A kommunikáció sajátosságai ugyancsak hatással vannak a beszédre, még tovább növelve a variabilitást. Lindblom (1990) H&H (hyper- and hypospeech) elmélete mindezt úgy magyarázza, hogy a beszélők, amikor kommunikációs szempontból kedvezőtlen, a kommunikációt valamilyen szempontból nehezítő helyzetbe kerülnek (pl. zajos környezet, hallási vagy beszédértési problémákkal küzdő beszédpartner), próbálnak erőfeszítéseket tenni arra, hogy a beszédprodukciójuk érthetőbb, könnyebben dekódolható legyen, azaz túlartikulálnak (hyperarticulation, hyperspeech). Akkor azonban, ha a beszédhelyzet optimális, és nincs szükség ilyenfajta „erősítésre”, a beszélők kisebb költségigényű motoros viselkedést alkalmaznak, azaz beszédük minősége az alulartikulálás (hypoarticulaton, hypospeech) felé tolódik el.

A kommunikációs helyzet által meghatározott beállítás mellett ugyancsak a változatosság növelésének irányában hat a prozódiai szerkezet. A beszéd vizsgálatában szokás megkülönböztetni szegmentális és szupraszegmentális vagy prozódiai jellemzőket, és ennek a megkülönböztetésnek van elméleti és gyakorlati alapja is. Ugyanakkor a szegmentális és a prozódiai jellemzők természetszerűleg összefüggnek. Nem pusztán azért, mert ugyanazokkal a képzőszervekkel hozzuk létre őket (vö. Gósy 2004), hanem azért is, mert ugyanannak a beszédjelnek a tulajdonságairól van szó. Ezt a beszédjelet az egyik (szegmentális) nézőpontból az adott szegmentum jellemzőit (akusztikai értelemben például az időtartamát, spektrális alkatát) leírva határozzuk meg, míg a másik (szupraszegmentális/prozódiai) nézőpontból a beszéd nagyobb egységeiben megvalósuló globális(abb) mintázatokat, folyamatváltozásokat figyelünk meg (Markó 2015).

A prozódiai szerkezet két, a beszédprodukció szempontjából lényeges funkciót lát el: az egyik a határjelölés, azaz a prozódiai alkotóelemek hierarchikus csoportosítása, a másik pedig a prominencia, azaz a prozódiai alkotóelemek közötti viszony jelölése (Cho 2015, 513). Egy adott megnyilatkozás prozódiai szerkezete természetszerűleg a szegmentális szerkezet sajátosságaira is hatással van.

Prozódiai erősítésnek (prosodic strengthening, vö. Cho 2005; 2015) nevezik azt a jelenséget, hogy a prozódiai jellemzők kifejeződnek a szegmentális fonetikai sajátosságokban. A terminus az artikulációs gesztusok olyan térbeli és/vagy időbeli kiterjesztésére utal, amely feltűnő helyeken jelentkezik, mint amilyenek a prozódiai egységek szélei vagy a hangsúlyos szótagok.

A beszédprodukció tehát a prominencia fokával összefüggésben is mutat változatosságot, például a lexikailag hangsúlyos szótagok szegmentumai erősebben artikuláltak, és ha ezek a szóhangsúlyt viselő szótagok magasabb szinten is prominenssé válnak, frázis- vagy mondatszintű hangsúlyt kapnak, ez a hatás még erősebb lehet (Cho et al. 2011). A magánhangzók esetében ez az erősítés megnyilvánulhat a célkonfiguráció nagyobb mértékű megközelítésében, azaz lokális hiperartikulációban (local hyperarticulation, De Jong 1995), az időtartam megnyúlásában és/vagy a szonoritás megnövekedésében (Beckman et al. 1992). A nemzetközi szakirodalomban e tendenciákat alátámasztó artikulációs adatokat találunk több forrásban. Az amerikai angolban az /ʊ/ magánhangzó esetén de Jong (1995) azt állapította meg, hogy hangsúlyos helyzetben a nyelv lejjebb és hátrébb helyezkedik el, és a szájnyílás mértéke nagyobb. Harrington és munkatársai (2000) az ausztrál angol /i/, /æ/ és /a/ magánhangzóit vizsgálva nagy egyéni eltéréseket találtak a hiperartikuláció és a szonoritásnövelés arányaiban. Az /i/ esetében az egyik beszélőnél magasabb nyelvhelyzetet dokumentáltak a hangsúlyos szótagban, míg egy másiknál elülsőbbet.

