야생에서의 프로빙: 비지도 조음 분석을 통한 중국어 하위 방언에서의 자기지도 음성 표현 사례 연구

자기지도 음성 모델(self-supervised speech models)이 다양한 음성 작업에서 강력한 성능을 달성해 왔지만, 미세한 방언 변이(dialect variation) 하에서 모델의 내부 음성 표현(phonetic representations)이 어떻게 작동하는지에 대해서는 알려진 바가 상대적으로 적습니다. 기존의 프로빙(probing) 연구들은 일반적으로 수동 음성 주석(manual phonetic annotations)이 포함된 정제된 코퍼스(corpora)에 의존하며, 이는 자연적으로 발생하는 방언 음성에 대한 적용 가능성을 제한합니다. 본 연구에서는 완전히 라벨이 없는 프로빙 파이프라인(unlabeled probing pipeline)을 사용하여, 중국어 자기지도 음성 모델에서의 조음 특징 표현(articulatory feature representations)에 대한 사례 연구를 제시합니다. 언어 중립적인 범용 음소 인식기(language-agnostic universal phone recognizer)를 사용하여 음소 시퀀스(phone sequences)를 생성하고 이를 조음 특징 벡터(articulatory feature vectors)로 매핑함으로써, 수동 주석 없이도 프레임 수준의 프로빙(frame-level probing)을 가능하게 했습니다. 연구 결과, 중국어 하위 방언 전반에 걸쳐 조음 특징 해독 가능성(articulatory feature decodability)에서 구조화된 패턴이 나타남을 확인했습니다. 순음성(labiality) 및 치찰성(stridency)과 같이 음향적으로 두드러지는 특징들은 비교적 안정적으로 유지되는 반면, 더 미세한 스펙트럼 구별과 관련된 특징들은 방언에 따른 더 큰 변이를 보였습니다. 이러한 변이는 주로 다른 중국어 하위 방언에 비해 베이징어(Beijing speech)에 대한 해독 가능성이 높게 나타남에 의해 발생합니다. 층별 분석(Layer-wise analyses)을 통해 이러한 특징 그룹들에 대한 뚜렷한 표현 역학(representational dynamics) 또한 확인되었습니다. 이러한 발견은 언어 중립적인 조음 프로빙(language-agnostic articulatory probing)이 실제 방언 코퍼스에 적용될 수 있으며, 자기지도 음성 표현에서의 방언 민감도(dialect sensitivity)가 조음 차원(articulatory dimensions) 전반에 걸쳐 불균등하게 분포되어 있음을 시사합니다.