This study investigates how visual cues, speaker proficiency, and native language determine native Korean speakers' perception of accented Korean. Thirty participants rated the accentedness of L2 Korean speakers under three visual conditions, i.e., matching ethnicity, mismatching ethnicity, and no visual cues. Proficiency emerged as the strongest predictor of accentedness, with low-proficiency speakers rated significantly higher in accentedness than high-proficiency speakers. English-accented Korean was generally perceived as more foreign than Chinese-accented Korean. Visual conditions marginally affected the ratings but influenced the reaction times. Unlike earlier studies conducted primarily with English-speaking participants, our findings show the limited role of visual cues and indicate proficiency and phonetic similarity as the primary determinants of foreign-accentedness perception. Korean listeners rely more significantly on auditory than visual cues when evaluating foreign-accented speech, thus challenging assumptions about the universality of visual biases and suggesting that such biases may be culturally or linguistically specific instead of generalizable.

This study examines how speakers of Pyongyang North Korean Standard (NK), who have resettled in South Korea, adjust their vowel production across different speech contexts, i.e., read speech, conversation with a fellow NK interlocutor, and conversation with a Seoul South Korean Standard (SK) interlocutor. Results show interlocutor-dependent vowel shifts among NK speakers. Whereas vowel production remained relatively stable in read speech and NK-NK interactions, NK speakers exhibited clear adaptive phonetic modifications during conversations with SK interlocutors. Specifically, they raised their tongue positions for vowels [i], [ɯ], [o], and [u], fronted front vowels ([i], [e], [æ]), and backed back vowels ([ʌ], [o], [u]). These findings suggest that NK speakers strategically adjust their vowel articulation to enhance intelligibility and minimize the perceptual salience of their NK accent, thus highlighting how vowel production is influenced by audience design and determined by social and communicative factors.

This study examined adult Korean speakers' immediate processing consequences of frequent, context-independent variants of sound changes in progress. The simplification pattern of the cluster /lk/ in Korean has been changing over the years to preserve [l] or even [lk] rather than the standard variant (i.e., [k]). After eight Korean disyllabic words containing three variants of /lk/ were presented with their complements, which were immediately followed by the target words alone, 90 native Korean listeners were asked to make lexical decisions regarding the target words. The results of a short-term repetition priming task demonstrated that word recognition processes were equally effective for the standard [k] and single innovative [l] without any significant difference in RT, which is compatible with the ongoing sound change in Korean. However, the recognition of words containing another innovative variant [lk] was significantly faster than that of words containing the other two variants. This result seems to be associated with the processing cost of the single variant form (both the standard and single innovative forms), because it is vulnerable to lexical competition with homophones or phonological neighbors. It was also shown that the participants who produced the [lk] variant more often were not necessarily good at recognizing the words containing this variant, suggesting a mismatch between speech perception and production.

경상 방언에서 내포절의 의문사가 wh-섬 제약에도 불구하고 모문 작용역으로 해석되는 것은 wh-의문문에 사용되는 종결 어미('-나', '-ㄴ기고')와 '의문사 억양'에 의한 것이라 보고되었다. wh-의문문 종결어미가 들어간 '니는 영미가 누구를 좋아하는지 궁금한기고' 문장을 40명(남 20, 여 20)의 경상 방언 화자가 발화하고 이를 자극으로 하여 24명의 경상 방언 사용자에게 설명 의문문인지(모문 작용역), 판정 의문문인지(내포문 작용역) 선택하는 실험을 3회 반복 시행하였다. 자극에 대한 응답 시간을 선형혼합효과로 분석한 결과, 내포 동사구 돋들림이 커지면 응답 시간은 증가하고, 그 효과는 모문 작용역 응답일 경우 더 크게 나타나는 응답 종류에 따른 교호효과가 있었다. 반복 시행이 응답 시간을 감소시키는 가장 큰 요인이며, 이는 학습, 또는 적응 효과에 의한 것으로 보인다. 참가자 별 임의 절편에 따른 내포 동사구 돋들림 정도의 임의 기울기를 포함하는 임의 요인 분석을 통해 돋들림 민감성에 대한 개인 간 차이가 나타났다. 돋들림 민감성이 높은 화자는 모문 작용역 응답이 더 많이 나타나고 응답 시간의 크게 지체된다. 이를 통해, 종결 어미에 근거한 형태/통사 제약과 돋들림 정도에 근거한 운율 구조 완결성을 단서로 단서 가중치 조합이 개인마다 다르게 나타남을 보였다.