A prozódiai prominencia értelemszerűen nyelvspecifikus módon van hatással a szegmentális szerkezetbeli sajátosságokra, az adott nyelv prozódiai szerkezetétől, szegmentumkészletétől és sok más jellemzőjétől is függően. A magyar szakirodalomban a hangsúlyos és a hangsúlytalan magánhangzók akusztikai jellemzőit több tanulmány is elemezte. Magdics (1965) monográfiája öt beszélő által felolvasott mondatok magánhangzóinak átlagos formánsfrekvencia-adatait közölte. Általánosságban valamivel periferikusabb ejtésre utalnak a hangsúlytalan helyzetben mért formánsértékek, habár a számszerűsített eltérések statisztikai elemzése nem történt meg. Ugyanezen az anyagon mért időtartamadatokat is publikált Magdics (1966), ezek szerint az átlagértékeket tekintve a hangsúlyosnak besorolt magánhangzók valamivel hosszabbak voltak, mint a hangsúlytalanok (vö. i.m. 2. táblázat, 130–131).

Kassai (1979) a magánhangzók időtartamát a hangsúlyos és a hangsúlytalan helyzet mellett a mássalhangzó-környezet és a szótagszerkezet függvényében is elemezte szólistaként felolvasott, illetve mondatokba ágyazott minimális párokban, három beszélő esetén. Eredményei (i.m. 1. és 2. táblázat, 38–39) arra utalnak, hogy az időtartambeli eltérések iránya és mértéke magánhangzóminőségenként változó volt. A szerző véleménye szerint a hangsúlytalanság az értékek nagyobb szóródását eredményezte, míg a hangsúlyos szótag igyekezett „megőrizni az érvényben lévő fonetikai-fonológiai állapotot” (42). Kassai hasonló eredményeket kapott a spontán beszéd vizsgálatában is (i.m. 4. táblázat, 64). Gósy (1997) egy beszélő spontán beszédbeli magánhangzóit elemezte akusztikai szempontból. A szerző a hangsúlyos (azaz első szótagi) és hangsúlytalan (azaz nem első szótagi) realizációk összevetése során változatos eredményeket kapott. A magánhangzó-időtartamok különféleképpen tértek el az egyes magánhangzó-minőségek tekintetében, egyes esetekben a hangsúlyos, más esetekben a hangsúlytalan realizációk voltak átlagosan hosszabbak.

Kovács (2002) egy női adatközlő által háromszor felolvasott mondatokban több szempont mentén vizsgálta a magánhangzó-időtartamokat. Szisztematikusan párokba rendezett szavakat tartalmazó anyagában a hangsúlytalan szótagokban a szerző átlagosan 8%-nyi időtartamtöbbletet mért (i.m. 70).

Mády és munkatársai (2008) tanulmányának nem a hangsúlyosság hatásának vizsgálata volt az elsődleges célja, a kutatás mégis hozott e tekintetben is releváns eredményeket. A szerzők három rövid–hosszú magánhangzópár tagjainak megvalósulását elemezték azonos mássalhangzó-környezetben, tíz beszélő felolvasásában. Ebben a kutatásban ugyancsak magánhangzónként eltérő tendenciákat találtak, mind a magánhangzó-minőség, mind az időtartam tekintetében a hangsúlyos és a hangsúlytalan szótagbeli realizációk között.

Gósy és Beke (2010) öt férfi és öt nő spontán beszédében elemezte a magánhangzók időtartamát, megkülönböztetve az első és az utolsó, valamint a közbülső szótagi magánhangzókat (ennél közelebbi összefüggést a hangsúllyal, azaz, hogy a szó- vagy a megnyilatkozásszintű hangsúlyjellemzőkre reflektálnak-e az adatok, nem tartalmaz a tanulmány). Eredményeik szerint a vizsgált anyagban a közbülső szótagbeli magánhangzókétól mind az első, mind az utolsó szótagi magánhangzók időtartama pozitív irányban eltért, ami részben összefügghet azzal is, hogy az első szótagi magánhangzók jobbára – részletező jelentésszerkezetű szavak esetén – (szó)hangsúlyos helyzetűek, és a szóhangsúllyal időtartamtöbblet jár(hatot)t együtt.

