analyse die Information über die<br />
unterschiedliche Quelle nicht liefert, kann die Wahl zwischen kaskadisch
›<br />
›<br />
›<br />
›<br />
158 Wissensbasierte Gewinnung von Steuerparametern<br />
und parallel nur grob eingesetzt werden, d.h. bei Stimmhaftigkeit kann der<br />
Kaskadezweig, bei Stimmlosigkeit der parallele Zweig verwendet werden.<br />
5.3 Methode<br />
5.3.1 Signalanalyse und Formantsortierung<br />
Im ersten Schritt wird eine natürliche Äußerung einer LPC-Analyse und<br />
einer Grundfrequenzanalyse unterzogen. Es wird dieselbe Analyse verwendet,<br />
wie sie in Kapitel 3 beschrieben wurde. Alle fünf Millisekunden<br />
werden folgende Werte aus dem Signal gewonnen:<br />
zwei Schätzungen der Formantfrequenzen (s. 3.6.1);<br />
Formantbandbreiten und -amplituden;<br />
Grundfrequenz (F0);<br />
Kurzzeitenergie (RMS).<br />
Ungewöhnlich an diesen Analyseergebnisse ist allein die Berechnung<br />
von Formantamplituden, die für Lauttypen notwendig sind, die mit einer<br />
supraglottalen Anregung erzeugt und somit durch den Parallel-Zweig der<br />
Synthese geschickt werden.<br />
Die Schätzungen der Formantfrequenzen werden ebenfalls nach der in<br />
Kapitel 3 beschriebenen Methode durchgeführt. Im Gegensatz zu meist<br />
stimmhaften Vokalabschnitten, bei denen die Sortierung in den meisten<br />
Fällen richtig verläuft, bieten bestimmte Lauttypen eine Reihe von Schwierigkeiten<br />
für die Formantbestimmung. Eine solche Problemgruppe bilden<br />
die Frikative, deren Behandlung in 5.3.5 eingehend besprochen wird.<br />
5.3.2 Annotationsunterstützte Überführung der Analysedaten<br />
in Steuersignale<br />
Nach der Analyse einer Äußerung werden die einzelnen Analysesätze<br />
zeitlich mit ihrer Etikettierung verknüpft. Im einfachsten Fall wird jeder<br />
Analysesatz mit einem Label verbunden. Information über Glottalisierung<br />
($-q) und Nasalierung ($-˜) wird ebenfalls an dieser Stelle mitgenommen,<br />
so daß zu einem Zeitpunkt mehrere phonetische und phonologische
5.3 Glottale Aktivität 159<br />
<br />
Informationen zur Verfügung stehen können. Zusätzliche kontextuelle Information<br />
über benachbarte Abschnitte werden während des Überführungprozesses<br />
selbst gewonnen. Tabelle 5.2 enthält einen Ausschnit aus der<br />
Analyse des Wortes Mittagessen von Sprecher k03. Die Analysesätze sind<br />
mit Teilen der Etikettierung verbunden und die Formanten sind sortiert.<br />
Der Ausschnitt erstreckt sich vom Ende des velaren Plosivverschlusses (k)<br />
über die kurze Lösungsphase (-h) bis in den glottalisierten Vokalabschnitt<br />
("E-q) hinein.<br />
Die sortierte und annotierte Analyse bildet die Grundlage für die<br />
Überführung in synthetische Steuersignale. Als erster Schritt werden aus<br />
den Formantlücken (mit -99 gekennzeichnet) kontinuierliche Verläufe gemacht.<br />
Augenblicklich wird die Formantlücke durch die zweite Pisarenko-<br />
Schätzung gefüllt, und die Bandbreite und Amplitude werden aus linearen<br />
Interpolationen zwischen vorherigen und nachfolgenden Werten gebildet.<br />
Dieser Schritt ist ein einfacher Automatismus und wird zur Zeit nicht von<br />
Labelinformation gesteuert. Dies ist wünschenswert, denn die Formantsortierung,<br />
die auch ohne Zusatzinformation abläuft, ist bei bestimmten<br />
Äußerungsabschnitten besonders fehleranfällig. Nasalierte Abschnitte sowie<br />
stimmlose Frikative (siehe 5.3.5) sind zwei Beispiele, die aus unterschiedlichen<br />
Gründen Probleme bieten.<br />
In weiteren globalen Anpassungen werden alle RMS-Werte relativ zu<br />
einem Maximum von 60 dB korrigiert, um Übersteuerungen zu vermeiden.<br />
Alle Formantbandbreiten, die größer als 500 Hz sind, werden auf 500 Hz<br />
reduziert.<br />
Als letzter Schritt passiert die eigentliche annotationsgesteuerte Manipulation<br />
und Überführung in synthetische Steuersignale. Hauptsächlich<br />
auf Grund der mit dem Datensatz verbundenen Etikettierung werden Entscheidungen<br />
getroffen, welche synthetischen Quellparameter (AV, AH,<br />
AVS, AF) mit RMS zu steuern sind, ob Formantamplituden benötigt werden<br />
(bei Anregung mit AF) und ob Werte für bestimmte Parameter, z.B.<br />
durch Interpolation o.ä. hergestellt werden müssen. In den nachfolgenden<br />
Abschnitten werden einige Beispiele der Überführung beschrieben.<br />
5.3.3 Glottale Aktivität<br />
Die akustische Analyse eines Äußerungsabschnitts liefert lediglich Information<br />
über das Vorhandensein oder Fehlen von Stimmhaftigkeit. Dies<br />
steht in einem schlechten Verhältnis zur Anzahl der Glottisstellungen, die
160 Wissensbasierte Gewinnung von Steuerparametern<br />
Tabelle 5.2: Ausschnitt aus den sortierten und annotierten Analysedaten aus der Mitte des Wortes Mittagessen. Der<br />
Ausschnitt enthält einen Teil des velaren Plosivverschlusses (k), die Lösungsphase (-h) und einen Teil des nachfolgenden<br />
glottalisierten Vokals ("E-q). Die erste Spalte enthält das Label, die zweite den Gain-Faktor, der nicht<br />
weiter verwendet wird. Die dritte Spalte enthält Kurzzeitenergie (RMS) in Dezibel, die vierte die Grundfrequenz<br />
in Hertz. Die weiteren Spalten enthalten zwei Schätzungen der Formantfrequenzen (siehe 3.6.1) getrennt durch<br />
“/” sowie die Bandbreite und Amplitude. Aus Platzgründen sind nur die Schätzungen der ersten vier Formanten<br />
abgebildet. Insgesamt acht Formanten werden für eine männliche Stimme geschätzt. Die Zahl -99 wird verwendet,<br />
um leicht erkennbare Lücken zu füllen, die bei der Formantsortierung enstehen. Die Analysesätze werden in<br />
Abständen von 5 Millisekunden gewonnen. (Ref.: k03be049)<br />
Label G RMS F0 F1/P1 B1 A1 F2/P2 B2 A2 F3/P3 B3 A3 F4/P4 B4 A4<br />
k 33 17 0 411/411 999 0 1824/1738 614 39 -99/2540 -99 -99 3685/3660 628 35<br />
k 32 15 0 448/448 999 0 1236/1659 721 35 2259/2572 567 35 -99/3672 -99 -99<br />
k 41 30 0 572/545 397 64 1583/1513 431 59 2012/2010 166 63 -99/3385 -99 -99<br />
k 53 44 0 511/501 237 80 1585/1535 369 72 2022/2023 123 77 -99/3236 -99 -99<br />
-h 57 47 0 493/486 225 83 1639/1603 455 73 2046/2060 99 82 3320/3290 641 55<br />
-h 55 41 0 542/532 459 72 1852/1781 881 69 2067/2129 109 80 3314/3342 703 54<br />
-h 57 42 0 613/586 504 73 1891/1752 519 73 2205/2237 328 74 3804/3509 790 62<br />
"E-q 62 51 0 489/476 216 87 1862/1738 330 79 2224/2206 300 79 3797/3529 400 70<br />
"E-q 59 54 0 433/426 94 94 1825/1720 221 81 2167/2128 268 78 3721/3542 213 70<br />
"E-q 57 55 0 410/402 113 95 1767/1669 205 82 2124/2076 234 80 3721/3447 104 74<br />
"E-q 56 52 0 426/423 67 92 1775/1713 178 80 2106/2085 215 77 3721/3608 99 73<br />
"E-q 56 52 0 428/424 64 92 1857/1709 301 76 2107/2131 463 72 3675/3535 296 65<br />
"E-q 58 55 0 467/456 91 95 1888/1600 582 77 2117/2158 457 77 3656/3445 159 77<br />
"E-q 58 56 0 485/476 65 97 1848/1655 318 79 2212/2153 419 76 3664/3512 88 81
5.3 Glottale Aktivität 161<br />
behauchte<br />
Stimme<br />
Knarrstimme Stimmlosigkeit Stimmhaftigkeit<br />
Abbildung 5.3: Sonagramm und Etikettierung eines Teils der Äußerung<br />
Wir haben ein Abteil extra für uns, gesprochen von k03. In diesem kurzen<br />
Äußerungsabschnitt sind vier Glottisstellungen zu erkennen: Stimmhaftigkeit,<br />
Stimmlosigkeit, Knarrstimme und behauchte Stimme. Ein Pfeil deutet<br />
jeweils auf eine exemplarische Strecke. (Ref.: k03be085)<br />
in einer kurzen Äußerung auftreten können.<br />
Ein kurzer Ausschnitt aus dem Berliner Satz Wir haben ein Abteil extra<br />
für uns von Sprecher k03 enthält vier häufige Glottisstellungen: Stimmhaftigkeit,<br />
Stimmlosigkeit, Knarrstimme und behauchte Stimme. Knarrstimme<br />
oder Glottalisierung treten als Korrelate einiger phonologischer Objekte<br />
im Deutschen auf.<br />
In Begleitung eines Glottalverschlusses oder allein hat Glottalisierung<br />
eine abgrenzende Funktion in Silben mit initialen Vokalen (siehe Abb. 5.3).<br />
Sie kann auch eine Einbruchfunktion in Sequenzen von Lateralen und Nasalen<br />
erfüllen. In einer häufig auftretenden Aussprache des Wortes könnten<br />
wird der alveolare Verschluß und die velopharyngale Öffnung nach dem<br />
ersten Vokalabschnitt bis zum Ende des Wortes beibehalten. Während dieser<br />
nasalen Strecke jedoch wird ein Einbruch durch einen Glottalverschluß<br />
oder eine Glottalisierung hergestellt und somit ein Unterschied zu können<br />
geschaffen (Kohler 1994, 1995c). Eine weitere Funktion der Glottalisierung<br />
ist als Korrelat von Äußerungsfinalität, die sich über eine oder mehrere<br />
Silben am Ende eine Äußerung erstrecken kann.<br />
Behauchte Stimme ist das Hauptkorrelat von in zwischenvokali-
162 Wissensbasierte Gewinnung von Steuerparametern<br />
schem Kontext. Im Gegensatz zur normalen Stimmhaftigkeit, wird bei<br />
der behauchten Stimme während der Schwingungsphase kein Verschluß<br />
an den Stimmlippen erreicht, Luft strömt kontinuierlich durch die Glottis<br />
(Laver 1980; Buuren 1983). Behauchte Stimme ist auch als Korrelat von<br />
Äußerungsfinalität zu finden und kann zusammen mit Glottalisierung eine<br />
behauchte Knarrstimme bilden.<br />
Aus einer Kombination von akustischer Analyse und Etikettierung ist<br />
es möglich auf viele der verschiedenen Glottisstellungen zu schließen<br />
und die Analysedaten in die relevanten Quellparameter der Synthese zu<br />
überführen. Phonetische Zusätze in der Etikettierung des Kiel Corpus (siehe<br />
2.3.3 auf S. 21) weisen auf zwei der beschriebenen Glottalisierungstypen<br />
hin. Nur die äußerungsfinale Glottalisierung wird nicht markiert.<br />
Wird eine als glottalisiert markierte Strecke von der akustischen Analyse<br />
als niederfrequente Stimmhaftigkeit erkannt, so muß in der Parameterüberführung<br />
nichts gemacht werden. Die Strecke wird wie jede andere<br />
stimmhafte Strecke behandelt, RMS wird zur Festsetzung von AV verwendet.<br />
Die typischen Eigenschaften von Glottalisierung sind schwache, tieffrequente,<br />
unregelmäßige Schwingungen, die nicht selten als stimmlos von<br />
einer F0-Analyse deklariert werden. In solchen Fällen kann die Information<br />
über das Vorhandensein einer glottalisierten Strecke aus der Etikettierung<br />
zu einem gezielten Eingreifen bei der Überführung der Analysedaten<br />
in Syntheseparameter verwendet werden. Der glottalisierte Abschnitt wird<br />
bei der Überführung stimmhaft gemacht, indem die Synthese-F0 auf beliebige<br />
Werte zwischen 50 und 70 Hz über die betreffende Strecke gesetzt<br />
wird und RMS wird zur Festsetzung der Stimmhaftigkeit verwendet. So<br />
wird aus analytischer Stimmlosigkeit unregelmäßige, tieffrequente Stimmhaftigkeit.<br />
Eine ähnliche Strategie wird für vokalisch etikettierte Strecken verwendet,<br />
die ebenfalls von der F0-Analyse als stimmlos erklärt werden. In<br />
der Mehrheit der Fälle geschieht dies durch den verwendeten Algorithmus<br />
am Vokalrand oder in bestimmten, meist unbetonten Stellen, an denen<br />
Stimmhaftigkeit nur zwei oder drei Perioden lang ist. Ein typisches<br />
Beispiel ist die zweite Silbe des Wortes Süßigkeiten. Ein kurzer, nichtakzentuiert,<br />
hoher Vokal zwischen zwei Frikativen mag sich nur an seiner<br />
Stimmhaftigkeit zu erkennen geben. Eine Friktionsenge herrscht über<br />
die ganze Strecke hinweg, die somit häufig die F0-Analyse als stimmlos<br />
verläßt. Diese Stimmhaftigkeit wird ebenfalls bei der Überführung wieder<br />
hergestellt, indem eine Interpolationslinie zwischen dem letzten und dem
5.3 Glottale Aktivität 163<br />
Abbildung 5.4: Überführung der Analysedaten in die Syntheseparameter<br />
für Knarrstimme (links) und die verschiedenen Korrelate von (rechts).<br />
Tieffrequente, unregelmäßige Stimmhaftigkeit wird für Strecken hergestellt,<br />
die in der F0-Analyse als stimmlos deklariert, aber als glottalisiert<br />
etikettiert wurden. Die Synthese-F0 wird auf beliebige Werte zwischen 50<br />
und 70 Hz gesetzt. Für h, wenn F0 0, wird !"# angenommen, und RMS<br />
wird in die Syntheseparameter AV, AH and AVS übernommen. Bei F0 $<br />
0 wird ! %# angenommen, RMS wird lediglich in AH überführt; in beiden<br />
Fällen wird ausschließlich eine glottale Anregung angenommen, und nur<br />
der Kaskade-Zweig wird aktiviert.<br />
nächsten vorhandenen F0-Werten gespannt werden. Steht der analytisch<br />
stimmlose Vokalabschnitt am Äußerungsanfang bzw. -ende, wird aus den<br />
nachfolgenden bzw. vorhergehenden F0-Verlauf extrapoliert.<br />
Behauchte Stimmhaftigkeit wird jedoch nicht in der Etikettierung markiert,<br />
d.h. stimmlose und stimmhafte Korrelate von werden nicht in<br />
der Etikettierung unterschieden. Die phonetische Interpretation eines bestimmten<br />
Äußerungsabschnitts läßt sich aus einer Kombination der akustischen<br />
Analyse und der Etikettierung gewinnen. Wird eine Strecke mit <br />
etikettiert, ist eine glottale Anregung durch den Kaskade-Zweig der Synthese<br />
hindurchzuschicken. Ist diese Strecke aus der akustischen Analyse
164 Wissensbasierte Gewinnung von Steuerparametern<br />
als stimmhaft<br />
&<br />
(F0 0) erkannt, wird aus einer entsprechenden Mischung<br />
der drei dynamischen Parameter (AV, AH, AVS), die eine glottale Anregung<br />
bilden, behauchte Stimme modelliert. Wird die Strecke als stimmlos<br />
deklariert, so wird ! %'# angenommen, und RMS wird lediglich zur Festsetzung<br />
der glottalen aperiodischen Quelle AH verwendet.<br />
Da hier eine akustische Modellierung angestrebt wird, haben bestimmte<br />
artikulatorische Unterschiede die gleichen akustischen Folgen, z.B.<br />
führen die artikulatorischen Unterschiede zwischen einer offenen, verengten<br />
oder geschlossenen Glottis während eines Plosivverschlusses zum gleichen<br />
akustischen Produkt: Ruhe.<br />
5.3.4 Plosivlösungen<br />
Die Lösungsphasen von prävokalischen Plosiven in akzentuierten Silben<br />
weisen drei unterschiedliche Phasen auf. Die Lösung selbst wird durch<br />
eine energiereiche pulsartige Explosion charakterisiert. Darauf folgt örtliche<br />
Friktion, die je nach Artikulationsstelle unterschiedlich lang ist. Durch<br />
eine Vergrößerung der oralen Enge geht die örtliche Friktion in glottale<br />
Friktion über, deren Spektrum durch den supraglottalen Hohlraum geformt<br />
wird, d.h. in Aspiration im engen Sinne. Um diese Abfolge in Syntheseparameter<br />
umzusetzen, müssen die Analysedaten auf unterschiedliche<br />
Syntheseparameter, abhängig von der Zeit, abgebildet werden. Für die<br />
Plosivlösung sowie den Abschnitt unmittelbar danach wird RMS in AF<br />
überführt, und da es sich um eine supraglottale Anregung handelt, werden<br />
die Formantamplituden benötigt. Für die eigentliche Aspirationsphase<br />
wird RMS verwendet, um AH zu steuern; das Anregungssignal wird durch<br />
den Kaskade-Zweig der Synthese gesendet, der nur die Formantfrequenzen<br />
und ihre Bandbreiten benötigt.<br />
5.3.5 Frikative<br />
Frikativ stellen besondere Probleme für die Analyse und anschließende<br />
Überführung in Syntheseparameter dar. Stimmhafte Frikative, z.B. ! (¨# , ! )*# ,<br />
! +# , sind artikulatorisch komplex und erzeugen akustische Produkte, aus<br />
denen diese Komplexität wieder herzustellen ist. Im Gegensatz zu vielen<br />
anderen Lauttypen sind zwei Quellen vorhanden, eine glottale Schwingung<br />
und eine supraglottale Friktionsenge. In der Default-Überführung
5.3 Frikative 165<br />
,<br />
von Abb. 5.2 lassen die Ergebnisse einer F0-Analyse die Erzeugung eines<br />
stimmhaften friktionlosen Approximanten zu bei F0 0 bzw. eines<br />
stimmlosen Frikativs bei $ F0 0. In beiden Fällen geht ein Teil des akustischen<br />
Produktes verloren. Die Verbindung der akustischen Analyse mit der<br />
Etikettierung ermöglicht eine Identifizierung von stimmhaften Frikativen<br />
und erlaubt somit die Überführung der Analyseparameter in die entsprechenden<br />
Formantparameter.<br />
Abb.5.5 illustriert die Behandlung der enstimmten und stimmhaften<br />
Korrelate von - , d.h. ! )./# und ! )*# . Wird eine mit z etikettierten Strecke<br />
analytisch als stimmhaft erkannt, wird RMS verwendet, um die Parameter<br />
AV, AF und AVS zu steuern, die eine glottale und nichtglottale Anregung<br />
erzeugen. Wie bei der Herstellung von behauchter Stimme wird<br />
AVS verwendet, um hochfrequente Anteile der stimmhaften Anregung zu<br />
unterdrücken. Wird analytisch keine Stimmhaftigkeit gefunden (F0 $ 0),<br />
so wird ! ). # angenommen und RMS wird lediglich zur Steuerung von AF<br />
verwendet. Im stimmhaften und stimmlosen Fall wird der Parallel-Zweig<br />
angeregt, aber nur die Amplitude von F6 wird festgesetzt. Andere Formantamplituden<br />
werden auf 0 gesetzt.<br />
Eine fehlerhafte Verarbeitung des tatsächlich Produzierten kann diese<br />
beiden Alternativen aber nicht ausschließen, z.B. wenn ein stimmhafter<br />
Frikativ produziert, aber als stimmlos in der F0-Analyse deklariert worden<br />
ist. Diese Information ist auch nicht aus der Etikettierung zu holen, denn<br />
dort wird ein Unterschied zwischen ! ). # und ! )*# nicht annotiert.<br />
Ein weiteres Problem bei der Überführung von Frikativen ist die Identifizierung<br />
von geeigneten Formantwerten. Das Klatt’sche Synthesemodell<br />
fordert kontinuierliche Formantverläufe, auch wenn Formanten in bestimmten<br />
Äußerungsabschnitten nicht vorhanden sind. Vor allem in stimmlosen<br />
Frikativen, bei denen der Resonanzraum hinter der Friktionsenge nur<br />
eine untergeordnete Rolle spielt, werden die unteren Formanten nicht angeregt.<br />
Ein typisches Beispiel hierfür ist das stimmlose dorso-palatale Korrelat<br />
von 0 , ! 12# . Die vordere linguale Enge und die ungerundete Lippen<br />
führen zu spektraler Energie erst ab etwa 2,5 kHz, d.h. eine Anregungn ab<br />
dem dritten Formanten. Werte für den ersten und zweiten Formanten lassen<br />
sich aus den Formantverläufen vor bzw. nach der Friktionsenge mit dem<br />
Auge schätzen. Werte für die Frequenzen, Bandbreiten und Amplituden<br />
des dritten und vierten Formanten sowie Amplituden für den fünften und
166 Wissensbasierte Gewinnung von Steuerparametern<br />
Abbildung 5.5: Überführung der Analysedaten in Syntheseparameter für<br />
die verschiedenen Korrelate von - . Wird der Frikativ von der F0-Analyse<br />
als stimmhaft erklärt, dann wird ! )*# angenommen und RMS wird zur Festsetzung<br />
von AV, AF und AVS verwendet. Ist jedoch keine analytische<br />
Stimmhaftigkeit vorhanden wird ! ).3# angenommen und RMS wird lediglich<br />
verwendet, um die supraglottale Friktionsquelle AF zu steuern.<br />
sechsten 4 Formanten lassen sich über LPC-Spektren schätzen. Im Falle eines<br />
dorso-palatalen Frikativs werden die Analysedaten in der Überführung<br />
fast vollständig ignoriert; nur RMS wird verwendet um AF zu steuern.<br />
5.4 Ergebnisse von LACS<br />
Die beschriebene Methode der Copy-Synthese wurde entwickelt, um Werte<br />
für die Regelsynthese zu gewinnen, und orientierte sich hauptsächlich<br />
4 Die Frequenzen und Bandbreiten des fünften und sechsten Formanten werden global<br />
gehalten, lediglich die Amplituden werden dynamisch verändert.
