Synteza mowy II: Akcent i zabawa dźwiękiem

Dźwiękowa realizacja akcentu

Na początek powiedzmy trochę o dźwiękach, falach, okresach, wycinaniach, rozciąganiach, wydłużaniach i mnożeniach. Inaczej mówiąc, spróbujmy rozwiązać następujące zadanie: zakładamy, że dysponujemy nagraniem pojedynczej głoski i chcemy to nagranie przekształcić tak, by głoska uzyskała akcent. Głoskę uznamy za zaakcentowaną, jeśli powiedziana zostanie:

• głośnej,
• dłużej,
• wyżej.

Rys. 1. Nagranie samogłoski "a".

Zanim zaczniemy, powiedzmy przede wszystkim, że dźwięk jest falą, o której możemy myśleć po prostu jako o funkcji. Na rys.1 i pokazana jest taka właśnie fala dla nagrania samogłoski "a". Zauważmy, że składa się ona z ciągu bardzo podobnych fragmentów, tzw. epok (rys.2), innymi słowy, jest to funkcja okresowa. Niestety tylko teoretycznie, gdyż musimy wziąć pod uwagę jakość nagrania oraz to, że artykulację zawsze trzeba zacząć i skończyć (stąd słabsze fale na początku i końcu).

Uwaga!
Funkcjami okresowymi są jedynie samogłoski, spółgłoski półotwarte i spółgłoski szczelinowe. Dlaczego akurat te? Przypomnijmy sobie, że wymowy pozostałych spółgłosek - zwarto-szczelinowych i zwarto-szczelinowych (o klasyfikacji głosek pisaliśmy tutaj) - nie można "przedłużać", nie brzmią one jednostajnie i siłą rzeczy nie mogą zostać opisane funkcją okresową.

Czytelniku, poeksperymentuj!

W tym miejscu zachęcam do samodzielnego odkrycia prawideł rządzących zachowaniem fal dźwiękowych produkowanych przez ludzkie narządy artykulacyjne. Do tego celu potrzebny będzie program, pozwalający na podglądanie nagranych głosek - proponuję skorzystać z darmowego Audacity. Czytelniku, spróbuj nagrać tę samą samogłoskę wypowiedzianą w różny sposób: dłużej, krócej; niżej i wyżej; głośniej, ciszej. Porównaj otrzymane nagrania. Nagraj też jakąś spółgłoskę (najlepiej zwartą, np. "d") i porównaj nagranie jej fali z nagraniem samogłoski.

Jeśli nie masz mikrofonu, możesz obejrzeć i porównać nagrania przygotowane przeze mnie:

• niskie a
• wysokie a
• samogłoska u
• spółgłoska d

Po odpowiedniej porcji empirycznych doświadczeń, nadszedł czas by ostatecznie powiedzieć, jak zrealizować trzy potrzebne nam operacje: wydłużenie, podniesienie tonu, zwiększenie głośności.

By wydłużyć głoskę należy wziąć jedną epokę i skleić ją ze sobą tyle razy, ile potrzeba. Ta operacja zaprezentowana jest na rys. 4.

Rys. 5.

Podniesienie tonu

Przypomnijmy sobie nasze wcześniejsze doświadczenia. Okazuje się, że głoska wypowiadana wyżej wygląda tak samo, tylko epoki są położone bliżej siebie (rys. 3). Korzystając z tej obserwacji, moglibyśmy podnosić ton nagranych głosek przez "ścieśnianie" epok, tak jak zostało pokazane na rys. 5. Epok nie konkatenujemy ze sobą - zamiast tego sprawiamy by mała ich część nachodziła na siebie, co spowoduje, że częstotliwość będzie większa. Pozostaje zastanowić się, co zrobić z nachodzącymi na siebie częściami - najprostszym rozwiązaniem będzie zsumowanie wartości między czerwonymi liniami.

Istnieje alternatywne rozwiązanie problemu podniesienia tonu, wynikające z tego, że wysokość dźwięku zależy po prostu od jego częstotliwości. Zamiast bawić się w przesuwanie epok, możemy ścieśnić całą falę nie przejmując się w ogóle jej strukturą. Jeśli opisuje nagranie głoski, to opisuje tę samą głoskę, tyle że o niższym ()lub wyższym () tonie.

Zwiększenie głośności

To najłatwiejsza z transformacji: jeśli dźwięk reprezentowany jest przez funkcję f(x), to funkcja ta pomnożona przez jakąś stałą większą od 1 da ten sam dźwięk, tyle że głośniejszy.