Spatiotemporal analysis of acoustic parameters for quantifying linguistic rhythm using CNN–BiLSTM
यह अध्ययन प्रदर्शित करता है कि एक हाइब्रिड CNN–BiLSTM आर्किटेक्चर संस्कृत और हिंदी के जप (chanting) को सामान्य भाषण से अलग करने में 95% से अधिक सटीकता प्राप्त करके भाषाई लय को मापने में पारंपरिक ध्वनिक विशेषता विश्लेषण और सरल डीप लर्निंग मॉडल से बेहतर प्रदर्शन करता है, जबकि यह संस्कृत की शब्दांश-आधारित (syllable-timed) संरचना के कारण इसमें अधिक लयबद्ध नियमितता को भी प्रकट करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मानवीय स्वर केवल बातचीत का एक उपकरण मात्र नहीं है; यह एक जटिल वाद्य यंत्र है जिसे श्वास, स्वर तंत्रियों और मुख एवं नासिका के जटिल गुहाओं द्वारा आकार दिया जाता है। जब हम बोलते हैं, तो हमारे मस्तिष्क संकेत भेजते हैं जो ध्वनि तरंगें बनाने के लिए इन भौतिक अंगों को समन्वित करते हैं, जो हमारी कानों तक पहुँचती हैं और अर्थ के रूप में व्याख्यायित की जाती हैं। लेकिन शब्दों के नीचे एक छिपा हुआ संरचनात्मक स्तर होता है: लय। जिस प्रकार हृदय की एक स्थिर धड़कन होती है, उसी प्रकार भाषण की भी एक सामयिक पद्धति होती है, ध्वनियों और विरामों का एक समय चक्र जो इसे एक अद्वितीय चरित्र प्रदान करता है। बोलने के कुछ रूप, जैसे कि प्राचीन जप (chanting) की पद्धति, अत्यधिक नियमित होने के लिए डिज़ाइन की गई है, जो नियंत्रित, लगभग यांत्रिक सटीकता के साथ ध्वनियों को दोहराती है। अन्य, जैसे कि रोज़मर्रा की बातचीत, तरल और परिवर्तनशील होती है, जो भावना और सूक्ष्मता व्यक्त करने के लिए गति और स्वर को बदलती है। वैज्ञानिक लंबे समय से इस बात में रुचि रखते रहे हैं कि बोलने की ये विभिन्न शैलियाँ स्वर की भौतिक स्थिरता को कैसे प्रभावित करती हैं, विशेष रूप से तब जब कोई व्यक्ति थका हुआ हो या तनाव में हो। पिच (pitch) में सूक्ष्म उतार-चढ़ाव और विरामों के समय को मापकर, शोधकर्ता यह पता लगा सकते हैं कि स्वर तंत्रियाँ कितनी अच्छी तरह काम कर रही हैं, जो किसी व्यक्ति की मानसिक और शारीरिक स्थिति की एक झलक प्रदान करता है।
जम्मू विश्वविद्यालय के शोधकर्ताओं के एक दल ने दो अलग-अलग तरीकों से स्वर के उपयोग की तुलना करके इस छिपे हुए लय की खोज करने का निर्णय लिया: सामान्य बोले गए वाक्यांश और पारंपरिक जप। उन्होंने हिंदी और संस्कृत, इन दो भाषाओं पर ध्यान केंद्रित किया, यह देखने के लिए कि क्या संस्कृत की प्राचीन, शब्दांश-आधारित संरचना ने हिंदी की अधिक तरल प्रकृति की तुलना में एक अलग प्रकार की ध्वनिक स्थिरता उत्पन्न की। शोधकर्ताओं ने एक सौ स्वयंसेवकों से भाषण के सैकड़ों अंशों को रिकॉर्ड किया, जिसमें आकस्मिक वाक्यों और लयबद्ध मंत्रों, दोनों को शामिल किया गया। उनका लक्ष्य एक ऐसा कंप्यूटर सिस्टम बनाना था जो केवल शब्दों को सुनकर ही नहीं, बल्कि ध्वनि तरंगों के अंतर्निहित गणितीय पैटर्न का विश्लेषण करके, इन दो प्रकार के भाषणों के बीच उच्च सटीकता के साथ अंतर कर सके। वे जानना चाहते थे कि क्या जप की लयबद्ध नियमितता को वस्तुनिष्ठ रूप से मापा जा सकता है और क्या यह एक विशिष्ट ध्वनिक पहचान (acoustic signature) बनाता है जो इसे साधारण बातचीत से अलग करता है।
अपने अन्वेषण को शुरू करने के लिए, टीम ने रिकॉर्डिंग को सत्ताईस विभिन्न मापने योग्य गुणों में विभाजित किया। इसमें यह शामिल था कि पिच कितनी स्थिर रही, आवाज़ की तीव्रता कितनी सुसंगत थी, और शब्दों के बीच के विराम कितने लंबे थे। उन्होंने इन गुणों को एक साथ समूहबद्ध करने के लिए मानक सांख्यिकीय उपकरणों का उपयोग किया, उन पैटर्न की तलाश की जो स्वाभाविक रूप से मंत्रों को वाक्यांशों से अलग कर सकें। उन्होंने पाया कि हालांकि ये बुनियादी माप कुछ अंतर दिखा सकते थे, लेकिन वे दो प्रकार के भाषण के बीच विश्वसनीय रूप से अंतर करने के लिए पर्याप्त नहीं थे। डेटा बहुत अव्यवस्थित था, और पैटर्न इतने सूक्ष्म थे कि सरल सांख्यिकी पूरी तस्वीर को पकड़ने में सक्षम नहीं थी। शोधकर्ताओं को एहसास हुआ कि स्वर केवल पृथक संख्याओं का संग्रह नहीं है; यह एक निरंतर प्रवाह है जहाँ एक क्षण की ध्वनि अगले क्षण की ध्वनि को प्रभावित करती है। इस प्रवाह को समझने के लिए, उन्हें एक अधिक परिष्कृत दृष्टिकोण की आवश्यकता थी जो ध्वनि को एक संपूर्ण इकाई के रूप में, समय के साथ देख सके।