5.4 Ergebnisse von LACS 167<br />
an<br />
4<br />
der Produktion eines männlichen Sprechers (k03) aus dem Kiel Corpus<br />
of Read Speech, der die Berliner Sätze produzierte. In der verwendeten<br />
Version der Formantsynthese eignet sich am ehesten eine männliche Stimme.<br />
Weiter berücksichtigt wurde eine Stimmqualität, die keine Besonderheiten<br />
aufwies, z.B. Diplophonie, übermäßige Behauchung, Pharyngalisierung<br />
usw. Diese Eigenschaften stellen unnötige und z.T. unüberwindbare<br />
Probleme für die Analyse und anschließende Überführung dar. Um den<br />
Überführungsprozeß bei anderen Stimmen auszuprobieren, wurden einige<br />
männliche Stimmen einer LACS-Behandlung unterzogen.<br />
Tabelle 5.3 enthält Beispielsätze aller männlichen Stimmen, die die<br />
Berliner und Marburger Sätze aus dem Kiel Corpus of Read Speech gelesen<br />
haben sowie zwei männliche Stimmen aus dem spontansprachlichen<br />
Korpus. Eine Auswahl von sieben Äußerungen des Sprechers k03 illustrieren<br />
die beschriebenen Manipulationen, die bei der Überführung gemacht<br />
werden. Der anschließende Hörvergleich besteht jeweils aus der Originaläußerung<br />
sowie der LACS-behandelten synthetischen Äußerung. Die<br />
Analyse- und Überführungsschritte laufen automatisch ab, und es ist keine<br />
manuelle Korrektur der Steuersignale vorgenommen worden.<br />
Aus den synthetischen Äußerungen sind Probleme in verschiedenen<br />
Bereichen zu erkennen. Den größten Störfaktor bilden die Stellen, an denen<br />
die Formantsortierung fehlerhaft verlaufen ist, so daß synthetische<br />
Formanten an der falschen Stelle zusammenkommen. Das erzeugt ein<br />
Knacken (z.B. Eltern in k09mr005, Eltern in k61mr005) oder in wenig gravierenden<br />
Fällen ein Summen (z.B. Unsere und Walzer in k11mr005). Die<br />
beschriebenen Probleme der Frikative sind am deutlichsten im postalveolaren<br />
Frikativ des Wortes schön im Satz k65be001 zu hören. Der Frikativ<br />
ist qualitativ richtig, aber viel zu stark gegenüber dem Rest der Äußerung.<br />
An den Sätzen von k03 sind sämtliche beschriebenen Manipulationen<br />
illustriert. Die stimmlosen und behauchten Korrelate von finden sich jeweils<br />
im ! %# von heute (k03be001) und im ! "'# von gehören (k03be049).<br />
Die Herstellung einer unregelmäßigen, tieffrequenten Stimmhaftigkeit,<br />
wenn die Grundfrequenzanalyse keine Stimmbandschwingung in einer<br />
als glottalisiert annotierten Strecke gefunden hat, ist am ! 56879# in eine von<br />
k03be053 illustriert. Die Wiederherstellung von Stimmhaftigkeit in anderen<br />
analytisch stimmlosen Vokalen ist in der dritten Silbe von Frühlingswetter<br />
sowie am geschlossenen Vokal von gibt in k03be031 zu finden.<br />
In Konserven von k03be031 wird der alveolare Frikativ durch den F0-<br />
Algorithmus als stimmhaft identifiziert, und es wird daher ! )*# modelliert.
168 Wissensbasierte Gewinnung von Steuerparametern<br />
Tabelle 5.3: Beispiele von LACS-behandelten männlichen Äußerungen<br />
aus den gelesenen und spontansprachlichen Korpora. Das gelesene Material<br />
stammt aus den Berliner (Infix “be”) und Marburger (Infix “mr”)<br />
Satzkorpora. Sieben weitere Äußerungen aus dem Berliner Korpus von<br />
Sprecher k03 illustrieren die verschiedenen Überführungsmanipulationen.<br />
Das spontansprachliche Material besteht aus Turns von zwei Sprechern,<br />
bei denen Analyse und Überführung mit geringen Fehlern gelingt.<br />
Gelesen - Berlin und Marburg<br />
k01be001 Heute ist schönes Frühlingswetter.<br />
k05be001 Heute ist schönes Frühlingswetter.<br />
k61be001 Heute ist schönes Frühlingswetter.<br />
k63be001 Heute ist schönes Frühlingswetter.<br />
k65be001 Heute ist schönes Frühlingswetter.<br />
k07mr005 Unsere Eltern tanzen Wiener Walzer.<br />
k09mr005 Unsere Eltern tanzen Wiener Walzer.<br />
k11mr005 Unsere Eltern tanzen Wiener Walzer.<br />
k61mr005 Unsere Eltern tanzen Wiener Walzer.<br />
k67mr005 Unsere Eltern tanzen Wiener Walzer.<br />
k69mr005 Unsere Eltern tanzen Wiener Walzer.<br />
Gelesen - Sprecher k03, Berlin<br />
k03be001 Heute ist schönes Frühlingswetter.<br />
k03be019 Wer möchte noch Milch?<br />
k03be031 Hier gibt es Konserven.<br />
k03be049 Die Kartoffeln gehören zum Mittagessen.<br />
k03be053 Danach tut eine Wanderung gut.<br />
k03be089 Die Rinder sind noch auf der Weide.<br />
k03be096 Die Fahrt war ja mächtig kurz.<br />
Spontan<br />
g071a000<br />
g111a000<br />
ja , guten Tag . dann fange ich einfach mal an und wollte Sie mal fragen<br />
, wie das aussieht/- : ähm; wir müßten also insgesamt drei: Z;<br />
Arbeitssitzungen festlegen . zwei davon müßten wir zweitägig machen .<br />
: ähm; wann hätten Sie denn dafür mal Zeit ?<br />
A;
5.4 Ergebnisse von LACS 169<br />
><br />
Die Lösungsphasen der stimmlosen Plosive in Konserven (k03be031),<br />
Kartoffeln (k03be049), tut (k03be053) und kurz (k03be096) sind alle Beispiele<br />
für den Versuch, mit den relevanten Syntheseparametern örtliche<br />
Friktion mit nachfolgender Aspiration zu modellieren. Die palatale Friktion<br />
der Wörter möchte und Milch in k03be019 sowie mächtig in k03be096<br />
illustrieren den vollständigen Ersatz von Analysewerten für einen Frikativ<br />
durch Werte, die aus einer früheren Analyse gewonnen wurden.<br />
Dialogbeitrag g071a000 illustriert ein Beispiel, in dem beide Strategien<br />
zur Herstellung von Stimmhaftigkeit interagieren. Abb. 5.6 zeigt (a)<br />
Oszillogramm, (b) Sonagramm und (d) Etikettierung der Wortabfolge mal<br />
an aus der synthetischen Version des Dialogbeitrages g071a000, zusammen<br />
mit einem Sonagramm (c) des natürlichen Äußerungsabschnitts zum<br />
Vergleich. Zwischen der Lösung des initialen Nasals in mal und dem Verschluß<br />
des Nasals in an ist ein durchgehender Vokalabschnitt. Der kanonisch<br />
vorgesehene Lateral von mal ist als getilgt markiert, und der Vokal<br />
von an ist als glottalisiert ($-q) gekennzeichnet. Unter dem Oszillogramm<br />
ist die Strecke von tieffrequenter, unregelmäßiger Stimmhaftigkeit markiert,<br />
die die Grundfrequenzanalyse als stimmlos identifiziert hat. Durch<br />
die LACS-Behandlung wird das Ende des vokalischen Abschnitts aus mal<br />
durch Interpolation stimmhaft gemacht, und die als glottalisiert markierte<br />
Strecke in an mit einem tieffrequenten, unregelmäßigen F0-Verlauf aufgefüllt.<br />
Der Erfolg der Wiederherstellung von Stimmhafthaftigkeit über<br />
eine Strecke von mehr als 100 ms ist im visuellen Vergleich der beiden<br />
Sonagrammen zu sehen und im auditiven Vergleich der natürlichen und<br />
synthetischen Äußerungsabschnitte zu hören.<br />
LACS bietet ein interessantes Versuchsfeld, die Modellierung von verschiedenen<br />
Lauttypen auszuprobieren. Neben den erwünschten und erwarteten<br />
Produkten werden aber auch solche Lauttypen erzeugt, die nicht geplant<br />
waren. Der uvulare Vibrant ist ein solcher Fall. Im gesamten Kiel<br />
Corpus tritt er nur gelegentlich auf. Sprecher k03 produziert vor allem<br />
wortinitial einen uvularen Vibranten. Rinder aus k03be089 in Tabelle 5.3<br />
ist ein solches Beispiel. Die Behandlung durch LACS trägt nichts Gesondertes<br />
zur Herstellung dieses Vibranten bei. Der dennoch überzeugende<br />
Gehörseindruck in der synthetischen Äußerung ist auf zwei kurzfristige,<br />
4 dB große Schwankungen des Parameters AV zurückzuführen. Da die Pe-
170 Wissensbasierte Gewinnung von Steuerparametern<br />
(a)<br />
F0 = 0<br />
(b)<br />
(c)<br />
(d)<br />
Abbildung 5.6: Die Wiederherstellung von Stimmhaftigkeit, illustriert an<br />
der Wortabfolge mal an aus dem Dialogbeitrag g071a000. Das Oszillogramm<br />
(a) und das obere Sonagramm (b) sind aus der LACS-behandelten<br />
synthetischen Äußerung, das untere Sonagramm (c) aus dem gleichen Abschnitt<br />
der natürlichen Äußerung. In (d) ist die Etikettierung. Unterhalb des<br />
Oszillogramms in (a) ist die Strecke markiert, die in der Grundfrequenzanalyse<br />
als stimmlos deklariert wird.
5.5 Lateral F2 171<br />
?<br />
riode der Vibranten-Schwingung in Rinder etwa 50 ($ ms 20 Hz 5 ) lang ist<br />
und die Frequenz der Parametersätze der Analyse- und Synthesedaten bei<br />
200 Hz liegt, werden diese Energieschwankungen mehr als hinreichend<br />
modelliert.<br />
5.5 Lateral F2<br />
Das prävokalische Korrelat von standarddeutschem @ ist ein heller alveolarer<br />
lateraler Approximant. Unter näherer akustischer Betrachtung läßt sich<br />
diese Beschreibung nicht in einen starren Satz von Formantwerten übersetzen,<br />
denn die akustische Ausprägung dieser hellen Resonanz ist relativ zur<br />
vokalischen Umgebung zu sehen. Ein Lateral im Kontext eines hinteren<br />
gerundeten Vokals (z.B. Luft) ist dunkler als ein Lateral vor einem vorderen<br />
ungerundeten Vokal (z.B. liegt). Die vokalische Färbung drückt sich<br />
besonders im zweiten Formanten aus. Für einen hellen männlichen Lateral<br />
wird ein F2 von etwa 1500 Hz erwartet, für den dunklen, velarisierten<br />
Lateral vieler Arten des Englischen ist ein F2 um 1000 Hz (Lehiste 1964;<br />
Sproat und Fujimura 1993) zu finden.<br />
In Abb. 5.7 sind vier LPC-Sonagramme 6 aus den Wörtern (a) links, (b)<br />
länger, (c) lacht und (d) Luft dargestellt. F2-Werte jeweils aus der Mitte<br />
des lateralen Abschnitts sowie aus dem darauffolgenden Vokal sind im<br />
jeweiligen Sonagramm ebenfalls angezeigt. Obwohl es sich in allen vier<br />
Fällen um einen hellen lateralen Approximanten handelt, zeigen die F2-<br />
Werte eine Variationsbreite von 440 Hz zwischen einem hinteren gerundeten<br />
! AB# in Luft und dem vorderen ungerundeten ! 7C# in links.<br />
Nach der Diskussion des vorigen Kapitels wird deutlich, daß solche<br />
Lautmuster auf unterschiedliche Art und Weise zu erklären sind, je nachdem<br />
in welchem phonetischen und phonologischen Rahmen sie untergebracht<br />
werden sollen. Geht man in diesem Fall von einem klassischen<br />
Allophonansatz aus, könnten die akustisch unterschiedlichen Laterale als<br />
unabhängige Allophone aufgenommen werden, so daß ein unterschiedliches<br />
Allophon für den jeweiligen Kontext eingesetzt wird. Eine andere<br />
Möglichkeit ist die Resonanz des Laterals vokalabhängig zu machen, d.h.<br />
5 Dies stimmt mit Werten für Vibranten aus anderen Sprachen überein (Ladefoged und<br />
Maddieson 1996: 218f)<br />
6 Die Verwendung von LPC-Sonagrammen in den Abbildungen 5.7 und 5.9 läßt die Formantverläufe<br />
besser erkennen.
172 Wissensbasierte Gewinnung von Steuerparametern<br />
1780 2030<br />
1530<br />
1875<br />
(a)<br />
(b)<br />
1440 1320<br />
1340<br />
900<br />
(c)<br />
(d)<br />
Abbildung 5.7: LPC-Sonagramme von prävokalischen Lateralen in verschieden<br />
Vokalkontexten. Die Zahlen sind F2-Werte in Hz aus der Mitte<br />
des lateralen Abschnitts sowie aus dem nachfolgenden Vokalabschnitt.<br />
Ausschnitte sind aus den Wörtern (a) links, (b) länger, (c) lacht, (d) Luft.<br />
(Ref.: (a) k03be098, (b) k03be012, (c) k03be002, (d) k03be007)<br />
es gibt keinen Lateral losgelöst von einer vokalischen Umgebung. Stattdessen<br />
ist die Resonanz des Laterals als Funktion seiner inhärenten Resonanz<br />
in Verbindung mit der des Vokals zu betrachten, Koartikulation im engsten<br />
Sinne. Unterstützung für die zweite Lösung ergibt sich aus der Darstellung<br />
in Abb. 5.8, in der die F2-Werte sämtlicher prävokalischer Laterale des
5.5 Lateral F2 173<br />
2000<br />
1750<br />
Lateral-F2 [Hz]<br />
1500<br />
LateralF2 = 0.324 x VokalF2 + 992<br />
1250<br />
1000<br />
750 1000 1250 1500 1750 2000 2250<br />
Vokal-F2 [Hz]<br />
Abbildung 5.8: F2-Werte von prävokalischen Lateralen als Funktion der<br />
F2-Werte der darauffolgenden Vokalabschnitte geplottet. Die Linie ist eine<br />
lineare Regressionslinie, definiert durch die dargestellte Gleichung.<br />
Sprechers k03 als Funktion der F2-Werte der darauffolgenden Vokale geplottet<br />
sind. Es besteht eine starke Korrelation zwischen den Wertepaaren,<br />
die sich durch eine einfache lineare Regressionslinie approximieren läßt.<br />
Die abgebildete Gleichung der Regressionslinie könnte als F2-Korrelat des<br />
Laterals dienen, aber sie ist aus theoretischen Gründen unpassend, weil<br />
der F2-Wert nicht als Maß für die inhärente Resonanz des Laterals dienen<br />
kann. Hierzu ist eine Locusgleichung passender (Klatt 1980; Allen et al.<br />
1987). Diese Gleichung hat folgende allgemeine Form:<br />
$HG G ESR<br />
DFE EJILKKNM/OFEQP<br />
ist der resultierende G E<br />
Formantwert. ist der inhärente<br />
DFE<br />
Formantwert,<br />
der aus dem Mittelwert der empirisch vorgefundenen Formantwerte<br />
gebildet wird. ist der Formantwert des Vokals und der Koartikulationskoeffizient,<br />
d.h. die Steigung der Regressionslinie in Abb. 5.8. Je<br />
größer der Koartikulationskoeffizient ist, desto größer ist die Annäherung<br />
KK OFE
174 Wissensbasierte Gewinnung von Steuerparametern<br />
1720 2170<br />
1350 1120<br />
(a)<br />
(b)<br />
1300 1030<br />
1250 870<br />
(c)<br />
(d)<br />
Abbildung 5.9: LPC-Sonagramme von synthetischen Äußerungen mit<br />
prävokalischen Lateralen in verschieden Vokalkontexten. Die Zahlen sind<br />
F2-Werte in Hz aus der Mitte des lateralen Abschnitts sowie aus dem nachfolgenden<br />
Vokalabschnitt. Synthetische Wörter sind (a) Lied, (b) laut, (c)<br />
Leut’, (d) lud.<br />
des konsonantischen F2 an die vokalische Umgebung. Im Falle der Werte<br />
in Abb. 5.8 läßt sich für prävokalische Laterale folgende Locusgleichung<br />
berechnen:<br />
T D'UWVYXZD[]\_^ $a`cb'd¨e Igfh i'^ b M]jkBKFD[3\_^lP `cb'd¨e R<br />
Diese Gleichung wird üblicherweise eingesetzt, um Formantfrequenzen<br />
in der Übergangsphase von Konsonant zu Vokal kurz nach einer Plosivlösung<br />
zu berechnen. Der konstante Formantwert in der Gleichung ist<br />
der Locus, d.h. der Ursprung oder Anfangspunkt für sämtliche Bewegungen<br />
in verschiedene Vokalqualitäten hinein 7 . Hier wird der Formantwert<br />
als inhärente Resonanz des Laterals betrachtet, der in Kombination mit der<br />
Vokalqualität die tatsächliche vokalische Resonanz des Laterals bestimmt.<br />
7 Klatt (1980) setzt für Allophone eines Konsonanten in verschiedenen Vokalumgebungen<br />
(vorn-hinten, gerundet-ungerundet) verschiedene Locuspunkte an.
5.6 Weiterentwicklungen 175<br />
Die synthetischen Äußerungen in Abb. 5.9 gehen über die Parametergewinnung<br />
hinaus, zeigen den Einsatz in der Regelsynthese. Die Sonagramme<br />
zeigen anlautende Laterale in verschiedenen Vokalumgebungen.<br />
Die akustischen Korrelate des Laterals sind in jedem Fall gleich, d.h. das<br />
F2-Korrelat des Laterals ist unsere Locusgleichung. Die tatsächliche Resonanz<br />
des Laterals tritt in Kombination mit der Resonanz des Vokals zu<br />
Tage.<br />
5.6 Weiterentwicklungen<br />
Dieses Kapitel hat nur einen Einsatz für LACS gezeigt, nämlich die Gewinnung<br />
von Steuerparametern, die als Korrelate von phonologischen Elementen<br />
in einer Regelsynthese dienen können. Eine automatische wissensbasierte<br />
Überführung von Analyseparametern in Syntheseparameter<br />
öffnet eine Reihe weiterer Einsatzmöglichkeiten. Aus dem Vergleich der<br />
natürlichen und synthetischen Äußerungen in Tabelle 5.3 wird deutlich,<br />
daß die individuelle Stimmqualität beibehalten wird. Oft nach der erfolgreichen<br />
Überführung einer Äußerung ist der subjektive Gehörseindruck einer<br />
natürlichen Äußerung aufgekommen. Eine weitere Aufgabe wird es<br />
sein, diese subjektiven Urteile anhand von formalisierten Testverfahren zu<br />
quantifizieren. Auf jeden Fall bieten solche synthetischen Äußerungen ein<br />
ideales Versuchsfeld, um die akustischen Parameter sowie die Beziehungen<br />
zwischen den einzelnen Parametern zu untersuchen, die die individuellen<br />
Stimmeigenschaften im akustischen Sprachsignal zum Ausdruck<br />
bringen. Allgemein bietet LACS eine ausgezeichnete Methode synthetisches<br />
Ausgangsmaterial für experimentelle Stimuli schnell und in großem<br />
Umfang zu erzeugen. Dabei kann schon bei der Überführung von Analysein<br />
Syntheseparameter eine Reihe von gezielten Manipulationen vorgenommen<br />
werden.