Szalontai és munkatársai (2016), illetőleg Mády és kollégái (2017) kutatásának célja a szó- és a mondathangsúly akusztikai vetületének elkülönítése volt a magyarban és a németben, kontrasztív vizsgálat keretében. Az elemzett (azonos fonológiai minőségű) magánhangzók szóhangsúlyos, szó szinten hangsúlytalan, mondathangsúlyos és mondatszinten hangsúlytalan pozícióban jelentek meg, mindig ugyanabban a szótagban. A magyarra vonatkozóan 1. +szóhangsúly, +mondathangsúly; 2. +szóhangsúly, −mondathangsúly és 3. −szóhangsúly, +mondathangsúly (ebben a kondícióban a vizsgált szótag nem abszolút szókezdő pozícióban állt) helyzeteket vizsgáltak és hasonlítottak össze páronként (1. vs. 2. és 1. vs. 3.). Az időtartamot, az energia négyzetes összegének maximumát, a spektrális egyensúlyt (a felső frekvenciatartomány energiája a teljes spektrumon mért hangnyomás értékével csökkentve) és az f0-maximumot elemezték 12 beszélő kétszeri ejtésében az /o/ magánhangzóban. A két tanulmány (Szalontai et al. 2016 és Mády et al. 2017) vizsgálati módszertana némiképp eltér, az utóbbiban prozódiai stilizációval nyert adatokat elemeztek. Eredményeik szerint az időtartam és a normalizált f0-maximum mind a szóhangsúly, mind a mondathangsúly jelölésében, míg a normalizált energiamaximum és az f0-maximum csak a mondathangsúly realizálásában játszott szerepet.

Egy előzetes vizsgálatban (amelynek az anyaga egy másik kutatáshoz készült, így nem volt kontrollálva a prominenciára és a magánhangzó-minőségre) szóhangsúlyt és mondathangsúlyt is viselő szótagban álló /u/, /i/ és /ɒ/ magánhangzók első két formánsának értékeit vetették össze teljesen hangsúlytalan ugyanilyen minőségű magánhangzók formánsértékeivel (Markó et al. 2018). Az F2 alacsonyabbnak mutatkozott a hangsúlyos szótagok magánhangzóiban, ugyanakkor a magánhangzótér közepétől mért euklideszi távolságra nem volt hatással a prominencia. Mindkét formáns variabilitása kisebb volt a hangsúlyos szótagban álló /u/ és /ɒ/ esetén, mint a hangsúlytalan szótagiban, az /i/ azonban nem mutatott ilyen eltérést. Egy másik kísérletben (Markó et al. 2019) az /u/, /i/, /ɒ/ és /ε/ magánhangzók akusztikai elemzését végezték el. Mondatkezdő, fókusz funkcióban álló első szótagi magánhangzókat hasonlítottak ugyancsak mondatkezdő, de topik funkciójú szavak első szótagi magánhangzóihoz. Ebben az esetben is kisebbnek találták az F2 varianciáját a fókusz pozícióban a topikhoz képest. A prominencia függvényében eltérő formánsvariabilitás-adatok utalhatnak arra, hogy a hangsúlyos szótagbeli magánhangzók esetén fellép valamilyen mértékű lokális hiperartikuláció.

A beszédfolyamban vannak bizonyos további fonetikai pozíciók – ilyenek a nagyobb prozódiai egységek határai, például frázisszélek –, amelyek sajátos súllyal bírnak a prozódiai megformálás szempontjából az egyes nyelvekben. A frázisvégi nyújtás/nyúlás (az angol nyelvű szakirodalomban preboundary vagy domain/phrase-final lengthening) az egyik legszembetűnőbb és leggyakoribb példája annak, hogy a prozódia hatással van a szegmentális szerkezet megvalósítására (vö. Cho 2015). Ez a hatás abban jelentkezik, hogy a prozódiai határhoz közeledve a szegmentumok időzítése megváltozik, azaz a szegmentumok időtartama hosszabb az intonációs frázis végén, mint a frázis belsejében (pl. Byrd 2000; Edwards et al. 1991). A nyúlás – bár eltérő mértékben és módon – érinti mind a magánhangzókat, mind a mássalhangzókat, de mivel a jelen vizsgálat csak a magánhangzók tulajdonságaira koncentrált, itt csak erről a szegmentumcsoportról ejtünk szót.

