Síntesis de habla 6. Interpolación de alófonos.
Dentro de los métodos de síntesis de habla natural modificando el tono, descritos
en Síntesis de habla
nos centramos ahora en los alófonos descritos en
síntesis
de habla_5 no se
aplican en tramos contiguos sin más porque
el cambio brusco se oye
(una ley fundamental de todo ingeniero de señales).
Esta interpolación, necesaria perceptivamente, se justifica también articulatoriamente, porque todo cambio fonético proviene de una modificación de la configuración del aparato vocal, mandíbulas, lengua, laringe; y estas variaciones llevan tiempo; de modo que se produce una variación gradual de la configuración, y, por tanto, una variación gradual del sonido, el alófono correspondiente.
Esta variación se simula mezclando los sonidos gradualmente, lo que que se justifica también en el cambio o mezcla de configuraciones, Por ejemplo, llevar la vocal desde [a] a [o], significa pasar por etapas de articulación y sonido intermedios.
Podemos suponer que cada elemento articulatorio viaja linealmente de una situación a otra, con lo que puede predecirse el sonido intermedio correspondiente. En ese aspecto, en las vocales pasaremos por la shwa o vocal neutra cuando cambiamos de vocales con segundo formante elevado a las mismas, como cambios desde [i,e] a [o, u]; y no pasaremos si cambiamos dentro de la misma categoría: entre [e, i, a] por un lado y [u, o] por otro. Veámoslo en el triángulo vocálico de la figura. De Voz para habla y canto traemos el triángulo vocálico.
|
cerrada mandíbula abierta
Hz.
+))))))))))))))))))))))))))))),
/
*
f 2500
/
i
*
delantera
o 2000
/
e
*
r
/
*
m
/
neutra
*
a 1200
/ ü shwa
a
*
lengua
m
/
*
t
/
*
e 600
/
o
*
2 500
/
u *
trasera
/
*
.222222222222222222222222222222
300 400
500 600 800 Hz
formante 1
TRIANGULO VOCÁLICO. Los Alófonos Vocales del Castellano. |
La duración de este trayecto depende, o al menos se ve influida sin duda, por la distancia articulatoria entre ambos alófonos, es decir, por la diferencia de configuración entre ambos. En ese sentido, sería mayor la duración de la transición entre [a] y [u] que entre [a] y [o]. Y entre [p] y [k] que entre [p] y [t]. En ambos casos lengua mandíbula y labios cambian más en los primeros pares que en los segundos. Esto es una hipótesis que deberá ser investigada en análisis y en sístesis.
Tramos sonoros
En los tramos con tono, como hicimos en l
a versión de SETS (en la que
esta se inspira) los tramos de alófonos sonoros diferentes contiguos se
interpolan, mezclando ambos en tramos de enlace, de modo que al principio
domina el anterior y al final el nuevo.
La interpolación de realiza pues con una suma ponderada de las muestras de ambos alófonos con factor 1 de la antigua al principio o 0 de la nueva; al revés al final del tramo.
Esta duración hay que determinarla: puede llegar como máximo la mitad de la duración del menor de ambos tramos alofónicos hasta 0.
tras implementar una pequeña herramienta en nuestro programa Pea5, interpolamos entre alófonos vocales: en la figura entre [a] e [i]. la señal intermedia, en la figura suena neutra, más que intermedia. aunque así parecen sonar las vocales intermedias. Los alófonos mezclados con fuerte componente de uno de ellos suenan parecidos al más importante. De modo que la vocal, al interpolar, se desnaturaliza hacia lo neutro y llega poco a poco al segundo. No pasan, al parecer por los alófonos intermedios en el triángulo vocálico, pues, en este caso una [e]. Lo probaremos en una muestra
Tramos sordos
