| dbo:abstract
|
- The source–filter model represents speech as a combination of a sound source, such as the vocal cords, and a linear acoustic filter, the vocal tract. While only an approximation, the model is widely used in a number of applications such as speech synthesis and speech analysis because of its relative simplicity. It is also related to linear prediction. The development of the model is due, in large part, to the early work of Gunnar Fant, although others, notably Ken Stevens, have also contributed substantially to the models underlying acoustic analysis of speech and speech synthesis. Fant built off the work of and Masato Kajiyama, who first showed the relationship between a vowel's acoustic properties and the shape of the vocal tract. An important assumption that is often made in the use of the source–filter model is the independence of source and filter. In such cases, the model should more accurately be referred to as the "independent source–filter model". (en)
- ソース・フィルタモデル (英: Source-filter model) とは、人の声道で声が生成される過程を、ソースつまり音源 (声門など) と 線形音響フィルタ (声道および放射特性) で近似する数理モデルである。 音声合成や音声分析に使用される。このモデルは「ソースとフィルタの独立性」を仮定しており、この仮定を強調するならば「独立ソース・フィルタモデル」(independent source-filter model)と呼ぶべきである。 このモデルは比較的シンプルで応用例が多数ある。程度の差こそあれ、異なる音素はその音源とスペクトル形状の特性によって区別できる。発声された音 (例: 母音) は、(少なくとも) 一つの音源 —— (たいていは) 声門の周期的励起 —— を持ち、それは時間領域ではインパルス列、周波数領域ではハーモニクスとして近似でき、また舌の位置や唇の突き出し具合に依存したフィルタ (調音) を持つ。他方、摩擦音は (少なくとも) 一つの音源を持つ —— 口腔を狭める事 (constriction) で生成される乱流騒音 (例: 正書法 (orthographically) で"s"や"f"で表現される音) である。有声摩擦音 ("z"や"v") は二つの音源を持つ —— 一つは声門で、もう一つは声門上部のくびれである。 ソース・フィルタモデルは線形予測 (linear prediction) と関連している。モデルの開発は、その大部分が の初期の研究に拠っている —— もちろん他の人々、特に も音声の音響分析や音声合成の基礎となるモデルに潜在的には寄与しているが。 ソース・フィルタモデルでは、音源または励起信号は、有声音については周期的インパルス列で、無声音についてはホワイトノイズで、しばしばモデル化される。声道フィルタは、最も単純な場合には全極フィルタ (all-pole filter) で近似され、その係数は再生される音声信号の平均二乗誤差を最小とする線形予測により得られる。励起信号をフィルタの伝達関数と畳み込む事で、合成音声が得られる。 (ja)
- O modelo Fonte-Filtro da voz descreve a voz falada ou cantada como uma combinação de uma fonte de som, como as cordas vocais, e um filtro acústico linear, o trato vocal , que modifica o som gerado na fonte. Uma suposição importante que geralmente é feita no uso do modelo de filtro de origem é a independência da fonte e do filtro. Ou seja, em princípio, o indivíduo poderia controlar separadamente o funcionamento da laringe e o do trato vocal, e este não afetaria em nada o comportamento da fonte sonora. Nesses casos, o modelo deve ser referido com mais precisão como o "modelo independente de filtro de origem". Embora seja uma simplificação ao que de fato ocorre, o modelo é amplamente usado em várias aplicações devido à sua relativa comodidade. Em graus variados, diferentes fonemas podem ser distinguidos por sua estrutura espectral. Os sons vocais (por exemplo, as vogais) têm uma fonte que se manifesta como uma onda glótica periódica, que pode ser aproximada por um trem de impulso no domínio do tempo e por harmônicos no domínio da frequência, sendo que esta onda glótica passa pelo trato vocal ( o filtro) que depende da posição da língua , da abertura da mandíbula, da altura da laringe e a protrusão labial, dentre outros fatores secundários. Por outro lado, os fonemas fricativos têm uma fonte que gera ruído turbulento produzido por uma constrição na cavidade oral (por exemplo, os sons representados ortograficamente por "s" e "f"). As chamadas fricativas sonoras (como "z" e "v") têm duas fontes combinadas - uma na glote e outra na constrição supra-glótica. O modelo fonte-filtro é aplicável tanto na síntese quanto na análise de fala, e pode ser operacionalizado através de diferentes métodos, o mais conhecido sendo o LPC (codificação da predição linear). O desenvolvimento do modelo se deve, em grande parte, aos primeiros trabalhos dos cientistas suecos Gunnar Fant e Johan Liljencrantz, embora outros, como Ken Stevens, também tenham contribuído substancialmente para os modelos subjacentes à análise acústica da fala e síntese de fala. Na implementação do modelo fonte-filtro na produção da fala, a fonte de som ou sinal de excitação são frequentemente modelados como um trem de impulso periódico, para voz sonora, ou com ruído branco para voz não sonora. O filtro do trato vocal é, no caso mais simples, aproximado por um filtro polivalente, em que os coeficientes são obtidos através da predição linear para minimizar o erro quadrático médio no sinal de fala a ser reproduzido. A convolução do sinal de excitação com a resposta do filtro produz o discurso sintetizado. (pt)