A különféle prozódiai határokhoz közeledve megjelenő nyújtás jelenségét a szerzők univerzálisnak tartják (vö. Kohári 2018), és különféleképpen magyarázzák. Az egyik magyarázat szerint (Cho 2015) a prozódiai egység vége felé haladva a lassulás, azaz a szegmentumok nyúlása annak a természetes fizikai-fiziológiai tendenciának a megnyilvánulása, hogy a mozgás lelassul, mielőtt teljesen abbamaradna. Néhány szerző kiterjeszti ezt a magyarázatot, és úgy látja, hogy a megnyilatkozás kezdetétől a végéig fokozatos gyengülés (ereszkedés) történik, amely megnyilvánul az artikulációs gesztusokban, a frekvenciában, az intenzitásban és az időzítésben egyaránt, mind szegmentális, mind szupraszegmentális tekintetben (vö. pl. Vayra–Fowler 1992). Mindez a megnyilatkozásban előre haladva a szubglottális nyomás fokozatos csökkenésével függhet össze, amely a (beszéd)légzés fiziológiai sajátosságaiból ered (Cohen et al. 1982).

Tabain (2003) felveti, hogy az a tény, hogy a prozódiai szerkezet az alapfrekvenciabeli és a ritmikai tényezők mellett a szupralaringális artikulációs gesztusok kivitelezésében is megnyilvánul, további kulcsokkal látja el a hallgatót a megnyilatkozás nyelvi szerkezetének feldolgozásához. Ez a feltevés összhangban van Lindblom (1990) hyper- és hypospeech modelljével. Ugyanakkor az a tapasztalat, hogy az artikuláció egyre renyhébbé válik, ahogyan a megnyilatkozás egyre hosszabb lesz, a beszélő számára segíti elő az artikulációs energiával való hatékony gazdálkodást. Ezt segíti az is, hogy a beszéd valós idejű feldolgozása során működik a nyelvi elemek jóslása a hallgató részéről, és a megnyilatkozásban előre haladva a lehetséges jelöltek (szavak, szótagok) száma egyre csökken (vö. Cutler et al. 1997). Így a hallgatónak egyre kisebb mértékben van szüksége az elhangzó szegmentumok azonosításához észlelési kulcsokra. Tabain (2003) hozzáteszi, hogy a valódi beszédhelyzetekben ez az összefüggés még fokozottabb mértékben hatással lehet a beszédprodukcióra és -percepcióra, mint a fonetikai vizsgálatokban az elemzés tárgyát képező laboratóriumi beszéd esetén, ahol – tegyük hozzá – az esetek nagy hányadában nincs valódi hallgatóság, különösen akkor, amikor az elemzés tárgyát kontextus nélküli konstruált mondatok képezik. Ennek az artikulációs vizsgálatok körében gyakori esete az ismétlődő (azonos) hordozó mondatba ágyazott célszavak meghangosítása, és kirívó példája az adott szempontok alapján konstruált, sosem ejtett és hallott álszavaké.

