Teza doctorat (pdf) - Universitatea Tehnică

173
Cap. 6. Metode de sinteză de voce
În faza de analiză, se vor extrage două segmente x1(t) şi x2(t) de perioadă 2T0 centrate în
vârfurile de intensitate, aşa cum se observă din figură. Cele două segmente se suprapun pe axa
timpului de-a lungul unei perioade de semnal T0, şi corespund cu două maxime succesive de
intensitate ale semnalului original.
Fiecare segment va avea un indicator de frecvenţă pitch mark ales ca un punct de
referinţă pe axa timpului al segmentului respectiv. Acesta se poate alege în orice poziţie în
interiorul segmentului. În cazul nostru, vom alege poziţia sa la mijlocul segmentului,
corespunzând chiar maximului de intensitate al semnalului.
După extragerea segmentelor din semnalul iniţial, acestea vor fi ponderate prin
intermediul unei funcţii fereastră special alese (de obicei se aleg funcţiile Blackman, Hanning
sau Hamming). Ponderarea cu funcţia fereastră are ca scop aplatizarea formei de undă la capetele
segmentului pentru a nu denatura semnalul original, care trebuie să se regăsească prin
compunerea segmentelor extrase, conform relaţiei (6.10).
Urmează faza de sinteză, în care va avea loc procesul de mapare al segmentelor. Maparea
reprezintă o repoziţionare pe axa timpului a segmentelor extrase, în funcţie de modificările
parametrilor prozodici, şi anume a frecvenţei şi duratei semnalului.
În cazul în care se doreşte modificarea frecvenţei semnalului pentru a schimba tonalitatea
(înălţimea) vocii, segmentele iniţiale trebuie deplasate pe axa timpului. Deplasarea în avans
determină mărirea frecvenţei (T1 < T0 , unde T1 este noua perioadă ), iar întârzierea segmentului
determină micşorarea frecvenţei (T1 > T0 ), situaţie care este ilustrată în figura 6.6.
Dacă se doreşte modificarea duratei semnalului sintetizat pentru a schimba ritmul
vorbirii, frecvenţa va trebui să rămână aceeaşi pentru a nu altera tonalitatea vocii. De asemenea,
în acest caz nu trebuie modificată lungimea segmentului considerat, pentru că aceasta ar duce
implicit la modificarea frecvenţei semnalului. Schimbarea duratei se va face doar prin adăugarea,
respectiv omiterea unor perioade întregi ale formei de undă, cu alte cuvinte unele segmente vor fi
dublate, iar altele omise în cadrul semnalului sintetizat.
Maparea, adică repoziţionarea segmentelor pe axa timpului, se va face astfel: mai întâi se
determină noua frecvenţa şi durată a semnalului. Cunoscând noua durată se determină
segmentele care vor intra în compunerea semnalului sintetizat. Pentru aceste segmente, pe baza
noilor frecvenţe, se calculează poziţiile indicatorilor de frecvenţă pitch marks de-a lungul axei
timpului. Apoi eşantioanele de semnal se deplasează în poziţia indicată de fiecare dintre aceste
referinţe.
În final, segmentele repoziţionate vor fi îmbinate pentru a recompune semnalul sintetizat.
Pe porţiunile comune ale segmentelor, semnalul va trebui normat. Normarea se face prin
medierea pătratică a amplitudinilor celor două segmente:
x1(
n)
x
2 ( n)
x(
n)
(6.13)
2 2
x ( n)
x
( n)
1
2