본 연구는 20대 한국인 화자 30명의 준자유발화를 분석하여, 발화 초와 음절말 위치에서 한국어 유음 /ㄹ/이 어떻게 실현되는지를 살피고자 하였다. 특히 종성 유음의 권설음화(retroflexion) 현상에 주목하여, 이에 영향을 미치는 언어 내·외적 요인을 규명하였다. 본고에서는 권설음화의 정도와 빈도를 나타내는 지표로서 CoG(Center of Gravity)를 사용하였다. 분석 결과, 남성 화자가 여성 화자보다 CoG 값이 낮게 나타났으며(즉, 권설음화 정도가 더 큼), 이는 성별에 따른 사회언어학적 효과를 시사한다. 또한, 선행 모음이 후설 모음일 때, 그리고 후행 자음이 설정 자음일 때보다는 양순음, 연구개음, 성문음일 때 유음의 권설음화 가능성이 높아지는 것으로 나타나, 조음적 요인이 강하게 작용하고 있음을 확인하였다. 그리고 유음이 단음절어에 속하거나 겹자음의 일부일 때도, 다음절어의 음절말 위치에 있을 때보다 권설음화가 더 자주 관찰되었다. 이러한 한국어 유음의 권설 변이형 출현은 영어와 표준 중국어에 나타나는 권설 자음과 유사한 점에서 언어 접촉의 가능성을 시사한다. 나아가, 일부 화자들은 이러한 권설유음을 인식하지 못한 채 빈번히 산출하고 있다는 사실도 주목할 만하다. 본 연구는 한국어 유음의 음성적 변이 양상에 대한 실증적 근거를 제시하며, 이러한 변화가 향후 어떻게 진행될지를 탐구하는 데 기반을 제공한다.

보이스클로닝은 특정 화자의 목소리 특징을 추출하여 발화를 복제 및 생성, 즉 딥보이스(Deep Voice)를 생성하는 AI 기술이다. 이전에는 사람이 듣기에 어색함이 있었지만, 최근 AI 기술이 빠르게 발전함에 따라 짧은 시간의 오디오 샘플만으로도 음성 복제가 가능해지면서 이는 보이스피싱 피해 사례로 이어지고 있다. 이에 본 연구에서는 보이스클로닝을 활용해 생성된 복제 발화를 판별하는 데에 유의한 음향음성학적 변수를 찾아내고자 하였다. 스펙트럼, 켑스트럼, 운율 총 20개의 음향 변수를 선정하여 2원 분산 분석과 로지스틱 회귀분석을 진행하였으며, 자연 발화와 복제 발화에 대한 유사도를 비교하기 위해 청지각 평가와 발화 간 수학적 거리 계산(유클리드, 마할라노비스)을 진행하였다. 남성 발화의 경우 스펙트럼의 추세 회귀 기울기(tilt)와 발화 속도(speech rate), 여성 발화의 경우 평균 발화 세기(mean intensity)가 발화 구분에 유의한 변수였으며, 분류 모델은 각각 97.5%, 95%의 정확도를 보였다. 발화 간 유사도 비교 결과, 여성 발화의 경우 벡터값의 거리상 가장 가까운 발화와 인간이 유사하다고 느낀 발화가 일치하였다.

Consonants are fundamental components of spoken language. This study investigates the consonant inventories of 913 languages from the PHOIBLE database, with particular attention to three primary dimensions: manner, place, and voicing. Furthermore, it analyzes statistical associations among consonants within and across these categories to identify the underlying patterns in the structure of human language. The results show that single consonants, especially those without diacritics, are the most common. The consonants /m, k, n, j/ occur in more than 90% of the languages in the dataset. By manner of articulation, plosives are the most frequently occurring category, followed by fricatives and nasals. By place of articulation, alveolar consonants are dominant, whereas bilabial and velar consonants occur at nearly comparable rates. The role of voicing differs across the manner categories, with voiceless sounds often being less marked than their voiced counterparts. Finally, multidimensional scaling reveals clusters of related consonants, highlighting structural associations in the consonant inventories. Future research should analyze consonant groupings more in-depth, and develop more consistent transcription practices to enhance the accuracy and reliability of cross-linguistic statistical analyses.

