Science behind Voice Identity: आवाज हीच आपली ओळख? भाषाविज्ञान काय सांगते?

मात्र, केवळ कलाकारालाच आपल्या आवाजाने ओळख मिळवून दिलेली असते की हा नियम सर्वसामान्य माणसालाही लागू होतो? आपल्याबाबतीत अनेकदा असं घडतं की, समोरची व्यक्ती न पाहताही, फोनवरच्या एका अस्पष्ट ‘हॅलो’वरूनही आपण ती व्यक्ती कोण आहे हे क्षणार्धात ओळखतो. हे नेमकं कसं घडतं, याच्या मुळाशी जायचं असेल तर आधी आवाज नेमका घडतो कसा, हे समजून घ्यायला हवं.

आवाजावरून माणसांची ओळख: जैविक बायोमेट्रिक!

आजच्या डिजिटल युगात आपला फोन, तिजोरी किंवा घराचे दार सुरक्षित ठेवण्यासाठी आपण बोटांच्या ठशांचा (फिंगरप्रिंट्स) वापर करतो. या तंत्रज्ञानाला ‘बायोमेट्रिक्स’ म्हटले जाते. प्रत्येक व्यक्तीच्या बोटाचे ठसे भिन्न असतात, अगदी त्याचप्रमाणे प्रत्येक व्यक्तीचा आवाजही भिन्न असतो. याला वैज्ञानिक भाषेत व्हॉइसप्रिंट म्हणतात. 

आपला आवाज नेमका तयार कसा होतो, हे समजून घेतलं की या वेगळेपणामागचं शास्त्र लक्षात येतं. फुप्फुसांतून बाहेर पडणारी हवा घशातील स्वरतंतूंवर (व्होकल कॉर्ड्स) आदळते, तेव्हा हे तंतू सेकंदाला शेकडो वेळा कंप पावतात. या कंपनांच्या वेगाला ‘मूलभूत वारंवारता’ (Fundamental Frequency) म्हणतात. पुरुषांचे स्वरतंतू तुलनेने लांब आणि जाड असल्याने पुरुषांच्या स्वरतंतूंची कंपने साधारण ८५ ते १८० हर्ट्झ या पट्टीत होतात, ज्यामुळे त्यांचा आवाज भारदस्त वाटतो . स्त्रियांचे स्वरतंतू लहान आणि अधिक लवचिक असल्याने त्यांची वारंवारता १६५ ते २५५ हर्ट्झच्या दरम्यान असते.

मात्र, केवळ स्वरतंतू आवाज घडवत नाहीत. त्या ध्वनीला अंतिम आकार मिळतो तो जीभ, टाळू, दात, ओठ आणि घशाची पोकळी या ‘स्वरमार्गा’त. प्रत्येकाच्या चेहऱ्याची आणि कवटीची ठेवण किंचित वेगळी असल्याने, याच पोकळ्यांमधून जाताना आवाजाला काही ठराविक वारंवारता-शिखरं मिळतात, ज्यांना ध्वनिशास्त्रात ‘फॉर्मंट्स’ म्हणतात. हीच शिखरं मिळून आवाजाचा ‘नादगुण’ (Timbre/टेंबर) तयार होतो आणि हा नादगुण प्रत्येकासाठी अक्षरशः स्वतंत्र असतो. म्हणूनच दोन माणसं एकच वाक्य, एकाच शब्दांत बोलली तरी त्यांचा आवाज कधीच सारखा भासत नाही.

समाज आपल्या आवाजाला कसा घडवतो?

आवाजाचा पाया जैविक असला तरी त्यावर कळस चढवतो तो समाज. आपण ज्या भागात, ज्या भाषिक वातावरणात लहानाचे मोठे होतो, तिथला हेल आणि उच्चार नकळत आपल्या बोलण्यात उतरतो. पण गोष्ट इथेच थांबत नाही, आपली सामाजिक परिस्थितीही आपला आवाज सतत घडवत असते.

समाजभाषाविज्ञानातील प्रसिद्ध संशोधक हॉवर्ड गाइल्स (Howard Giles) यांनी यासाठी ‘कम्युनिकेशन अकोमोडेशन थिअरी’ (Communication Accommodation Theory) मांडली. या सिद्धांतानुसार, आपण कोणाशी बोलतो त्यानुसार आपल्या आवाजाची पट्टी, बोलण्याचा वेग आणि तीव्रता आपोआप बदलत असते. उदाहरणार्थ, मुलाखतीत किंवा वरिष्ठांसमोर बोलताना आवाज नकळत अधिक संयत आणि खोल होतो. लहान बाळाशी किंवा जिव्हाळ्याच्या व्यक्तीशी बोलताना तोच आवाज उंच आणि लाडिक होतो आणि अनेक संस्कृतींमध्ये पुरुषांनी ठाम आवाजात, तर स्त्रियांनी मृदू आवाजात बोलावं असे अलिखित सामाजिक संकेतही पिढ्यान्‌पिढ्या  रुजलेले असतात.

आपल्यापैकी अनेकांना रोजच्या आयुष्यात याचा अनुभव येतो. घरी मराठीत मोकळेपणाने बोलणारी व्यक्ती ऑफिसमध्ये इंग्रजीत बोलताना भाषेनुसार बोलण्याचा ढंग आणि आवाजाचा बाज पूर्णपणे बदलतो. शैली बदलली की जणू आपला ‘आवाजी अवतार’ही बदलतो. म्हणजे आपला आवाज हा केवळ शरीररचनेचा भाग नाही, तर आपण कुठे वाढलो, कोणाशी किती जवळीक साधतो आणि समाजाने आपल्याकडून काय अपेक्षा ठेवली याचाही तो आरसा असतो.