176 Wissensbasierte Gewinnung von Steuerparametern
Kapitel 6<br />
Zusammenfassende<br />
Diskussion und Ausblick<br />
Am Anfang dieser Studie (1.1) stand die Frage, ob gesprochene Sprachdatenbanken,<br />
die für andere Zwecke erhoben wurden, sich für Fragestellungen<br />
in der phonetischen Grundlagenforschung eignen. Die Antwort auf<br />
diese Frage war nicht nur, daß man die bekannten Fragen überwinden<br />
könnte, weil es sonst schade wäre, so viele Daten unbeachtet zu lassen,<br />
sondern daß es uns obliegt, die Probleme zu überwinden, weil sie teilweise<br />
dieselben Probleme sind, die die häufigste linguistische Aktivität bereitet,<br />
nämlich die Spontansprache.<br />
Nach der Beschreibung des Inhalts und der Form des Kiel Corpus, wurden<br />
drei Untersuchungen präsentiert, in denen eine Datenbank zur Beantwortung<br />
phonetischer Fragestellungen auf unterschiedliche Weise eingesetzt<br />
wurde. In Kapitel 3 wurden sowohl der Datenumfang als auch die<br />
Form der Datenaufbereitung des Kiel Corpus voll ausgenutzt, um eine<br />
automatische Analyse der deutschen Monophthonge und Diphthonge zu<br />
liefern. Im Gegensatz hierzu stand die Untersuchung des m in Kapitel 4.<br />
Obwohl eine nicht unerhebliche Datenmenge die Grundlage (6 Sprecher,<br />
600 Sätze) für die Untersuchung bildete, war es dennoch nur ein Bruchteil<br />
des verfügbaren Datenumfangs des Kiel Corpus. Außer zwei kleineren automatischen<br />
Vokaluntersuchungen in 4.3.3 wurden die Datenaufbereitung<br />
und KielDat lediglich eingesetzt, um relevante Wörter zu orten und die<br />
177
178 Zusammenfassende Diskussion und Ausblick<br />
zugehörigen Signalstücke zusammenzuschneiden, um die anschließende<br />
“manuelle” Untersuchung mit impressionistischen Methoden zu erleichtern.<br />
In Kapitel 5 wurde schließlich die linguistische und phonetische Information<br />
der symbolischen Datenaufbereitung bis ins Detail ausgenutzt,<br />
um aus den Ergebnissen einer gewöhnlichen akustischen Analyse, Steuerparameter<br />
für eine Formantsynthese zu gewinnen, die als phonetische Korrelate<br />
von phonologischen Objekten einer Regelsynthese dienen können.<br />
In Kapitel 1 wurden die Nachteile beschrieben, die sich sowohl bei der<br />
Verwendung von Datenbankmaterial, als auch in der Analyse von spontansprachlichen<br />
Daten ergeben. Diese Nachteile haben sich weitestgehend<br />
bestätigt. Am häufigsten sind fehlende Vergleichbarkeit und lückenhafte<br />
Abdeckung eines bestimmten Phänomens zu beklagen. In der Suche nach<br />
möglichen Beziehungen zwischen der Vokalqualität und der Artikulationsstelle<br />
von benachbarten Konsonanten in 3.9.3 auf S. 94ff konnten trotz einer<br />
großen Datenmenge und einer gröberen Klassifikation, als Stevens und<br />
House (1963) verwendet haben, bestimmte Lücken nicht aufgefüllt werden.<br />
Aussagen zu den Formantverläufen der drei Diphthonge nBo , nqp , rcs in<br />
3.8.2 auf S. 64ff waren durch fehlende Daten in bestimmten Dauergruppen<br />
nicht möglich. Ein statistischer Vergleich der Dauer der stimmlosen Strekken<br />
in einfachen Frikativ-Anlauten gegenüber Frikativ-m -Verbindungen in<br />
4.4.1 auf S. 133 war wegen mangelnder rhythmischer Vergleichbarkeit unter<br />
den Tokens nicht möglich.<br />
Datenbankmaterial und Spontansprache, auch wenn sie unter Laborbedingungen<br />
und den besonderen Anforderungen der Dialogsteuerung elizitiert<br />
wird, weisen jedoch einige Vorteile gegenüber gezielter Datenerhebung<br />
auf. Durch Vorgaben an die Erhebung des spontansprachlichen Teils<br />
des Kiel Corpus (Pätzold und Simpson 1994) ist die Sprache sämtlicher<br />
Dialogteilnehmer auf ein Terminplanungsspiel gerichtet. Im Vergleich der<br />
Häufigkeitsverteilungen der einzelnen Vokalkategorien (3.7, S. 52ff ) sind<br />
die Ähnlichkeiten zwischen dem untersuchten Teil des gelesenen Korpus<br />
(Berliner und Marburger Sätze), das nach sprachrepräsentativen Gesichtspunkten<br />
konstruiert wurde, und dem spontansprachlichen Korpus groß.<br />
Die Unterschiede waren vor allem in den häufigsten Kategorien wie n¨t zu<br />
finden, konnten auf Eigenschaften der Spontansprache allgemein zurückgeführt<br />
werden, nicht aber auf Besonderheiten der Erhebung selbst. Auch<br />
wenn die Daten nicht dafür gezielt gesammelt wurden, weist die Vokaluntersuchung<br />
gegenüber früheren Studien einige Vorzüge auf:
u<br />
179<br />
Eine große Anzahl an Sprechern aus beiden Geschlechtergruppen<br />
u<br />
(25 weiblich und 29 männlich).<br />
Überwiegend “normale” Sprecher des Deutschen, d.h. nur zwei<br />
Sprecher mit einer phonetischen Ausbildung sind im gelesenen Teil<br />
des gelesenen Korpus vorhanden. Es gibt immer die Gefahr, daß Ansichten<br />
über die Phonetik einer Sprache einen starken Einfluß auf die<br />
Sprachproduktion nehmen könnten.<br />
u<br />
Große, wenn auch unterschiedliche Datenmengen pro Sprecher.<br />
Als einziges Problem ist eine fehlende Vergleichbarkeit der Produktion<br />
von Sprechern im Kiel Corpus of Spontaneous Speech zu nennen. Die kontrollierte<br />
Elizitation des Kiel Corpus of Spontaneous Speech liefert mehrmalige<br />
Äußerungen desselben Wortes (z.B. neunzehnten), aber mehrfache<br />
Äußerungen desselben Satzes, wie im gelesenen Teil des Kiel Corpus, sind<br />
nicht vorhanden.<br />
Der Vorteil der gezielten Datenerhebung ist offensichtlich: in der Erforschung<br />
eines bestimmten Phänomens können gerade die Daten in ausreichendem<br />
Umfang erhoben werden, die für die Erarbeitung der Fragestellung<br />
notwendig sind. Jedoch verbirgt sich gerade in dieser Vorgehensweise<br />
eine gewisse analytische Arroganz, denn man kann eigentlich nie<br />
wissen, welche Daten die Erforschung eines Phänomens erfordert. Bei<br />
einer Datenbank bleibt dieses Problem erhalten, aber die Datenwillkür<br />
kommt ihm ein wenig entgegen, indem relevante Tokens eines Phänomens<br />
vorhanden sind, die man in der gezielten Erhebung womöglich nicht<br />
berücksichtigt hätte, dafür aber neue unerwartete Muster zu Tage treiben.<br />
Die Datenwillkür füllt somit Lücken auf, von denen man in der gezielten<br />
Erhebung erst gar nichts wissen konnte. Die unterschiedlichen Vokalqualitäten<br />
der zwei fährt-Tokens pro Sprecher auf S. 130 (siehe auch<br />
Abb. 4.1, S. 116) sind ein Beispiel. Die Vokale wiesen für fünf der sechs<br />
untersuchten Sprecher systematische Unterschiede auf. Eine Alternation<br />
dieser Form war unerwartet und wurde in der hiesigen Analyse lediglich<br />
beschrieben, wenn auch nicht erklärt. Dennoch ist die Alternation gerade<br />
durch die Datenwillkür aufgefallen, und mögliche Erklärungen für die<br />
Unterschiede können die Grundlage bilden für eine Suche nach weiteren<br />
ähnlichen Fällen oder gar für eine gezielte Erhebung, die solchen Alternationen<br />
nachgeht. Wichtig ist jedoch, daß eine gezielte Untersuchung von
w<br />
180 Zusammenfassende Diskussion und Ausblick<br />
-V v okalen diese Alternation nicht hätte berücksichtigen können und genauso<br />
zufällig daraufgekommen wäre.<br />
m<br />
Die wichtigste Eigenschaft des Kiel Corpus ist die zeitliche Verknüpfung<br />
von abstrakter phonetischer und linguistischer Information mit<br />
dem Sprachsignal. Dies erlaubt die Analyse und Manipulation von Sprachsignalen,<br />
kontrolliert durch metasprachliche Information. Jedoch ist die<br />
Annotation in bestimmten linguistischen und extralinguistischen Bereichen<br />
für viele phonetische Fragestellungen noch unzureichend. In den<br />
letzten drei Jahren ist die Annotation von Intonation, Satzakzentuierung<br />
und Tempo im Kiel Corpus begonnen worden (Kohler 1995b). Information<br />
zu syntaktischen, morphologischen und semantischen Aspekten sowie<br />
zur Gesprächstruktur im spontansprachlichen Korpus, wie sie beispielsweise<br />
im Map Task Corpus (Anderson et al. 1991) annotiert wurde, ist<br />
jedoch nur in rudimentärster Form vorhanden. Untersuchungen beispielsweise<br />
zur phonetischen Ausprägung der Mechanismen, die Teilnehmer eines<br />
Gespräches einsetzen (Local, Wells und Sebba 1986; Local und Kelly<br />
1986; Local, Kelly und Wells 1986), um bestimmte interaktive Funktionen<br />
zu erfüllen, brauchen solche Information.<br />
Neben weiteren Annotationen auf anderen linguistischen Ebenen ist<br />
auch an Erweiterungen des Kiel Corpus selbst zu denken. Jedoch sollten<br />
diese Erweiterungen ergänzend sein. Die Vokaluntersuchung hat systematische<br />
Unterschiede zwischen der Lese- und Spontansprache des Kiel<br />
Corpus aufgezeigt, aber vor allem die geforderte Dialogsteuerung hat eine<br />
normale Gesprächsführung fast unmöglich gemacht. Dialogaufnahmen im<br />
Terminplanungsszenario ohne diese unnatürlichen Auflagen sind im Vorfeld<br />
zu den Verbmobil-Aufnahmen gemacht worden und werden zur Zeit<br />
in gewohnter Weise für das Kiel Corpus aufbereitet. An die Erhebung von<br />
weiteren Lesedaten ist auch zu denken. Es sind lediglich zwei Sprecherinnen,<br />
die sowohl im gelesenen als auch im spontansprachlichen Korpus<br />
auftreten. Hätte man gelesene Daten von mehr Sprechern aus dem spontansprachlichen<br />
Korpus, könnte der Interkorpusvergleich von Kapitel 3 auf<br />
die Unterschiede zwischen den Korpora auf Sprecherebene eingehen.<br />
Die einzelnen Untersuchungen haben Fragen aufgeworfen, die teils experimentell,<br />
teils durch das Heranziehen von anderem Datenbankmaterial<br />
zu beantworten sein werden. Artikulatorische Daten, wie sie für das Englische<br />
mit dem Röntgen-microbeam-Verfahren (Westbury 1994; URL 6)<br />
gesammelt wurden, können Fragen zu möglichen Unterschieden in der<br />
artikulatorischen Geschwindigkeit von Frauen und Männern klären. Die
x<br />
Frage,<br />
181<br />
ob Frauen das gleiche auditive Ziel schneller erreichen können,<br />
kann jedoch an Daten aus dem Kiel Corpus weiter verfolgt werden. Ebenfalls<br />
in Kapitel 3 hat die Diskussion über die wichtigsten Elemente von<br />
Diphthongverläufen Hörexperimente gefordert, die die Schwächen von<br />
Bladons (1985) Experimenten berücksichtigen sollte. Am meisten müßte<br />
ein solches Experiment die enge Beziehung eines Diphthongs mit seiner<br />
Dauer berücksichtigen, eine Beziehung, die in Bladons Experimenten vernachlässigt<br />
wird.<br />
Kapitel 4 hat nur einen der deutschen Liquiden analysiert. Die phonologische<br />
Gruppierung der m mit @ basiert hauptsächlich auf ihrer phonologischen<br />
Verteilung im Deutschen, denn gerade im Standarddeutschen<br />
scheinen die konsonantischen Korrelate des m und die des @ wenig gemeinsam<br />
zu haben. Spektrale Untersuchungen der kontextuellen Unterschiede<br />
in den Korrelaten an unterschiedlichen Stellen in Wort- und Silbenstruktur<br />
weisen jedoch große Ähnlichkeiten im phonetischen Verhalten auf. Die<br />
Phonetik des silbenauslautenden @ hat, wie silbenauslautenden m , vokalähnliche<br />
Struktur (Kohler, Pätzold und Simpson 1995: 47–48). Eine systematische<br />
Untersuchung der Ähnlichkeiten und Unterschiede im phonetischen<br />
Verhalten des @ am Kiel Corpus ist geplant.<br />
Weitere Einsätze für die Ergebnisse von LACS wurden in 5.6 angedeutet.<br />
Die Verwendung einer frühen Version der Klatt-Formantsynthese lag<br />
an ihrer freien Verfügbarkeit. Diese Implementierung hat jedoch bekannte<br />
Probleme, die sie u.a. für die Synthese von weiblichen Stimmen nicht<br />
eignen. Weiterentwicklungen (Klatt und Klatt 1990; Stevens und Bickley<br />
1991) bieten interessante Einsatzmöglichkeiten für LACS in Verbindung<br />
mit dem Kiel Corpus. Vor allem die high-level synthesis von Stevens und<br />
Bickley (1991) ist ein höchst interessantes Erprobungsfeld. Als pseudoartikulatorische<br />
Synthese (Bickley, Stevens und Williams 1997) stehen die<br />
Eingabeparameter von HLsyn in einer sehr indirekten Beziehung zu den<br />
Ergebnissen einer akustischen Analyse. In einer LACS-Implementierung,<br />
die die Steuerparameter für HLsyn erzeugte, würde die Analyse einer<br />
Äußerung eher eine unterstützende Rolle spielen und nur in Einzelfällen<br />
direkt einsetzbare Daten liefern können, z.B. F0. Umso wichtiger wird<br />
dafür die Rolle einer annotierten Datenbank wie das Kiel Corpus in ihrer<br />
Verknüpfung mit phonetischem und linguistischem Wissen.
182 Zusammenfassende Diskussion und Ausblick
š<br />
±<br />
š<br />
<br />
š<br />
ˆ<br />
Anhang A<br />
Texte zum untersuchten<br />
Teil des Kiel Corpus<br />
In A.1 und A.2 sind die 100 Berliner und 100 Marburger Sätze aus dem<br />
Kiel Corpus of Read Speech, die jeweils von 12 Sprechern (6 weiblich,<br />
6 männlich) produziert wurden. Neben der orthographischen Represäntation<br />
der Sätze steht die kanonische IPA-Transkription der Sätze, die in<br />
SAMPA-Format, die Grundlage für die Segmentation und Etikettierung<br />
der Sätze bildete. In A.3 steht die Transliteration eines Beispieldialogs aus<br />
dem Kiel Corpus of Spontaneous Speech.<br />
A.1 Berliner Sätze<br />
1. Heute ist schönes Frühlingswetter.<br />
2. Die Sonne cš<br />
lacht.<br />
y'z{}|Z~3l€‚„ƒ/~†…‚z‡8ˆ ‰Y‚ƒ‹Š9Œ‚zYˆ Ž ‘ƒ]’q“”•~—–¦˜<br />
3. Am blauen Himmel ziehen die<br />
Wolken.<br />
4. Über die Felder weht ein Wind.<br />
5. Gestern stürmte es ±<br />
noch.<br />
zž2Ÿ ~¡˜ ˆ›8z{}‰YœŽ<br />
¢¨}Ž©~ªƒWz ˆ ‚‰<br />
€•ž2¢¤£‘Ž¥zžY¦*‚‰§yqz<br />
’Bz{—Ž «c•‰¬˜<br />
š<br />
€‚Yˆ £Y–<br />
cš<br />
6. Montag war es uns zu regnerisch.<br />
ˆFŠ/z”WŽ<br />
–’Bz®•ˆ ~¨€•ž2 ‰¯’Bz ‰ ~°˜<br />
z”•ƒ/~ª–•‰_…3~‚z|²–2¢³~]€2”‚ƒ´‰Z{}Ÿ¦˜<br />
7. Riecht ihr nicht die frische Luft?<br />
¢zµ8ˆ ‰ ~ªž‘ˆ «’2ž ˆ –·€2”‚ƒ¸€c¦2‰Yƒ¹~]ƒ/ºBˆ<br />
Œ‚z®2ˆ<br />
‰Y–8Œ] …°˜<br />
ˆ »}~¨€ ˆ –l‰Y »W~ Œ‚z<br />
ˆ'Š Œ•z …3¼Ž z¦•Š ~¼½<br />
š<br />
183
±<br />
<br />
±<br />
±<br />
±<br />
<br />
š<br />
z<br />
š<br />
±<br />
±<br />
<br />
<br />
š<br />
z<br />
š<br />
<br />
<br />
<br />
±<br />
š<br />
<br />
š<br />
±<br />
<br />
<br />
±<br />
ˆ<br />
<br />
š<br />
±<br />
±<br />
<br />
±<br />
<br />
<br />
ˆ<br />
184 A Texte zum untersuchten Teil des Kiel Corpus<br />
8. Die Nacht haben Maiers gut geschlafen.<br />
9. Jetzt sitzen sie beim Á<br />
Frühstück.<br />
ˆQ‰'zž2Ÿ ~¾yZž8ˆ £YW‰¿¢lzž2„–*ƒ<br />
zºBˆ ~<br />
cš<br />
<br />
10. Es ist acht Uhr morgens.<br />
11. Vater hat den Tisch gedeckt.<br />
12. Mutter konnte länger schlafen.<br />
13. Der Kaffee dampft in den Tassen.<br />
~Å€ zºBˆ –¢lz{W– ‚‰Bƒ¡˜<br />
€2”•ƒÄ€‚„ƒ/~œ€czž2Ÿ<br />
~ª–°yZž2~ ®•ˆ ‰~•z … z”}«Y~°˜<br />
Š3zž8ˆ<br />
]…ÀŽ zžcˆ Š9•‰¬˜<br />
z”W~ªƒ/~›8z ~]ƒ3W‰Ã›<br />
ˆ£Yž2 ¢¸Š Œ•zYˆ…/~•“|²«©˜<br />
¢z¦2~]–°«‘{}‰ ~]¼Ž¥z”‚c–¼…ÀŽ zž ˆ Š9‚‰Æ˜<br />
±<br />
14. Messer und Gabel liegen neben<br />
dem Teller.<br />
15. In der Mitte steht der Brötchenkorb.<br />
16. Wer möchte keinen Kuchen?<br />
17. Hans ißt so gerne Wurst.<br />
18. Gib mir bitte die Butter!<br />
¢z”•ƒ3–°€c¦•‰c~<br />
¢¹~•z”}Ž„–_˜ ®•ˆ<br />
ˆ £YWŽŽ z<br />
š<br />
ˆ<br />
±<br />
‚‰‰Z®•ˆ £YW‰ zž<br />