Previous studies have extensively explored the phonetic cues associated with the Korean ternary laryngeal stop con-trast, identifying systematic inter-series differences in voice onset time (VOT), f₀, and voice quality. However, few have attempted to integrate multiple cues within a unified framework to quantify their relative contributions or to compare these patterns across dialects. This study addresses this gap by applying two supervised machine learning classification models-linear discriminant analysis (LDA) and random forest (RF)-to evaluate the contribution of VOT, f₀, and glottal tension in Seoul Korean (non-tonal) and Yanbian Korean (tonal). An unsupervised K-means clustering model was also employed to assess the robustness of the results. These findings reveal distinct cue-weighting patterns be-tween the two dialects: in Seoul, f₀ (primary)>VOT (primary)>glottal tension (negligible); in Yanbian, VOT (primary)>f₀ (secondary)>glottal tension (secondary). These differences are interpreted in line of the absence versus presence of lexical pitch accent, with f₀ being more robustly utilized in the non-tonal Seoul Korean. Beyond offering a more fine-grained account of the phonetic realization of the Korean stop triplet, this study proposes a replicable and extensible methodological framework for further research-one that may be adapted to other contrastive systems involving multiple cues.

This study examined whether incorporating multiple speaking rates into High Variability Phonetic Training (HVPT) facilitates second language (L2) learners' acquisition of a non-native phonological contrast. Native English-speaking naïve learners of Korean were trained to identify the Korean three-way stop contrast, which differs from English stop voicing contrasts in the relative weighting of voice onset time (VOT) and fundamental frequency (f0). Participants were assigned to a Multi-group, trained with stimuli from multiple talkers at three speaking rates (slow, normal, fast), or a Single group, trained with the same talkers only at the slow rate. HVPT sessions spanned three days, followed by everyday identification tests, a new talker generalization test, and a retention test one week later. Test stimuli included only slow-rate items. Acoustic analysis showed that faster speaking rates increased VOT overlap between lenis and aspirated stops while f0 distinctions remained relatively stable. Preliminary results showed that the Multi-group consistently outperformed the Single group in training, generalization, and retention. We discuss speaking rate as a potentially meaningful dimension of stimulus variability in HVPT and highlight its promise for future large-scale research to examine the extent to which incorporating multiple speaking rates promotes more robust L2 perceptual learning.

This study investigates the most robust method for measuring vowel formant frequencies in stressed monophthongs. Five approaches were compared using the Aix-MARSEC database: measurement at the midpoint (Mid), at the one-third point (OneThird), at three equally spaced points (Three), across all points between one-third and two-thirds of the interval (MidAll), and across all points throughout the vowel interval (Full). Measurements of F1Bark, F2Bark, and Euclidean distances of individual vowels from the centroid of each vowel were analyzed using standard deviations, correlation tests, and linear mixed-effects regression models. Results indicate that the Full method-averaging formants at 10-ms time steps across the entire vowel interval-consistently yields the most stable and reliable measurements. This robustness is evident once vowels following /j/, /w/, or /ɹ/, and those preceding /l/, are excluded. In this study, outliers are included or removed, and only vowels exceeding 40 ms in duration are retained. The findings challenge the traditional reliance on single-point measurements and demonstrate that multi-point analysis, particularly the Full method, offers a more reliable representation of vowel formant frequencies. These results highlight the importance of comprehensive temporal sampling in acoustic phonetics.

