Spatiotemporal analysis of acoustic parameters for quantifying linguistic rhythm using CNN–BiLSTM
تُظهر هذه الدراسة أن بنية (CNN–BiLSTM) الهجينة تتفوق على التحليل التقليدي للميزات الصوتية والنماذج العميقة الأبسط في قياس الإيقاع اللغوي، وذلك من خلال تحقيق دقة تتجاوز 95% في التمييز بين ترتيل السنسكريتية والهندية وبين الكلام الطبيعي، مع الكشف عن انتظام إيقاعي أكبر في السنسكريتية نظرًا لبنيتها القائمة على المقطع اللفظي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
إن الصوت البشري هو أكثر من مجرد أداة للمحادثة؛ إنه آلة معقدة تشكلها الأنفاس، والأحبال الصوتية، وتجاويف الفم والأنف المتشابكة. فعندما نتحدث، ترسل أدمغتنا إشارات لتنسيق هذه الأجزاء الفيزيائية لإنتاج موجات صوتية، تنتقل إلى آذاننا ويتم تفسيرها كمعنى. ولكن وراء الكلمات يكمن طبقة خفية من البنية: الإيقاع. فتماماً كما لضربات القلب نبض ثابت، فإن الكلام له نمط زمني، وهو توقيت للأصوات والوقفات التي تمنحه طابعاً فريداً. بعض أشكال الكلام، مثل ممارسة الترتيل القديمة، مصممة لتكون منتظمة للغاية، حيث تكرر الأصوات بدقة شبه ميكانيكية ومنضبطة. أما غيرها، مثل المحادثة اليومية، فهي مرنة ومتغيرة، حيث تتغير السرعة والنبرة لإيصال العاطفة والفروق الدقيقة. وقد اهتم العلماء منذ زمن طويل بكيفية تأثير هذه الأساليب المختلفة من الكلام على الاستقرار الفيزيائي للصوت، لا سيما عندما يكون الشخص متعباً أو تحت الضغط. ومن خلال قياس التقلبات الطفيفة في طبقة الصوت وتوقيت الوقفات، يمكن للباحثين اكتشاف تغييرات دقيقة في كيفية عمل الأحبال الصوتية، مما يوفر نافذة على الحالة الذهنية والجسدية للشخص.
لقد شرع فريق من الباحثين في جامعة جامو في استكشاف هذا الإيقاع الخفي من خلال مقارنة طريقتين متميزتين لاستخدام الصوت: العبارات المنطوقة العادية والترتيل التقليدي. وركزوا على لغتين، الهندية والسنسكريتية، لمعرفة ما إذا كانت البنية القائمة على المقاطع اللفظية في اللغة السنسكريتية القديمة تنتج نوعاً مختلفاً من الاستقرار الصوتي عن اللغة الهندية الأكثر سيولة. سجل الباحثون مئات المقاطع الكلامية من مائة متطوع، حيث التقطوا كلاً من الجمل العادية والتراتيل الإيقاعية. كان هدفهم بناء نظام حاسوبي قادر على التمييز بين هذين النوعين من الكلام بدقة عالية، ليس فقط من خلال الاستماع إلى الكلمات، بل عبر تحليل الأنماط الرياضية الكامنة للموجات الصوتية نفسها. أرادوا معرفة ما إذا كان يمكن قياس الانتظام الإيقاعي للترتيل بشكل موضوعي، وما إذا كان يخلق بصمة صوتية متميزة تفصله عن المحادثة العادية.
وللبدء في تحقيقهم، قام الفريق بتفكيك التسجيلات إلى سبعة وعشرين سمة مختلفة قابلة للقياس. شمل ذلك مدى ثبات طبقة الصوت، ومدى اتساق الحجم، وطول الوقفات بين الكلمات. واستخدموا أدوات إحصائية قياسية لتجميع هذه السمات معاً، بحثاً عن أنماط قد تفصل التراتيل عن العبارات بشكل طبيعي. ووجدوا أنه بينما يمكن لهذه القياسات الأساسية أن تظهر بعض الاختلافات، إلا أنها لم تكن كافية للتمييز بشكل موثوق بين أسلوبي الكلام. كانت البيانات مشوشة للغاية، والأنماط دقيقة جداً بحيث لا تستطيع الإحصاءات البسيطة استيعاب الصورة الكاملة. أدرك الباحثون أن الصوت ليس مجرد مجموعة من الأرقام المنعزلة؛ بل هو تدفق مستمر حيث يؤثر الصوت في لحظة ما على الصوت في اللحظة التالية. ولفهم هذا التدفق، كانوا بحاجة إلى نهج أكثر تطوراً يمكنه النظر إلى الصوت ككتلة واحدة بمرور الوقت.