‰ ®•ˆ –Ê¢z ~]Ë…/~•z®•ˆ ~<br />
€‚<br />
ˆ ~]»W‚‰Y«'“{W–8ÈƘ £YŒ‚z‡<br />
’8®•ˆ –°¢¨ÌÄ»}~]œ«qzž• ‰Z‚‰¦«¨zºBˆ Ÿ ‚‰Í½<br />
®•ˆ –<br />
®•ˆ –Ç«¨zž2Š9®2ˆ<br />
zž•¢¨ÈYŠ9~É€‚ ‰<br />
®2ˆ ‰<br />
~•zž*ƒ/W‰¬˜<br />
y'zž2‰Yƒ¨€ z„ƒ3~³›Wµ ˆ<br />
19. Wer möchte noch Milch?<br />
20. Bald ist der Hunger gestillt.<br />
21. Günther muß noch einkaufen gehen.<br />
22. Achte auf die Autos!<br />
23. Überquere die Straße vorsichtig!<br />
š ’8®•ˆ –°¢¨ÌÄ»}~]¨‰Z{}Ÿ¢lz Ž„»l½ <br />
~¼€W„ƒ3~ ®•ˆ –lyqz¦2c– ]…3~‚z Ž ~l˜<br />
£'zž•Ž<br />
‰‘«'“ž²¦*Š9•‰<br />
z|Y‰c~]–Ï¢l¦*ƒÐ‰Z{}ŸÑ€czž2<br />
W‰©˜ z®•ˆ<br />
€czž2Ÿ ~]€•ž‘¦2Š<br />
ˆ€czžY¦2~]µ‘ˆ ƒlÎ<br />
cš<br />
z”•–2‰‘¡’¨z¦2–*ƒ/~˜<br />
ˆ È¢<br />
ˆ –l£'z ~]<br />
ˆ£'z¦2~]–¯Î<br />
24. Sonst wirst du leicht überfahren.<br />
€‚Yˆ £Z–•«Y’qz®2ˆ Œ]<br />
š<br />
…/~]Œ‚zž ˆ ƒ/<br />
Š3zµ8ˆ –*›} »}~ª »_Î<br />
Á<br />
25. Radfahrer sausen vorbei.<br />
26. Im Geschäft stehen viele Leute.<br />
27. Gleich hier sind die Nahrungsmittel.<br />
28. Muß der Zucker nicht dort<br />
drüben stehen?<br />
29. Jetzt suche ich das Weißbrot.<br />
ˆ ~]Š/“žcˆ Œª–Ò› zž‘¦*›}W‰JŠ9µ ˆ –2£qzž*˜<br />
Œ•zž<br />
¢ ]…‚z”‚Š ~´…3~‚z®•ˆ W‰¦Š/z ˆ Ž ÅŽ z{}|Z~3¯˜<br />
€‚<br />
» y'z ˆ – ›} ‰ ~<br />
Ž¥zž2<br />
ˆ Œ‚¦2‘ƒ]¢Ò“ ~]‚ŽÂ˜ ‰'zž<br />
¢¦*ƒ<br />
®•ˆ –¤~]ƒWz¦•«‘–Ó‰Y„»}~<br />
cš<br />
z{‚–•~<br />
› z{}‰Yƒ3~ ’c –*ƒ3~<br />
ºBˆ<br />
Ž¥zž2„»}~<br />
€‚Yˆ £Z–2Š3zžcˆ Œ]•‰Æ˜<br />
30. Ob ich Süßigkeiten kaufen darf?<br />
Œ‚zZˆ £Y‚‰_…3~‚z®•ˆ W‰Q½<br />
z”W~ªƒ/~›8zºBˆ Ÿc€‚ »<br />
ž2ƒÄ’¨zž•„ƒ3£²Œ‚“µcˆ ~l˜<br />
31. Hier gibt es Konserven.<br />
32. Öl fehlte wohl auch.<br />
33. Zum Schluß an die Kasse.<br />
34. Nun schnell nach Hause.<br />
35. Vater will sich eine Pfeife<br />
anzünden.<br />
ƒ3 »}«8ž*9~]•‰Ó«¨zžY¦•Š •‰<br />
€•{}ÈÓ€W„»Ô›8zYˆ<br />
ž*–2ŠN½<br />
<br />
ˆ – ˆ È‘~¡€2”‚ƒ†«‘{}‰Z›8z”•–*’‘•‰¬˜<br />
y'z<br />
ˆ ŽÕŠ/z®2ˆŽ ~3l’8µ8ˆ ŽN€‚žY¦2ŸÃ˜<br />
€cz‡<br />
z¦*ƒ¨€•ž2‰<br />
š<br />
ˆq«¨zž*ƒ3_˜<br />
~ªƒW¦2¢L…ÀŽ<br />
‰l…3‰qz”WŽÕ‰Zž ˆ ŸÒyqzžY¦*›}_˜<br />
‰cº²ˆ<br />
Š3zž8ˆ ~ª–Ö’ Ž¤›}„»×€•ž2 ‰‘ØÈ‘Š/zž2 Š <br />
•‰¬˜<br />
€czž2‰ ~ªƒW“|B‰
š<br />
z<br />
Î<br />
š<br />
ˆ<br />
±<br />
›<br />
š<br />
’<br />
±<br />
<br />
’<br />
±<br />
Î<br />
š<br />
š<br />
<br />
š<br />
±<br />
<br />
<br />
š<br />
±<br />
š<br />
z<br />
š<br />
<br />
<br />
±<br />
<br />
±<br />
<br />
<br />
<br />
š<br />
±<br />
<br />
±<br />
<br />
š<br />
<br />
A.1 Berliner Sätze 185<br />
36. Seine Frau macht ein trauriges<br />
Gesicht.<br />
37. Du solltest weniger <br />
rauchen.<br />
‰‘¨Š Œ•zž‘¦Å¢zž2Ÿ ~‹€‚ž2 ‰_~]Œ‚zžY¦•Œ] ±<br />
2ƒ<br />
›Wž2<br />
‚› z »W~°˜<br />
±<br />
38. Die Ärzte sind damit gar nicht<br />
einverstanden.<br />
39. Gib mir bitte mal die ±<br />
Zeitung!<br />
ˆB€cz”•–2~]ƒ/~]³›} ‰ ~<br />
ž•¢z„~<br />
zž ˆ –œ‰‘„»}~<br />
º²ˆ›‚{—Ž ~]‚ƒ/~œ’Bz®•ˆ ‰Y ±<br />
–Œ‚zžY¦2Ÿ ‚‰Æ˜<br />
cš<br />
€czž2 ‰YŠC–•…/~2“ž*‰<br />
‚‰Æ˜<br />
<br />
40. Aber Schönes steht wohl nicht<br />
drin.<br />
41. Wer muß noch Schularbeiten<br />
machen?<br />
42. Ich müßte lesen und rechnen.<br />
43. Sieglinde zeichnet eine Figur.<br />
44. Was macht denn dein verstauchter<br />
Fuß?<br />
45. Ich spüre ihn nicht mehr.<br />
46. Wir wollen heute spazieren gehen.<br />
47. Da möchte ich gerne mit.<br />
ˆ £Z–…‚z‡ ˆ ‰‘‚ƒÙ…/~•z®•ˆ ~Ù’8µ ˆ Ž¹‰‘„»}~<br />
€•ž<br />
Œ‚z ‰Í˜<br />
<br />
–Ú¢¦2ƒÉ‰Z{}Ÿ¿…‚zºBˆŽ9€‘“ž8–8£²ž8„~ª‚‰<br />
’8®•ˆ<br />
¢zž•ŸcW‰Í½<br />
z®•ˆ ›}W‰Í€c¦2‰ ~‹Œ‚z”•»}‰YW‰¬˜<br />
€‚„»³¢¨|²ƒ/~3¼Ž<br />
œ~]ƒ‚zž•„»}‰²•~Ä€•ž2 ‰‘œŠ zº²ˆ –_˜<br />
Ž¥z„‰<br />
~ ’•ž*ƒÃ¢zž2Ÿ<br />
ƒ³½ Š/zºBˆ<br />
”‚‰<br />
ž2 ‰¾Š9–}…/~•zž‘¦*Ÿ‘~ª–<br />
Œ]€ ˆ ‰¯‰‘„»}~¢z®•ˆ –˜<br />
€‚„»´…3ÈqzZˆ<br />
–Ó’c{—Ž W‰Ëy'z{}|Z~3Û…/ÈZž2~]ƒ‚z ˆ Œª‚‰<br />
ˆ<br />
ˆ ȯ¢<br />
ˆ –l£qz ~]¡¢lzž ˆ Ž<br />
cš<br />
ˆ~]ƒ‚zž2 ~•¦8<br />
48. Zuvor müssen wir uns stärken.<br />
z®•ˆ W‰¬˜<br />
ž8ˆ¢¨ÌÄ»}~]¡€‚„»<br />
z”‚–2‰Y°¢z ~Ř<br />
49. Die Kartoffeln gehören zum Mittagessen.<br />
50. Zum Schnitzel gibt es Erbsen.<br />
51. Dazu essen wir den <br />
Salat.<br />
ˆÜ«2ž*–2~‚z{}ŠCWŽ ‰<br />
¢z ~ªž ˆ«B€Y“”•ƒ3•‰Æ˜ cš<br />
Wy'z‡ ˆ Œ3•‰~]ƒW¦2¢<br />
~]ƒ‚¦•Š3zµ8ˆ – ¢¨|Zƒ3W‰ ’<br />
ˆ –<br />
€c¦•‰Zƒ<br />
…3~‚z”•–‚«‘W‰Æ˜<br />
~]ƒ‚¦•¢Ý…3‰qz ~ªƒ/WŽ<br />
gut. <br />
52. Wer trinkt einen Kaffee?<br />
53. Danach tut eine Wanderung<br />
ˆ È‘~´€2”•ƒÞ€cz”•–•ÈZƒ]‚‰¦˜<br />
ž•~ªƒWzºBŜ€cz”‚ƒ3W‰¯’<br />
ˆ –<br />
®•ˆ ‰›‚ž‚Ž zž ˆ ~°˜<br />
’8®•ˆ –¡~]Œ‚z 8«‘~Å€•ž• ‰Y‚‰¦«¨zž2Š9®•ˆß½<br />
54. Können wir nicht Tante Erna besuchen?<br />
55. Zieht vielleicht die festen Schuhe<br />
an!<br />
56. Zurück geht’s mit der Bahn.<br />
57. Durch Wald und Feld führt unser<br />
Weg.<br />
58. Wir hören den plätschernden<br />
Bach.<br />
59. Hasen verschwinden im<br />
Dickicht.<br />
š<br />
ˆ –㉑„»}~Ã~•zž2‰ ~3ã€cz”•–2‰Yž‘ˆ<br />
«‘Ì´‰YW‰â’<br />
Ÿ‘‚‰Í½ £Y‚›8zºBˆ<br />
ˆ ~‹Š9 Ž zž2 »W~ ~]ƒ‚z<br />
š<br />
ˆ'Š/z”•ƒ/~]W‰…‚zºBˆ °€czž2‰<br />
<br />
z®•ˆ ~ªƒÂ¢œ ~ ®•ˆ –°£'zž ˆ ‰©˜<br />
~]ƒ‚¦•Œ•z|Y«<br />
~³€ ¦2‰ ~´Š/z”WŽ ~äŠ/zYˆ –2~€c¦2‰Y›W–<br />
¦2–*»Â’Bzž•Ž<br />
«Q˜ ’Bz®•ˆ<br />
–åyqz‡ ˆ Œ3‚‰ ˆ<br />
£'zž•ŸJ˜<br />
›}‚‰¦ŠC–—…3’Bz ‰ y'zž8ˆ<br />
®•ˆ ‰ÑÈ‘Ž z”W~ …3–*‰<br />
‚‰©€‚ ¢<br />
‚‰<br />
z «c »‚~°˜<br />
ž•‰'zž ˆ Ÿà~‚zºBˆ ~ပž• ‰YÐ’Bzž2‰<br />
–8Œ•¦8<br />
zºBˆ ~Ř
š<br />
’<br />
½<br />
<br />
š<br />
’<br />
ˆ<br />
±<br />
<br />
±<br />
±<br />
š<br />
±<br />
<br />
±<br />
±<br />
<br />
<br />
±<br />
Á<br />
<br />
<br />
<br />
š<br />
±<br />
±<br />
<br />
<br />
š<br />
š<br />
š<br />
<br />
<br />
±<br />
±<br />
±<br />
š<br />
š<br />
š<br />
±<br />
<br />
186 A Texte zum untersuchten Teil des Kiel Corpus<br />
60. Voller Glück sind wir am Ziel.<br />
61. Die Tante bewohnt ein nettes<br />
Häuschen.<br />
62. Dahinter liegt der <br />
Rosengarten.<br />
– Ž z|‘«J›} ‰ ~Â’ ˆ –€•ž2¢¹~]ƒ‚z ˆ ŽÄ˜<br />
Š3z{—Ž<br />
ˆ~‚zž2‰ ~]g£‘‚’Bzµ ˆ ‰‘~=€‚ž2 ‰æ‰qz”‚~3‚ƒ<br />
cš<br />
y'z{}|²ƒ3»W‚‰Æ˜<br />
63. Manche Obstbäume blühen<br />
prächtig.<br />
64. Am Zaun steht eine Regentonne.<br />
zµ ˆ ÈZƒ3~]£F“{W|B¢¼è£‘Ž¥zZˆ •‰<br />
¢zž2‰Y»Wç€<br />
»_˜ ÈYŒ‚z”•»}~]<br />
ž2yqz ‰Y~]–<br />
z<br />
š<br />
ˆ «c~ Ž<br />
®•ˆ –<br />
Œ•zµ ˆ ›WW‰<br />
“ž –*~ª‚‰Æ˜<br />
65. Der gelbe Küchenofen sorgt für<br />
Wärme.<br />
66. Im Topf kocht das Wasser.<br />
67. Ein Sofa steht an der Wand.<br />
68. Aus dem Radio klingt Musik.<br />
– z”}Ž £‘Í«¨z|²»}W‰¨€Y“µ‘ˆ Š9•‰=›8z{W–•«c~<br />
®•ˆ<br />
–¡’Bz”•–2¢œ_˜ Š9Yˆ<br />
¢¾~‚z{WÈ‘ŠÞ«¨z{}Ÿc~ ž*ƒ´’Bzž*ƒ3–¦˜<br />
€‚<br />
‰› zµ8ˆ Š9ž Ŷ…3~‚z®•ˆ ~´€•ž2‰ ®•ˆ –³’¨zž•‰c~‹˜<br />
€•ž2<br />
€•ž2¢ ~ªƒWzžY¦•‰ …3~‚z®•ˆ ~ €•ž2 ‰‘<br />
Œ•z®•ˆ<br />
W‰‘~‚“{‚‰Y¯˜<br />
cš<br />
69. Frische Gardinen hängen am<br />
Fenster.<br />
70. Auf dem Brett leuchten bunte<br />
Tulpen.<br />
71. Rückt die Stühle an den Tisch!<br />
72. Wie wär’s mit ’nem kleinen<br />
Skat?<br />
73. Die drei Männer sind begeistert.<br />
…/ ž*– Š9Œ‚z<br />
Š3z”W‰Zƒ/~ª–¯˜<br />
š<br />
ˆ ‰²•‰éy'z”W ‚‰ê€•ž•¢ z<br />
®•ˆ ¢É£YŒ‚z”‚~¡Ž z{}|²»}~]•‰Ý£'z¦2‰ ~3<br />
€•žY¦2Š<br />
ÈY‚‰Æ˜ ~•z¦‚Ž<br />
cš<br />
ˆ²…3~‚zZˆŽ €•ž2‰ ®•ˆ ‰_~‚z …¨Î<br />
Œ•z|Y«c~<br />
–2ƒ´¢¨ ~ä‰YW¢â« Ž¥zž2„‰²•‰¯ƒÀ«qzž8ˆ ~<br />
ˆ¨’‘”*ˆ<br />
€•žY¦*ƒ<br />
®•ˆ ¢<br />
Œ‚zž ˆ<br />
•Á<br />
µcˆ « Ž z c~<br />
¢³º²ˆ ›8z<br />
ˆ «©˜<br />
74. Vater mischt gleich die Karten.<br />
75. Er gewinnt sechs Spiele nacheinander.<br />
76. Ist es nicht Zeit zum Aufbruch?<br />
~ª–°¢z …/~ Ž zž2 »<br />
cš<br />
ˆ«¨zž*–•~]‚‰Æ˜<br />
Š3zž8ˆ<br />
– W’Bz„‰‘~É›8z”W«‘ƒ¹…3Èqz ˆ Ž„‰Zž2ë<br />
€•®•ˆ<br />
Ÿ‘ž• ‰'zž8‰<br />
–J˜<br />
Œ•zž2Þ¢z”‚‰Y–›} ‰ ~Ä£‘<br />
zž* ƒ3~—–*~˜<br />
77. Der Bahnhof liegt sieben Minuten<br />
entfernt.<br />
78. Löst doch die Fahrkarten am<br />
Schalter!<br />
79. Wir gehen auf den Bahnsteig.<br />
80. Da läuft der Zug <br />
ein.<br />
–Ë£'zž ˆ ‰‘y“µ‘ˆ ŠîŽ¥z ˆ «c~ç›8z ˆ £‘•‰<br />
®•ˆ<br />
‰qzºBˆ ~3•‰Í€•”‚‰ ~]Š/z”‚– ‰c~˜<br />
¢¨<br />
z‡ ˆ ƒ/~ {}Ÿ Ž<br />
~ª–¦Î …‚zž•Ž<br />
ˆlŠ/zž ˆ –•«¨“ž –*~ª‚‰a€•ž•¢<br />
cš<br />
€‚„ƒ/~Ê€2”‚ƒË‰‘„»}~ì~]ƒ‚zž• ~í~]ƒ‚¦•¢<br />
€czžY¦2Š £ZŒ‚“ ¦8ŸÃ½<br />
ˆ –<br />
z®•ˆ W‰¯€•žY¦•Š<br />
81. Die Bremsen quietschen<br />
gräßlich.<br />
82. Die Station wird cš<br />
angesagt.<br />
ˆ ~À…3•‰ ˆ'£‘Œ•z”W¢¼›}W‰¦«c’¨z<br />
Œ‚z”•ƒÀŽ 9»Ò˜<br />
®•ˆ ‰£qzž ˆ ‰8…3~•“ž*„«J˜<br />
ž ˆqŽ z{}|ZŠ ~<br />
®•ˆ –¡~ªƒWzºBˆ«Ã€ zž2 ‰¬˜<br />
cš<br />
cš<br />
84. Nun sind wir gleich im Wagen.<br />
83. Die Eiligen steigen schnell aus.<br />
ˆ²…/~ªž2~]ƒ<br />
zµcˆ ‰¦’c –2~¨€czž2‰<br />
•› “ž‘ˆ «Y~l˜<br />
ˆ'€czž2 Ž„ ±<br />
•‰…3~‚zž2 ±<br />
‚‰Ò…3‰qz”WŽÕ€ zžY¦*ƒ¼˜<br />
‰cº²ˆ ‰¡›} ‰ ~Þ’<br />
ˆ –<br />
zž• »³€‚ ¢=’Bzž ˆ ‚‰¯˜ Ž
92. Daneben grünt schon Wintersaat. <br />
z<br />
±<br />
’<br />
<br />
<br />
<br />
<br />
š<br />
<br />
Á<br />
±<br />
<br />
Á<br />
<br />
<br />
±<br />
±<br />
Á<br />
<br />
š<br />
±<br />
±<br />
š<br />
š<br />
<br />
±<br />
š<br />
±<br />
<br />
<br />
<br />
A.2 Marburger Sätze 187<br />
85. Wir haben ein Abteil extra für<br />
uns.<br />
86. Der junge Zugbegleiter pfeift zur<br />
Abfahrt.<br />
87. Leise rollen wir aus dem Bahnhof.<br />
88. Draußen fliegt die Landschaft<br />
vorbei.<br />
89. Die Rinder sind noch auf der<br />
Weide.<br />
90. Ein Bauer arbeitet auf seinem<br />
Acker.<br />
91. Der Pflug zieht tiefe <br />
Furchen.<br />
ˆ – yZž ˆ £YW‰ €‚ž2 ‰ €•ž2È‘~•zž*„Ž<br />
€cz”W«‘ƒ/~]Œ]ž‘ˆŠ Zˆ –€c¦•‰ZƒÅ˜ š<br />
– z¦2 ¦~]ƒ‚zº²ˆ «c£Z ®•ˆ<br />
–8~°˜ ~ªƒW¦*–€czž2È‘Š3“žcˆ<br />
zž2„›}ÏŒ•z{—Ž W‰Ó’ Ž<br />
ˆ ‰‘y“µ‘ˆ Šœ˜ £'zž<br />
z Œ‚zžY¦*ƒ3•‰ïŠ„Ž<br />
–2£'zž*˜ ŠCµ8ˆ<br />
ˆ¦Œ‚z ‰<br />
’¨zž• cš _˜ <br />
š<br />
ˆ «‘~<br />
Ž/“ž* ~ª–ÍÈYŠ/zž2 Š9~<br />
š<br />
ˆ –žY¦2ƒ<br />
®2ˆ ¢<br />
cš<br />
ˆåŽ zž•‰c~¥…ªž*Š9~<br />
–a›} ‰ ~܉Z{}ŸÐ€‚žY¦2Š<br />
®•ˆ –<br />
‰ £'zžY¦2– €czž*–•£Zž8„~ª‚~ð€‚žY¦2Š<br />
€•ž2<br />
‰YW¢§€czž‚«Y–¯˜ ›‚ž•<br />
ˆ Š ¡Š3z¦2–*»}W‰Æ˜<br />
®•ˆ –¡ÈYŠ„Ž zº²ˆ «¦~]ƒ‚z<br />
ˆ ~‹~•z<br />
Œ‚zZˆ ‰‘~ …]µ ˆ ‰<br />
93. Hier richten Zimmerleute ein<br />
Dach.<br />
94. Es gehört zu einer Feldscheune.<br />
ˆ –Œ‚z„»}~]W‰ñ~ªƒWz ¢¼–2Ž “{W|²~ª¿€•ž• ‰<br />
y'z<br />
zž2ŸÃ˜<br />
ž2‰qz®2ˆ £Y2‰<br />
’¨z ‰c~]–8› “žcˆ ~°˜<br />
Wy'z‡cˆ –8~ ~]ƒ/ºBˆ €‚ž2 ‰Z–<br />
95. Schon bald sind wir zu Hause.<br />
€2”•ƒ<br />
Š3z”}Ž ~¥…‚“{}|B‰²_˜<br />
96. Die Fahrt war ja mächtig cš kurz.<br />
97. Zug endet hier! verkündet die<br />
Ansage.<br />
98. Alle eilen gleich links ins Freie.<br />
z<br />
…]µ ˆ ‰_£qzž•Ž ~œ›} ‰ ~Ä’<br />
ˆ –~]ƒ/ºBˆ'y'zžY¦2›}˜<br />
ˆBŠ3zž8ˆ –2~´’•ž ˆ –<br />
«ò€ z”‚‰ ~ªƒWzºBˆ<br />
ˆ€czž2‰Y›8“žYˆ<br />
cš<br />
€czž•Ž a€czž2 Ž •‰<br />
ž Ẑ¢z”‚»}~]„»‹«¨z¦*–2~]ƒ¨˜<br />
ˆ –LδŠ9–•«¨z|Z‰ •~Qyqz<br />
˜<br />
Ž zž2 »¸Ž z 8«Yƒ¹€‚ ‰Yƒ<br />
‚~<br />
99. In der Dämmerung kommen wir<br />
heim.<br />
100. Das war jetzt aber ein schöner<br />
Tag.<br />
‰ ®2ˆ – €‚<br />
¢Ù˜ y'zž2<br />
ž*ƒ³’2ž ˆ –<br />
z”‚¢¨–2Œ‚¦*Ü«¨z{W¢œW‰=’<br />
š<br />
ˆ –<br />
z”W~ªƒ/~¡€•ž8ˆ £Z–J€•ž2 ‰¯…‚z‡8ˆ ‰Z–<br />
Š9Œ‚zž2 _˜<br />
~•zž ˆ«Q˜<br />
A.2 Marburger Sätze<br />
1. Geld allein macht nicht glücklich.<br />
2. Böse Menschen verdienen ihre<br />
Strafe.<br />
3. Mittwoch kommt uns Besuch<br />
passend.<br />
4. Ich bin nicht naß geworden.<br />
z”WŽ ~³€•ž•Ž¥zž*9‰¢zž•Ÿc~´‰Y„»}~<br />
›}É¢z”W‰8…/‚‰ÚŠ9– £'z‡8ˆ<br />
ˆ Š _˜ …3~3Œ‚zž<br />
Ž¥z|Y«‘Ž 9»˜<br />
š<br />
ˆ ‰²‚‰¤€<br />
š<br />
ˆ Œ3 z<br />
~]’c{}Ÿì«¨z{}¢³~Ó€c¦•‰ZƒÛ£Y‚›8zºBˆ Ÿ<br />
¢z<br />
È'zž2ƒ3W‰c~˜<br />
W’c{‚–<br />
•‰Æ˜<br />
€‚„»³£Y ‰_‰‘„»}~‰'zž*ƒ
±<br />
’<br />
<br />
±<br />
Î<br />
š<br />
z<br />
š<br />
±<br />
<br />
±<br />
±<br />
<br />
<br />
<br />
<br />
±<br />
±<br />
<br />
<br />
<br />
Á<br />
<br />
<br />
<br />
ˆ<br />
š<br />
š<br />
Á<br />
š<br />
±<br />
ó<br />
<br />
±<br />
±<br />
š<br />
š<br />
±<br />
±<br />
±<br />
<br />
š<br />
188 A Texte zum untersuchten Teil des Kiel Corpus<br />
5. Unsere Eltern tanzen Wiener<br />
Walzer.<br />
6. Lärmt nicht, Jung’s, Vater<br />
schreibt!<br />
7. Wer weiß dort genau Bescheid?<br />
8. Er geht links, sie rechts.<br />
9. Leider ist dies Haus teuer.<br />
10. Dienstag wieder frisch gebrannte<br />
Mandeln.<br />
11. Heute jeder Platz: Eins fünfzig.<br />
~]–2‰¸~•zž2‰ ~]ƒ3‚‰¸’¨z<br />
š<br />
ˆ ‰Z–<br />
€c¦2‰Y›‚–•ŒªL€cz”}Ž<br />
~]ƒª–J˜ ’¨zž‚Ž<br />
Ž z”•–•¢³~³‰Y »W~¡ó<br />
z¦•‘ƒ¡óZŠ/zž ˆ ~]–Å…/Œ•zž2 ÈZ~<br />
–°’Bzž2 ƒ z{‚–•~ W‰qzžZ¦£Y]…‚zž•„~Ž<br />
’8®•ˆ<br />
– z®•ˆ ~ÄŽ¥z 8«Zƒ°óZ› ˆ'Œ‚z”•»}~ªƒ¼˜<br />
€•®•ˆ<br />
zž2 <br />
–¯€‚„ƒ/~<br />
cš<br />
ˆ ƒÄy'zžY¦2ƒ³~‚z{}|²–¯˜<br />
Ž<br />
‰Zƒ]~]ž‘ˆ «à’ –ÙŠ Œ‚z … W£YŒ‚zž*‰‘~]<br />
ˆ<br />
¢zž2‰<br />
WŽ ‰Æ˜<br />
±<br />
12. Nervöse Menschen brauchen<br />
viel Ruhe.<br />
13. Unser Treffpunkt: Zwei Uhr am<br />
Neumarkt.<br />
14. Gegen Abend wird’s kühl.<br />
›‚âlz”‚‰8…/W‰ô£‘Œ•zžY¦•Ÿ‘‚‰ãŠ/z<br />
‰²”•–•’¨z‡cˆ<br />
˜ Œ•zº²ˆ<br />
«Z~
š<br />
z<br />
’ ±<br />
š<br />
š<br />
’<br />
š<br />
›<br />
±<br />
š<br />
’<br />
š<br />
›<br />
±<br />
Î<br />
<br />
<br />
<br />
š<br />
<br />
Á<br />
±<br />
<br />
<br />
±<br />
<br />
<br />
±<br />
<br />
<br />
ˆ<br />
š<br />
š<br />
<br />
š<br />
±<br />
<br />
±<br />
<br />
±<br />
<br />
<br />
<br />
š<br />
<br />
A.2 Marburger Sätze 189<br />
<br />
29. Nichts verletzt mehr als Spott.<br />
30. Dietrich erwartet Dich um drei.<br />
31. Öfen brauchen Kohlen und Briketts.<br />
32. Heute jeder Strauß Blumen zwei<br />
Mark.<br />
33. Du begrüßt erst Deinen Gast.<br />
ˆ Š9W‰¤£‘Œ•zž‘¦2Ÿc2‰Ñ«¨zµ ˆ Ž •‰Û€c¦2‰ ~<br />
€cz‡<br />
«¨z”‚~ªƒ°˜ £YŒ3<br />
y'z{}|Z~3<br />
z®•ˆ<br />
–É…/~]Œ‚zžY¦*ƒ¡£cŽ zº²ˆ ¢¼‚‰<br />
‰'z »W~]ƒÂŠ9–•Ž z”W~ªƒ3~œ¢lz®2ˆ –Ò€•ž•Ž ƒ´…/È'z{}~¼˜<br />
ˆ ~3Œ] »‹€•”•–2’Bzž8–*~ª‚~<br />
»†€c¦2¢<br />
Œ•zž•˜<br />
~]ƒ3’Bzž2ߢlzž*–•«Í˜<br />
<br />
34. Wir werden Euch nie vergessen.<br />
35. Darf ich Deine Schleife binden?<br />
º²ˆÙ£Y<br />
Œ•zZˆ ƒ]~ö€cz®•ˆ –2ƒ]~<br />
ž2 ‰Y‚‰<br />
zž*ƒ/~°˜<br />
ˆ –°’8®•ˆ –<br />
ˆŠ9– •‰Í€‚{W|Z»¨‰'z<br />
36. Wir spielen alle Tage.<br />
37. Schlaf vor Mitternacht ist gesund.<br />
38. Deine Uhr steht drei <br />
Minuten.<br />
–¨…3Èqz ˆ Ž„‚‰Í€czž‚Ž ¡~•zž8ˆ ˜<br />
ˆ<br />
ˆ Š Š9µ ˆ – ¢lz ~ª–•‰“ž8Ÿ‘~ €‚„ƒ/~<br />
…/Ž¥zž<br />
‚› z¦•‰ ~˜<br />
±<br />
z”•ƒ/•‰¬˜<br />
ž2–2Š†€‚„»<br />
ž2 ‰‘œ…/Ž zž• ŠC°£'z ‰<br />
•‰Í½<br />
39. Sie ißt kein salziges Gericht.<br />
40. Sechs Mädchen wollen Schwester<br />
werden.<br />
41. Guten Morgen, meine Damen<br />
und Herren!<br />
42. Du darfst dich wieder <br />
setzen.<br />
ƒ3~«¨zž2 ‰Ã›8zž•Ž ~ªƒ/ ±<br />
•ƒ WŒ‚z„»}~l˜<br />
ˆF€cz<br />
~]»}W‰Ø’c{—Ž W‰ç…3’Bz”•ƒ/~]–<br />
›8z”W«‘ƒÏ¢lz”*ˆ<br />
– •‰¬˜ ’8®•ˆ<br />
~3W‰¢lz{‚– zºBˆ<br />
‚‰¦ó•¢¼ž2 ‰Y<br />
zž ˆ ¢¨‚‰<br />
ž• ‰Y €czº²ˆ – …/~•z®•ˆ ~<br />
Œ•zž2<br />
¢¨ ‰'zºBˆ ~3‚‰Æ˜<br />
43. Freilich, trockenes Wetter brauchen<br />
wir.<br />
44. Sie sollte Medizin nehmen.<br />
45. Gut Ding will Weile ±<br />
haben.<br />
Œ•zž• Ž 9»ló8~3Œ‚z{}«cW‰Z•ƒ´’Bz”‚~]–¼£YŒ‚zžY¦2Ÿc‚‰<br />
Š<br />
–˜ ˆ<br />
€c¦•‰c~Âyqz”‚Œ3W‰¬Î<br />
º²ˆ<br />
ž*–2Š9ƒ/~<br />
„»œ’<br />
–Ò›8z”‚~]ƒ/‚‰©˜<br />
ˆ'›W{—Ž ~3Å¢¼®•ˆ<br />
~ªƒ‚z<br />
46. Vor’m Essen Deine Hände waschen!<br />
47. Mach Dir’s bequem, alter<br />
Freund!<br />
48. Abends lieber zeitig schlafen gehen.<br />
49. Schnupfen stört uns natürlich<br />
sehr.<br />
