INTRODUCTIONOver the past 50 years,

INTRODUCTION
Over the past 50 years, researchers in speech perception have focused on the
mapping between properties of the acoustic signal and linguistic elements such
as phonemes and distinctive features. This mapping has turned out to be quite
complex, and a complete explanation of how humans recognize consonants and
vowels remains elusive. The search for an explanation has given rise to three main
theoretical perspectives on speech perception that frame much of the empirical
work. In this chapter, we briefly describe these perspectives and then review some
of the research most relevant to evaluating them. We end by highlighting some of
the main challenges facing each theoretical view.

18 Nov 2003 14:46 AR AR207-PS55-06.tex AR207-PS55-06.sgm LaTeX2e(2002/01/18)
P1: GCE
150
DIEHL
•
LOTTO
•
HOLT
AND PERCEPTION
::::::::::::::::::::::::::::::::::::::::::::::::::
167
CONCLUDING REMARKS: CHALLENGES TO
MT, DRT, AND GA
:::::::::::::::::::::::::::::::::::::::::::::::::::
170
Motor Theory
:::::::::::::::::::::::::::::::::::::::::::::::::::::::
170
Direct Realist Theory
:::::::::::::::::::::::::::::::::::::::::::::::::
171
General Approach
:::::::::::::::::::::::::::::::::::::::::::::::::::
172
INTRODUCTION
Over the past 50 years, researchers in speech perception have focused on the
mapping between properties of the acoustic signal and linguistic elements such
as phonemes and distinctive features. This mapping has turned out to be quite
complex, and a complete explanation of how humans recognize consonants and
vowels remains elusive. The search for an explanation has given rise to three main
theoretical perspectives on speech perception that frame much of the empirical
work. In this chapter, we briefly describe these perspectives and then review some
of the research most relevant to evaluating them. We end by highlighting some of
the main challenges facing each theoretical view.
MOTOR THEORY OF SPEECH PERCEPTION
Beginning in the early 1950s, Alvin Liberman, Franklin Cooper, Pierre Delattre,
and other researchers at the Haskins Laboratories carried out a series of landmark
studies on the perception of synthetic speech sounds (Delattre et al. 1951, 1952,
1955, 1964; Liberman 1957; Liberman et al. 1952, 1954, 1956). This work provided
the foundation of what is known about acoustic cues for linguistic units such as
phonemes and features and revealed that the mapping between speech signals and
linguistic units is quite complex. In time, Liberman and his colleagues became
convinced that perceived phonemes and features have a simpler (i.e., more nearly
one-to-one) relationship to articulation than to acoustics, and this gave rise to the
motor theory of speech perception.
The motor theory (MT) has undergone significant changes since its initial for-
mulation (Liberman 1996), but every version has claimed that the objects of speech
perception are articulatory events rather than acoustic or auditory events. More
specifically, it was hypothesized that the articulatory events recovered by human
listeners are neuromotor commands to the articulators (e.g., tongue, lips, and vocal
folds)—also referred to as intended gestures—rather than more peripheral events
such as actual articulatory movements or gestures (Liberman & Mattingly 1985,
Liberman et al. 1967). This theoretical choice was guided by a belief that the ob-
jects of speech perception must be more-or-less invariant with respect to phonemes
or feature sets and by a further belief that such a requirement was satisfied only
by neuromotor commands. The process of speech production was characterized
by Liberman et al. (1967) as a series of causal links between descriptive levels:
Annu. Rev. Psychol. 2004.55:149-179. Downloaded from arjournals.annualreviews.org
by INDIANA UNIV.-Bloomington on 04/27/05. For personal use only.