वे 'डीप लर्निंग' नामक एक प्रकार की कृत्रिम बुद्धिमत्ता की ओर मुड़े, विशेष रूप से एक हाइब्रिड सिस्टम जो दो शक्तिशाली तकनीकों को जोड़ता है। उनके सिस्टम का पहला भाग एक सूक्ष्मदर्शी की तरह कार्य करता था, जो ध्वनि तरंगों के दृश्य पैटर्न पर ज़ूम करके स्वर की बनावट के सूक्ष्म विवरणों को देखता था। दूसरा भाग एक स्मृति की तरह कार्य करता था, जो समय के साथ ध्वनियों के क्रम को याद रखता था ताकि लय और प्रवाह को समझा जा सके। इन रिकॉर्डिंग्स को इस संयुक्त प्रणाली में फीड करके, शोधकर्ताओं ने कंप्यूटर को जप बनाम सामान्य बोलने की अनूठी "फिंगरप्रिंट" को सीखने की अनुमति दी। परिणाम आश्चर्यजनक थे। सिस्टम ने नब्बे प्रतिशत से अधिक की सटीकता के साथ दोनों के बीच अंतर करना सीख लिया। कुछ परीक्षणों में, इसने हर एक वर्गीकरण को सही ढंग से पहचाना, जिससे यह पूरी तरह स्पष्ट हो गया कि कौन से खंड मंत्र थे और कौन से सामान्य वाक्यांश थे। इस सफलता के स्तर ने सिद्ध किया कि जप की लयबद्ध संरचना एक स्थिर, पूर्वानुमेय पैटर्न बनाती है जो रोज़मर्रा की परिवर्तनशील प्रकृति से मौलिक रूप से भिन्न है।
विश्लेषण ने दोनों भाषाओं के बीच दिलचस्प अंतर भी प्रकट किए। संस्कृत के जप के रिकॉर्डिंग ने सबसे सुसंगत और सघन पैटर्न दिखाए, जो डेटा में कड़े, व्यवस्थित समूहों का निर्माण करते हैं। यह सुझाव देता है कि संस्कृत की शब्दांश-आधारित प्रकृति एक अत्यधिक नियमित लय बनाती है जिसे कंप्यूटर के लिए पहचानना बहुत आसान है। हिंदी का जप भी बहुत नियमित था, लेकिन संस्कृत की तुलना में थोड़ा अधिक विविध था। इसके विपरीत, दोनों भाषाओं के सामान्य बोले गए वाक्यांश बहुत अधिक बिखरे हुए और अप्रत्याशित थे, जो ध्वनिक व्यवहारों की एक विस्तृत श्रृंखला प्रदर्शित करते थे। शोधकर्ताओं ने देखा कि मंत्रों ने समय के साथ एक स्थिर, अपरिवर्तनीय लय बनाए रखी, जबकि बोले गए वाक्यांशों में काफी उतार-चढ़ाव आया, जिसमें उनकी पिच और समय लगातार बदलते रहे। इसने पुष्टि की कि जप की क्रिया स्वर पर एक मजबूत, स्थिर करने वाला क्रम लागू करती है, जो सामान्य बातचीत में पाई जाने वाली प्राकृतिक परिवर्तनशीलता को कम करती है।
अंततः, यह अध्ययन प्रदर्शित करता है कि भाषण की लय केवल एक महसूस की जाने वाली चीज़ नहीं है जिसे हम सुनते हैं, बल्कि एक मापने योग्य भौतिक वास्तविकता है जिसे आधुनिक तकनीक के साथ पकड़ा और विश्लेषित किया जा सकता है। पारंपरिक सांख्यिकीय विधियों को उन्नत कृत्रिम बुद्धिमत्ता के साथ जोड़कर, शोधकर्ताओं ने दिखाया कि जप एक विशिष्ट, स्थिर ध्वनिक पहचान उत्पन्न करता है जो सामान्य भाषण की पृष्ठभूमि के विरुद्ध स्पष्ट रूप से उभर कर आता है। निष्कर्ष बताते हैं कि जप की संरचित, पुनरावृत्ति वाली प्रकृति स्वर नियंत्रण का एक ऐसा स्तर प्रदान करती है जिसे आकस्मिक बातचीत में प्राप्त करना कठिन है। यह कार्य भाषा की लय को मापने का एक नया तरीका प्रदान करता है, जो यह समझने के लिए एक शक्तिशाली उपकरण पेश करता है कि स्वर के विभिन्न रूप मानव स्वर को कैसे प्रभावित करते हैं। यह भविष्य के अध्ययनों के लिए द्वार खोलता है कि कैसे ये लयबद्ध पैटर्न संज्ञानात्मक अवस्थाओं को प्रभावित कर सकते हैं या कैसे उनका उपयोग स्वर स्वास्थ्य की निगरानी के लिए किया जा सकता है, और साथ ही यह पुष्टि करता है कि जप की प्राचीन पद्धति ध्वनि के विज्ञान में एक अद्वितीय और मापने योग्य स्थान रखती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।