لذا، توجهوا إلى نوع من الذكاء الاصطناعي يُعرف بالتعلم العميق، وتحديداً نظام هجين يجمع بين تقنيتين قويتين. الجزء الأول من نظامهم عمل مثل المجهر، حيث ركز على الأنماط المرئية للموجات الصوتية لرؤية التفاصيل الدقيقة لنسيج الصوت. أما الجزء الثاني فقد عمل مثل الذاكرة، حيث يتذكر تسلسل الأصوات بمرور الوقت لفهم الإيقاع والتدفق. ومن خلال تغذية التسجيلات في هذا النظام المدمج، سمح الباحثون للحاسوب بتعلم "بصمة" الترتيل مقابل الكلام. كانت النتائج مذهلة؛ فقد تعلم النظام التمييز بين الاثنين بدقة تجاوزت خمسة وتسعين بالمائة. وفي بعض الاختبارات، نجح في تصنيف كل مقطع بشكل صحيح، حيث حدد بدقة متناهية أي المقاطع كانت تراتيل وأيها كانت عبارات عادية. أثبت هذا المستوى من النجاح أن البنية الإيقاعية للترتيل تخلق نمطاً مستقراً ومتوقعاً يختلف جوهرياً عن الطبيعة المتغيرة للكلام اليومي.
كما كشف التحليل عن اختلافات مثيرة للاهتمام بين اللغتين. أظهرت تسجيلات الترتيل بالسنسكريتية الأنماط الأكثر اتساقاً وتماسكاً، حيث شكلت مجموعات ضيقة ومنظمة في البيانات. يشير هذا إلى أن الطبيعة القائمة على المقاطع في السنسكريتية تخلق إيقاعاً منتظماً للغاية يسهل على الحاسوب التعرف عليه. وكان الترتيل باللغة الهندية منتظماً أيضاً، ولكنه كان أكثر تنوعاً قليلاً من السنسكريتية. وفي المقابل، كانت العبارات المنطوقة العادية في كلتا اللغتين أكثر تشتتاً وعدم قابلية للتنبؤ، مما أظهر نطاقاً واسعاً من السلوكيات الصوتية. لاحظ الباحثون أن التراتيل حافظت على إيقاع ثابت وغير متغير بمرور الوقت، بينما تذبذبت العبارات المنطوقة بشكل كبير، مع تغير مستمر في طبقة الصوت وتوقيته. وقد أكد هذا أن عملية الترتيل تفرض نظاماً قوياً ومثبتاً على الصوت، مما يقلل من التباين الطبيعي الموجود في المحادثة العادية.
في الختام، يوضح هذا البحث أن إيقاع الكلام ليس مجرد شعور نسمعه، بل هو واقع فيزيائي قابل للقياس يمكن التقاطه وتحليله باستخدام التكنولوجيا الحديثة. ومن خلال الجمع بين الأساليب الإحصائية التقليدية والذكاء الاصطناعي المتقدم، أظهر الباحثون أن الترتيل ينتج بصمة صوتية متميزة ومستقرة تبرز بوضوح وسط خلفية الكلام العادي. وتشير النتائج إلى أن الطبيعة المهيكلة والمتكررة للترتيل تخلق مستوى من التحكم الصوتي يصعب تحقيقه في المحادثة العفوية. يوفر هذا العمل طريقة جديدة لقياس إيقاع اللغة، مما يقدم أداة قوية لفهم كيفية تأثير الأشكال المختلفة من التعبير الصوتي على الصوت البشري. كما يفتح الباب أمام دراسات مستقبلية لاستكشاف كيف يمكن لهذه الأنماط الإيقاعية أن تؤثر على الحالات المعرفية أو كيف يمكن استخدامها لمراقبة الصحة الصوتية، مؤكداً في الوقت نفسه أن الممارسة القديمة للترتيل تحتل مكانة فريدة وقابلة للقياس في علم الصوت.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.