Virtual Singer

Simulation des Vokal-Traktes

Historisch gesehen ist dies die älteste Methode. Die allererste Sprach-Synthese wurde für mechanische Automaten hergestellt, indem durch eine Ansammlung von Röhren und Ventilen ein Vokal-Trakt simuliert wurde.
Aufgrund der extremen Komplexität erbrachten Computermodelle dieses Prozesses bis heute keine zufriedenstellende Ergebnisse.

Verbindung aufgenommener Elemente

Ein Sänger oder Sprecher wird digital aufgenommen, um den ganzen Satz von Phonemen (oder Gruppen von Phonemen) zu speichern.
Dann werden diese Samples aneinander gesetzt, um die Stimme nachzubilden. Komplexe Algorythmen werden genutzt, um die aufgenommenen Phoneme so zu verändern, daß sie der Stimmführung folgen. Hiermit erreicht man exzellente Resultate für gesprochene Sprache.
Wie dem auch sei, diese Algorythmen sind nicht so erfolgreich bei Gesang, da hier die Frequenzbereiche viel weiter sind.
Ein weiterer Rückschlag für diese Methode ist die Tatsache, daß man sehr große Stimm-Beschreibungs-Dateien benötigt.
Um eine andere Stimme zu deffinieren, muß man einen anderen Sänger/Sprecher aufnehmen. Darüber hinaus muß der ganze Phonem-Satz für jede Sprache aufgenommen werden.
Um eine mehrsprachige Software herzustellen ist es also nötig verschiedene mehrsprachige Sänger/Sprecher aufzunehmen und diese Samples müssen dann in riesigen Datein von mehreren Megabyte Größe gespeichert werden.

Formant Synthese

Diese Synthese basiert auf der Analyse des Stimm-Klanges. Akkustiker fanden heraus, daß Vokal-Trakt-Resonanzen eine kleine Zahl von Frequenz-Bereichen verstärken, in Abhängigkeit vom gesprochenen Phonem. Ein solcher Frequenz Bereich wurde "Formant" genannt.
Ein Formant ist charakterisiert durch seine Frequenz (Tonhöhe), seine Bandbreite (Breite des Frequenz Bereichs) und seine Energie (Stärke).

Hinweis: In der Elektronik oder am Computer kann ein Formant durch einen Resonanz Bandpass Filter simuliert werden.

Diese dritte Methode wird von Virtual Singer verwendet.