- Källa–filter-modellen är en modell för talproduktionen som används såväl för talsyntes som vid analys av talmaterial. Källa–filter-modellen utgår ifrån en röstkälla som genererar ett ljud: en ton, ett brusljud eller en kombination av de två. Ljudet filtreras av mun- och näshålorna innan det lämnar talorganet och sänds ut i luften. Utvecklingen av modellen beror till stor del på tidigt arbete av svenska forskare Gunnar Fant. Andra forskare, som Kenneth Stevens och Johan Liljencrantz, har bidragit väsentligt till modellerna bakom den akustiska analysen av tal och talsyntes. Den tonande röstkällan genereras av stämläpparna (glottis). Röstkällan påverkar i hög grad röstkvaliteten, till exempel om rösten blir knarrig eller viskande. Det filter som mun- och näshålorna motsvarar karaktäriseras av ett antal toppar och dalar, som benämns formanter. (sv)
|
| rdfs:comment
|
- The source–filter model represents speech as a combination of a sound source, such as the vocal cords, and a linear acoustic filter, the vocal tract. While only an approximation, the model is widely used in a number of applications such as speech synthesis and speech analysis because of its relative simplicity. It is also related to linear prediction. The development of the model is due, in large part, to the early work of Gunnar Fant, although others, notably Ken Stevens, have also contributed substantially to the models underlying acoustic analysis of speech and speech synthesis. Fant built off the work of and Masato Kajiyama, who first showed the relationship between a vowel's acoustic properties and the shape of the vocal tract. (en)
- ソース・フィルタモデル (英: Source-filter model) とは、人の声道で声が生成される過程を、ソースつまり音源 (声門など) と 線形音響フィルタ (声道および放射特性) で近似する数理モデルである。 音声合成や音声分析に使用される。このモデルは「ソースとフィルタの独立性」を仮定しており、この仮定を強調するならば「独立ソース・フィルタモデル」(independent source-filter model)と呼ぶべきである。 このモデルは比較的シンプルで応用例が多数ある。程度の差こそあれ、異なる音素はその音源とスペクトル形状の特性によって区別できる。発声された音 (例: 母音) は、(少なくとも) 一つの音源 —— (たいていは) 声門の周期的励起 —— を持ち、それは時間領域ではインパルス列、周波数領域ではハーモニクスとして近似でき、また舌の位置や唇の突き出し具合に依存したフィルタ (調音) を持つ。他方、摩擦音は (少なくとも) 一つの音源を持つ —— 口腔を狭める事 (constriction) で生成される乱流騒音 (例: 正書法 (orthographically) で"s"や"f"で表現される音) である。有声摩擦音 ("z"や"v") は二つの音源を持つ —— 一つは声門で、もう一つは声門上部のくびれである。 (ja)
- O modelo Fonte-Filtro da voz descreve a voz falada ou cantada como uma combinação de uma fonte de som, como as cordas vocais, e um filtro acústico linear, o trato vocal , que modifica o som gerado na fonte. Uma suposição importante que geralmente é feita no uso do modelo de filtro de origem é a independência da fonte e do filtro. Ou seja, em princípio, o indivíduo poderia controlar separadamente o funcionamento da laringe e o do trato vocal, e este não afetaria em nada o comportamento da fonte sonora. Nesses casos, o modelo deve ser referido com mais precisão como o "modelo independente de filtro de origem". (pt)
- Källa–filter-modellen är en modell för talproduktionen som används såväl för talsyntes som vid analys av talmaterial. Källa–filter-modellen utgår ifrån en röstkälla som genererar ett ljud: en ton, ett brusljud eller en kombination av de två. Ljudet filtreras av mun- och näshålorna innan det lämnar talorganet och sänds ut i luften. Utvecklingen av modellen beror till stor del på tidigt arbete av svenska forskare Gunnar Fant. Andra forskare, som Kenneth Stevens och Johan Liljencrantz, har bidragit väsentligt till modellerna bakom den akustiska analysen av tal och talsyntes. (sv)
|
