Ha felvesszük a telefont és beszélgetni kezdünk valakivel, néhány mondat után rendszerint meg tudjuk mondani, hogy beszélgetőtársunk vidám-e vagy szomorú, nyugodt vagy ideges, sértődött vagy éppen meglepett. Ezeket az információkat beszélgetőpartnerünkről nem pusztán a mondottak elemzésével szűrjük le, hanem a beszéd olyan jellemzőinek értelmezéséből, amelyekre tudatosan nagyon ritkán gondolunk.

Amit a hétköznapokban finom intuíciónak vélünk, valójában a beszéd fizikai paramétereinek elemzése. Agyunk a hangerő, a hangsúly, a tempó és még sok más jellemző alapján képes „kiszámítani” hogy az adott pillanatban beszélgetőpartnere milyen lelkiállapotban van.

Tulajdonképpen ezt a képességünket utánozza egy diagnosztikai eljárás, amelyet a berlini Humboldt Egyetem kutatója, Jörg Langner matematikus és zenetudós dolgozott ki. A beszédmintázat-mélyelemzés (Deep Speech Pattern Analysis) nem más, mint egy számítógépes vizsgálati módszer, amely a vizsgálatban részt vevő beszédének különböző fizikai jellemzőit (hangerősség, tempó, hangmagasság, hangszín, ritmus) századmásodpercenként regisztrálja, és az eredményeket színes diagram formájában jeleníti meg. Ezután kerülhet sor az adatok elemzésére, a vizsgálat eredeti céljának megfelelően. A német PM Magazinnak nyilatkozó Jörg Langner szerint az általa kidolgozott módszer többféle, idegrendszeri tüneteket is okozó betegség, illetve állapot korai felismerésében nyújthat segítséget.

A beszédanalízis az emberi hangképzés komplexitását használja ki: egyrészt értékeli az idegrendszer mozgáskoordinációs teljesítményét, másrészt észleli a beszédhangok képzéséhez szükséges finom izomcsoportok működésének változásait is. Ralph Warnke, a beszédelemző szoftvereket fejlesztő MediTECH GmbH ügyvezetője szerint a bioakusztikában rengeteg lehetőség rejlik, segíthet súlyos betegségek, például a Parkinson-kór, illetve a Stephen Hawking betegségeként széleskörűen ismertté vált Lou–Gehring-kór eddigieknél jóval korábbi diagnosztizálásában.

A módszerrel kapcsolatos kutatások jelenleg egy komplex neurológiai zavar, a viselkedési és tanulási nehézségeket okozó figyelemhiányos hiperaktivitás szindróma diagnosztikájára fókuszálnak leginkább. Ennél a komplex neurológiai zavarnál a diagnózis felállítása sokszor igen nehéz, mivel a tanulási és viselkedési problémák (pl. a kitartó feladatvégzés hiánya, a feltűnő feledékenység, az impulzivitás, a motorikus túlmozgásosság) minden érintettnél különböző arányban és szituációs környezetben jelennek meg, s így a tünetek könnyen kicsúszhatnak egy szakember kezéből is. Jelenleg speciális tesztekkel és kérdőívekkel, valamint agyi képalkotó eljárásokkal van lehetőség a diagnózis felállítására, ami sokszor nagyon időigényes, és csak az elszántan tenni akaró szülők, páciensek számára hoz eredményt. Az Audio-Profiler nevű német cég viszont már az idei évre ígéri, hogy az általa gyártott „Standardizált ADHD Beszédanalizátor” piacra kerülhet.

A készülék kipróbálására a nagy múltú német egyetemi klinika, a Berliner Charité vállalkozott. Nyolcszáz, részben figyelemzavarral küzdő önkéntes vett részt az egyetem fonetikai laboratóriumában egy rövid teszten, melynek során két percig egy semleges témáról beszéltek egy mikrofonba, majd számolniuk kellett egytől tízig, ezt húsz szó felolvasása követte, majd a vizsgálat végén különböző beszédhangok kitartására kérték meg őket. Az adatokat a szoftver automatikusan értékelte, és körülbelül 90 százalékos pontossággal ugyanazokat a pácienseket diagnosztizálta figyelemzavarral, akiknél ezt már más módszerekkel megállapították.

A számítógépes beszédanalízis azonban ma már nem csupán az orvosi diagnosztika eszköze. Világszerte terjedőben van a telefonos ügyfélszolgálatokon is a rögzített hanganyag elemzése hangdiagnosztikai eszközökkel. Az egyik hazai telefontársaság nem egészen egy éve jelentette be, hogy egy speciális szoftver segítségével elemzi a társaság munkatársával folytatott beszélgetések során a telefonáló ügyfelek érzelmi állapotát is. A szoftver jelzi, hogy elhangzottak-e bizonyos szavak, kifejezések (például az új ajánlat kulcsszavai) a beszélgetés során, és az ügyfél hangját különböző érzelmi kategóriákba sorolja, hogy minél tökéletesebb képet kapjon a vásárlók elégedettségéről, illetve az ügyfélszolgálat munkatársainak teljesítményéről.

A módszer az emberi hangképzés komplexitását használja ki