A fenti, fiziológiai magyarázat a beszéd különféle aspektusainak gyengülésére/ereszkedésére a megnyilatkozásban előre haladva azt sugallja, hogy ez a beszédműködés olyan következménye, amely nem áll a beszélő kontrollja alatt. Ugyanakkor számos példát látunk arra, hogy a légzési és a gégeizmok a beszélő kontrollálásával működnek, egyebek között a magyar kérdő intonáció (frázisvégi frekvenciaemelkedés és -csökkenés) sem volna kivitelezhető, ha nem így volna. Ennélfogva több szerző is azt a magyarázatot támogatja, hogy a frázisvégi nyúlás aktív folyamat, és az a szerepe, hogy ráirányítsa a hallgató figyelmét a közeledő prozódiai határra, ezzel is kulcsot adva a beszédfeldolgozáshoz (vö. pl. Byrd 2000; Cho 2006; Cho et al. 2011). Ezt az elképzelést támogatja az a tény is, hogy habár a frázisvégi nyújtás univerzális jelenségnek tűnik, mégis eltérést találni a nyelvek között a mértékét és a kiterjedését tekintve (Kohári 2018). Az angolban (pl. Klatt 1975) vagy a franciában (Tabain 2003) egyes kutatások az utolsó szótagon találták érvényesülni, az északi finnben azonban a megelőző szótagot is érintette (Nakai et al. 2009). Ugyanakkor más vizsgálatok a korábbi szótagokon is adatolták, az angolban is (Turk–Shattuck-Hufnagel 2007). A frázisvégi nyúlás természetszerűleg más prozódiai tényezőkkel is összefügg, ebből is adódik a jelenség hatókörének nyelvfüggő volta. Turk és Shattuck-Hufnagel (2007) kimutatta, hogy az angolban a főhangsúlyos szótagon is megjelenik nyúlás, akkor is, ha az nem a frázis utolsó szótagja. Eredményeik szerint a frázis vége előtti harmadik, hangsúlyos szótagon mérhető volt a nyúlás, akárcsak az utolsó szótagon, de a kettő közötti, azaz a frázisban utolsó előtti és hangsúlytalan szótagon nem. Ezzel szemben az olaszban a frázisvégi nyúlás csak akkor terjedt ki a nem utolsó hangsúlyos szótagra, ha az az utolsó előtti szótag volt, de ha hátulról a harmadik helyen állt, akkor már nem (D’Imperio 2011, idézi Cho 2015). Az északi finnben a frázisvégi nyúlás működését a magánhangzó fonológiai kvantitása korlátozza: a hosszú magánhangzó nem vett részt a frázisvégi nyúlásban, ha a szomszédos szótag magánhangzója is hosszú volt (Nakai et al. 2009). Az angolra vonatkozó artikulációs vizsgálatok szerint a magánhangzós gesztusok hosszabbak, azaz lassabban zajlanak le a prozódiai határok közelében (Byrd 2000; Cho 2006).

A magyarban a frázisvégi nyúlást több tanulmány is adatolta (pl. Gósy–Krepsz 2016; Kassai 1979; Kohári–Markó 2015; Magdics 1966). Habár a módszertanok eltérnek, és az eredmények ezért nehezen összevethetők, a magyar beszéd is egyértelműen mutatja ezt a globális tendenciát. Tekintettel arra, hogy a magyarban – a finnhez hasonlóan – szintén fonológiai szereppel bír a magánhangzó-kvantitás, várhatjuk ennek a tényezőnek a hatását a frázisvégi nyúlás megvalósulásában. Kovács (2002) vizsgálati eredményei szerint mind a rövid, mind a hosszú magánhangzók nyúlnak a frázis végéhez közeledve – nemcsak az utolsó, hanem már az utolsó előtti szótagban is. White és Mády (2008) erre irányuló (Kovácsétól eltérő módszertannal végzett) vizsgálatában a fonológiailag rövid magánhangzók időtartamtöbblete csak a megnyilatkozás utolsó szótagjában jelentkezett, míg a fonológiailag hosszú magánhangzóké az utolsó előtti szótagban is.