50. Lange nicht geseh’n, mein Lieber.<br />
51. Motoren brauchen Benzin, Öl<br />
und Wasser.<br />
52. Unser Doktor besucht Vater<br />
täglich.<br />
Š9µ ˆ –2¢H€cz”‚ƒ3W‰<br />
ž2 ‰Y³y'z”W‰<br />
³’Bzž}…/W‰<br />
cš<br />
ˆ –*ƒa£Y}«c’Bz®*ˆ ¢ ó
Á<br />
<br />
Á<br />
±<br />
±<br />
<br />
<br />
<br />
<br />
<br />
±<br />
<br />
š<br />
<br />
š<br />
<br />
±<br />
<br />
š<br />
<br />
Á<br />
±<br />
±<br />
š<br />
±<br />
±<br />
<br />
±<br />
<br />
š<br />
±<br />
±<br />
<br />
<br />
<br />
±<br />
<br />
<br />
z<br />
š<br />
<br />
190 A Texte zum untersuchten Teil des Kiel Corpus<br />
53. Ich bin dreißig Jahre alt.<br />
54. Er schüttelt kräftig Deine Hand.<br />
55. Jungen lieben Streit, Mädchen<br />
Eintracht.<br />
56. Doris will ihre Suppe <br />
essen.<br />
‰ Œ‚zž2„ƒ3 » zž ˆ Œ]l€czž‚Ž ~°˜<br />
€‚„»œ£‘<br />
–³…‚z|Z~3}Ž„~«‘Œ‚z”‚Š ~3 » ž2 ‰Y¡y'zž2‰ ~Ř<br />
€•®•ˆ<br />
‚‰LŽ z ˆ £Y‚‰g…3~3Œ‚zž2 ~÷ó´¢z”2ˆ ~]»WW‰<br />
z¦•<br />
57. Nüsse muß man gut kauen.<br />
€czž2 ‰ ~ªŒ‚“ž8Ÿ‘~°˜<br />
zµ ˆ Œ3„ƒ³’c ŽS€<br />
ˆ Œ3¡›8z¦2ÈYl€ z”•ƒ/‚‰©˜<br />
‰'z|²ƒ/Å¢¦2ƒÄ¢¼ž2‰<br />
<br />
59. Allzu lebhafte Kinder machen<br />
nervös.<br />
58. Deine Uhr geht vor.<br />
60. Edith möchte gern Haushalt lernen.<br />
61. Alle Kinder essen gern Eis.<br />
62. Unsere beiden Hunde haben<br />
Durst.<br />
63. Jeden Freitag gibt’s frischen<br />
Fisch.<br />
64. Kein gutes Wetter, wenig Gäste.<br />
~]ƒ]ºBˆŽ z®•ˆ È‘yBž*ŠC~3°«¨z ‰ €czž•Ž<br />
ƒl˜ ‰²”•–•’¨z‡cˆ<br />
„~Ý¢¼Ì´»W~3 €cz®•ˆ<br />
z”•–•‰Y‚‰Æ˜ Ž<br />
–¢zž•ŸcW‰<br />
z”•–•‰¸yqzžY¦*ƒ/yF“ž*Ž ~<br />
Å«¨z ‰ –¯€cz”•ƒ/W‰ z”•–•‰Ã€czž•„ƒ°˜<br />
€czž•Ž<br />
<br />
‚‰Ly'z¦2‰
86. Dort muß jedes Auto bremsen. <br />
<br />
ó<br />
Î<br />
±<br />
š<br />
<br />
±<br />
Á<br />
Á<br />
<br />
<br />
<br />
±<br />
<br />
<br />
<br />
<br />
š<br />
±<br />
<br />
±<br />
š<br />
<br />
Á<br />
<br />
<br />
±<br />
<br />
<br />
±<br />
š<br />
±<br />
±<br />
š<br />
A.2 Marburger Sätze 191<br />
<br />
79. Adler fliegen tausend Meter<br />
hoch.<br />
80. Diese Gegend nennt man<br />
Sandwüste.<br />
81. Alle Jungen spielen Fußball.<br />
82. Keiner darf diesen Raum verlassen.<br />
83. Verkehrsampeln leuchten grün,<br />
gelb, rot.<br />
84. Was kostet ein Glas Selterswasser?<br />
85. Doris will draußen Schnee fegen.<br />
ˆ Ž9–¸Š„Ž z €czž<br />
ˆ ŸQ˜ y'zµ<br />
ˆ<br />
±<br />
‚‰Ð~•zž‘¦*›}W‰Y~=¢z®•ˆ ~]–<br />
š<br />
ˆ ›W z®•ˆ W‰Y~ ‰qz”‚‰ ~ ¢¼ž2‰<br />
› zž•‰c~3’B“Bˆ ƒ3~ª˜ cš<br />
z¦2 W‰_…/È'z ˆŽ„•‰¦Š3zº²ˆ ƒ/£'“ž2Ž‹˜<br />
€czž•Ž<br />
‰²– ž*–2Š<br />
š<br />
ˆ ›}W‰ Œ•zžY¦•¢<br />
«qzž•<br />
zž*ƒ3•‰Æ˜ ŠC–‚Ž<br />
– ƒ—€‘“ž8¢¼ÈY‚Ž ‰÷Ž z{}|²»}~]‚‰<br />
ŠC–‚«qz®•ˆ<br />
ȬóYŒ‚zµ ˆ ~Ř z”WŽ<br />
«qz{Wƒ/~]W~ €•ž2 ‰<br />
’2ž*ƒ<br />
Œ‚zYˆ ‰<br />
Ž zž8ˆ ƒ<br />
› z”}Ž ~]–*ƒ]’¨“ž8ƒª–¯½<br />
zµ ˆ Œ3 ƒÂ’ Ž<br />
Œ‚zžY¦*ƒ3•‰…3‰qz®2ˆ'Š/z®•ˆ<br />
W‰¬˜<br />
87. Steigt Dein Drachen sehr hoch?<br />
88. Einige Busse fahren heute später.<br />
…3~‚zž2 «‘~<br />
ž2 ‰<br />
Œ‚zž2Ÿ ‚‰J› z®•ˆ –¡y'zµ8ˆ Ÿ¯½<br />
z{W–2~<br />
¢¦2ƒ<br />
z®•ˆ<br />
‚ƒ<br />
€czžY¦•~ªµcˆ<br />
£YŒ‚z”‚¢¼›}W‰Æ˜<br />
89. Sonntags trinken viele Männer<br />
Bier.<br />
90. Danach kannst Du Dich wirklich<br />
richten.<br />
91. Diese zarten Blumen welken<br />
rasch.<br />
92. Öffnet doch gleich beide Türen!<br />
z{}‰ ~]ž ˆ «²ƒ¡~3Œ‚z 8«‘‚‰ñŠ3z<br />
š<br />
ˆ Ž Ù¢z”W‰Z–<br />
›<br />
ˆ –¦˜ £'z<br />
ˆ ‰Yžcˆ ŸH«*ž•‰Zƒ/~ zž<br />
Œ•z„»}~3W‰¬˜<br />
ºBˆ<br />
„»
192 A Texte zum untersuchten Teil des Kiel Corpus<br />
A.3 û<br />
Dialog aus dem Kiel Corpus of Spontaneous<br />
Speech<br />
;Dialog: G373A<br />
;Zuletzt bearbeitet am: 07.08.97<br />
MEH000: $I $A $A , da reicht ein Tag . mehr wollen wir da<br />
nicht sehen . wie ist es am/-<br />
also , da h"atte ich Zeit vom<br />
elften bis zum vierzehnten .<br />
ARK001: ich zw"olften bis sechz<br />
MEH002: gut . %denn nehmen wir den zw"olften , ja ?<br />
ARK003: esch<br />
MEH004: nehmen wir den zw"olften , ja <br />
ARK007: ja , das w"ar’ der <br />
f"unfzehnte bis achtzehnte . so<br />
lang brauchen wir da wahrscheinlich gar nicht<br />
. also f"unfzehnter , sechzehnter , sagen wir .<br />
MEH008: gut , f"unfzehnter , sechzehnter<br />
. wir m"ussen nat"urlich jetzt aufpassen ,<br />
wir brauchen noch ein Wochenendseminar . aber<br />
wir werden wohl
A.3 Dialog aus dem Kiel Corpus of Spontaneous Speech 193<br />
richtiges Wochenende . also f"unfzehnter ,<br />
sechzehnter .<br />
ARK009: a , f"unfzehnter , sechzehnter <br />
. Montag ,<br />
sechzehnten , siebzehnten , mit dem<br />
Besprechungstermin gehen , dann k"onnten wir<br />
das Wochenendseminar unmittelbar vorher<br />
abhalt<br />
MEH010: nicht , weil ich<br />
am vierzehnten nicht kann . +/%der<br />
l=/+ bei mir ist noch frei im September , die<br />
ganze Zeit vom neunzehnten bis zum<br />
drei"sigsten . finden wir da ’n Wochenende<br />
?<br />
ARK011: ab siebenundzwanzigs<br />
ARK012: ist kein richtiges Wochenende<br />
, nicht ? ist kein Sonntag dabei . <br />
dann wie w"ar’ es denn/- <br />
also dann hab’ ich noch mal ganz frei vom<br />
f"unfzehnten bis zum<br />
vierundzwanzigsten und danach ja ,<br />
f"unfzehnten bis vierundzwanzigsten .<br />
ARK014: welcher Monat jetzt ?<br />
ARK015: welcher Monat ?<br />
MEH016: ktober .<br />
ARK017: f"unfzehnter bis vierun=/- <br />
wir haben ja schon am f"unfzehnten , sechzehnten<br />
Besprechungstermi<br />
MEH018: ja<br />
MEH019: also , das w"are dann das Wochenende<br />
einundzwanzigster , zweiundzwanzigster .<br />
ARK020:
194 A Texte zum untersuchten Teil des Kiel Corpus<br />
MEH021: ich seh’ das schon kommen . also ich mu"s da<br />
’n Treffen wahrscheinlich absagen , nicht<br />
? wie ist es denn am achtundzwanzigsten ,<br />
neunundzwanzigsten Oktober ?<br />
ARK022: auch belegt bei mir +/bis/+ <br />
bis Ende , bis einunddrei"sigsten . wie ist<br />
es denn mit dem Septemberanfang , erster ,<br />
+/z=/+ zweiter , dritter ?<br />
MEH023:
Anhang B<br />
Daten der Sprecher im Kiel<br />
Corpus<br />
Die Tabellen in B.1 und B.2 stellen einige Daten über die Sprecher des<br />
Kiel Corpus of Read/Spontaneous Speech bereit. Die Aufstellungen enthalten<br />
Sprecherkürzel, Geschlecht, Alter zur Zeit der Aufnahme, das vom<br />
Sprecher angegebene Sprachgebiet sowie Nummer der CD-ROM (1: IPDS<br />
(1994); 2: IPDS (1995); 3: IPDS (1996); 4: IPDS (1997a)), auf der sich die<br />
jeweiligen Daten befinden. In B.1 ist das vom Sprecher gelesene Material<br />
(be: Berliner Sätze, mr: Marburger Sätze; bu: Buttergeschichte; no: Nordwind<br />
und Sonne; *: alles) angegeben sowie in B.2 das Kürzel der Dialogsitzung,<br />
wonach die Sprecher auch sortiert sind. Sprecher, die in dieser Studie<br />
nicht untersucht wurden, sind durch einen * nach dem Sprecherkürzel<br />
gekennzeichnet.<br />
B.1 Sprecher des Kiel Corpus of Read Speech<br />
Sprecher Geschl. Alter Sprachgebiet Korpus CD#<br />
k01 m 25 Schleswig- be 1<br />
Holstein<br />
k02 w 25 Kiel be 1<br />
k03 m 28 Schleswig-<br />
Holstein<br />
be 1<br />
195
196 B Daten der Sprecher im Kiel Corpus<br />
Sprecher Geschl. Alter Sprachgebiet Korpus CD#<br />
k04 w 26 Schleswig- be 1<br />
Holstein<br />
k05 m 28 Schleswig- be 1<br />
Holstein<br />
k06 w 23 Rheinland-Pfalz be 1<br />
k07 m 23 Schleswig- mr 1<br />
Holstein<br />
k08 w 24 Schleswig- mr 1<br />
Holstein<br />
k09 m 27 Schleswig- mr 1<br />
Holstein<br />
k10 w 24 Schleswig- mr 1<br />
Holstein<br />
k11 m 24 Schleswig- mr 1<br />
Holstein<br />
k12 w 22 Schleswig- mr 1<br />
Holstein<br />
k13* m 25 Schleswig- no 1<br />
Holstein<br />
k14* w 26 Ostholstein (Fehmarn)<br />
no 1<br />
k15* m 25 Schleswig- no 1<br />
Holstein<br />
k16* w 23 Schleswig- no 1<br />
Holstein<br />
k17* m 27 Schleswig- no 1<br />
Holstein<br />
k18* w 28 Nordrhein- no 1<br />
Westfalen<br />
k19* m 27 Schleswig- no 1<br />
Holstein<br />
k20* w 24 Rheinland no 1<br />
k21* m 26 Schleswig- no 1<br />
Holstein<br />
k22* w 26 Schleswig-<br />
Holstein<br />
bu 1
197<br />
Sprecher Geschl. Alter Sprachgebiet Korpus CD#<br />
k23* m 24 Schleswig- bu 1<br />
Holstein<br />
k24* w 20 Schleswig- bu 1<br />
Holstein<br />
k25* m 27 Schleswig- bu 1<br />
Holstein<br />
k26* w 23 Niedersachsen bu 1<br />
k27* m 30 Schleswig- bu 1<br />
Holstein<br />
k28* w 25 Göttingen bu 1<br />
k29* m 28 Schleswig- bu 1<br />
Holstein<br />
k30* w 24 Hannover bu 1<br />
k61 m 55 Halle, Karlsruhe, * 1<br />
Kiel<br />
k62 w 33 Niedersachsen, * 1<br />
Schleswig-<br />
Holstein<br />
k63 m 33 Schleswig- be 1<br />
Holstein<br />
k64 w 50 Schleswig- be 1<br />
Holstein<br />
k65 m 34 Bayern be 1<br />
k66 w 39 Sachsen-Anhalt, be 1<br />
Mecklenburg<br />
k67 m 35 Pfalz mr 1<br />
k68 w 50 Braunschweig mr 1<br />
k69 m 49 Süd-, Norddeutsch<br />
mr 1<br />
k70 w 46 Schleswig- mr 1<br />
Holstein<br />
k71* m 38 Cuxhaven, Kiel no 1<br />
k72* w 46 Niedersachsen no 1<br />
k73* m 47 Kiel no 1<br />
k74* w 56 Schleswig-<br />
Holstein<br />
no 1
198 B Daten der Sprecher im Kiel Corpus<br />
Sprecher Geschl. Alter Sprachgebiet Korpus CD#<br />
k75* m 52 Norddeutsch no 1<br />
k76* w 30 Kiel bu 1<br />
k77* m 48 Norddeutsch bu 1<br />
k78* w 47 Kiel bu 1<br />
k79* m 42 Schleswig- bu 1<br />
Holstein<br />
k80* w 48 Kiel bu 1<br />
B.2 Sprecher des Kiel Corpus of Spontaneous<br />
Speech<br />
Sprecher Geschl. Dialog Alter Sprachgebiet CD#<br />
HAH m g07a 25 Schleswig- 2<br />
Holstein<br />
TIS m g07a 27 Niedersachsen 2<br />
KAK m g08a 26 Schleswig- 2<br />
Holstein<br />
THS m g08a 27 Schleswig- 2<br />
Holstein<br />
ANS w g09a 26 Niedersachsen 2<br />
FRS w g09a 29 Niedersachsen 2<br />
NAR w g10a 26 Nordrhein-<br />
3<br />
Westfalen<br />
UTB w g10a 26 Schleswig- 3<br />
Holstein<br />
JAK m g11a 22 Niedersachsen 3<br />
REK m g11a 26 Schleswig- 3<br />
Holstein<br />
KAP w g12a 28 Niedersachsen 3<br />
OLV m g12a 35 Schleswig- 3<br />
Holstein<br />
SOK m g14a 24 Schleswig- 2/3<br />
Holstein<br />
BAC m g14a 25 Schleswig-<br />
Holstein<br />
2/3
199<br />
Sprecher Geschl. Dialog Alter Sprachgebiet CD#<br />
SAR w g19a 20 Norddeutsch 2/3<br />
KAE w g19a 22 Norddeutsch 2/3<br />
BLA* m g20a 27 Mittelholstein 2<br />
PRB* m g20a 27 Ostholstein 2<br />
CHD m g21a 26 Norddeutsch 2/3<br />
ANL m g21a 26 Schleswig- 2/3<br />
Holstein<br />
WEM w g25a 21 Berlin 2/3<br />
SIK w g25a 21 Norddeutsch 2/3<br />
SOV* w g27a 24 Schleswig- 2<br />
Holstein<br />
SIH* w g27a 25 Norddeutsch 2<br />
MAK* m g28a 26 Norddeutsch 2<br />
BEK* m g28a 37 Pfalz 2<br />
THP* m g29a 29 Norddeutsch 2<br />
MAL* m g29a 35 Norddeutsch 2<br />
ANM* w g30a 21 Hamburg 2<br />
MAB* w g30a 22 Hamburg 2<br />
AME m g31a 20 Schleswig- 2/3<br />
Holstein<br />
SVA m g31a 20 Schleswig- 2/3<br />
Holstein<br />
JUM w g36a 52 Schleswig- 4<br />
Holstein<br />
URG w g36a 56 Hamburg 4<br />
ARK m g37a 55 vermischt 4<br />
MEH m g37a 60 vermischt 4<br />
FRA w g38a 45 Norddeutsch 4<br />
HEL m g38a 54 Hessen 4<br />
MLG w g41a 50 Schleswig- 4<br />
Holstein<br />
HEE w g41a 57 Niedersachsen 4<br />
GEP m g42a 59 Niedersachsen 4<br />
MAW m g42a 60 Schleswig-<br />
Holstein<br />
4
200 B Daten der Sprecher im Kiel Corpus<br />
Sprecher Geschl. Dialog Alter Sprachgebiet<br />
CD#
Anhang C<br />
KielDat-Skript zur<br />
automatischen<br />
Vokalmessung<br />
Das folgende KielDat-Skript führt die in Abschnitt 3.6 auf S. 47ff<br />
beschriebenen Schritte zur Formantmessung bei den Vokalen durch.<br />
Das KielDat-Skript ist eigentlich ein awk-Skript mit dem Zusatz<br />
von #include-Statements, mit denen vorgefertigte KielDat-spezifische<br />
Funktionen und vordefinierte Variablen verwendet werden können. Im vorliegenden<br />
Skript sind alle mit # präfigierten Zeilen Kommentare, außer den<br />
am Anfang befindlichen #include-Statements.<br />
#include "lib/initDB"<br />
#include "lib/extractLabelTimeDuration"<br />
#include "lib/isRDiphthong"<br />
#include "lib/isDiphthong"<br />
#include "lib/isVowel"<br />
#include "lib/isRegularWord"<br />
#include "lib/math/round"<br />
#include "lib/isProsodicLabel"<br />
#include "lib/isSentenceInitialLabel"<br />
#include "lib/isPunctuation"<br />
#include "lib/isFunctionWord"<br />
201
ý<br />
202 C KielDat-Skript zur automatischen Vokalmessung<br />
# Fuer jede Funktion aus der KielDat-Bibliothek muss eine<br />
# include-Statement vorhanden sein.<br />
TRUE = 1<br />
FALSE = 0<br />
#<br />
# isConsonant ueberprueft, ob ein Label ein Konsonant ist<br />
#<br />
isConsonant(label)ü<br />
function<br />
if(label ˜ /[BCDFGHJKLMNPQRSTVXZ]/) return<br />
ý<br />
TRUE<br />
#<br />
# getContext versucht einen vorhergehenden und nachfolgenden<br />
# Kontext fuer den aktuellen Vokal herzustellen. Die<br />
# fortlaufende Variantentranskription wird in beiden<br />
# Richtungen abgesucht, bis ein Label mit einer Dauer > 0<br />
# gefunden wird. Ein Etikett wird der Variable preContext<br />
# bzw. postContext angehaengt, wenn es nicht ein<br />
# prosodisches Etikett, ein Satzzeichen oder die<br />
# Satzanfangsmarkierung ist. Wird ein Label mit einer Dauer<br />
# > 0 gefunden, so wird die Suche abgebrochen. Wird kein<br />
# Label gefunden mit Dauer > 0, dann wird fuer den<br />
# Praekontext der Aeusserungsanfang, fuer den Postkontext<br />
# das Aeusserungende angenommen, und es wird "UttBegin" der<br />
# Variable preContext bzw. "UttEnd" der Variable<br />
# postContext angehaengt.<br />
#<br />
getContext(pos)ü<br />
function<br />
preContext = postContext = ""<br />
for(fn_i = pos-1; fn_i >= fn_i--)ü<br />
1;<br />
if(!isProsodicLabel(varTrans["label",fn_i]) &&<br />
!isPunctuation(varTrans["label",fn_i]) &&<br />
!isSentenceInitialLabel(varTrans["label",fn_i]))ü<br />
preContext = ( "_" preContext )<br />
if(varTrans["dur",fn_i])ü<br />
fn_i = 0<br />
preContextNeeded =<br />
ý<br />
FALSE<br />
ý<br />
if(preContextNeeded && fn_i
ý<br />
ý<br />
203<br />
preContextNeeded = FALSE<br />
ý<br />
for(fn_i = pos+1; fn_i
ý<br />
204 C KielDat-Skript zur automatischen Vokalmessung<br />
mPt[fn_i+1] = startTime + 0.02 + fn_i * stepDur<br />
return stepCnt + 1<br />
#<br />
# Fuer Monophthonge und Diphthonge < 60 ms wird ein<br />
# Messpunkt inmitten des Vokalabschnitts benoetigt.<br />
#<br />
elseü<br />
mPt[1] = startTime + duration / 2<br />
return<br />
ý<br />
1<br />
ý<br />
#<br />
# prepareSignal erstellt den Namen der Signaldatei, die<br />
# zu analysieren ist. Die Datenbank enthaelt lediglich<br />
# den vollen Namen der Etikettierdatei.<br />
#<br />
prepareSignal()ü<br />
function<br />
signalFN = $(FILE)<br />
if($(FILE) ˜ /ph9/)<br />
gsub(/\.s1h/, ".16", signalFN)<br />
else<br />
gsub(/\.s1h/, ".?16", signalFN)<br />
system("cp " signalFN " tmp.dd")<br />
system("chmod u+w tmp.dd")<br />
#<br />