한국어 음성 변환 작업에서는 음색만이 아닌 운율과 감정의 일관된 전달이 매우 중요하지만, 기존의 음색 변환(voice conversion, VC) 기술은 주로 화자의 음색만을 바꾸는 데 집중되어 있어, 한국어처럼 억양과 리듬이 의미 전달에 중요한 언어에서는 제한적인 성능을 보인다. 특히 대사 전달이 중요한 애니메이션 더빙이나 감정 표현이 중요한 콘텐츠에서 이 문제는 더욱 부각된다. 본 연구는 표현 음색 변환(expressive voice conversion, EVC) 모델을 새롭게 제안하여 이러한 문제를 해소하고자 한다. 제안된 모델은 TriAAN-VC 구조를 기반으로 하며, F0, 에너지, 그리고 정서적 차원인 VAD(valence, arousal, dominance)를 통합한 운율 임베딩을 활용하여 한국어의 운율적 특징을 정교하게 반영한다. 또한, MixLN(mix layer normalization)을 통해 화자 인코더 내 운율 정보를 효과적으로 제거하여 화자 고유 특성과 운율 사이의 간섭을 줄였다. 아울러, 감정 정보 학습을 위한 VAD 예측 모듈을 추가함으로써, 감정 표현력을 강화하였다. 한국어 화자 데이터를 대상으로 수행한 실험에서는 운율 보존 및 감정 전달 측면에서 기존 EVC 모델을 상회하는 성능을 입증하였다. 특히 주관적 평가인 PMOS(prosody mean opinion score)에서 평균 4.11점을 기록하며, 보다 자연스럽고 감정 표현이 풍부한 한국어 음성을 생성함을 확인하였다. 본 연구는 한국어 음색 변환 기술의 정밀성과 표현력을 동시에 향상시킬 수 있는 방향성을 제시한다.

마트료시카 표현 학습(Matryoshka representation learning, MRL)은 단일 고차원 벡터로부터 가변 차원 임베딩의 효율적인 추출을 가능하게 하여, 자원이 제한된 시나리오에서 유연성을 제공한다. 그러나 하위 차원 임베딩의 모든 요소가 상위 차원과 공유되는 엄격한 중첩 구조는 표현력을 제한할 수 있으며, 특히 낮은 차원에서 화자 인식 성능에 영향을 미친다. 이러한 한계를 해결하기 위해, 본 연구는 마트료시카 화자 임베딩을 향상시키는 기법인 부분 요소 공유(partial element sharing, PES)를 제안한다. PES는 MRL에 내재된 공유 요소와 함께 차원별 비공유 요소를 도입하여, 각 임베딩 차원이 효율성을 유지하면서 더 특화된 특징을 학습하도록 허용한다. VoxCeleb 데이터셋에서의 화자 검증 실험은 PES가 다양한 임베딩 차원 및 평가 세트에 걸쳐 표준 MRL보다 일관되게 우수한 성능을 보임을 입증했다. 평균적으로 PES는 MRL 대비 동일 오류율(equal error Rate, EER)에서 최대 4.9%의 상대적 개선을 달성했다. 분석 결과, 비공유 요소의 통합은 특히 MRL 구조에 의해 제약을 받는 저차원 임베딩의 성능을 향상시키는 것으로 나타난다. PES는 적응 가능한 차원성을 유지하면서 표준 MRL 이상의 향상된 화자 인식 성능을 요구하는 응용 분야에 유용한 접근 방식을 제공한다.