मग समोर माणूस नसतानाही मेंदू आवाज कसा ओळखतो?

फोनवर केवळ एक अस्पष्ट ‘हॅलो’ ऐकताच समोरची व्यक्ती कोण आहे हे आपल्याला क्षणात कळतं, हे नेमकं कसं घडतं? न्यूरोसायन्सने याचं उत्तर शोधून काढलं आहे.

चेहरे ओळखण्यासाठी मेंदूत जसा एक स्वतंत्र भाग (फ्युसिफॉर्म फेस एरिया) राखीव असतो, तसाच आवाज ओळखण्यासाठीही मेंदूत एक खास भाग असतो. वर्ष २००० मध्ये न्यूरोसायंटिस्ट पास्कल बेलिन (Pascal Belin) आणि त्यांच्या सहकाऱ्यांनी ‘नेचर’ या आंतरराष्ट्रीय नियतकालिकात एक महत्त्वाचा शोधनिबंध प्रसिद्ध केला. एफएमआरआय स्कॅनच्या साहाय्याने त्यांनी दाखवून दिलं की, मेंदूच्या दोन्ही बाजूंच्या ‘सुपीरियर टेम्पोरल सल्कस’ या भागात मानवी आवाजाला विशेष प्रतिसाद देणाऱ्या पेशी असतात. या भागाला ‘टेम्पोरल व्हॉईस एरियाज’ असं नाव देण्यात आलं. गाडीचा हॉर्न, कुत्र्याचं भुंकणं किंवा पाण्याचा आवाज ऐकताना हा भाग तुलनेने शांत राहतो; पण माणसाचा आवाज कानावर पडताच तो लगेच सक्रिय होतो.

मेंदू एकाच वेळी दोन वेगवेगळ्या पातळ्यांवर या माहितीवर प्रक्रिया करतो. डाव्या बाजूचा मेंदू ‘काय बोललं जातंय’ याचा अर्थ आणि व्याकरण उलगडतो, तर उजव्या बाजूचा मेंदू ‘कोण बोलतंय आणि कोणत्या भावनेने बोलतंय’ हे तपासतो. याच दुसऱ्या वाटेमुळे जुन्या आठवणींच्या आधारे मेंदू त्या आवाजामागच्या व्यक्तीचं जणू चित्रच उभं करतो, जरी ती व्यक्ती प्रत्यक्ष समोर नसली तरीही.

ही यंत्रणा किती स्वतंत्रपणे काम करते, याचं एक उदाहरण म्हणजे ‘फोनॅग्नोशिया’ हा दुर्मीळ न्यूरोलॉजिकल विकार. २००९ साली संशोधक लुशिया गॅरिडो (Lucia Garrido) आणि सहकाऱ्यांनी नोंदवलेल्या एका अभ्यासात, साठ वर्षांची एक निरोगी व्यावसायिक स्त्री समोर आली. तिला ऐकू व्यवस्थित येत होतं, बोलण्याचा अर्थही नीट कळत होता, संगीत आणि इतर आवाजही ती सहज ओळखत असे; पण ओळखीच्या माणसाचा नुसता आवाज ऐकून तो नेमका कोण आहे, हे मात्र तिला कधीच सांगता येत नसे. तीच व्यक्ती समोर येऊन तिचा चेहरा दिसल्यावर मात्र ओळख लगेच पटत असे. यावरून एक गोष्ट स्पष्ट होते, आवाजावरून ओळख पटवणं ही मेंदूतील पूर्णतः स्वतंत्र आणि खास यंत्रणा आहे.

उत्क्रांतीच्या दृष्टीने विचार केला तर ही यंत्रणा माणसाला फार उपयोगी पडली असावी. अंधारात, दाट जंगलात किंवा नुसत्या वळणावरून येणाऱ्या हाकेवरूनही समोरचा आपला माणूस आहे की परका, हे क्षणार्धात ओळखता येणं हे थेट सुरक्षिततेशी निगडित होतं. आजही फोनवरचा आवाज ऐकून आपण नकळत सतर्क होतो किंवा निर्धास्त होतो, यामागे हीच प्राचीन यंत्रणा कार्यरत असते.

अखेर, आवाज हीच खरी ओळख

लीना भागवत यांच्यासारख्या रंगकर्मीसाठी आवाज हा जगण्याचा आणि व्यक्त होण्याचा प्राणच असतो, म्हणूनच शस्त्रक्रियेनंतरचे शांततेचे दिवस त्यांच्यासाठी अस्वस्थ करणारे ठरतात. पण, हे केवळ कलाकारांपुरतं मर्यादित नाही. आपला आवाज हा आपल्या शरीररचनेपासून ते सामाजिक जडणघडणीपर्यंत आणि मेंदूतील गुंतागुंतीच्या यंत्रणेपर्यंत, या सगळ्याचं एकत्रित प्रतिबिंब असतो. डोळे मिटले तरी आणि समोरची व्यक्ती दिसत नसतानाही, जो आपल्याला जगाशी जोडतो आणि आपणही ज्यावरून ओळखले जातो, तो आपला आवाजच असतो. गुलजार यांनी लिहिलेलं आणि लतादीदींनी अजरामर केलेलं ते गाणं म्हणूनच केवळ एक काव्यात्मक ओळ उरत नाही, तर एक वैज्ञानिक सत्य ठरतं, मेरी आवाज ही पहचान है!