확률 문법을 활용한 러시아어 음성의 프로소디 분할 및 주석

**1. 서론** 음성 신호를 연속적인 파형으로부터 의미 있는 단어 단위로 나누는 작업은 인간 청취와 자동 음성 처리 모두에서 핵심적인 문제이다. 심리언어학 연구에 따르면, 청자는 음조 변화, 음소적 패턴, 메트릭 제약, 리듬·멜로디 등 다양한 비결정적 단서를 활용해 경계를 추정한다. 이러한 단서는 통계적으로 규칙성을 보이며, 따라서 확률적 모델링이 가능하다는 가정 하에 본 연구는 러시아어 자발적 대화 코퍼스를 대상으로, 최소 계층 구조를 갖는 확률 문법을 설계하고, 그 예측 성능을 정량·정성적으로 평가한다. **2. 실험 설계** 2.1 **프로소디 모델** 연구자는 음조 라벨링 체계인 Intsint( T, M, B, H, S, L, U, D )를 채택하고, 이를 음조 라벨과 말하기 턴 시작·종료 기호( T, M, B 등)로 확장한다. 라벨은 ‘절대 톤’(T, M, B)과 ‘상대 톤’(H, S, L, U, D)으로 구분되며, 각각은 음성의 피치 궤적에서 추출된 목표점에 매핑된다. 2.2 **계층 구조 구현** - **평면 모델**: 라벨 시퀀스만 사용, 계층 정보 무시. - **계층 모델**: 두 단계(말하기 턴 → 프로소디 단어) 구현. 상위 레벨은 턴 경계, 하위 레벨은 단어 경계. - **계층 + 강조 모델**: 위 두 단계에 추가로 각 단어가 ‘강조(proéminent)’인지 여부를 라벨링. 2.3 **코퍼스 및 데이터 전처리** Intras‑15 프로젝트에서 수집한 러시아어 자발적 대화(약 17분) 825개의 프로소디 단어를 대상으로, Praat를 이용해 음조 라벨, 턴 경계, 강조 여부를 주석하였다. 주석 결과는 XML 형태로 변환되어 확률 문법 구축 모듈에 입력된다. 2.4 **수학적 장치** 라벨 시퀀스 \(c_1, c_2, …, c_n\)에 대해 조건부 확률을 \(\pi_i\)로 정의하고, 전체 시퀀스 확률은 \(\prod_{i=1}^{n}\pi_i\) 로 계산한다. 조건부 확률은 ‘패턴 모델’(Markovian hidden‑state model)로 추정되며, 이는 고정된 n‑gram과 달리 가변 길이 컨텍스트를 허용한다. **3. 모델 구축 및 엔트로피 분석** 세 가지 모델에 대해 엔트로피와 정규화 엔트로피를 계산하였다. 결과는 다음과 같다. | 모델 | 엔트로피 | 정규화 엔트로피 | |------|----------|----------------| | 평면 | 2.259 | 0.942 | | 계층 | 2.064 | 0.897 | | 계층 + 강조 | 2.696 | 0.915 | 계층 모델은 엔트로피가 낮아 라벨 분포가 더 집중됨을 보여준다. 강조 정보를 포함한 모델은 엔트로피가 증가하지만 정규화 엔트로피는 가장 낮아, 라벨 종류가 늘어나면서도 분포가 균등하게 재배열된다는 점을 시사한다. **4. 예측 실험** Viterbi 알고리즘을 적용해 최적 라벨 경로를 탐색하고, 이를 통해 단어 경계와 강조를 동시에 예측하였다. 혼동 행렬과 정밀도·재현율·F‑점수를 산출한 결과는 다음과 같다. - **계층 모델**: 정밀도 0.72, 재현율 0.60, F‑점수 0.655. - **계층 + 강조 모델**: 정밀도 0.688, 재현율 0.518, F‑점수 0.591. 두 모델 모두 ‘정밀도 > 재현율’ 형태로, 실제보다 과도하게 경계를 삽입하는 경향을 보였다. 이는 라벨링 기준이 보수적이었거나, 모델이 경계 후보를 과다 선택했기 때문으로 해석된다. **5. 논의 및 결론** 본 연구는 (1) 최소한의 두 단계 계층 구조만으로도 평면 모델 대비 의미 있는 성능 향상이 가능함을, (2) 강조 라벨을 추가하면 라벨 종류가 늘어나 엔트로피는 감소하지만 실제 예측 정확도는 오히려 감소할 수 있음을 입증한다. 이는 현재 강조 라벨링이 이분법적이거나 데이터 양이 충분히 확보되지 않아 모델이 과적합될 가능성을 시사한다. 제한점으로는 코퍼스 규모가 작고, 라벨링이 수동으로 이루어졌으며, 음성학적·음향적 변수(예: 스펙트럼, 지속시간) 등을 배제했다는 점을 들 수 있다. 향후 연구에서는 (a) 더 풍부한 기능 라벨과 다중 레벨 계층(말하기 턴 → 구문 → 단어 → 음절) 도입, (b) 대규모 자동 주석 파이프라인 구축, (c) 딥러닝 기반 시퀀스 모델과 확률 문법의 하이브리드 등을 통해 모델의 일반화 능력과 실용성을 높일 수 있을 것이다. 결론적으로, 확률 문법과 최소 계층 구조를 결합한 접근법은 인간 청취자의 비결정적 프로소디 단서를 모사하면서도, 자동화된 음성 분할 시스템에 적용 가능한 실용적인 프레임워크를 제공한다는 점에서 학술적·응용적 의의가 크다.