Кратко и по существу — сначала фонетические различия, затем их влияние на экспериментальные модели (транскрипцию, ASR, выравнивание) и на восприятие акцента.
1) Фонетические различия (артикуляция и акустика)
- RP (Received Pronunciation)
- Неротичность: /r/ не реализуется в конце слога/слова (car ≈ [kɑː]), но появляется в позициях linking‑/intrusive‑r (far away → [fɑːr əˈweɪ]).
- Когда произносится, обычно аппроксимантный алвеолярный или слегка бэк‑пристёгнутый вариант [ɹ̠]/[ɹ], с выраженным снижением третьей форманты (F3).
- Акустический маркер: пониженная F3 по сравнению с ненаротическими гласными.
- General American (GA)
- Ротичность: /r/ реализуется в слогоокончаниях (car ≈ [kɑɹ]).
- Типичный алвеолярный аппроксимант, часто банджед (bunched) или ретрофлексный [ɹ]/[ɻ]; сильное понижение F3 — главный акустический признак р-качества.
- Вариативность артикуляции (ретрофлекс vs bunched) даёт различия в F2/F3 и спектральных переходах, но все варианты воспринимаются как «r».
- Шотландский английский (Scottish)
- Как правило ротичен: /r/ сохраняется в конце слога.
- Часто альвеолярный апикальный звук: тап [ɾ] или альвеолярный трилл [r] в сильных диалектах; в некоторых вариантах — твёрдый апикальный аппроксимант.
- Акустика: трилл/тап даёт ярко выраженные периодические импульсы и более богатый спектр (энергия в высоких гармониках), меньшая F3‑депрессия у некоторых апикальных реализаций по сравнению с GA.
2) Влияние на экспериментальные модели транскрипции и ASR
- Лексикон и грамматика произношений:
- Неротичность RP требует включения правил r‑выпадения, linking‑/intrusive‑r; если в тренировочном лексиконе этого нет, forced‑aligner/ASR будут биасированы (ошибки в разметке и распознавании).
- Для шотландского нужно представлять трилл/тап как отдельные телефоны; для GA — модели должны охватывать бunched/retroflex варианты.
- Аккустическая модель и признаки:
- Основный акустический маркер «r» — глубокое понижение F3; MFCC сами по себе могут плохо отражать этот признак, поэтому полезно добавить явные формантные признаки (F2, F3, их траектории), либо использовать спектральные представления с достаточным разрешением.
- Разные реализации (/ɹ/, /ɻ/, /r/, /ɾ/) имеют разные спектральные подписи (F2/F3, энергия гармоник, переходы), что снижает однородность обучающих примеров и ухудшает классификацию при нехватке разнообразных данных.
- Обучение и адаптация:
- Тренировать на мультидиалектных данных или делать адаптацию (fine‑tuning, speaker/dialect adaptation, i‑vectors, fMLLR) — улучшает устойчивость.
- Для forced alignment нужно включить вариативные транскрипции (варианты с /r/ и без) и правила вставки linking/intrusive r, иначе вы получите сдвинутые границы и пропуски сегментов.
- Размеченные корпуса и аннотация:
- Экспериментальные транскрипции должны явно кодировать тип /r/ (например, [r], [ɾ], [ɹ], [ɻ]) либо помечать ротацию/неротацию, чтобы модели могли учиться различать их поведение и акустику.
3) Влияние на восприятие акцента
- Сильные перцепционные маркеры:
- Наличие/отсутствие /r/ в конце слога (rhotic vs non‑rhotic) — один из самых заметных маркеров британского vs американского/шотландского стилистического различия.
- Тип реализации (трелль/тап vs аппроксимант) даёт явную локальную подсказку «шотландскости» или «британскости».
- Акустические признаки: пониженная F3 сигнализирует «r‑quality» и воспринимается как ротичность; трель/тап воспринимаются как «regional»/«strong» accent из‑за атакующих импульсов и высоких гармоник.
- Перекрёстное восприятие:
- Слушатели используют сочетание спектральных (F3) и просодических/контекстных признаков; когда артикуляция отличается (bunched vs retroflex), это может не сильно влиять на разборчивость, но влияет на восприятие «типичности» акцента.
- Ошибочная или неожиданная реализация /r/ (например, intrusive‑r у говорящего RP для слушателя GA) может усиливать впечатление странного/идентифицирующего акцента.
4) Практические рекомендации для исследований
- Включать в лексикон и автоматическую разметку диалектные правила (r‑dropping, linking/intrusive r).
- Помещать в датасет достаточное число реализаций /r/ (аппроксиманты, bunched, retroflex, tap, trill) или явно аннотировать их.
- Использовать формантные признаки (F2/F3 и их траектории) в дополнение к MFCC/FBANK; для трелей — использовать признаки периодичности и высокочастотной энергии.
- Делать диалектную адаптацию и/или multi‑dialect training; при отсутствии данных — data augmentation и transfer learning.
- В разметке отделять фонемную (broad) и аллофонную (narrow) транскрипцию, чтобы эксперименты могли явственно моделировать р‑вариативность.
Ключевая мысль: различия в артикуляции и ротации /r/ влияют одновременно на фонетическое словоупотребление (лексикон), акустические характеристики (главный маркер — F3 и спектральные особенности) и потому требуют диалектно‑чувствительных лексиконов, признаков и адаптации моделей, иначе транскрипция/ASR и восприятие акцента будут искажены.