# Fuer jeden Satz aus dem gelesenen Korpus bzw. fuer jeden<br />
# Dialogbeitrag aus dem spontansprachlichen Korpus wird eine<br />
# fortlaufende Transkription aus den einzelnen Labels der<br />
# Varianteneintraege in der Datenbank hergestellt. Dies<br />
# ermoeglicht die Bestimmung eines prae- bzw.<br />
# postvokalischen Kontexts. Wenn der Anfang eines neuen<br />
# Satzes bzw. Dialogbeitrages erreicht wird und der letzte<br />
# Vokal noch keinen postvokalischen Kontext erhalten hat,<br />
# weil er am Ende des vorhergehenden Satzes bzw.<br />
# Dialogbeitrags stand, wird "_UttEnd" ausgedruckt und<br />
# ergaenzt somit den Datensatz.<br />
#<br />
nl = extractLabelTimeDuration(labels, times, durations)ü<br />
if($(ORTHOPOS) == 0)ü<br />
running = FALSE
ý<br />
ý<br />
205<br />
if(postContextNeeded)ü<br />
print "_UttEnd" >> spkrfn; close(spkrfn)<br />
postContextNeeded =<br />
ý<br />
FALSE<br />
ý<br />
for(i = 1; i > spkrfn; close(spkrfn)<br />
if(durations[i])ü<br />
print "" >> spkrfn<br />
close(spkrfn)<br />
postContextNeeded =<br />
ý<br />
FALSE<br />
ý<br />
# Der Hauptteil des Programms.<br />
#<br />
# Fuer jedes regulaere Wort (nicht abgebrochen, usw.) werden<br />
# die Frequenzen und die Bandbreiten der Vokale bestimmt<br />
# sowie einige andere Informationen zur Versuchsperson<br />
# (Sprecherkuerzel und Geschlecht), zum Dialog (Kennung),<br />
# zum Vokalabschnitt (Label, Datensatznummer, Dauer,<br />
# Grundfrequenz zum Messzeitpunkt) zum Kontext (Wort,<br />
# prae- und postvokalischer Kontext) in einer Datei<br />
# pro Sprecher gesammelt.<br />
#<br />
isRegularWord($(ORTHO))ü<br />
#<br />
# Die Anzahl der Formanten, die zu bestimmen sind, haengt vom<br />
# Geschlecht ab; bei Maennern werden 8, bei Frauen 7<br />
# Formanten bestimmt.<br />
#<br />
numFormants = ( $(GENDER) == "f" ? 7 : 8 )<br />
#<br />
# Ein Array wird mit den Labels, ihren Zeiten und Dauern<br />
# aufgefuellt.<br />
#<br />
nl = extractLabelTimeDuration(labels, times, durations)
206 C KielDat-Skript zur automatischen Vokalmessung<br />
for(lblCnt = 1; lblCnt 0 haben.<br />
#<br />
if(isVowel(labels[lblCnt]) &&<br />
!isRDiphthong(labels[lblCnt]) durations[lblCnt])ü<br />
&&<br />
#<br />
# Um Funktionswoerter abzusondern, wird ein Pluszeichnen an<br />
# die orthographische Darstellung angehaengt.<br />
#<br />
word = (isFunctionWord($(CANON))?$(ORTHO)"+":$(ORTHO))<br />
#<br />
# Der Bedarf nach prae- und postvokalischem Kontext wird<br />
# angezeigt<br />
#<br />
preContextNeeded = postContextNeeded = TRUE<br />
#<br />
# Erstelle den prae- und postvokalischen Kontext<br />
#<br />
getContext(running-nl+lblCnt)<br />
#<br />
# Erstelle den Namen der Signaldatei<br />
#<br />
prepareSignal()<br />
#<br />
# Das Kommandostring fuer die Formantsortierung wird<br />
# hergestellt. Die Formantsortierung wird durch das<br />
# Programm ksort erledigt, das die Ergebnisse der<br />
# Formantbestimmung durch klara verarbeitet. Je<br />
# nach Geschlecht wird eine unterschiedliche<br />
# Referenztabelle fuer die Defaultwerte der Formanten<br />
# benoetigt (siehe Text). In beiden Faellen werden<br />
# nur die unteren drei Formanten und ihre Bandbreiten<br />
# ausgegeben.<br />
#<br />
if($(GENDER) == "f")<br />
ksort = ( "ksort -rf -om=3 -od tmp.kla" )<br />
else<br />
ksort = ( "ksort -om=3 -od tmp.kla" )<br />
#<br />
# Berechne die Anzahl und Zeiten der Messpunkte im<br />
# Vokalabschnitt.<br />
#<br />
mp = getMeasurementTimes(labels[lblCnt], \<br />
durations[lblCnt], times[lblCnt])
for(mCnt = 1; mCnt > spkrfn<br />
close(spkrfn)<br />
#<br />
# Der ksort-Befehl wird ausgefuehrt und die Ergebnisse der<br />
# Sortierung im Array tempStr aufgehoben.<br />
#<br />
j = 1; while( ksort | getline tempStr[j++] > 0) ;<br />
close(ksort)<br />
#<br />
# Formanten mit zu grossen Bandbreiten (> 500 Hz) sowie bei<br />
# der Sortierung entstandene Luecken in den<br />
# Formantfrequenzen werden durch den Wert der zweiten<br />
# Formantschaetzung ersetzt bzw. aufgefuellt.
ý<br />
ý<br />
ý<br />
ý<br />
208 C KielDat-Skript zur automatischen Vokalmessung<br />
#<br />
split(tempStr[7], arr, " ")<br />
for(k = 6; k 500 || arr[k-1] ˜ /-99/)<br />
sub(/.+\//, "", arr[k-1])<br />
else<br />
sub(/\/.+/, "",<br />
ý<br />
arr[k-1])<br />
#<br />
# Grundfrequenz, Frequenzen und Bandbreiten von F1-F3 sowie<br />
# kontextuelle Information werden in Datei gedruckt.<br />
#<br />
printf("%8s %4s %4s%4s %4s%4s %4s%4s",<br />
arr[1], arr[4], arr[5], arr[6], arr[8],<br />
arr[9], arr[11], arr[12]) >> spkrfn<br />
close(spkrfn)<br />
if(mCnt == mp)ü<br />
printf(" %s %s___%s", word, preContext, \<br />
postContext) >> spkrfn<br />
close(spkrfn)<br />
ý<br />
elseü print "" >> spkrfn; close(spkrfn) ý<br />
ý
Anhang D<br />
Vokalhäufigkeiten im Kiel<br />
Corpus of Spontaneous<br />
Speech<br />
Tabelle D.1 enthält die absoluten Häufigkeiten der Vokale bei den einzelnen Sprechern<br />
im spontansprachlichen Korpus. Reihe Gesamt enthält die Anzahl der Vokaltokens<br />
einer Vokalkategorie über alle Sprecher, die Spalte Gesamt die Anzahl von<br />
Vokaltokens pro Sprecher/in. Die Spalten sind nach der Größe der Mediane der<br />
relativen Häufigkeiten in absteigender Reihenfolge geordnet (siehe Tabelle D.2).<br />
Die Reihen sind nach der absoluten Häufigkeit der Vokaltokens pro Sprecher/in in<br />
aufsteigender Reihenfolge geordnet. Eine graphische Aufbereitung der absoluten<br />
Vokalhäufigkeiten pro Sprecher/in befindet sich in Abb. 3.4 auf S. 55.<br />
Tabelle D.2 enthält die relativen Häufigkeiten der Vokale bei den einzelnen Sprechern<br />
im spontansprachlichen Korpus. Reihe Gesamt bezieht sich auf die relativen<br />
Häufigkeiten der Vokale bezogen auf ihre Gesamthäufigkeit. Die Medianwerte beziehen<br />
sich auf die Häufigkeiten der Einzelsprecher. Maximum und Minimum beziehen<br />
sich jeweils auf die größte und kleinste relative Häufigkeit eines Vokals, die<br />
bei einem der Sprecher gefunden wurde. Die Spalten sind nach der Größe der Mediane<br />
der relativen Häufigkeiten in absteigender Reihenfolge geordnet. Die Reihen<br />
sind nach der absoluten Häufigkeit der Vokaltokens pro Sprecher/in in aufsteigender<br />
Reihenfolge geordnet. Ein graphische Darstellung der Mediane, Maxima und<br />
Minima befindet sich in Abb. 3.3 auf S. 54.<br />
209
£<br />
210 D Vokalhäufigkeiten im Kiel Corpus of Spontaneous Speech<br />
Tabelle D.1: Absolute Vokalhäufigkeiten bei den einzelnen Sprechern im spontansprachlichen Korpus<br />
SOK 87 66 36 56 57 21 29 30 24 25 22 19 9 13 0 4 1 1 0 0 500<br />
AME 91 50 68 31 36 19 38 40 19 20 18 17 23 25 4 2 2 2 1 0 506<br />
FRA 105 86 63 31 39 39 19 30 26 21 20 32 5 14 5 11 4 0 2 3 555<br />
SVA 109 96 78 41 71 48 34 40 36 32 39 26 11 18 10 6 0 1 4 0 700<br />
BAC 111 109 90 66 58 21 45 49 47 44 44 20 11 18 8 4 7 7 0 3 762<br />
URG 99 105 94 72 78 63 51 39 37 29 40 42 21 13 11 10 5 4 5 1 819<br />
THS 122 116 51 79 63 52 59 55 44 44 55 21 12 18 9 23 4 2 1 0 830<br />
FRS 122 136 95 119 73 62 60 64 41 30 39 18 23 22 11 9 4 4 3 6 941<br />
SAR 158 124 158 53 71 55 59 41 51 46 33 61 17 21 9 12 4 4 3 5 985<br />
JUM 180 125 111 87 123 75 56 35 60 63 35 35 20 13 16 5 6 3 3 1 1052<br />
ARK 176 156 79 104 94 68 68 47 74 17 42 41 19 14 24 11 4 4 7 4 1053<br />
CHD 148 128 141 116 110 85 59 65 32 42 45 28 30 23 5 15 6 3 3 0 1084<br />
SIK 171 172 91 70 83 65 68 57 54 71 56 38 41 20 14 28 5 2 3 1 1110<br />
KAP 154 162 162 61 82 66 55 65 53 68 46 50 39 28 11 17 4 6 0 0 1129<br />
HEL 169 143 127 128 89 72 66 67 47 50 45 31 25 27 18 4 5 4 11 6 1134<br />
WEM 157 188 128 102 99 93 76 75 64 52 79 30 39 28 17 22 11 2 5 4 1271<br />
KAE 191 162 175 93 136 70 67 57 50 71 44 41 25 51 12 26 4 6 0 4 1285<br />
REK 196 192 127 119 85 66 62 87 81 75 69 52 22 39 29 10 10 15 1 8 1345<br />
KAK 211 190 102 170 130 86 84 89 69 53 99 35 19 34 18 25 10 2 5 6 1437<br />
GEP 216 228 136 114 131 98 69 79 69 68 94 44 40 24 32 12 21 9 1 3 1488<br />
MEH 250 229 130 135 107 90 88 61 85 74 73 49 21 24 27 14 13 1 15 10 1496<br />
MLG 175 188 152 150 128 90 121 104 94 68 78 60 40 47 10 22 10 10 11 4 1562<br />
ANL 208 242 190 130 164 121 71 95 61 85 75 51 37 27 13 13 5 9 12 7 1616<br />
ANS 230 202 115 177 132 94 115 122 83 63 88 35 44 50 21 12 18 4 8 5 1618<br />
NAR 270 264 171 184 142 97 120 116 76 90 92 56 47 40 19 17 8 6 12 3 1830<br />
UTB 226 239 147 197 162 120 143 127 79 108 68 53 37 41 26 31 18 10 7 7 1846<br />
HAH 286 265 214 134 174 94 119 113 84 75 125 58 57 41 20 17 7 12 17 6 1918<br />
JAK 298 295 224 215 140 103 137 104 85 117 86 104 41 39 22 14 15 11 6 25 2081<br />
TIS 342 254 267 213 166 88 123 137 81 114 70 92 45 37 19 26 4 10 5 2 2095<br />
OLV 331 288 269 170 205 178 147 222 115 108 108 111 90 64 30 20 19 17 10 8 2510<br />
HEE 348 349 260 215 194 125 187 127 132 110 112 99 86 57 19 36 12 15 11 23 2517<br />
MAW 543 456 366 282 282 202 154 200 159 171 179 140 98 55 55 35 14 13 14 11 3429<br />
Gesamt 6480 6005 4617 3914 3704 2626 2649 2639 2112 2104 2118 1589 1094 985 544 513 260 199 186 166 44504<br />
þ<br />
ÿ<br />
þ<br />
¡<br />
ÿþ<br />
¢<br />
£<br />
¤<br />
¥<br />
¦<br />
§<br />
¨<br />
§þ<br />
©<br />
<br />
<br />
¦<br />
<br />
<br />
Gesamt
211<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
SOK 17.4 13.2 7.2 11.2 11.4 4.2 5.8 6 4.8 5 4.4 3.8 1.8 2.6 0 0.8 0.2 0.2 0 0<br />
AME 18 9.9 13.4 6.1 7.1 3.8 7.5 7.9 3.8 4 3.6 3.4 4.5 4.9 0.8 0.4 0.4 0.4 0.2 0<br />
FRA 18.9 15.5 11.4 5.6 7 7 3.4 5.4 4.7 3.8 3.6 5.8 0.9 2.5 0.9 2 0.7 0 0.4 0.5<br />
SVA 15.6 13.7 11.1 5.9 10.1 6.9 4.9 5.7 5.1 4.6 5.6 3.7 1.6 2.6 1.4 0.9 0 0.1 0.6 0<br />
BAC 14.6 14.3 11.8 8.7 7.6 2.8 5.9 6.4 6.2 5.8 5.8 2.6 1.4 2.4 1 0.5 0.9 0.9 0 0.4<br />
URG 12.1 12.8 11.5 8.8 9.5 7.7 6.2 4.8 4.5 3.5 4.9 5.1 2.6 1.6 1.3 1.2 0.6 0.5 0.6 0.1<br />
THS 14.7 14 6.1 9.5 7.6 6.3 7.1 6.6 5.3 5.3 6.6 2.5 1.4 2.2 1.1 2.8 0.5 0.2 0.1 0<br />
FRS 13 14.5 10.1 12.6 7.8 6.6 6.4 6.8 4.4 3.2 4.1 1.9 2.4 2.3 1.2 1 0.4 0.4 0.3 0.6<br />
SAR 16 12.6 16 5.4 7.2 5.6 6 4.2 5.2 4.7 3.4 6.2 1.7 2.1 0.9 1.2 0.4 0.4 0.3 0.5<br />
JUM 17.1 11.9 10.6 8.3 11.7 7.1 5.3 3.3 5.7 6 3.3 3.3 1.9 1.2 1.5 0.5 0.6 0.3 0.3 0.1<br />
ARK 16.7 14.8 7.5 9.9 8.9 6.5 6.5 4.5 7 1.6 4 3.9 1.8 1.3 2.3 1 0.4 0.4 0.7 0.4<br />
CHD 13.7 11.8 13 10.7 10.1 7.8 5.4 6 3 3.9 4.2 2.6 2.8 2.1 0.5 1.4 0.6 0.3 0.3 0<br />
SIK 15.4 15.5 8.2 6.3 7.5 5.9 6.1 5.1 4.9 6.4 5 3.4 3.7 1.8 1.3 2.5 0.5 0.2 0.3 0.1<br />
KAP 13.6 14.3 14.3 5.4 7.3 5.8 4.9 5.8 4.7 6 4.1 4.4 3.5 2.5 1 1.5 0.4 0.5 0 0<br />
HEL 14.9 12.6 11.2 11.3 7.8 6.3 5.8 5.9 4.1 4.4 4 2.7 2.2 2.4 1.6 0.4 0.4 0.4 1 0.5<br />
WEM 12.4 14.8 10.1 8 7.8 7.3 6 5.9 5 4.1 6.2 2.4 3.1 2.2 1.3 1.7 0.9 0.2 0.4 0.3<br />
KAE 14.9 12.6 13.6 7.2 10.6 5.4 5.2 4.4 3.9 5.5 3.4 3.2 1.9 4 0.9 2 0.3 0.5 0 0.3<br />
REK 14.6 14.3 9.4 8.8 6.3 4.9 4.6 6.5 6 5.6 5.1 3.9 1.6 2.9 2.2 0.7 0.7 1.1 0.1 0.6<br />
KAK 14.7 13.2 7.1 11.8 9 6 5.8 6.2 4.8 3.7 6.9 2.4 1.3 2.4 1.3 1.7 0.7 0.1 0.3 0.4<br />
GEP 14.5 15.3 9.1 7.7 8.8 6.6 4.6 5.3 4.6 4.6 6.3 3 2.7 1.6 2.2 0.8 1.4 0.6 0.1 0.2<br />
MEH 16.7 15.3 8.7 9 7.2 6 5.9 4.1 5.7 4.9 4.9 3.3 1.4 1.6 1.8 0.9 0.9 0.1 1 0.7<br />
MLG 11.2 12 9.7 9.6 8.2 5.8 7.7 6.7 6 4.4 5 3.8 2.6 3 0.6 1.4 0.6 0.6 0.7 0.3<br />
ANL 12.9 15 11.8 8 10.1 7.5 4.4 5.9 3.8 5.3 4.6 3.2 2.3 1.7 0.8 0.8 0.3 0.6 0.7 0.4<br />
ANS 14.2 12.5 7.1 10.9 8.2 5.8 7.1 7.5 5.1 3.9 5.4 2.2 2.7 3.1 1.3 0.7 1.1 0.2 0.5 0.3<br />
NAR 14.8 14.4 9.3 10.1 7.8 5.3 6.6 6.3 4.2 4.9 5 3.1 2.6 2.2 1 0.9 0.4 0.3 0.7 0.2<br />
UTB 12.2 12.9 8 10.7 8.8 6.5 7.7 6.9 4.3 5.9 3.7 2.9 2 2.2 1.4 1.7 1 0.5 0.4 0.4<br />
HAH 14.9 13.8 11.2 7 9.1 4.9 6.2 5.9 4.4 3.9 6.5 3 3 2.1 1 0.9 0.4 0.6 0.9 0.3<br />
JAK 14.3 14.2 10.8 10.3 6.7 4.9 6.6 5 4.1 5.6 4.1 5 2 1.9 1.1 0.7 0.7 0.5 0.3 1.2<br />
TIS 16.3 12.1 12.7 10.2 7.9 4.2 5.9 6.5 3.9 5.4 3.3 4.4 2.1 1.8 0.9 1.2 0.2 0.5 0.2 0.1<br />
OLV 13.2 11.5 10.7 6.8 8.2 7.1 5.9 8.8 4.6 4.3 4.3 4.4 3.6 2.5 1.2 0.8 0.8 0.7 0.4 0.3<br />
HEE 13.8 13.9 10.3 8.5 7.7 5 7.4 5 5.2 4.4 4.4 3.9 3.4 2.3 0.8 1.4 0.5 0.6 0.4 0.9<br />
MAW 15.8 13.3 10.7 8.2 8.2 5.9 4.5 5.8 4.6 5 5.2 4.1 2.9 1.6 1.6 1 0.4 0.4 0.4 0.3<br />
Gesamt 14.6 13.5 10.4 8.8 8.3 5.9 6 5.9 4.7 4.7 4.8 3.6 2.5 2.2 1.2 1.2 0.6 0.4 0.4 0.4<br />
Median 14.7 13.8 10.7 8.8 8.1 6.0 5.9 5.9 4.7 4.7 4.5 3.4 2.3 2.2 1.2 1.0 0.5 0.4 0.4 0.3<br />
Maximum 18.9 15.5 16.0 12.6 11.7 7.8 7.7 8.8 7.0 6.4 6.9 6.2 4.5 4.9 2.3 2.8 1.4 1.1 1.0 1.2<br />
Minimum 11.2 9.9 6.1 5.4 6.3 2.8 3.4 3.3 3.0 1.6 3.3 1.9 0.9 1.2 0.0 0.4 0.0 0.0 0.0 0.0<br />
Tabelle D.2: Relative Vokalhäufigkeiten bei den einzelnen Sprechern im spontansprachlichen Korpus
,<br />
199 202 185 192 441 0.4 0.4 1.2 1.1 1.3<br />
212 D Vokalhäufigkeiten im Kiel Corpus of Spontaneous Speech<br />
Tabelle D.3: Die absoluten und relativen Gesamthäufigkeiten der Einzelvokale aus Spontan- und Lesesprache.<br />
Die Spalten Gemessen und Kanonisch beziehen sich auf die unterschiedliche Zählung der Vokale. Die gemessene<br />
Zählung bezieht sich auf die Anzahl der Vokalabschnitte, die in die akustische Messung von Kapitel 3 eingegangen<br />
sind, die kanonische Zählung auf die Anzahl der Vokale in den kanonischen Formen. Die Spalten Meier enthalten<br />
jeweils die absoluten und relativen Häufigkeiten aus der Zählung von 100 000 Lauten aus Prosa und Poesie<br />
von Meier (1967). Die Vokale sind nach ihrer Gesamthäufigkeit in der ‘gemessenen’ Spontansprache angeordnet,<br />
häufigste oben, seltenste unten. Eine graphische Aufbereitung der relativen Werte findet sich in Kapitel 3 auf<br />
Seite 57.<br />
Gesamt 44504 52432 16032 17712 33405<br />
-<br />
166 181 157 168 2260.4 0.3 1.0 0.9 0.7<br />
"186 444 32 72 2420.4 0.8 0.2 0.4 0.7<br />
*'260 260 252 240 3250.6 0.5 1.6 1.4 1.0<br />
+513 512 96 96 1021.2 1.0 0.6 0.5 0.3<br />
*544 559 196 192 2971.2 1.1 1.2 1.1 0.9<br />
)985 1043 533 540 9802.2 2.0 3.3 3.0 2.9<br />
%1094 1083 552 540 8522.5 2.1 3.4 3.0 2.6<br />
(1589 1673 428 432 9713.6 3.2 2.7 2.4 2.9<br />
'2104 2118 444 444 12884.7 4.0 2.8 2.5 3.9<br />
&2112 2126 1263 1236--- 4.7 4.1 7.9 7.0 ---<br />
%2118 2409 782 792 21094.8 4.6 4.9 4.5 6.3<br />
$2626 2628 743 720 11495.9 5.0 4.6 4.1 3.4<br />
#2639 2769 1106 1104 24495.9 5.3 6.9 6.2 7.3<br />
"2649 2982 988 1008 24646.0 5.7 6.2 5.7 7.4<br />
3704 3824 1355 1344 24588.3 7.3 8.5 7.6 7.4<br />
!3914 9935 2668 4308 86668.8 18.9 16.6 24.3 25.9<br />
4617 4745 776 804 156810.4 9.0 4.8 4.5 4.7<br />
6005 6342 1991 2016 396213.5 12.1 12.4 11.4 11.9<br />
Vokal Gemessen (s) Kanonisch (s) Gemessen (l) Kanonisch (l) Gemessen (s) Kanonisch (s) Gemessen (l) Kanonisch (l) Meier Meier<br />
6480 6597 1485 1464 285614.6 12.6 9.3 8.3 8.5<br />
Absolut Relativ<br />
Spontan Gelesen Spontan<br />
Gelesen
Anhang E<br />
Formantwerte der<br />
Monophthonge<br />
Tabellen E.1–E.4 enthalten Formantwerte für die einzelnen weiblichen<br />
(E.1 / E.2) und männlichen (E.3 / E.4) Vokalkategorien aus Inhaltswörtern<br />
in Lese- (E.1 / E.3) und Spontansprache (E.2 / E.4). Pro Vokal werden für<br />
die ersten drei Formanten die<br />
/<br />
Mediane ( ) und Quartile ( / ) in Hertz<br />
angegeben sowie die Anzahl der Tokens .<br />
).<br />
043 021 (5<br />
213
5<br />
214 E Formantwerte der Einzelvokale<br />
Tabelle E.1: Weibliche Formantwerte aus der Lesesprache<br />
. / 0267043 . 026 043 . / 026 083<br />
/<br />
9;:<br />
<<br />
: =<br />
