複数の同時話者の認識における情報およびエネルギーのマスキング効果

空間的に分離された音声信号の知覚においてバイノーラルキューが果たす役割については多くの研究者が研究してきましたが、モノラル刺激またはダイオティック刺激において、リスナーが競合する音声メッセージを分離するために使用するキューについては比較的ほとんど知られていません。この一連の実験では、ターゲット話者とマスキング話者の相対レベルと音声特性の変動が、3 話者または 4 話者のダイオティック刺激においてターゲット フレーズから情報を抽出する聞き手の能力にどのように影響するかを調べました。この音声知覚タスクのパフォーマンスは、ターゲット話者のレベルがマスキング話者と比較して低下すると系統的に低下しました。また、ターゲット フレーズとマスキング フレーズが異なる性別の話者によって話された場合、ターゲット フレーズは最も理解しやすくなり、ターゲット フレーズとマスキング フレーズが同じ話者によって話された場合には最も分かりにくくなります。。ただし、ターゲット対マスカーの比が 3 dB 未満の場合、通常、1 つの異性マスカーを使用した場合、すべての同性マスカーを使用した場合よりも全体的なパフォーマンスが低くなります。テストされたほとんどの条件では、刺激の提示前にターゲットの音声の特徴にさらされたとき、リスナーのパフォーマンスが向上しました。これらの実験の結果は、マルチトーカー環境における音声信号の分離においてモノラル要因がどのように重要な役割を果たすかを示しています。

Although many researchers have examined the role that binaural cues play in the perception of spatially separated speech signals, relatively little is known about the cues that listeners use to segregate competing speech messages in a monaural or diotic stimulus. This series of experiments examined how variations in the relative levels and voice characteristics of the target and masking talkers influence a listener's ability to extract information from a target phrase in a 3-talker or 4-talker diotic stimulus. Performance in this speech perception task decreased systematically when the level of the target talker was reduced relative to the masking talkers. Performance also generally decreased when the target and masking talkers had similar voice characteristics: the target phrase was most intelligible when the target and masking phrases were spoken by different-sex talkers, and least intelligible when the target and masking phrases were spoken by the same talker. However, when the target-to-masker ratio was less than 3 dB, overall performance was usually lower with one different-sex masker than with all same-sex maskers. In most of the conditions tested, the listeners performed better when they were exposed to the characteristics of the target voice prior to the presentation of the stimulus. The results of these experiments demonstrate how monaural factors may play an important role in the segregation of speech signals in multitalker environments.