18 Nov 2003 14:46 AR AR207-PS55-06.tex AR207-PS55-06.sgm LaTeX2e(2002/01/18)
P1: GCE
SPEECH PERCEPTION
151
phonemes (or sets of distinctive features)
!
neuromotor commands
!
muscle
contractions
!
vocal tract shapes
!
acoustic signals. Whereas phonemes (or
feature sets) were assumed to stand approximately in one-to-one correspondence
with neuromotor commands and with muscle contractions, the mapping between
muscle contractions and vocal tract shapes was thought to be highly complex ow-
ing to the fact that adjacent vowels and consonants are coarticulated (i.e., produced
with temporal and, to some extent, spatial overlap). Because the relation between
vocal tract shapes and acoustic signals was assumed to be one-to-one, the com-
plex mapping between phonemes and speech sounds was attributed mainly to the
effects of coarticulation.
As an illustration of the complex mapping between phonemes and their acous-
tic realizations, Liberman et al. (1967) displayed spectrograms of synthetic two-
formant patterns (shown in Figure 1) that are perceived by listeners as the syllables
/di/ (“de

Hasil (Bahasa Indonesia) 1:

PENGENALANSelama 50 tahun, para peneliti di pidato persepsi telah berfokus padapemetaan antara properties sinyal akustik dan elemen linguistik sepertisebagai fonem dan ciri khas. Pemetaan ini ternyata menjadi cukupkompleks, dan penjelasan lengkap tentang bagaimana manusia mengenali konsonan danvokal masih sulit dipahami. Mencari penjelasan telah melahirkan tiga kelompok utamaperspektif teori pada pidato persepsi yang membingkai banyak empirisbekerja. Dalam bab ini, kita secara singkat menjelaskan perspektif ini dan kemudian memeriksa beberapapenelitian paling relevan untuk mengevaluasi mereka. Kita berakhir dengan menyorot beberapatantangan utama yang dihadapi masing-masing pandangan.18 November 2003 14:46 AR AR207-PS55-06.tex AR207-PS55-06.sgm LaTeX2e(2002/01/18)P1: GCE150DIEHL•LOTTO•HOLTDAN PERSEPSI::::::::::::::::::::::::::::::::::::::::::::::::::167KESIMPULAN: TANTANGANMT, DRT DAN GA:::::::::::::::::::::::::::::::::::::::::::::::::::170Teori motor:::::::::::::::::::::::::::::::::::::::::::::::::::::::170Teori realis langsung:::::::::::::::::::::::::::::::::::::::::::::::::171Pendekatan Umum:::::::::::::::::::::::::::::::::::::::::::::::::::172PENGENALANSelama 50 tahun, para peneliti di pidato persepsi telah berfokus padapemetaan antara properties sinyal akustik dan elemen linguistik sepertisebagai fonem dan ciri khas. Pemetaan ini ternyata menjadi cukupkompleks, dan penjelasan lengkap tentang bagaimana manusia mengenali konsonan danvokal masih sulit dipahami. Mencari penjelasan telah melahirkan tiga kelompok utamaperspektif teori pada pidato persepsi yang membingkai banyak empirisbekerja. Dalam bab ini, kita secara singkat menjelaskan perspektif ini dan kemudian memeriksa beberapapenelitian paling relevan untuk mengevaluasi mereka. Kita berakhir dengan