Profesyonel ses kullanıcıları için otomatik postür değerlendirmesi

Günümüzde ulusal ve uluslararası ölçekte ses eğitimleri, terapistler tarafından onların bilgi, yetenek ve tecrübelerine dayanılarak öznel ölçümlerle gerçekleştirilmektedir. Bu ses terapilerinde vücudun gerginlik noktaları belirlenir. Vücut dışarıdan terapistin yönlendirmesiyle ve uygulanan fiziksel egzersizlerle rahatlatılır. Nefes egzersizleri ve uygulamaları gerçekleştirilir. Nefes ve vücut ilişkisinin sesin rezonansıyla birleştirilmesi işlemi gerçekleştirilir. Sesin rezonansının arttırılması, enerjisi ve odaklanması üzerinde çalışmalar yapılır. Sesteki değişiklikleri sesin tüm perdesinde hissettirilmesi adına çalışmalar yapılır. Konuşma veya şarkı ile yenilikler pratik olarak gerçekleştirilir. Kas gruplarının tekrar tüm rahatlığıyla kullanılmasının sağlanması için hangi nefes egzersizlerinin uygulanılacağına karar verilir, ardından hangi bölgelerde rezonansın eksik olduğu terapistin duyumuyla tespit edilir ve o bölgeye odaklanılarak çalışmaya devam edilir. Her terapi sonrası dikkat edilmesi gereken özetlenir ve gerekirse hastanın çalışması gereken egzersizler verilir. Her bir terapi öncesi ve sonrasını gösterecek şekilde hastanın ses kayıtları tutulur. Böylece hastanın haftalık gelişimi rahatlıkla gözlemlenir. Şu anda profesyonellerin ses eğitiminde değerlendirmeler öznel olarak yapılmaktadır. Kişilerin klasik ses değerlendirilmeleri ise nesnel bir yöntem ile yapılamamakta ancak ses terapistinin sezgisel algısı ile yapılmaktadır. Oysa bu tezde ses kalitesini, o anda kişinin bulunduğu postürüne göre nesnel olarak değerlendiren bir ölçüm sistemi oluşturulmuştur. İlk aşamada, insan sesini mümkün olduğunca ileri bir noktaya, ses kalitesinin bozulmadan aktarılması, kaliteli ses olarak belirlenmiştir. Buna göre, üç seviyeli bir ses kalitesi tezi belirlendi. İlk seviyede, sesin insanın içinde sönümlendiği ve yakın mesafeye dahi karakteristik sesin duyurulamadığı ses kalitesiz ses olarak belirlenmiştir. İkinci seviyede, doğal genlikte çıkartılan insan sesinin, ilk seviyeye göre daha uzakta net olarak anlaşıldığı ses orta kalitede ses olarak belirlenmiştir. Son olarak üçüncü seviyede, sesin opera salonu gibi büyük yerlerde, platformdan çıkartılan sesin, salonun en arkasındaki kişinin net olarak duyabileceği ve sesin karakteristiğinde herhangi bir eksikliğin hissedilmediği ses yüksek kaliteli ses olarak belirlenmiştir. İlk aşamada profesyonel ses terapisti eşliğinde beş kişiden her üç seviyede, ''aaaaa'' sesi çıkartmaları istenmiştir. Ses terapistinin öznel yaklaşımı ile çıkartılan sesler, belirlenen üç sınıfa göre etiketlenmiştir. Böylece, ses kalitesi veri seti oluşturulmuştur. Çıkartılan ses veri setinden 26 farklı akustik öznitelik çıkartılmıştır. Çıkartılan özniteliklerin bir kısmı ses teli cerrahı ve ses terapistinin önerdiği öznitelikler olarak oluşturulmuştur. Diğer öznitelikler ise literatürde farklı ses özelliklerini sınıflandırmada kullanılan öznitelikler olarak belirlenmiştir. Ses verisinden alınan her bir ses penceresinden, 26 öznitelik kullanılarak 57 boyutlu öznitelik dizisi oluşturulmuştur. Yeniden oluşturulan sistemin farkı, gerçek zamanlı olarak öznitelikleri çıkartabilmesidir. Çıkartılan ses parametrelerinden ses kalitesi sınıflamada en başarılı olan 5 parametre seçilerek, öznitelik boyutu düşürülmüş ve sınıflama başarısında artma olduğu gözlemlenmiştir. Özellikle, insan iç kulağının gelen sesi belirli frekans aralıklarında kümeleyerek, çıkan enerji değerlerini