Определение гендера говорящего представляется проблемой, актуальной для ряда направлений научной и профессиональной деятельности. Основной задачей данного исследования мы считаем определение набора акустических показателей, обеспечивающих успешное решение вышеописанной проблемы.
Для решения этого вопроса было выполнено исследование на материале записей 7 дикторов (5 мужчин и 2 женщин). В ходе данного этапа работы проверялась известная гипотеза о роли, выполняемой частотой основного тона (ЧОТ) в ходе распознавания речи. Проверка осуществлялась последовательно двумя способами: с помощью перцептивного эксперимента и посредством предъявления записей системе автоматического распознавания речи (АРР), основанной на гендерно-специфических акустических моделях.
Всех дикторов, принявших участие в подготовке к эксперименту, просили прочитать сложный текст, состоящий из двух фонетически представительных текстов и небольшой вводной части. Каждая запись проходила в два этапа: сначала диктор читал текст в комфортном для себя режиме, затем пытался имитировать речь человека противоположного пола.
В задачу аудиторов, принимавших участие в перцептивном эксперименте, входила оценка небольших (до 5 с) фрагментов сделанных записей: они должны были на слух определить пол говорящего. Для получения равного количества записей участников каждого пола была проведена предварительная балансировка данных.
По итогам этих проверок в изучаемой выборке было выделено несколько стимулов, содержащих равно успешные имитации речи людей противоположного пола. Так, записи трёх дикторов-мужчин, при имитации осуществивших перенос минимальных и максимальных значений ЧОТ в характерную для женских голосов область (120—480 Гц), были признаны наиболее успешными как аудиторами, так по результатам проверки системой АРР. В свою очередь, распознавание тех записей, показатели ЧОТ для которых не вошли в необходимый диапазон, оказалось более затруднительным. Тем не менее, стоит заметить, что с более низкой по сравнению с ожиданиями успешностью были распознаны и некоторые записи дикторов-женщин, перенёсших показатели ЧОТ в область, характерную для мужских голосов (50—250 Гц).
Это позволяет предположить, что вероятность определения гендера говорящего зависит не только от средних показателей частот, реализованных им в своей речи. Анализ результатов обеих проверок подтвердил существование нескольких ключевых закономерностей. Во-первых, успешность распознавания гендера говорящего коррелирует с используемым диапазоном ЧОТ, но не определяется исключительно этим показателем. Во-вторых, на достоверность подобных имитаций действительно может влиять ряд акустических параметров, однако проверка этого предположения потребует организации дополнительной серии экспериментов.