Ahogyan említettük, a frázisszélek prozódiailag kitüntetett fonetikai pozícióknak tűnnek, így a frázisvég által motivált szegmentális eltérések mellett a fráziskezdő helyzetben is megfigyelhető a szegmentumok idő- és térbeli dimenziókban történő expanziója (Cho 2015). Ezt a hatást elsősorban mássalhangzók esetében dokumentálták (vö. Cho 2015, 519 szakirodalmi összefoglalóját), és olyan tényezőkben jelentkezett, mint a hehezetes mássalhangzók zöngekezdési idejének a nyúlása vagy az orális zár nagyobb időbeli és térbeli kiterjedése. Ha kevesebb is az erre vonatkozó vizsgálat, a magánhangzók hasonlóképp mutatják a prozódiai tartomány kezdetén az erősítés jeleit (vö. pl. Cho–Keating 2001; 2009). A magánhangzó intenzitása nagyobb a frázis kezdetén (Cho–Keating 2009), valamint a nyelvhelyzet és az ajaknyílás mértéke is erősítésre utal a CV szótagokban (pl. Cho 2006; Cho et al. 2011). Ugyanakkor ezek a hatások – legalábbis az angolban – nem járnak együtt időtartambeli nyúlással (Cho 2015). A fráziskezdő helyzet erősítő hatása szintén nyelvspecifikusan alakul az elemzések szerint. A koreai nyelvet vizsgáló kutatásban a nyelv az /i/ esetében előrébb, az /a/ esetében lejjebb helyezkedett el akkor, amikor fráziskezdő helyzetű CV szótagban álltak ezek a magánhangzók (összehasonlítva a frázis belseji helyzettel; Cho et al. 2011), ahol ez a hatás a második szótagra is érvényesült valamilyen mértékben. Időtartamtöbbletet az első szótagban nem, míg a második szótagban mértek a szerzők. Cho és munkatársai a nyelvek közötti eltérést a nyelvspecifikus prozódiai mintázatokra vezették vissza, mégpedig arra, hogy a koreaiban mint lexikai hangsúly és dallamhangsúly (pitch accent) nélküli nyelvben nagyobb a térbeli és időbeli expanzió mozgástere, mint az angolban, ahol a lexikai prominencia korlátozza ennek a lehetőségeit.

A fráziskezdő helyzetű magánhangzók időtartamát tekintve a magyarra vonatkozóan ellentmondásos eredmények születtek. Magdics (1966) ezeket rövidebbeknek találta a frázis belsejében lévő társaiknál, míg Kassai (1979), valamint Gósy és Krepsz (2016) éppen ellenkezőleg, hosszabbnak mérte őket (bár a fráziskezdő helyzetet mindegyik kutatás eltérően határozta meg).

Akárcsak a frázisvégi nyújtás esetében, az a tény, hogy a fráziskezdő helyzetben különféle nyelvek is mutatnak időbeli és/vagy térbeli erősítést (akár a mássalhangzókra, akár a magánhangzókra vagy mindkét szegmentumtípusra vonatkozóan), szintén arra utal, hogy univerzális tendenciáról van szó. A nyelvek közötti eltérések alapján arra lehet következtetni, hogy a jelenség fonetikai implementációja a beszélő által kontrolláltan, nyelvenként sajátos módon megy végbe, amely további tanulmányozást igényel.

Ahogy látjuk, mind a hangsúlyos szótagokban tapasztalható, mind a nagyobb prozódiai egységek határán megvalósuló prozódiai erősítés vezethet lokális hiperartikulációhoz, azaz de Jong (1995) Lindblomtól (1990) vett és módosított terminusát kiterjeszthetjük a prominens szótagok mellett más kitüntetett fonetikai helyzetekre is. Cho és munkatársai (2011) nyomán ezt a jelenséget prozodikusan motivált (lokális) túlartikulálásnak nevezhetjük (prosodically driven (local) hyper-articulation).

A szakirodalom áttekintése alapján azt is láthatjuk, hogy a különféle prozódiai szerkezettel rendelkező nyelvek eltérő módon és mértékben jelenítik meg a prozódiai erősítés mintázatait ezeken a kitüntetett helyeken. Ebben a tekintetben – mint a fent hivatkozott tanulmányok sora is mutatja – a magyarra vonatkozóan elsősorban akusztikai eredményeket ismerünk.

A jelen tanulmány célja a prozódiai erősítés vizsgálata, azaz a prozódiai szempontból száliens fonetikai helyzeteknek a szegmentális szerkezetben kifejeződő artikulációs és akusztikai mintázatait elemezzük. A vizsgálat jelentőségét elsősorban abban látjuk, hogy az eddig legtöbbet vizsgált nyelvektől több szempontból eltérően a magyarban nem elsősorban prozódiai, hanem szintaktikai fókuszjelölés van, ritmikai szempontból szótag-időzítésű nyelv, kötött szóhangsúllyal rendelkezik, és hangsúlytalan szótagban nem mutat fonológiai magánhangzó-neutralizációt (vö. pl. Genzel et al. 2015; Gósy 1997; Kohári 2018).