menyorot beberapatantangan utama yang dihadapi masing-masing pandangan.TEORI MOTOR PIDATO PERSEPSIDimulai pada awal 1950-an, Alvin Liberman, Franklin Cooper, Pierre Delattre,dan peneliti lain di laboratorium Haskins dilakukan serangkaian landmarkstudi tentang persepsi suara pidato sintetis (Delattre et al. 1951, 19521955, 1964; Liberman 1957; Liberman et al. 1952, 1954, 1956). Karya ini disediakandasar dari apa yang diketahui tentang akustik isyarat untuk unit linguistik sepertifonem dan fitur dan mengungkapkan bahwa sinyal mapping antara pidato danlinguistik unit cukup kompleks. Dalam waktu, Liberman dan koleganya menjadiyakin yang dirasakan fonem dan fitur memiliki sederhana (yaitu, lebih hampirsatu-satu) hubungan untuk artikulasi daripada ke akustik, dan ini memunculkan untukteori motor pidato persepsi.Teori motor (MT) telah mengalami perubahan signifikan sejak awal nya untuk-mulation (Liberman 1996), tetapi setiap versi telah menyatakan bahwa objek pidatopersepsi adalah gangguan artikulasi peristiwa daripada peristiwa akustik atau pendengaran. Lebihsecara khusus, itu adalah hipotesis bahwa peristiwa gangguan artikulasi pulih oleh manusiapendengar adalah perintah neuromotor artikulator (misalnya, lidah, bibir dan vokallipatan)-juga disebut sebagai gerakan dimaksudkan — bukan lebih perifer peristiwaseperti gerakan gangguan artikulasi aktual atau gerakan (Liberman & Mattingly 1985,Liberman et al. 1967). Pilihan ini teoritis dipandu oleh keyakinan yang ob -Proyek turnkey pidato persepsi harus lebih-atau-kurang invarian terhadap fonematau memiliki set dan oleh kepercayaan lebih lanjut persyaratan tersebut tidak puas hanyaoleh perintah neuromotor. Proses produksi ujaran ditandaioleh Liberman et al. (1967) sebagai serangkaian kausal link antara deskriptif tingkat:LSM. Wah Psychol. 2004.55:149-179. Download dari arjournals.annualreviews.orgoleh INDIANA UNIV.-Bloomington pada 04/27/05. Untuk penggunaan pribadi saja.18 November 2003 14:46 AR AR207-PS55-06.tex AR207-PS55-06.sgm LaTeX2e(2002/01/18)P1: GCEPIDATO PERSEPSI151fonem (atau set fitur khas)!perintah neuromotor!ototkontraksi!bentuk vokal!sinyal akustik. Sedangkan fonem (ataufitur set) dianggap berdiri sekitar dalam satu-satu korespondensidengan perintah neuromotor dan kontraksi otot, mapping antaraotot kontraksi dan vokal saluran bentuk dianggap sangat kompleks ow-ing fakta bahwa berdekatan vokal dan konsonan coarticulated (diproduksi yaitu,dengan fosil dan, sampai batas tertentu, tumpang tindih spasial). Karena hubungan antarabentuk vokal dan sinyal akustik diasumsikan satu-satu, com -Plex pemetaan antara fonem dan suara pidato ini disebabkan terutama untukEfek coarticulation.Sebagai gambaran kompleks pemetaan antara fonem dan mereka acous-Tic realisasi, Liberman et al. (1967) ditampilkan spectrograms sintetis dua-formant pola (ditunjukkan dalam gambar 1) yang dirasakan oleh pendengar sebagai suku kata/di/ ("de

