Virtual Singer Aspetti tecnici della voce Sintesi della voce cantata

In materia di sintesi vocale, palata o cantata, si incontrano tre metodi principali:

• modellizzazione del canale vocale,
• collocazione pezzo per pezzo di elementi registrati ,
• sintesi per formanti.

• 
  

  Simulazione del canale vocale

  
  
  

  Si tratta del metodo storicamente più antico. Le prime sintesi vocali sono state fatte per mezzo di automi meccanici impiegando un insieme di tubi e membrane che simulavano il canale vocale.
  La messa in opera informatica di questo procedimento non ha dato finora risultati probanti a causa della sua estrema complessità.

  Collocazione pezzo per pezzo degli elementi della voce

  
  
  

  È la registrazione di un cantore o di un locutore per memorizzare i fonemi o assemblare i fonemi pronunciati per unirli pezzo a pezzo e restituire la voce della persona. Algoritmi complessi modificano i fonemi registrati per portarli a seguire la prosodia della voce parlata e dànno risultati eccellenti. Tuttavia questi algoritmi si adattano male ai grandi ambiti di frequenza della voce cantata.
  L'inconveniente di questo procedimento è quello di generare documenti di descrizione della voce molto pesanti. Inoltre, per definire un'altra voce, è necessario registrare un'altra persona.
  Altro difetto di questo sistema è che deve essere pronunciata la totalità dei fonemi di una lingua. Per costruire un programma in più lingue è dunque necessario registrare una persona perfettamente poliglotta al fine di campionare l'insieme dei fonemi pronunciabili in ognuna delle lingue.

  La sintesi per formanti

  
  
  

  Questa sintesi si fonda sull'analisi del suono di cui la voce è costituita. Gli acustici si sono accorti, infatti, che le risonanze del canale vocale esaltano certe zone di frequenza, specifiche del fonema pronunciato. Essi hanno chiamato queste zone di frequenza" formanti".
  Una formante è caratterizzata dalla sua frequenza (altezza) e dalla sua energia (forza).
   

  Nota : In elettronica o in informatica la formante è riconducibile a un filtro passa-banda con risonanza.

  
  Negli anni '60, per produrre fonemi riconoscibili i primi dispositivi impiegavano filtri elettronici. Si è poi capito che per ottenere un filtro di buona qualità acustica erano sufficienti da tre a sei formanti
  I vantaggi di questo sistema sono che, per generare un fonema, bastano pochissimi dati (essendo sufficiente, in teoria, la descrizione delle formanti) e che è molto facile apportare lievi modifiche ai dati per ottenere voci diverse.
  Tuttavia il risultato ottenuto è in generale meno realistico che nel caso della voce registrata.

  Questo terzo metodo è quello che è stato adottato in Virtual Singer.