Virtual Singer Edição de Fonemas

Muito importante : Este capítulo requer noções avançadas sobre o processamento digital de sinais. Alguns conhecimentos de acústica e processamento digital de sinais serão então necessários.

Quando edita o timbre da voz, um botão "Avançadas" abre uma caixa de diálogo para a definição dos fonemas. As alterações feitas nesta janela só modificam a voz actual do intérprete. Outras vozes ficarão inalteradas.

Um pouco de técnica

 

Questão : Como é que o Virtual Singer gera um fonema ?

Um sinal digital de excitação (históricamente chamado "fonte glótica") é gerado, dependendo da potência e da frequência fundamental do fonema a ser cantado. Este sinal é constituído por um meio-período parabólico, seguido de um meio-período silencioso (paragem glótica). A Harmónica número 1 (frequência fundamental), número 2 (o dobro da frequência fundamental) e 3 (o tripo da frequência fundamental) são então amplificados, de forma a serem o mais apróximados possível da formação de uma fonte vocal cantada. Esta fonte é então mais ou menos amplificada, de acordo com o valor da vocalização.

Então o processo é dividido em duas partes :

O tratamento em cascata : um ruído, chamado de ruído de aspiração, é adicionado à fonte de excitação. Este sinal é então processado por um conjunto de filtros em série (cascata), cada filtro correspondento a um formante.

O processamento Paralelo : um ruído, chamado de ruído de fricção, é adicionado à fonte de excitação. A derivada de primeira ordem deste sinal é então processada por um conjunto de filtros paralelos (cascata), cada filtro correspondendo a um formante. A amplitude de cada formante é processada, de forma a aumentar ou diminuír a respectiva influência de cada formante no sinal de saída.

O resultado dos dois processamento feitos em cima é então adicionado, e modulado se necessário por um oscilador de baixa-frequência (20 Hz) para simular o efeito de rotação (como no Espanhol "R"s).

Após aplicar o ganho de saída e o ajuste de agudos/graves, o sínal de saída está finalmente completo.

Em termos concretos, este algorítmo tem implicações mais vastas na forma como o fonema é processado :

•  A Amplitude para cada formante só é processada pela parte paralela do algorítmo de processamento. Portanto, mesmo que a amplitude de um formante seja ajustada para zero, este formante continuará a ter um efeito no sinal resultante, por causa da sua acção no processamento em cascata.
• Ruído de aspiração passa através de um conjunto de filtros em cascata. Ele é altamente distorcido pelos formantes do fonema, e a sua saída tem o ruído mais filtrado (grave), o qual pode ser usado para simular os efeitos de respiração, gerados mais atrás do canal vocal.
• A derivada de primeira ordem do ruído de fricção passa através de um conjunto de filtros paralelos. Ele dá um ruído de frequência mais elevada, o qual pode ser usado para simular os assobios criados pela parte frontal da boca.

Fragmentos

O elemento fonético base é o fonema. Mas já vimos que alguns fonemas complexos, como os ditongos,  podem ser constituídos por vários estados sucessivos.
Por causa disto, temos que definir a noção de fragmento, que representa um estado "estático" num fonema.
Portanto, um fonema pode ser constituído por um ou vários fragmentos.

Na lista da esquerda, está a lista completa de todos os fragmentos necessários para pronunciar qualquer fonema em qualquer linguagem.
Os fragmentos exibidos em Negrito são os que são usados por qualquer linguagem.

Nota Importante : Nesta janela, você pode alterar a forma de pronunciar um ou vários fragmentos. Estas alterações são só aplicadas ao intérprete actualmente editado. Modificando um fragmento nesta janela somente alterará a pronúncia para este intérprete, e não afectará os outros'.

Na parte direita da janela, vários objectos gráficos permitem-lhe modificar os dados dos fragmentos.

Na parte superior da janela, um menu pop-up mostra-lhe o tipo de fragmento :
Vogal  significa que este fragmento poderá ser prolongado quando a sílaba na qual está incluído é extendida no tempo.
Se a sílaba não incluír qualquer vogal, o Virtual Singer tentará prolongar os fragmentos do tipo vogal de passagem.
Para qualquer dos tipos acima, os fragmentos do tipo consoante vocalizada e consoante não vocalizada serão prolongados.

A duração dos fragmentos pode ser alterada através de um indicador.
Este valor é o tempo natural para o fragmento. Se este fragmento for prolongado, a sua duração será aumentada.

Nota : Quando um valor é alterado gráficamente (através de um indicador por exemplo), o seu valor numérico correspondente aparece numa moldura no canto inferior direito da janela.

A parte estática de um fragmento

É um conjunto de valores usados para definir a parte estática de um fragmento, ou seja, independente das transições dos fragmentos adjacentes.
Estes parâmetros podem ser modificados usando uma vasta área gráfica na parte direita da janela.