Hasil (Bahasa Indonesia) 2:

PENDAHULUAN
Selama 50 tahun terakhir, para peneliti di persepsi ujaran telah difokuskan pada
pemetaan antara sifat-sifat sinyal akustik dan elemen linguistik seperti
sebagai fonem dan fitur khas. Pemetaan ini ternyata cukup
kompleks, dan penjelasan lengkap tentang bagaimana manusia mengenali konsonan dan
vokal tetap sulit dipahami. Pencarian untuk penjelasan telah melahirkan tiga utama
perspektif teoritis tentang persepsi pidato yang bingkai banyak empiris
kerja. Dalam bab ini, kita secara singkat menjelaskan perspektif ini dan kemudian meninjau beberapa
penelitian yang paling relevan untuk mengevaluasi mereka. Kami mengakhiri dengan menyoroti beberapa
tantangan utama yang dihadapi masing-masing pandangan teoritis.

18 Nov 2003 14:46 AR AR207-PS55-06.tex AR207-PS55-06.sgm LaTeX2e (2002/01/18)
P1: GCE
150
Diehl
•
LOTTO
•
Holt
DAN PERSEPSI
:::::::::::::::::::::::::::::::::::::::::::::: ::::
167
PENUTUP: TANTANGAN UNTUK
MT, DRT, DAN GA
:::::::::::::::::::::::::::::::::: :::::::::::::::::
170
motor Teori
:::::::::::::::::::::::::::::: :::::::::::::::::::::::::
170
Direct Realis Teori
::::::::::::::::::::: ::::::::::::::::::::::::::::
171
Pendekatan Umum
::::::::::::::::::: ::::::::::::::::::::::::::::::::
172
PENDAHULUAN
Selama 50 tahun terakhir, para peneliti di persepsi ujaran telah difokuskan pada
pemetaan antara sifat dari sinyal akustik dan elemen linguistik seperti
sebagai fonem dan fitur khas. Pemetaan ini ternyata cukup
kompleks, dan penjelasan lengkap tentang bagaimana manusia mengenali konsonan dan
vokal tetap sulit dipahami. Pencarian untuk penjelasan telah melahirkan tiga utama
perspektif teoritis tentang persepsi pidato yang bingkai banyak empiris
kerja. Dalam bab ini, kita secara singkat menjelaskan perspektif ini dan kemudian meninjau beberapa
penelitian yang paling relevan untuk mengevaluasi mereka. Kami mengakhiri dengan menyoroti beberapa
tantangan utama yang dihadapi masing-masing pandangan teoritis.
TEORI MOTOR SUARA PERSEPSI
Dimulai pada awal 1950-an, Alvin Liberman, Franklin Cooper, Pierre Delattre,
dan peneliti lain di Haskins Laboratories dilakukan serangkaian tengara
studi pada persepsi suara pidato sintetis (Delattre et al 1951, 1952,.
1955, 1964; Liberman 1957; Liberman et al 1952, 1954, 1956.). Pekerjaan ini disediakan
dasar dari apa yang diketahui tentang isyarat akustik untuk unit linguistik seperti
fonem dan fitur dan mengungkapkan bahwa pemetaan antara sinyal speech dan
unit linguistik cukup kompleks. Dalam waktu, Liberman dan rekan-rekannya menjadi
yakin bahwa dirasakan fonem dan fitur memiliki lebih sederhana (yaitu, lebih hampir
satu-ke-satu) hubungan dengan artikulasi daripada akustik, dan ini memunculkan
teori motor persepsi ujaran.
Teori Motor (MT) telah mengalami perubahan signifikan sejak untuk- awal
formulasi (Liberman 1996), tetapi setiap versi mengklaim bahwa benda pidato
persepsi adalah peristiwa artikulatoris daripada peristiwa akustik atau pendengaran. Lebih
khusus lagi, adalah hipotesis bahwa peristiwa artikulatoris ditemukan oleh manusia
pendengar perintah neuromotor ke artikulator (misalnya, lidah, bibir, dan vokal
lipatan) -juga disebut sebagai gerakan-bukan dimaksudkan dari peristiwa yang lebih perifer
seperti gerakan artikulatoris aktual atau gerakan (Liberman & Mattingly 1985,
Liberman et al. 1967). Pilihan teoritis ini dipandu oleh keyakinan bahwa ob-
jects persepsi pidato harus lebih-atau-kurang invarian terhadap fonem
atau fitur set dan dengan keyakinan lebih lanjut bahwa persyaratan seperti itu puas hanya
dengan perintah neuromotor. Proses produksi ujaran ditandai
oleh Liberman et al. (1967) sebagai rangkaian hubungan sebab akibat antara tingkat deskriptif:
Annu. Rev. Psychol. 2.004,55: 149-179. Download dari arjournals.annualreviews.org
oleh INDIANA UNIV.-Bloomington pada 04/27/05. Untuk penggunaan pribadi saja.

18 Nov 2003 14:46 AR AR207-PS55-06.tex AR207-PS55-06.sgm LaTeX2e (2002/01/18)
P1: GCE
SPEECH PERSEPSI
151
fonem (atau set fitur khas)
!
Neuromotor perintah
!
otot
kontraksi
!
bentuk saluran vokal
!
sinyal akustik. Sedangkan fonem (atau
fitur set) diasumsikan berdiri sekitar dalam satu-ke-satu korespondensi
dengan perintah neuromotor dan dengan kontraksi otot, pemetaan antara
kontraksi otot dan bentuk alat suara dianggap ow- sangat kompleks
ing fakta bahwa yang berdekatan vokal dan konsonan yang coarticulated (yaitu, diproduksi
dengan temporal dan, sampai batas tertentu, tumpang tindih tata ruang). Karena hubungan antara
bentuk saluran vokal dan sinyal akustik diasumsikan satu-ke-satu, com-
plex pemetaan antara fonem dan suara pidato ini disebabkan terutama untuk
efek koartikulasi.
Sebagai ilustrasi dari pemetaan yang kompleks antara fonem dan mereka acous-
realisasi tic, Liberman et al. (1967) ditampilkan spektogram dari dua sintetis
pola forman (ditunjukkan pada Gambar 1) yang dirasakan oleh pendengar sebagai suku kata
/ di / ( "de