beynin duyma merkezine yollama ve böylece duyulan sesi anlamlandırma prensibinden yola çıkarak oluşturulmuş mel frekanslarının düşük frekans bandındaki enerji değeri çok başarılı bir ses kalitesi sınıflayıcı parametre olduğu gözlemlenmiştir. Ses terapistinin etiketlediği ses verilerinden çıkartılan öznitelikler, yapay sinir ağları ile eğitilmiş ve ses kalitesini otomatik olarak algılayan bir sistem oluşturulmuştur. İkinci aşamada, sesin kalitatif parametreleri ile vücut postürünün arasındaki ilişkiler incelenmiş ve oluşturulan veri seti kullanılarak pearson kolerasyonları çıkartılmıştır. Vücut postür verilerini çıkartmak için, kişinin anlık iskelet hareketini algılayan ve görselleştiren bir cihaz olan Motion Capture (Mocap) kullanılmıştır. Mocap, kişinin eklem noktalarındaki konum bilgilerini anlık olarak alarak diğer eklem noktaları arasındaki uzaklığı hesaplayan ve kişinin eklemleri arasındaki açıyı veren bir cihazdır. Ses terapisti eşliğinde, Mocap cihazı giyen kullanıcılardan ''aaaa'' sesi çıkartmaları istenmiş ve sekiz adet statik postür ve iki adet dinamik hareketler eşliğinde beş kişiden ses ve postür verileri toplanmıştır. Çıkartılan postür verilerinden kişinin üç boyutlu ağırlık merkezi hesaplanmış, her bir ses parametresi ile vücuttaki ağırlık merkezinin her bir boyuttaki sıfır konumundan uzaklıkları arasındaki kolerasyona bakılmış ve bazı ses parametrelerinin vücudun ağırlık merkezi değişimi ile önemli derecede ilişkili olduğu saptanmıştır. Postür verisi ile ses verisini eş zamanlı olarak kaydedebilmek için Unity platformunda bir arayüz yazılmıştır. Arayüzde gerçek zamanlı postür değişimi, bir avatar kullanılarak gözlemlenebilmek ile birlikte, istenilen süre itibariyle ses verisi ve postür verisi çıkartılıp, bilgisayara kaydedilebilmektedir. Kaydedilen postür verileri yine Matlab platformunda oluşturulmuş bir fonksiyon ile analiz edilerek vücudun üç boyutlu ağırlık merkezi çıkarılmaktadır. Üçüncü aşamada, vücudun anlık olarak değişen postürlerinden nesnel olarak olası ses odaklama saptanması yapılmıştır. Böylece, Mocap cihazını giyen bir kişi, hangi postürlerde durması gerektiğini veya postürünü, optimal olanı yakalayana kadar değiştirmesi gerektiğini algıyalabileceği bir sistem geliştirilmiştir. Bu sistemi oluşturabilmek için deneyler sırasında çıkartılan ses öznitelikleri ilk aşamada oluşturulan, ses kalitesini saptayan yapay sinir ağı modeline sokulmuş ve anlık ses verileri etiketlenmiştir. Bu sayede, değişen postür parametrelerinin etiketleri, anlık ses verilerinin etiketleri olarak kabul edilmiştir ve değişen postür parametreleri bir başka yapay sinir ağı modelinde eğitilmiştir. Böylece, değişen postür parametreleri modelde test edilerek, o postür anında kişinin olası olarak çıkartacağı doğal sesin ne kalitede olacağı kestirilebiliyor olmuştur. Ses kalitesini nesnelleştiren yapay sinir ağları modelinin on katlamalı çapraz doğrulama skoru \%85,19 ve postür parametlerinden çıkartılacak olası sesin kalitesini analiz eden modelin on katlamalı çapraz doğrulama skoru ise \%81,33 olarak bulunmuştur. İleriki çalışmalarda objektif ses kalitesi üç sınıf yerine daha fazla sınıf olacak şekilde belirlenecek ve gerçeğe daha yakın bir nesnel ses kalitesi değerlendiren sistem oluşturulacaktır. Bunun yapılması ile kişilerin bulunduğu postürün olası ses kalitesi daha detaylı olarak incelenebilecek ve kişiye verilecek geri bildirim daha detaylı olacaktır. Bu sayede, kişi postürünü değiştirirken olası optimal duruşunu daha iyi kestirebilecektir.