본 연구는 한국판 노인 음성지수(KAVI), 음성문제 자기인식지수(SAIVP), 한국판 음성장애지수(KVHI) 간의 관계를 분석하고, KAVI와 SAIVP가 KVHI를 예측하는지를 검증하였다. 연구에는 30-88세 성인 183명이 참여하였다. 기술통계 결과, 주관적 음성 지각과 불편감 수준에서 개인차가 크게 나타났다. 상관분석에서 KAVI-KVHI(r=.675, p<.001), SAIVP-KVHI(r=.832, p<.001), KAVI-SAIVP(r=.577, p<.001) 간 유의한 정적 상관이 확인되었다. 연령은 세 도구 모두와 약하지만 유의한 상관을 보였으며, 성별은 어떤 변수와도 유의한 관련이 없었다. 연령을 삼분위군으로 구분한 비교에서 SAIVP-KVHI 상관은 젊은군(30-48세)에서 중년군(49-68세), 고령군(69-88세)으로 갈수록 증가하였다. 다중회귀분석 결과, KAVI와 SAIVP는 모두 KVHI를 유의하게 예측하였고(p<.001), SAIVP의 기여도가 더 크게 나타났다. 이상의 결과는 성인기 노화 전반에서 세 도구가 주관적 음성 지각과 불편감과 유의하게 연관됨을 보여준다. SAIVP는 간편한 선별 도구로 활용될 수 있으며, KAVI는 노화 관련 음성 변화의 조기 발견을, KVHI는 음성 핸디캡의 정량화를 지원할 수 있다. 본 연구는 성인 및 고령 성인의 음성 관련 문제에 대한 조기 평가와 중재의 중요성을 강조한다.

Previous studies report differences between recipient-language monolingual speakers and source-recipient bilinguals in loanword production. This study examines how Korean-English bilingualism influences the production of epenthetic /ɨ/ in Korean realizations of English loanwords. Korean phonotactic constraints require vowel epenthesis to repair illicit sequences, whereas Korean-English bilingual speakers may prefer more English-like sequences. To investigate the selection of epenthesis and the phonetic realization of the epenthetic vowel, the analysis focused on (i) categorical epenthesis outcomes and (ii) acoustic properties (F1, F2, duration) of /ɨ/. Results show that Korean-English bilinguals omitted epenthetic /ɨ/ in English loanwords more often than monolinguals, indicating source-language influence. However, when epenthesis occurred, the epenthetic vowel showed no reliable group differences in formant values or duration. These findings suggest that Korean-English bilinguals resist epenthesis to preserve English-like consonant sequences, but once epenthesis is applied, production follows native Korean vowel categories.

종성 중화는 한국어의 대표적인 음운 현상으로, 종성 위치에서 파열음의 평음, 격음, 경음 대립이 미파음으로 중화된다. 그러나 이러한 중화가 음성학적으로 완전한지에 대해서는 여전히 논쟁이 존재한다. 본 연구는 이 문제를 검토하기 위해 한국어 파열음 종성의 중화 현상을 음향적, 공기역학적, 지각적 측면에서 분석하였다. 음향 실험에서는 한국어 모어 화자 16명을 대상으로 질의응답(question-and-answer, Q&A) 과제와 읽기 과제를 실시하여 선행 모음 길이, 종성 길이, 성대 진동 종료 시간(voice termination time, VTT), 음향적 묵음 구간 길이의 네 가지 시간적 매개변수를 측정하였다. 공기역학 실험에서는 화자 6명을 대상으로 기저형의 생리적 흔적을 확인하고자 구강 호기 기류량과 구강 내 압력을 측정하였다. 지각 실험에서는 한국어 모어 청자 36명을 대상으로 두 대안 강제 선택(two-alternative forced choice, 2AFC) 과제를 실시하여 평음 응답률을 분석하였다. 실험 결과, 산출과 지각 간 불일치가 관찰되었다. 산출에서는 조음 위치와 과제 유형에 따라 VTT, 종성 길이, 구강 내 압력에서 유의미한 하위음소적 차이가 나타난 반면, 지각에서는 청자가 평음과 격음·경음을 변별하지 못하였다. 이러한 결과는 한국어 파열음 종성의 중화가 불완전한 중화에 해당함을 시사하며, H&H(hyper- and hypo-articulation) 이론과 생존 가능성 이론의 관점에서 해석될 수 있다.

This study examines how immersion experience in an English-speaking environment shapes bilingual phonetic behavior in 54 Korean-English bilingual speakers, with a focus on vowel production in code-switched speech. Using linear mixed-effects modeling, F1 and F2 values of Korean vowels were analyzed in Korean-only and code-switched Korean conditions for speakers with and without immersion experience. Vowel height (F1) exhibited robust phonemic contrasts with minimal influence of immersion or code-switching condition, whereas vowel frontness/backness (F2) showed significant sensitivity to the code-switched context. A significant interaction among condition (code-switching), vowel, and immersion emerged for F2, driven primarily by speakers without immersion experience, who exhibited greater backing of /u/ in code-switched speech than in Korean-only speech. In contrast, speakers with immersion experience showed more stable vowel realizations across speech conditions. These findings suggest that the absence of immersion is associated with greater sensitivity to the surrounding linguistic context during code-switching, particularly for vowels occupying regions of the vowel space where Korean and English differ in frontness/backness, such as the high back vowel /u/. By contrast, immersion experience appears to promote greater stability and stronger language-specific phonetic control.

