Definizione
La prosodia è lo schema di intonazione, ritmo, accento, velocità, volume e pause che dà forma al suono del parlato oltre le sue parole. Segnala domande, enfasi, emozione e quando un parlante sta per fermarsi.
Come funziona la prosodia
Le stesse parole possono significare cose diverse a seconda di come vengono dette. «Vieni» sale in una domanda o scende in un’affermazione. L’accento sposta il fuoco di una frase: «Non ho detto che l’ha preso lui» cambia significato a seconda della parola enfatizzata. Velocità e pause segnano i confini delle proposizioni, e una dizione più lenta e più sommessa suona dispiaciuta o seria.
Nella sintesi vocale la prosodia è uno dei problemi espliciti da risolvere. La specifica SSML del W3C elenca l’analisi della prosodia come un passaggio dell’elaborazione e definisce un markup che permette a un autore di influenzare intonazione, velocità di eloquio, volume e pause. Avverte anche che mescolare la prosodia impostata dall’autore con quanto decide da solo il processore può interagire in modi specifici del processore, quindi i risultati differiscono tra i sistemi.
I modelli vocali neurali imparano gran parte di questo da soli dal parlato registrato, quindi una frase letta da testo semplice porta già accento e ritmo plausibili. I controlli poi lo regolano. Molti servizi accettano per richiesta un’impostazione di velocità, di volume o di emozione, e alcuni lasciano che sia l’LLM che ha scritto la risposta a sceglierle turno per turno.
Perché conta per gli agenti vocali
La prosodia è ciò che fa suonare una risposta come voluta. Una lettura piatta di una scusa, o un tono ascendente su un’affermazione di fatto, può far sembrare sprezzante o incerta una risposta corretta. Anche i numeri hanno bisogno di ritmo: un numero di carta letto a gruppi con brevi pause è molto più facile da seguire e da annotare di uno letto come una stringa ininterrotta.
Funziona anche nell’altro senso. Le persone usano intonazione e pause per mostrare di aver finito o di stare per continuare, e un buon sistema di alternanza dei turni può usare quei segnali invece del solo silenzio.
La prosodia si giudica a orecchio. La valutazione della naturalezza da parte di ascoltatori, come il punteggio medio di opinione, è la verifica abituale.
Esempio
Un’istruzione illustrativa a una voce: leggere «Il suo saldo è di 1.204 dollari» con ritmo calmo, fare una breve pausa dopo «saldo è di» e abbassare l’intonazione sull’ultima parola per segnalare che la frase è finita.