A vizsgálat tárgyát négy szótagos álszavak önálló megnyilatkozásként való meghangosítása képezi, amelyben a kezdő szótag viseli a frázishangsúlyt, azaz egyszerre jelentkezhet a fráziskezdethez és a prominenciához kötődően prozódiai erősítés. Vizsgáljuk a frázisvégi nyújtás jelenségét is. E két szélső pozícióban jelentkező magánhangzók szegmentális jellemzőit viszonyítjuk a közbülső magánhangzókéhoz. Artikulációs szempontból a nyelvhelyzetet és az ajaknyílás mértékét, akusztikai szempontból az időtartamot, az alapfrekvenciát és az első két formáns értékét számszerűsítjük. Az ajaknyitódás nagyobb mértéke a szonoritásnövelés irányában hathat (Beckman et al. 1992), ami ugyancsak a prozódiai erősítés egyik jele lehet, bár természetesen nem minden magánhangzó esetében jelenti a célkonfiguráció nagyobb mértékű megvalósítását. Az ajkak függőleges távolsága kapcsán meg kell említenünk azt is, hogy ez a paraméter értelemszerűen függ az adott magánhangzó kerekítettségétől, amit általánosságban ezúttal nem vizsgáltunk (az ajakszenzorokat a felső és az alsó ajkon középen helyeztük el, az ajakzugokban nem, mivel a rendelkezésünkre álló módszertan kétdimenziós adatkinyerést tett lehetővé).

Habár a magánhangzók akusztikai szerkezetében az első két formáns szoros összefüggést mutat a nyelv vízszintes és függőleges helyzetével, mára már kutatások sora igazolja, hogy az artikulációs és az akusztikai elemzések nem helyettesítik vagy váltják ki egymást. Jól ismert e tekintetben Stevens (1989) kvantális elmélete, amely szerint az artikulációbeli eltérések mértéke és az ezek nyomán az akusztikumban bekövetkező különbség nem áll egymással egyenes arányban, azaz a beszédprodukció és az akusztikai szerkezet közötti kapcsolat nem lineáris. Az artikulációban egy apró eltérés jelentős akusztikai különbséget idézhet elő, ha az egy ún. „kritikus régió”-ban történik; és fordítva, nagyobb artikulációs eltérések esetén sem feltétlenül tapasztalunk különbséget az akusztikai szerkezetben, ha ezek az eltérések kritikus régiókon kívül valósulnak meg. Erre a nem lineáris összefüggésre utal a kvantális jelző Stevens (1989) modelljében: az eltérések ugrásszerűen képeződnek le (az artikuláció eltérései az akusztikumban, az akusztikai eltérések a percepcióban), nem pedig fokozatosan. Erre vonatkozóan tanulságosak Deme és munkatársai eredményei (pl. 2019; 2022), amelyek ugyanazon koartikulációs jelenségek artikulációs és akusztikai vizsgálatában nem teljesen azonos, sőt esetenként ellenkező eredményeket kaptak. Az /i/ és az /u/ magánhangzóra vonatkozóan azt találták például, hogy míg az /u/ nagyobb artikulációs különbségeket és változatosságot mutatott, ez az artikulációs változatosság kisebb mértékű akusztikai következménnyel járt, mint a kisebb artikulációs varianciát mutató /i/ esetében. Azok a tanulmányok tehát, amelyek csak az artikuláció vagy csak az akusztikum dimenziójában vizsgálódnak, szükségképpen csak az érem egyik oldalához férnek hozzá, ezért úgy gondoljuk, jelentőséggel bír az, hogy a jelen vizsgálat kapcsolt módszertannal készült.

Feltételezésünk szerint a frázisszéleken időtartamnyúlás mutatkozik a frázis belsejében álló magánhangzókhoz képest, és ezen belül a frázisvégi (utolsó) magánhangzó időtartamát várjuk hosszabbnak. Az a hipotézisünk, hogy az alapfrekvencia értéke az első szótagon a legmagasabb, és a frázis végéig fokozatos csökkenést mutat. A fráziskezdő/hangsúlyos helyzetben periferikusabb ejtést várunk az összes többi pozícióhoz viszonyítva, ennek megfelelően azt feltételezzük, hogy mind a nyelvhelyzet és az ajaknyílás mértéke, mind a formánsadatok magánhangzófüggő módon a hangsúlyos, azaz az első szótagban utalnak az artikulációs cél legnagyobb mértékű megközelítésére. Minden mért változó alakulását magánhangzó-specifikusnak vártuk.