본 연구는 언어지체 유무에 따라 분류된 말소리장애 세 하위집단 간 음운 및 말산출 지표의 차이를 분석하고, 집단을 변별하는 예측지표를 탐색하고자 하였다. 연구 대상은 만 3세에서 6세의 말소리장애 아동 48명(순수 말소리장애 22명, 표현언어지체 8명, 수용 및 표현언어지체 18명)이 참여하였다. 음운 및 말산출 특성을 분석하기 위해 PMLU(Phonological Mean Length of Utterance), PWP(Proximity Whole Word Proximity), PWC(Proportion of Whole-Word Correctness), AMR(Alternate Motion Rate), SMR(Sequential Motion Rate), MPT(Maximum Phonation Time) 등의 지표를 사용하였고, 통계분석은 R 프로그램(version 4.5.1)을 활용하였다. 집단 간 차이는 PERMANOVA(Permutational Multivariate Analysis of Variance)로 검정하였으며, 집단 구분을 위한 핵심 예측변수는 균형 랜덤 포레스트 모형으로 분석하였다. PERMANOVA 결과, 통계적으로 유의한 다변량 차이는 나타나지 않았으나, 표현언어지체 집단은 AMR, SMR, MPT 수행에서 다른 집단에 비해 낮은 평균을 보였다. 균형 랜덤 포레스트 분석에서는 PMLU, SMR, PWC, AMR이 주요한 예측 변수로 나타났다. 이러한 결과는 말소리장애의 평가 및 중재에 있어 단순 정확도 외에도 음운 및 말산출 지표를 적극 활용한 다차원적 접근이 필요함을 시사한다.

기존의 자동화된 영어 말하기 평가 시스템은 단편적인 점수 생성에만 집중하여 학습자에게 의미 있는 개선 지침을 제공하는 능력이 제한적이다. 이러한 한계를 해결하기 위해 본 연구는 정량적 점수 예측과 정성적 피드백 생성을 동시에 수행하는 LLM 기반 통합 평가 모델을 제안한다. 제안 모델은 Whisper, BEATs, QFormer를 결합하여 다차원적 음성 특징을 추출하고, ChatGPT로 생성한 훈련 데이터를 활용하여, Llama 기반 instruction tuning을 통해 4개 영역(과업 완성도, 전달력, 정확성, 적절성)의 점수 예측과 구체적인 피드백 및 첨삭 문장을 생성한다. 실험 결과, 인간 평가자와의 상관관계는 영역별로 Pearson 상관계수 0.730-0.789를 나타냈으며, LLM-as-a-Judge 방법론으로 검증한 피드백 품질은 모든 평가 범주에서 평균 4.0점 이상을 기록하였다.

기존의 한국어 자동 방언 식별 시스템은 약 60% 수준의 낮은 정확도를 보였으며, 주로 전통적인 기계 학습 모델에 의존해 왔다. 또한, 행정 구역에 따라 방언을 분류하는 방법론적 문제는 기존의 언어학적 경계와 일치하지 않는 한계가 있었다. 본 연구는 이러한 한계를 극복하기 위해 최신 트랜스포머 기반의 종단간 음성 모델인 wav2vec 2.0 XLS-R(cross-lingual speech representation)을 적용하고자 한다. 128개 언어의 약 436,000시간에 달하는 음성 데이터로 사전 훈련된 이 모델을 본 과제에 맞게 미세조정하였다. 또한, 방언을 중부, 경남, 경북, 전남, 전북, 제주의 6개 주요 언어권으로 재분류하였다. AI Hub '중·노년층 한국어 방언 데이터'를 사용하여 XLS-R 모델을 Bi-LSTM과 같은 베이스라인 모델과 비교하였다. 그 결과, XLS-R 모델이 F1 점수 86.8%를 달성하며 가장 성능이 좋은 베이스라인보다 14%p 높은 성능 향상을 보였다. 특정 방언 간의 혼동은 여전히 존재하지만, 본 연구는 대규모 사전 학습 모델을 한국어 방언 식별이라는 정교한 과제에 적용하는 것의 효과를 입증하고, 언어학적 정보에 기반한 범주 사용의 중요성을 강조한다. 연구 결과는 음성인식 및 법과학 분야의 방언 식별 기술 발전에 기여할 것이다.