이 연구의 목적은 한국어의 이중모음이 발화 속도에 따라 어떻게 실현되는지를 살펴보고, 한국어 이중모음의 주요 구성 성분이 무엇인지를 고찰해 보는 것이다. 이를 위하여 수도권 화자에게 이중모음이 어두에 위치한 문장을 보통 속도와 빠른 속도로 낭독시켰다. 그 후에는 이중모음을 이루고 있는 세 가지 요소인 활음, 핵모음, 전이 구간(F2의 기울기)을 측정하였다. 그 결과 j계 이중모음의 경우 활음이 발화 속도에 상관없이 안정적으로 실현된 반면 핵모음과 F2의 기울기는 속도에 따라 유의미한 차이가 났다. w계 이중모음은 F2의 기울기가 발화 속도에 상관없이 일정했으나 활음과 핵모음이 속도에 따라 유의미한 차이를 보였다. 이 결과를 바탕으로 보면 j계 이중모음은 목표점, 그중에서도 활음의 목표점이 중요한 구성 성분인 것으로 보이며 w계 이중모음은 목표점보다는 기울기가 중요한 구성 성분인 것으로 보인다. 또한 이 결과는 발화 속도에 따른 이중모음의 실현 양상이 하나의 조음 양상으로 설명되기보다는 한 언어 내에서도 활음과 같은 하위 분류에 따라 서로 다른 조음 전략으로 실현될 수 있음을 보여준다.

This study investigates how Whisper automatic speech recognition models handle Korean syllable-final consonant clusters, focusing on the effects of dialectal variation, model size and phonological variation. We analyzed 54,536 spontaneous-speech utterances from the National Institute of Korean Language (NIKL) Daily Conversation Corpus 2022, comparing speakers from Seoul and Gyeongsang (consolidating Busan, Daegu, Gyeongnam, Gyeongbuk, and Ulsan) across four Whisper variants (small, medium, large-v2, large-v3). Overall coda error rates ranged from 2.67% (large-v3) to 4.53% (small), while consonant cluster error rates were substantially higher, ranging from 2.94% (large-v3, Seoul) to 6.93% (small, Gyeongsang). Seoul consistently showed lower error rates than Gyeongsang, but this advantage narrowed with model size and disappeared in large-v3. Phonologically-motivated errors constituted a consistent and substantial minority of all errors (23%-41% across models and varieties), with a statistically robust subtype hierarchy: C2 simplification was dominant, followed by C1 simplification and aspiration merger, while nasal assimilation and resyllabification occurred at near-zero rates. A Seoul-over-Gyeongsang asymmetry in C1 simplification errors, significant in smaller models and attenuating with scale, is attributed to an interaction between Whisper's Seoul-dominant training data and ongoing C1-retention change. These findings demonstrate that automatic speech recognition (ASR) errors in morphophonologically complex languages are not random but represent systemmatic failure points rooted in phonological grammar, and that incorporating explicit phonological knowledge into training or fine-tuning pipelines may offer a more targeted and linguistically motivated strategy for improving consonant cluster recognition than simply scaling model size.

Phonetic categorization is shaped by systematic relationships between segmental cues and prosodic structure. In human speech perception, stop consonant voicing varies according to prosodic boundary strength, reflecting boundary-conditioned patterns of phonetic realization. This study examines whether such prosodic effects are observable in AI-based automatic speech recognition (ASR). We manipulated the voice onset time (VOT) of word-initial stop consonants along an English voiced-voiceless continuum while varying the presence of a major prosodic boundary preceding the target. The stimuli were presented to a state-of-the-art ASR model (Whisper), and the transcription outputs were analyzed to determine how voicing categorization varied across prosodic boundary contexts. Results showed an effect of VOT, with longer VOTs yielding higher probabilities of voiceless responses. While prosodic boundary condition interacted with VOT, Whisper did not exhibit a human-like boundary-dependent shift in the voicing category boundary, and these effects were contingent on the voicing of the original token and place of articulation. Particularly, global acoustic properties associated with the source exerted stronger influence on categorization, often overriding VOT cues. These findings suggest that while Whisper encodes sufficient acoustic detail to support coarse phonetic categorization, it does not recalibrate segmental cue interpretation for prosodic boundary structure. This study highlights a fundamental divergence between human perceptual normalization and end-to-end ASR inference, with implications for prosody-sensitive modeling of speech perception and recognition.