><br />
F1 F2 F3<br />
Vokal<br />
316 289 354 2293 2090 2484 2792 2652 2975 264<br />
415 373 459 2095 1845 2292 2824 2637 3002 638<br />
345 324 369 1636 1457 1848 2577 2404 2677 87<br />
423 384 483 1600 1463 1747 2549 2434 2716 81<br />
: ?<br />
@<br />
413 381 451 2379 2210 2547 2900 2706 3064 301<br />
595 535 660 1964 1799 2113 2822 2621 2973 452<br />
: A<br />
B<br />
419 382 459 1672 1586 1765 2505 2384 2605 80<br />
588 544 675 1500 1481 1711 2712 2559 2865 12<br />
:<br />
512 471 551 2210 2130 2420 2933 2709 3036 17<br />
@<br />
:<br />
790 681 881 1342 1253 1427 2709 2534 2871 318<br />
C<br />
765 665 847 1451 1339 1579 2750 2559 2925 610<br />
C<br />
:<br />
445 412 478 882 784 1025 2805 2644 2968 178<br />
D<br />
624 555 692 1191 1104 1294 2716 2567 2869 132<br />
E<br />
:<br />
361 333 393 962 859 1115 2721 2588 2862 188<br />
F<br />
469 419 506 1116 1004 1210 2655 2527 2883 177<br />
G<br />
438 389 497 1702 1507 1884 2743 2583 2912 1080<br />
H<br />
607 522 691 1579 1395 1725 2745 2568 2916 520<br />
I
5<br />
215<br />
Tabelle E.2: Weibliche Formantwerte aus der Spontansprache<br />
. / 0267043 . 026 043 . / 026 043<br />
/<br />
9J:<br />
<<br />
: =<br />
><br />
F1 F2 F3<br />
Vokal<br />
330 301 376 2371 2171 2497 2868 2714 3044 504<br />
418 361 479 2093 1886 2310 2850 2696 2994 958<br />
385 345 428 1694 1484 1933 2666 2538 2867 65<br />
462 414 521 1460 1346 1670 2640 2485 2799 145<br />
: ?<br />
@<br />
438 394 490 2267 2083 2423 2880 2721 3010 746<br />
621 554 683 1987 1829 2148 2828 2696 2969 860<br />
: A<br />
B<br />
442 407 477 1768 1633 1875 2644 2564 2732 67<br />
586 547 637 1533 1470 1620 2590 2498 2659 57<br />
:<br />
460 384 517 2375 2268 2475 2912 2829 3056 18<br />
@<br />
:<br />
791 714 866 1495 1379 1629 2646 2493 2814 1256<br />
C<br />
789 707 879 1524 1397 1682 2706 2556 2879 1124<br />
C<br />
:<br />
467 429 529 1013 858 1203 2760 2612 2935 308<br />
D<br />
688 622 760 1202 1077 1304 2716 2567 2858 483<br />
E<br />
:<br />
394 357 450 1043 909 1194 2737 2580 2874 369<br />
F<br />
499 440 593 1259 1113 1452 2729 2523 2931 304<br />
G<br />
470 410 548 1779 1543 1984 2797 2639 2938 1125<br />
H<br />
681 601 761 1598 1412 1769 2736 2579 2894 649<br />
I
5<br />
217<br />
Tabelle E.4: Männliche Formantwerte aus der Spontansprache<br />
. / 0267043 . 026 043 . / 026 043<br />
/<br />
9J:<br />
<<br />
: =<br />
><br />
F1 F2 F3<br />
Vokal<br />
309 284 340 2039 1886 2177 2571 2420 2757 813<br />
353 321 402 1801 1633 1974 2484 2374 2610 1492<br />
326 293 368 1628 1514 1761 2261 2181 2327 109<br />
403 351 438 1323 1196 1416 2299 2204 2380 253<br />
:<br />
371 339 416 1940 1770 2079 2538 2426 2666 959<br />
?<br />
490 448 536 1667 1536 1786 2462 2354 2553 1107<br />
@<br />
: A<br />
B<br />
399 376 433 1514 1460 1643 2188 2080 2303 99<br />
477 450 503 1337 1269 1392 2251 2175 2346 65<br />
:<br />
398 362 427 1913 1787 2001 2503 2412 2628 31<br />
@<br />
:<br />
606 534 674 1278 1183 1381 2336 2216 2435 1733<br />
C<br />
617 546 686 1305 1198 1390 2418 2295 2529 1844<br />
C<br />
:<br />
419 383 484 881 771 1007 2457 2352 2590 406<br />
D<br />
538 493 586 1017 936 1101 2366 2252 2481 662<br />
E<br />
:<br />
358 325 412 962 849 1090 2365 2250 2515 452<br />
F<br />
440 393 489 1106 993 1243 2438 2274 2595 569<br />
G<br />
405 364 455 1540 1371 1683 2429 2315 2534 1715<br />
H<br />
522 472 594 1350 1213 1463 2414 2304 2521 885<br />
I
218 Literatur
Literatur<br />
Allen, J., M. S. Hunnicutt und D. H. Klatt (1987). From text to speech:<br />
The MITalk system. Cambridge: Cambridge University Press.<br />
Anderson, A., M. Bader, E. Bard, E. Boyle, G. Doherty, S. Garrod,<br />
S. Isard, J. Kowtko, J. McAllister, J. Miller, C. Sotillo, H. Thompson<br />
und R. Weinert (1991). The HCRC map task corpus. Language<br />
and Speech 34, 351–366.<br />
Barczinski, L. und E. Thienhaus (1935). Klangspektren und Lautstärke<br />
deutscher Sprachlaute. Achives néerlandaises de phonétique<br />
expérimentale 11, 47–68.<br />
Barry, W. J. (1995). Schwa vs. schwa + /r/ in German. Phonetica 52,<br />
228–235.<br />
Barry, W. J. und A. J. Fourcin (1992). Levels of labelling. Computer<br />
Speech and Language 6, 1–14.<br />
Bickley, C., K. N. Stevens und D. R. Williams (1997). A framework<br />
for synthesis of segments based on pseudoarticulatory parameters.<br />
In J. P. H. v. Santen, R. W. Sproat, J. P. Olive und J. Hirschberg<br />
(Hrsg.), Progress in Speech Synthesis, pp. 211–220. Berlin/Heidelberg/New<br />
York/Tokyo: Springer.<br />
Black, A. und N. Campbell (1995). Optimising selection of units from<br />
speech databases for concatenative synthesis. In Proc. of the 5th<br />
European Conference of Speech Communication and Technology,<br />
Volume 1, Madrid, pp. 581–584.<br />
Black, A. und P. Taylor (1994). CHATR: a generic speech synthesis<br />
system. In Proceedings of COLING-94, Volume 2, Kyoto, pp. 983–<br />
986.<br />
219
220 Literatur<br />
K<br />
Bladon, R., G. Henton und J. Pickering (1983). Towards an auditory<br />
theory of speaker normalization. Language and Communication 4,<br />
59–69.<br />
Bladon, R. A. W. (1985). Diphthongs: a case study of dynamic auditory<br />
processing. Speech Communication 4, 145–154.<br />
Bloomfield, L. (1930). LNMPOQ R8S QUTWVXSYL[Z . Le Maˆıtre Phonétique III 29,<br />
27–28.<br />
Boas, F. (1911). Handbook of American Indian Languages Part 1. Bureau<br />
of American Ethnology Bulletin 40. Washington: Government<br />
Printing Office.<br />
Boor, H. d., H. Moser und C. Winkler (Hrsg.) (1969). Siebs Deutsche<br />
Aussprache: Reine und gemäßigte Hochlautung mit Aussprachewörterbuch.<br />
Berlin: Walter de Gruyter.<br />
Bremer, O. (1893). Deutsche Phonetik. Leipzig: Breitkopf & Härtel.<br />
Bremer, O. (1918). Deutsche Lautlehre. Leipzig: Quelle & Meyer.<br />
Browman, C. P. und L. M. Goldstein (1989). Articulatory gestures as<br />
phonological units. Phonology 6, 201–251.<br />
Browman, C. P. und L. M. Goldstein (1992). Articulatory phonology:<br />
an overview. Phonetica 49, 155–180.<br />
Brownlee, S. A. (1996). The role of sentence stress in vowel reduction<br />
and formant undershoot: A study of lab speech and informal spontaneous<br />
speech. Ph. D. thesis, University of Texas at Austin.<br />
Buuren, Luc, v. (1983). Observations on phonation. Journal of the International<br />
Phonetic Association 13, 13–23.<br />
Catford, J. (1977). Fundamental Problems in Phonetics. Edinburgh:<br />
Edinburgh University Press.<br />
Catford, J. (1988). A Practical Introduction to Phonetics. Oxford: Clarendon<br />
Press.<br />
Chomsky, N. und M. Halle (1968). The Sound Pattern of English. New<br />
York: Harper and Row.<br />
Coleman, J. S. (1994). Polysyllabic words in the YorkTalk synthesis system.<br />
In P. A. Keating (Hrsg.), Phonological Structure and Phonetic<br />
Form: Papers in Laboratory Phonology III, pp. 293–324. Cambridge:<br />
Cambridge University Press.
221<br />
Coleman, J. S. (1998). Phonological Representations: Their names,<br />
forms and powers. Cambridge: Cambridge University Press.<br />
Collier, R., F. Bell-Berti und L. J. Raphael (1982). Some acoustic<br />
and physiological observations on diphthongs. Language and<br />
Speech 25, 305–323.<br />
Crothers, J. (1978). Typology and universals of vowel systems. In<br />
J. Greenberg, C. A. Ferguson und E. Moravcsik (Hrsg.), Universals<br />
of Human Language. Vol. 2, Phonology, pp. 93–152. Stanford:<br />
Stanford University Press.<br />
Crystal, T. H. und A. S. House (1982). Segmental durations in<br />
connected-speech signals: Preliminary results. Journal of the Acoustical<br />
Society of America 72, 705–716.<br />
Crystal, T. H. und A. S. House (1988a). Segmental durations in<br />
connected-speech signals: Current results. Journal of the Acoustical<br />
Society of America 83, 1553–1573.<br />
Crystal, T. H. und A. S. House (1988b). Segmental durations in<br />
connected-speech signals: Syllabic stress. Journal of the Acoustical<br />
Society of America 83, 1574–1585.<br />
Crystal, T. H. und A. S. House (1990). Articulation rate and the duration<br />
of syllables and stress groups in connected speech. Journal of the<br />
Acoustical Society of America 88, 101–112.<br />
Delattre, P. (1965). Comparing the phonetic features of English, German,<br />
Spanish and French. Heidelberg: Julius Groos Verlag.<br />
Diehl, R. L., B. Lindblom, K. A. Hoemeke und R. P. Fahey (1996). On<br />
explaining certain male-female differences in the phonetic realization<br />
of vowel categories. Journal of Phonetics 24, 187–208.<br />
DUDEN (1990). Das Aussprachewörterbuch (3 Aufl.). Mannheim: Dudenverlag.<br />
Engstrand, O. (1988). Articulatory correlates of stress and speaking rate<br />
in Swedish utterances. Journal of the Acoustical Society of America<br />
83, 1863–1875.<br />
Essen, O. v. (1953). Allgemeine und angewandte Phonetik. Berlin: Akademie<br />
Verlag.
222 Literatur<br />
\<br />
Fant, G. (1960). Acoustic Theory of Speech Production. The Hague:<br />
Mouton.<br />
Fant, G. (1966). A note on vocal tract size factors and non-uniform F-<br />
pattern scalings. STL-QPSR 4, 22–30.<br />
Fant, G. (1975). Non-uniform vowel normalization. STL-QPSR 2–3, 1–<br />
19.<br />
Firth, J. R. (1948). Sounds and prosodies. Transactions of the Philological<br />
Society, 127–152.<br />
Fischer-Jørgensen, E. (1964). Sound duration and place of articulation.<br />
Zeitschrift für Sprachwissenschaft und Kommunikationsforschung<br />
17, 175–207.<br />
Forchhammer, J. (1928). Kurze Einführung in die deutsche und allgemeine<br />
Lautlehre. Indogermanische Bibliothek Bd. 10. Heidelberg:<br />
Carl Winter.<br />
Gay, T. (1968). Effect of speaking rate on diphthong formant movements.<br />
Journal of the Acoustical Society of America 44, 1570–1573.<br />
Gay, T. (1978). Effect of speaking rate on vowel formant movements.<br />
Journal of the Acoustical Society of America 63, 223–230.<br />
Gibbon, D., R. Moore und R. Winski (Hrsg.) (1997). Handbook of Standards<br />
and Resources for Spoken Language Systems. Berlin/New<br />
York: Mouton de Gruyter.<br />
Godfrey, J. J., E. C. Holliman und J. McDaniel (1992). SWITCH-<br />
BOARD: Telephone speech corpus for research and development.<br />
In Proceedings IEEE Conference on Acoustics, Speech and Signal<br />
Processing, Volume 1, San Francisco, pp. 517–520.<br />
Goldsmith, J. (1990). Autosegmental and Metrical Phonology. Oxford:<br />
Blackwell.<br />
Grützmacher, M. (1927). Eine neue Methode der Klanganalyse. Elektrische<br />
Nachrichtentechnik 4, 533.<br />
Hall, T. A. (1993). The phonology of German ]_^`] . Phonology 10, 83–<br />
105.<br />
Heid, S., M.-B. Wesenick und C. Draxler (1995). Phonetic analysis of<br />
vowel segments in the PhonDat data base of spoken German. In<br />
Proc. XIIIth ICPhS, Volume 4, Stockholm, pp. 416–419.
223<br />
Hemphill, C. T., J. J. Godfrey und G. R. Doddington (1990). The ATIS<br />
spoken language systems pilot corpus. In Proc. of the Speech and<br />
Natural Language Workshop, Hidden Valley, PA, pp. 96–101.<br />
Henton, G. (1995). Cross-language variation in the vowels of female<br />
and male speakers. In Proc. XIIIth ICPhS, Volume 4, Stockholm,<br />
pp. 420–423.<br />
Hillenbrand, J., L. A. Getty, M. J. Clark und K. Wheeler (1995). Acoustic<br />
characteristics of American English vowels. Journal of the<br />
Acoustical Society of America 97, 3099–3111.<br />
Holbrook, A. und G. Fairbanks (1962). Diphthong formants and their<br />
movements. Journal of Speech and Hearing Research 5, 33–58.<br />
Iivonen, A. (1970). Experimente zur Erklärung der spektralen Variation<br />
deutscher Phonemrealisationen. Commentationes Humanarum<br />
Litterarum, Volume 45. Helsinki: Societas Scientiarum Fennica.<br />
Iivonen, A. (1979). Zum Studium deutscher Vokale: Formantmessungen<br />
und auditive Simulierung des Vokalspektrums. In K. Ezawa,<br />
K. Rensch und W. Bethge (Hrsg.), Sprache und Sprechen. Festschrift<br />
für Eberhard Zwirner zum 80. Geburtstag. Niemeyer.<br />
Iivonen, A. (1983). Zur Frage der regionalen Variation der hochdeutschen<br />
betonten Monophthonge. Neuphilologische Mitteilungen 84,<br />
45–52.<br />
Iivonen, A. (1984). Die hochdeutschen und schweizerhochdeutschen<br />
betonten Monophthonge. In Proc. Xth ICPhS, Volume IIB,<br />
Dordrecht, pp. 191–196. Foris.<br />
Iivonen, A. (1987a). Monophthonge des gehobenen Wienerdeutsch. Folia<br />
Linguistica 21, 293–336.<br />
Iivonen, A. (1987b). Regional differences in the realization of Standard<br />
German vowels. In Proc. XIth ICPhS, Volume 4, Tallinn, pp. 161–<br />
164.<br />
Iivonen, A. (1993). Hochsprachliche Realisierung auf alemannischem<br />
Hintergrund. In M. Bonner, E. Braun und H. Fix (Hrsg.), Thematische<br />
und systematische Festschrift zum 70. Geburtstag von Max<br />
Mangold, pp. 168–183. Saarbrücken: Saarbrücker Druckerei und<br />
Verlag.
224 Literatur<br />
a<br />
Indefrey, H., W.-J. Hess und G. Seeser (1985). Design and evaluation<br />
of double-transform pitch determination algorithms with nonlinear<br />
distortion in the frequency domain - preliminary results. In Proc.<br />
IEEE Int. Conf. ASSP-85, Paper 635.<br />
IPDS (1994). The Kiel Corpus of Read Speech, Volume 1, CD-ROM#1.<br />
Kiel: Institut für Phonetik und digitale Sprachverarbeitung.<br />
IPDS (1995). The Kiel Corpus of Spontaneous Speech, Volume 1, CD-<br />
ROM#2. Kiel: Institut für Phonetik und digitale Sprachverarbeitung.<br />
IPDS (1996). The Kiel Corpus of Spontaneous Speech, Volume 2, CD-<br />
ROM#3. Kiel: Institut für Phonetik und digitale Sprachverarbeitung.<br />
IPDS (1997a). The Kiel Corpus of Spontaneous Speech, Volume 3,<br />
CD-ROM#4. Kiel: Institut für Phonetik und digitale Sprachverarbeitung.<br />
IPDS (1997b). xassp User’s Manual (Advanced Speech Signal Processor<br />
under the X Window System). In A. P. Simpson, K. J. Kohler<br />
und T. Rettstadt (Hrsg.), The Kiel Corpus of Read/Spontaneous<br />
Speech — Acoustic data base, processing tools and analysis results,<br />
<strong>AIPUK</strong> 32, pp. 31–115.<br />
Jakobson, R., G. Fant und M. Halle (1952). Preliminaries to Speech<br />
Analysis. Cambridge: MIT Press.<br />
Jones, D. (1917). English Pronouncing Dictionary. London: Dent.<br />
Jones, D. (1967). The Phoneme: Its Nature and Use (3 Aufl.). Cambridge:<br />
Heffer.<br />
Jørgensen, H. (1969). Die gespannten und ungespannten Vokale in der<br />
norddeutschen Hochsprache mit einer spezifischen Untersuchung<br />
der Struktur ihrer Formantfrequenzen. Phonetica 19, 217–245.<br />
Karger, R. und W. Wahlster (1994). VERBMOBIL Handbuch. Verbmobil<br />
Technisches Dokument Nr. 17. Saarbrücken: DFKI.<br />
Kent, R. D. und C. Read (1992). The Acoustic Analysis of Speech. San<br />
Diego/London: Singular.<br />
Klatt, D. H. (1980). Software for a cascade/parallel synthesizer. Journal<br />
of the Acoustical Society of America 67, 971–995.
