Разобрал некоторые фонемы на паттерны.
Есть всего три базовых паттерна.
/-\ увеличение, не изменяется, уменьшение.
На уровне частот, это контрастность, по которым фонемы разделяются
На уровне формант - они накладываются на ширину канала. Где он либо не меняется, либо растёт, либо уменьшается. При этом у этих линий есть угол наклона. Как при кодировании изображения. Этот паттерн задаёт изначальный уровень ширины канала и его интенсивность (меняется, уменьшается, растёт)
А так же он накладывается на центральную частоту форманты, растёт она, не меняется, уменьшается.

Таким образом для каждой из 5ии формант мы имеем свой уникальный рисунок. А комбинация этих рисунков, задаёт уникальный рисунок фонемы.

Благодаря этому, мы можем сдвигать рисунок по частоте и он всё равно сохраняется. Поэтому легко распознать фонему на любой частоте, так как её рисунок остаётся неизменным.

Из 3ех базовых паттернов, кодируется фонема.
Тут только 2-4 форманты, так как настройки были под речь дельфинов. Но сути не меняет.

Пришёл к выводу:
1) основа - паттерны наклона/градиента характеристики. Склеивая их, получаем динамику параметров во времени
2) Мы распознаем по динамике, а не по звуку. Нет чистой К, есть КА, КЭ, КО и тд. Мы распознаем К по динамике за время T
3) паттерн градиент --> паттерн прото эмоций -> сочетания звуков -> морфемы/слова. Например,
Чиуауа (порода собак) - этим словом невозможно выразить нервозность, так как сочетание звуков делает его мелодичным.
Праздник - сочетание согласным, делает его усиливающим нервозность в середине.
Монстр - усиливает нервозность из за согласных.
Это тревожность в разном контексте, положительном и отрицательным. Сами прото эмоции, лишь усиливают контекст.
4) каждое слово - имеет частоту использования и степень выраженности паттернов прото эмоций.
Каждое событие, объект в мире ранжируются по частоте появления и паттернам угрозы/тревоги/активности.
Получаем отсортированные колонки сочетания звуков и объектов. Где они сопоставляются друг другу.

Закончил предварительный анализ речи животных. Готовлю нейронную сетку слуховой коры, поэтому важно понять, что должно лежать в основе дата сета.

1) мы не различаем речь животных, слыша просто кар, мяю и кряхтение дельфинов. Гипотеза была в том, что если выровнять их речь с человеческой (тон, скорость, форманты), то мы начнем слышать интонацию и лучше различать ее, так как наша слуховая сетка натренирована находить паттерны только в человеческом диапазон, обобщая весь остальной.
Это гипотеза верная. Послушайте аудио - и вы услышите интонацию и лучше различите отдельные звуки.

2) хотел проверить, на сколько развит язык у отдельных животных. Как и предполагал - домашние кошки просто не имеют возможность развить язык (встретилась одна запись неизвестных кошек, возможно уличные или уникумы). У дельфина речь развита не хуже, чем у человека, у ворон близка к людям.

Вывод? Обучать слуховую кору надо на всех языках сразу, для поиска закономерностей на разных частотах.

Буду по чуть чуть выкладывать результаты исследований речи. Чтоб с чего то начать.
Это анализ нескольких миллионов данных речи.
Предварительные результаты.

1) подтвердил, что изменение артикуляции языка стремиться к минимизации затрат энергии. Видно нормальное распределение наклонов частоты речи (движение языка)
2) у речи прослеживается фрактальные рисунки распределения наклона частоты и длительности наклона.
3) длительности наклонов частоты речи, предопределены и фиксированные
4) для речи достаточно две частоты. У людей это две форматы, у птиц (продвинутых) два тона.
5) похоже что пение птиц и речь человека равнозначны по структуре, но разные по форме. Есть всё предпосылки к тому, что обе речи можно записать в нотными записями. (Да, любой алфавит видимо можно записать нотами).
6) частоты речи, стремятся и колеблются вокруг "якорей", которыми выступают биологические gammatone фильтры.
7) музыкальные полутона совпадает с gammatone фильтрами.
8) к эмоциям можно применять LLM модели для предсказания.