Os Formantes são exibidos como triângulos. Para cada formante, a frequência média (in Hertz), Amplitude (dB) e largura de banda (triângulo do fundo, em Hz) podem ser alterados.
Um conjunto de pequenos botões por baixo deste gráfico permitem-lhe activar ou desactivar cada formante na parte paralela do gerador da voz.

Nota : Como foi explicado em cima, mesmo que um formante seja desactivado, e já não seja mais exibido na parte gráfica, a sua frequência e largura de banda continuam a ser usados na parte em cascata do gerador de voz.

À direita, um conjunto de indicadores verticais permitem-lhe alterar os níveis de vocalização (av), rotação (Rl), aspiração (asp) e fricção (af).
 

Dica : Editando gráficamente a frequência média ou largura de banda de um formante, são exibidas duas linhas verticais. Elas mostram-lhe o limite superior e inferior deste parâmetro, encontrado na lista de todos os fragmentos. Isto evita que o parâmetro seja ajustado para um valor demasiado "raro".

Curvas de transição de fragmentos

Durante uma parte falada ou cantada, a transição de um fragmento para outro não é instantâneo : o fragmento seguinte começa a ser falado antes do anterior ser completamente concluído. Esta transição suave entre fragmentos é chamada de coarticulação.

A parte gráfica no fundo da janela permite-lhe, para cada parâmetro (frequência do formante, amplitude, largura de banda e níveis variados) definir a sua curva de transição através do tempo. O parâmetro para o qual a curva é exibida aparece rodeado a vermelho na área superior.

Na curva de transição, por convenção, o valor adjacente (anterior ou próximo) é exibido ordenadamente do mais baixo para o mais alto.
O valor estático para o fragmento actualmente seleccionado (indicado na parte superior do gráfico) é exibido ordenadamente do mais alto para o mais baixo.

Nota : esta é uma exibição simbólica, sem qualquer relação com o valor efectivo do parâmetro.

Um primeiro segmento, na esquerda, cujo tempo é 'roubado' aos fragmentos anterior.
Este segmento fará o parâmetro evoluir do valor estático do primeiro segmento para um valor intermédio, definido por dois indicadores verticais à esquerda da curva.

Indicador de Relação (Ra) permite-lhe seleccionar a extensão do valor do parâmetro anterior de acordo com o valor a ser atingido.

Exemplo : uma relação de 0% ajusta o valor intermédio para o valor a ser atingido.
Uma relação de 100% ajusta o valor intermédio para o valor do parâmetro anterior.
Uma relação de 50% ajusta o valor intermédio para a média dos valores do parâmetro anterior e actual.

Inicio de compensação (Od) permite-lhe adicionar um valor fixo ao valor intermédio.

Exemplo : com uma relação (Ra) de 50%, e uma compensação (Od) de 100, o valor intermédio é igual a : 100 + média do valor anterior e do actual.

Na curva, o segundo segmento dá o tempo de transição entre o valor intermédio e o valor a ser atingido (valor estático do fragmento actual). Este tempo é obtido do fragmento actual.

Foi dito em cima que uma curva de transição pode ser definida a partir do valor estático do primeiro segmento, e para o valor estático do fragmento seguinte.

Cada uma destas curvas de transição só serão usadas se o fragmento actual tem uma prioridade maior que o fragmento adjacente. A prioridade é dada pela ordem do fragmento na lista de fragmentos.Quanto mais alto na lista, maior é a prioridade.

Exemplo :
Se a lista contiver apenas três fragmentos, "a, b, c" nesta ordem, e a sílaba a ser cantada é "babc", as transições seguintes serão criadas para cada parâmetro dos fragmentos :

• valor estático do fragmento "b",
• transição para o valor do fragmento "a", seguindo os dois primeiros segmento da curva de transição do "a" (porque o "a" tem uma prioridade maior que o "b"),
• valor estático do fragmento "a",
• transição para o valor do fragmento "c", seguindo os dois últimos segmentos da curva de transição do "a" (porque "a" tem uma prioridade maior que o "c"),
• valor estático do fragmento "c",
• transição para o valor do fragmento "b", seguindo os dois últimos segmentos da curva de transição do "b" (porque "b" tem uma prioridade maior que o "c"),
• valor estático do fragmento "b".

Botões de acção

Estes botões, localizados no canto inferior direito da janela, permitem-lhe executar várias acções :

Botão Testar

Você pode testar os fragmentos modificados escrevendo uma frase simples na moldura correspondente e depois clicando no botão.
Então, a lista de fragmentos usada para pronúnciar a frase é exibida.
Os símbolos > e < entre o nome dos fragmentos dá-lhe a prioridade relativa de cada fragmento de acordo com os fragmentos adjacentes.
Observação : quando selecciona outro fragmento na lista de fragmentos, uma palavra de amostra para esse fragmento é inserida na zona de texto.

Quando selecciona outra linguagem, os fragmentos usados nesta linguagem aparecem em negrito na lista de fragmentos.

permitem-lhe copiar a totalidade dos parâmetros e curvas de transição de um fragmento, de forma a poder colá-los em outro fragmento.