인간-인간, 인간-대화형 AI 상호작용에서의 발화 특성 비교: 말속도, 음도, 포먼트를 중심으로 = A Comparison of Speech Characteristics in Human-Human and Human-Conversational AI Interactions: Focusing on Speech Rate, Pitch, and Formants

국문 초록 (Abstract)

목적: 본 연구는 인간-인간, 인간-대화형 AI 간 실제 상호작용 상황에서, 상호작용 대상에 따른 인간 발화의 음향학적 특성 차이를 비교하고자 하였다. 그리고 시간(말속도), 운율(피치), 조음(포먼트) 차원에서, 상호작용 시 나타나는 발화의 변화도 함께 살펴보고자 하였다.
방법: 20~30대 성인 총 23명(남성 11명, 여성 12명)이 인간과 대화형 AI(Chat GPT 4.0) 순으로, 동물을 주제로 한 스무고개 게임에 참여하였다. 실시간으로 질문과 대답을 주고받을 수 있는 3분간의 상호작용 동안 연구 참여자의 음성 샘플을 수집하였고 Praat 음성 분석 프로그램을 사용하여 말속도, 피치, 포먼트 특징을 분석하였다.
결과: 인간-인간, 인간-대화형 AI 간 상호작용에서 말속도와 포먼트에 있어 유의미한 차이가 나타났다. 즉, 대화형 AI와의 상호작용에서 인간과의 상호작용에 비해 더 빠른 말속도와 더 높은 포먼트값(F1값, F2값)을 보였다. 반면, 운율 관련 매개변수(피치의 평균과 범위)에서는 상호작용 간 유의미한 차이가 관찰되지 않았다.
결론: 본 연구는 인간과 대화형 AI와의 직접적인 상호작용에서 나타나는 특정 음성 패턴을 확인하였으며, 인간이 대화형 AI와 상호작용할 때 더 빠른 말속도를 보이는 것과 더 명확한 발음으로 말하는 경향이 있다는 점을 시사하였다. 이를 기반으로 본 연구는 음향학적 요소를 정교하게 조정할 수 있는 대화형 AI의 개발 가능성을 제시하는 기초 자료로 활용될 수 있으며, 향후 언어재활 분야에서의 활용 가능성을 제시하였다는 점에서 의의가 있다.

다국어 초록 (Multilingual Abstract)

Purpose: This study aimed to investigate the differences in the acoustic characteristics of human speech depending on the type of interaction partner in real-life interaction scenarios: human-to-human and human-to-conversational AI interactions. Additionally, this study aimed to examine changes in speech production that occur during interactions in terms of temporal (speech rate), prosodic (pitch), and articulatory (formant) characteristics.
Methods: A total of 23 adults (11 men and 12 women) participated in a twenty-question game on the topic of animals, first with human partners and then with a conversational AI (Chat GPT 4.0). During a three-minute real-time interaction involving questions and answers, voice samples collected in the interactions from the participants were analyzed using the Praat speech analysis program to evaluate speech rate, pitch, and formant features.
Results: The analysis revealed significant differences in speech rate and formant between human and conversational AI interactions. In other words, interactions with the conversational AI exhibited a faster speech rate and higher formant values (F1 and F2) compared to interactions with humans, whereas pitch-related parameters (F0 average, F0 range) did not exhibit significant differences.
Conclusions: This study identified distinctive speech patterns emerging during direct interactions with human partners versus conversational AI partners, showing that humans tended to produce faster speech rates and clearer articulation when interacting with conversational AI. These findings suggest foundational data that could be the potential for developing conversational AI systems capable of precisely adjusting acoustic elements, which could have promising applications in speech and language therapy.