225<br />
Klatt, D. H. und L. C. Klatt (1990). Analysis, synthesis, and perception<br />
of voice quality variations among female and male talkers. Journal<br />
of the Acoustical Society of America 87, 820–857.<br />
Knowles, G. und P. Alderson (1995). Working with speech: The computational<br />
analysis of formal British English speech. London: Longmans.<br />
Kohler, K. J. (1977). Einführung in die Phonetik des Deutschen. Berlin:<br />
Erich Schmidt.<br />
Kohler, K. J. (1992a). Automatische Generierung der kanonischen<br />
Transkription und des Aussprachelexikons. In K. J. Kohler (Hrsg.),<br />
Phonetisch-akustische Datenbasis des Hochdeutschen: Kieler Arbeiten<br />
zu den PHONDAT-Projekten 1989–1992, <strong>AIPUK</strong> 26, pp.<br />
175–196.<br />
Kohler, K. J. (Hrsg.) (1992b). Phonetisch-akustische Datenbasis des<br />
Hochdeutschen: Kieler Arbeiten zu den PHONDAT-Projekten<br />
1989–1992. <strong>AIPUK</strong> 26.<br />
Kohler, K. J. (1994). Glottal stops and glottalization in German. Data<br />
and theory of connected speech processes. Phonetica 51, 38–51.<br />
Kohler, K. J. (1995a). Einführung in die Phonetik des Deutschen (2<br />
Aufl.). Berlin: Erich Schmidt.<br />
Kohler, K. J. (1995b). PROLAB - the Kiel system of prosodic labelling.<br />
In Proc. XIIIth ICPhS, Volume 3, Stockholm, pp. 162–165.<br />
Kohler, K. J. (1995c). The realization of plosives in nasal/lateral environments<br />
in spontaneous speech in German. In Proc. XIIIth ICPhS,<br />
Volume 2, Stockholm, pp. 210–213.<br />
Kohler, K. J., G. Lex, M. Pätzold, M. T. M. Scheffers, A. P. Simpson und<br />
W. Thon (1994). Handbuch zur Datenaufnahme und Transliteration<br />
in TP14 von Verbmobil - 3.0. Verbmobil Technisches Dokument<br />
Nr. 11.<br />
Kohler, K. J., M. Pätzold und A. P. Simpson (1995). From scenario to<br />
segment: the controlled elicitation, transcription, segmentation and<br />
labelling of spontaneous speech. <strong>AIPUK</strong> 29.<br />
Kohler, K. J., M. Pätzold und A. P. Simpson (1997). Von der akustischen<br />
Datensammlung zu einer etikettierten Sprachdatenbasis für<br />
das gesprochene Standarddeutsch. <strong>AIPUK</strong> 32a.
226 Literatur<br />
b<br />
Koopmans-van Beinum, F. J. (1980). Vowel Contrast Reduction: an<br />
Acoustic and Perceptual Study of Dutch Vowels in Various Speech<br />
Conditions. Amsterdam: Academische Pers B.V.<br />
Krech, H., E.-M. Krech, E. Kurka, H. Stelzig, E. Stock, U. Stötzer und<br />
R. Teske (Hrsg.) (1964). Wörterbuch der deutschen Aussprache (2<br />
Aufl.). Leipzig: VEB Verlag Enzyklopädie Leipzig.<br />
Ladefoged, P. (1996). Elements of Acoustic Phonetics. Chicago: The<br />
University of Chicago Press.<br />
Ladefoged, P. und I. Maddieson (1996). The Sounds of the World’s Languages.<br />
Oxford: Basil Blackwell.<br />
Lamel, L., R. Kassel und S. Seneff (1986). Speech database development:<br />
design and analysis of the acoustic-phonetic corpus. In<br />
Proc. DARPA Speech Recognition Workshop, pp. 100–109.<br />
Lass, R. (1984). Phonology. An Introduction to Basic Concepts. Cambridge:<br />
Cambridge University Press.<br />
Laver, J. (1980). The phonetic description of voice quality. Cambridge:<br />
Cambridge University Press.<br />
Lee, K.-F., H.-W. Hon und R. Reddy (1990). An overview of the<br />
SPHINX speech recognition system. In A. Waibel und K.-F. Lee<br />
(Hrsg.), Readings in Speech Recognition, pp. 600–610. San Mateo,<br />
CA: Kaufmann.<br />
Lehiste, I. (1964). Acoustical characteristics of some English consonants.<br />
The Hague: Mouton.<br />
Lehiste, I. und G. E. Peterson (1961). Transitions, glides and diphthongs.<br />
Journal of the Acoustical Society of America 33, 268–<br />
277.<br />
Lindblom, B. (1963). Spectrographic study of vowel reduction. Journal<br />
of the Acoustical Society of America 35, 1773–1781.<br />
Lindblom, B. (1990). Explaining phonetic variation: a sketch of the H<br />
and H theory. In W. J. Hardcastle und A. Marchal (Hrsg.), Speech<br />
production and speech modeling., pp. 403–439. Dordrecht: Kluwer<br />
Academic Publishers.<br />
Lindblom, B., S. A. Brownlee und R. Lindgren (1996). Formant undershoot<br />
and speaking styles: An attempt to resolve some controversial
227<br />
issues. In A. P. Simpson und M. Pätzold (Hrsg.), Sound Patterns<br />
of Connected Speech: Description, Models, and Explanation, AI-<br />
PUK 31, pp. 119–130.<br />
Lindblom, B. und S.-J. Moon (1988). Formant undershoot in clear and<br />
citation-form speech. Perilus VIII, 21–33.<br />
Local, J. K. (1982). Modelling intonational variability in children’s<br />
speech. In S. Romaine (Hrsg.), Sociolinguistic Variation in Speech<br />
Communities. London: Edward Arnold.<br />
Local, J. K. (1992). Modeling assimilation in nonsegmental, rule-free<br />
synthesis. In G. Docherty und D. R. Ladd (Hrsg.), Papers in Laboratory<br />
Phonology II: Gesture, Segment, Prosody, pp. 190–223.<br />
Cambridge: Cambridge University Press.<br />
Local, J. K. und J. Kelly (1986). Projection and ‘silences’: notes on<br />
phonetic detail and conversational structure. Human Studies 9, 185–<br />
204.<br />
Local, J. K., J. Kelly und W. H. G. Wells (1986). Some phonetic aspects<br />
of turn-delimitation in the speech of Urban Tynesiders. Journal of<br />
Linguistics 22, 411–437.<br />
Local, J. K. und R. Ogden (1997). A model of timing for nonsegmental<br />
phonological structure. In J. P. H. v. Santen, R. W. Sproat, J. P. Olive<br />
und J. Hirschberg (Hrsg.), Progress in Speech Synthesis, pp. 109–<br />
121. Berlin/Heidelberg/New York/Tokyo: Springer.<br />
Local, J. K., W. H. G. Wells und M. Sebba (1986). Phonetic aspects<br />
of turn delimitation in London Jamaican. Journal of Pragmatics 9,<br />
309–330.<br />
Macaulay, R. K. S. (1978). Variation and consistency in Glaswegian<br />
English. In P. Trudgill (Hrsg.), Sociolinguistic Patterns in British<br />
English, pp. 132–143. Edward Arnold.<br />
MacCarthy, P. (1975). The Pronunciation of German. London: Oxford<br />
University Press.<br />
Maurer, D., N. Cook, T. Landis und C. D’Heureuse (1992). Are measured<br />
differences between the formants of men, women and children<br />
due to Fc differences? Journal of the International Phonetic Association<br />
21, 66–79.
228 Literatur<br />
d<br />
Meier, H. (1967). Deutsche Sprachstatistik (2 Aufl.), Volume 1. Hildesheim:<br />
Georg Olms.<br />
Meinhold, G. (1973). Deutsche Standardaussprache. Lautschwächungen<br />
und Formstufen. Jena: Friedrich-Schiller-Universität.<br />
Meinhold, G. (1989). Das problematische [e ]. In Slembek (Hrsg.), Von<br />
Lauten und Leuten. Festschrift für Peter Martens zum 70. Geburtstag<br />
(Sprache und Sprechen 21), pp. 119–125. Frankfurt am Main:<br />
Scriptor Verlag.<br />
Meinhold, G. und E. Stock (1982). Phonologie der deutschen Gegenwartssprache<br />
(2 Aufl.). Leipzig: VEB Bibliographisches Institut<br />
Leipzig.<br />
Menzerath, P. und A. d. Lacerda (1933). Koartikulation, Steuerung und<br />
Lautabgrenzung. Phonetische Studien 1. Berlin/Bonn: Dümmlers.<br />
Meyer-Eppler, W. (1959). Zur Spektralstruktur der /r/-Allophone des<br />
Deutschen. Akustica 9, 246–250.<br />
Milroy, J. und L. Milroy (1985). Linguistic change, social network and<br />
speaker innovation. Journal of Linguistics 21, 339–384.<br />
Mohanan, K. P. (1986). The Theory of Lexical Phonology. Dordrecht:<br />
Reidel.<br />
Moon, S.-J. (1991). An acoustic and perceptual study of undershoot in<br />
clear and citation-form speech. Ph. D. thesis, University of Texas at<br />
Austin.<br />
Moon, S.-J. und B. Lindblom (1994). Interaction between duration,<br />
context, and speaking style in English stressed vowels. Journal of<br />
the Acoustical Society of America 96, 40–55.<br />
Moulton, W. G. (1947). Juncture in Modern Standard German. Language<br />
23, 212–226.<br />
Narahara, Y. und H. Shimoda (1977). Akustisch-phonetische Studie<br />
über die deutschen Vokale. In Y. Narahara, T. Okamoto und H. Shimoda<br />
(Hrsg.), Beiträge zur Phonetik des Deutschen, Forum Phoneticum<br />
14, pp. 1–43. Hamburg: Buske.<br />
Narahara, Y., H. Shimoda und T. Okamoto (1977). Akustischphonetische<br />
Studie über die deutschen Diphthonge. In Y. Narahara,<br />
T. Okamoto und H. Shimoda (Hrsg.), Beiträge zur Phonetik des<br />
Deutschen, Forum Phoneticum 14, pp. 44–85. Hamburg: Buske.
229<br />
Nord, L. (1975). Vowel reduction — centralization or contextual assimilation?<br />
In G. Fant (Hrsg.), Proceedings of the Speech Communication<br />
Seminar, Stockholm, pp. 149–154. Almqvist & Wiksell.<br />
Nord, L. (1986). Acoustic studies of vowel reduction in Swedish. STL-<br />
QPSR 4/1986, 19–36.<br />
Öhman, S. E. G. (1966). Coarticulation in VCV utterances: Spectrographic<br />
measurements. Journal of the Acoustical Society of America<br />
39, 151–168.<br />
Pätzold, M. (1997). KielDat – data bank utilities for the Kiel Corpus. In<br />
A. P. Simpson, K. J. Kohler und T. Rettstadt (Hrsg.), The Kiel Corpus<br />
of Read/Spontaneous Speech — Acoustic data base, processing<br />
tools and analysis results, <strong>AIPUK</strong> 32, pp. 117–126.<br />
Pätzold, M., M. Scheffers, A. P. Simpson und W. Thon (1995). Controlled<br />
elicitation and processing of spontaneous speech in Verbmobil.<br />
In Proc. XIIIth ICPhS, Volume 3, Stockholm, pp. 314–317.<br />
Pätzold, M. und A. P. Simpson (1994). Das Kieler Szenario zur Terminabsprache.<br />
Verbmobil Memo Nr. 53.<br />
Pätzold, M. und A. P. Simpson (1997). Acoustic analysis of German<br />
vowels in the Kiel Corpus of Read Speech. In A. P. Simpson, K. J.<br />
Kohler und T. Rettstadt (Hrsg.), The Kiel Corpus of Read/Spontaneous<br />
Speech — Acoustic data base, processing tools and analysis<br />
results, <strong>AIPUK</strong> 32, pp. 215–247.<br />
Peterson, G. und H. Barney (1952). Control methods used in the study<br />
of vowels. Journal of the Acoustical Society of America 24, 175–<br />
184.<br />
Peterson, G. und I. Lehiste (1960). Duration of syllable nuclei in English.<br />
Journal of the Acoustical Society of America 32, 693–703.<br />
Pike, K. L. (1943). Phonetics. A critical analysisof phonetic theory and<br />
a technic for the practical description of sounds. Ann Arbor: The<br />
University of Michigan Press.<br />
Pompino-Marschall, B. (1995). Einführung in die Phonetik. Berlin/New<br />
York: Walter de Gruyter.<br />
Potter, R. K., G. A. Kopp und H. G. Kopp (1966). Visible Speech. New<br />
York: Dover Publications.
230 Literatur<br />
f<br />
Ramers, K. H. (1988). Vokalquantität und -qualität im Deutschen. Linguistische<br />
Arbeiten 213. Tübingen: Niemeyer.<br />
Rausch, A. (1972). Untersuchungen zur Vokalartikulation im Deutschen.<br />
In H. Kelz und A. Rausch (Hrsg.), Beiträge zur Phonetik.<br />
IPK-Forschungsberichte, Volume 30.<br />
Roach, P. J., G. O. Knowles, T. Varadi und S. C. Arnfield (1994). MAR-<br />
SEC: A MAchine-Readable Spoken English Corpus. Journal of the<br />
International Phonetic Association 23(2), 47–54.<br />
Rodgers, J. E. J., P. Helgason und K. J. Kohler (1997). Segment deletion<br />
in the Kiel Corpus of Spontaneous Speech. In A. P. Simpson, K. J.<br />
Kohler und T. Rettstadt (Hrsg.), The Kiel Corpus of Read/Spontaneous<br />
Speech — Acoustic data base, processing tools and analysis<br />
results, <strong>AIPUK</strong> 32, pp. 127–176.<br />
Romaine, S. (1978). Postvocalic /r/ in Scottish English: sound change in<br />
progress? In P. Trudgill (Hrsg.), Sociolinguistic Patterns in British<br />
English, pp. 144–157. Edward Arnold.<br />
Saito, S. und K. Nakata (1985). Fundamentals of speech signal processing.<br />
Tokyo/Orlando/London: Academic Press.<br />
Schäfer-Vincent, K. (1982). Significant points: Pitch period detection<br />
as a problem of segmentation. Phonetica 39, 241–253.<br />
Schäfer-Vincent, K. (1983). Pitch period detection and chaining: Method<br />
and evaluation. Phonetica 40, 177–202.<br />
Scheffers, M. T. M. und A. P. Simpson (1995). LACS: Label assisted<br />
copy synthesis. In Proc. XIIIth ICPhS, Volume 2, Stockholm, pp.<br />
346–349.<br />
Sendlmeier, W. (1982). Der Einfluß von Qualität und Quantität auf die<br />
Perzeption betonter Vokale des Deutschen. Phonetica 38, 291–308.<br />
Seneff, S., J. Glass, D. Goddeau, D. Goodine, L. Hirschman, H. Leung,<br />
M. Philips, J. Polifroni und V. Zue (1991). Development and preliminary<br />
evaluation of the MIT ATIS system. In Proc. of the Speech<br />
and Natural Language Workshop, Pacific Grove, CA, pp. 88–93.<br />
Shockey, L. (1974). Phonetic and Phonological Properties of Connected<br />
Speech. Ph. D. thesis, Ohio State University, Ohio.<br />
Siebs, T. (1927). Deutsche Bühnenaussprache. Berlin: Ahn & Simrock.
231<br />
Simpson, A. P. (1991). Writing phonological statements from naturally<br />
occurring talk: an experiment in method. Ph. D. thesis, University<br />
of York.<br />
Simpson, A. P. (1992). Casual speech rules and what the phonology of<br />
connected speech rules might really be like. Linguistics 30, 535–<br />
548.<br />
Simpson, A. P. und M. T. M. Scheffers (1996). Knowledge-based copy<br />
synthesis as a tool in connected speech research. In A. P. Simpson<br />
und M. Pätzold (Hrsg.), Sound Patterns of Connected Speech: Description,<br />
Models, and Explanation, <strong>AIPUK</strong> 31, pp. 165–172.<br />
Son, R. J. J. H. v. und L. C. W. Pols (1990). Formant frequencies of<br />
Dutch vowels in a text, read at normal and fast rate. Journal of the<br />
Acoustical Society of America 88(4), 1683–1693.<br />
Sotschek, J. (1976a). Methoden zur Messung der Sprachgüte I: Verfahren<br />
zur Bestimmung der Satz- und Wortverständlichkeit. Der Fernmeldeingenieur<br />
30(10), 1–31.<br />
Sotschek, J. (1976b). Methoden zur Messung der Sprachgüte II: Verfahren<br />
zur Bestimmung der Satz- und Wortverständlichkeit. Der Fernmeldeingenieur<br />
30(12), 1–33.<br />
Sovijärvi, A. (1965). Der mokschamordvinische g -Vokal im Lichte der<br />
Sonagramme. In Publicationes instituti phonetici universitatis Helsingiensis,<br />
Volume 20, Helsinki.<br />
Sproat, R. und O. Fujimura (1993). Allophonic variation in English /l/<br />
and its implications for phonetic implementation. Journal of Phonetics<br />
21, 291–311.<br />
Stevens, K. N. (1987). Interaction between acoustic sources and vocaltract<br />
configurations for consonants. In Proc. XIth ICPhS, Volume 3,<br />
Tallinn, pp. 385–389.<br />
Stevens, K. N. (1989). On the quantal nature of speech. Journal of Phonetics<br />
17, 3–45.<br />
Stevens, K. N. und C. A. Bickley (1991). Constraints among parameters<br />
simplify control of Klatt formant synthesizer. Journal of Phonetics<br />
19, 161–174.
232 Literatur<br />
h<br />
Stevens, K. N. und A. S. House (1963). Perturbation of vowel articulations<br />
by consonantal context: An acoustical study. Journal of Speech<br />
and Hearing Research 6, 111–128.<br />
Stevens, K. N., A. S. House und A. P. Paul (1966). Acoustical description<br />
of syllabic nuclei: An interpretation in terms of a dynamic model<br />
of articulation. Journal of the Acoustical Society of America 40,<br />
123–132.<br />
Sütterlin, L. (1908). Die Lehre von der Lautbildung. Leipzig: Quelle &<br />
Meyer.<br />
Sweet, H. (1877). Handbook of Phonetics. Oxford: Clarendon Press.<br />
Sweet, H. (1890). A Primer of Phonetics. Oxford: Clarendon Press.<br />
Swerts, M. und R. Collier (1992). On the controlled elicitation of spontaneous<br />
speech. Speech Communication 11, 463–468.<br />
Thon, W. und W. v. Dommelen (1992). PHONDAT90: Rechnerverarbeitbare<br />
Sprachaufnahmen eines umfangreichen Korpus des Deutschen.<br />
In K. J. Kohler (Hrsg.), Phonetisch-akustische Datenbasis<br />
des Hochdeutschen: Kieler Arbeiten zu den PHONDAT-Projekten<br />
1989–1992, <strong>AIPUK</strong> 26, pp. 41–79.<br />
Tillmann, H. G., C. Draxler, K. Kotten und F. Schiel (1995). The phonetic<br />
goals of the new Bavarian Archive for Speech Signals. In Proc.<br />
XIIIth ICPhS, Volume 4, Stockholm, pp. 550–553.<br />
Traunmüller, H. (1990). Analytical expressions for the tonotopic sensory<br />
scale. Journal of the Acoustical Society of America 88, 97–100.<br />
Trubetzkoy, N. S. (1939). Grundzüge der Phonologie. Travaux du cercle<br />
linguistique de Prague 7. Prague.<br />
Trudgill, P. (1974). The Social Differentiation of English in Norwich.<br />
Cambridge: Cambridge University Press.<br />
Ulbrich, H. (1972). Instrumentalphonetisch-auditive R-<br />
Untersuchungen im Deutschen. Schriften zur Phonetik und<br />
Kommunikationsforschung Nr. 13. Berlin: Akademie Verlag.<br />
URL (1). http://andosl.anu.edu.au/andosl/ANDOSLhome.html. Australian<br />
National Database of Spoken Language.<br />
URL (2). http://www.phonetik.uni-muenchen.de/Bas/BasHomeeng.html.<br />
Bavarian Archive for Speech Signals.
URL (3). http://www.cstr.ed.ac.uk/artic/accor.html. EUR-ACCOR.<br />
URL (4). http://www.ldc.upenn.edu/. Linguistic Data Consortium.<br />
233<br />
URL (5). http://www.ldc.upenn.edu/ldc/catalog/html/speech html/scr.html.<br />
Linguistic Data Consortium.<br />
URL (6). http://www.biostat.wisc.edu/ubeam/xray.html. University of<br />
Wisconsin.<br />
Viëtor, W. (1894). Elemente der Phonetik des Deutschen, Englischen<br />
und Französischen. Leipzig: Reisland.<br />
Viëtor, W. (1925). Die Aussprache des Schriftdeutschen (11 Aufl.).<br />
Leipzig: Reisland.<br />
Vogten, L. M. (1983). Analyse, zuinige codering en resynthese van<br />
spraakgeluid. Ph. D. thesis, Eindhoven University of Technology.<br />
Wängler, H.-H. (1963). Grundriß einer Phonetik des Deutschen (mit<br />
einer allgemeinen Einführung in die Phonetik). Marburg: Elwert.<br />
Wells, J. C., W. J. Barry und A. J. Fourcin (1989). Transcription, labelling<br />
and reference. In A. J. Fourcin, G. Harland, W. J. Barry und<br />
V. Hazan (Hrsg.), Speech Technology Assessment. Towards Standards<br />
and Methods for the EUROPEAN COMMUNITY, pp. 141–<br />
159. Chichester: Ellis Horwood.<br />
Westbury, J. R. (1994). X-ray microbeam speech production database<br />
user’s handbook, version 1.0. Madison WI.<br />
Willems, L. F. (1987). Robust formant analysis for speech synthesis. In<br />
Proc. of European Conference of Speech Technology, Volume 1, pp.<br />
250–253.<br />
Zacher, O. (1969). Deutsche Phonetik. Leningrad: Verlag Bildung.<br />
Zwicker, E. und H. Fastl (1990). Psychoacoustics. Facts and Models.<br />
Berlin: Springer.