El Sistema de Producción de Voz

Tamaño: px

Comenzar la demostración a partir de la página:

Download "El Sistema de Producción de Voz"

Lourdes Pereyra Peña
hace 6 años
Vistas:

1 El Sistema de Producción de Voz Rafael Martínez Olalla Grupo de Informática Aplicada al Procesamiento de Señal e Imagen (GIAPSI) Universidad Politécnica de Madrid, Campus de Montegancedo, s/n, Boadilla del Monte, Madrid, Spain rmolalla@junipera.datsi.fi.upm.es 1/39

2 Introducción Forma de onda y espectro de una señal de voz E s t o e s u n a s e ñ a l de vo z 2/39

3 1 Producción y modelado de habla 1.1 Fundamentos de la ciencia del habla 1.1a Comunicación oral 1.1b Anatomía y fisiología del sistema de producción de habla 1.1c Fonemas y sonidos 1.2 Modelado de la producción de habla. 1.3 Teoría acústica de la producción de habla 1.4 Modelado en tiempo discreto 3/39

4 1.1a Comunicación oral El habla se emplea para comunicar información de un hablante a un oyente El oir es parte integral de la cadena del habla Hablante Habla Oyente 4/39

5 Proceso del habla HABLANTE Idea Conversión a estructura lingüística Comandos motores para producir el habla Sistema de producción de habla Procesos cerebrales Interpretación de los impulsos Cerebro OYENTE Conversión a impulsos neurológicos Oído medio e interno Onda de presión Recepción del sonido Oído externo 5/39

6 Anatomía y fisiología del sistema de producción de habla Forma de onda de la señal de voz = Onda de presión acústica. Estructuras que la originan. Pulmones Tráquea Laringe (órgano de producción de voz) Tracto vocal Cavidad faríngea Cavidad oral Cavidad nasal 6/39

7 Anatomía y fisiología del sistema de producción de habla Articuladores Cuerdas vocales Velo Lengua Dientes Labios Mandíbula 7/39

8 [Furui 1989] 8/39

9 Equivalencia Producción de habla - Filtro La producción de habla se puede asimilar a una operación de filtrado Cavidades = Principal filtro acústico Excitación (cuerdas vocales para sonidos sonoros) Carga a la salida: impedancia de radiación debida a los labios. Articuladores: Cambian las propiedades del sistema. 9/39

10 Cavidades del sistema Tracto vocal Hombre adulto: 17 cm. Mujer adulta: 14 cm. niño: 10 cm. Área del tracto vocal: desde 0 a 20 cm 2. Cavidad nasal: Camino auxiliar de transmisión del sonido.(12 cm). Acoplamiento acústico entre cavidad nasal y resto de cavidades: controlado por el velo. (apertura de 0 a 5 cm 2 ). 10/39

11 Filtro acústico Filtro acústico Cavidad nasal Cuerdas vocales Cavidad faríngea Laringe Tráquea Velo Cavidad oral (modificada por los órganos articulatorios) Señal acústica de salida Generador Pulmones Diafragma 11/39

12 Laringe Función: producir una excitación periódica al sistema para los sonidos sonoros. Se compone de: Cuatro cartílagos Un par de bandas elásticas de músculo y mucosas que van de los cartílagos tiroideos a los artenoides (nuez) 12/39

13 Cuerdas Vocales 13/39

14 Análisis acústico elemental. Las características espectrales de la señal de voz son no estacionarias (el sistema físico cambia rápidamente). El habla se puede dividir en segmentos de sonido con propiedades acústicas similares (en periodos cortos). Primera división: Vocales: No hay restricción al flujo de aire. Consonantes: Las cavidades se ven obstaculizadas por órganos articulatorios. Los sonidos que preceden o siguen a uno dado afectan a dicho sonido (fenómenos de coarticulación). Las limitaciones físicas en la producción y en el sistema auditivo hacen que la comunicación oral se limite a un ancho de banda de 7-8 KHz. 14/39

15 15/39

16 Espectro de una señal de voz Sonidos vocálicos: se observa la presencia de una excitación periódica Sonidos sordos: no existe tal excitación. En los dos casos aparecen regiones enfatizadas (resonancias), y deenfatizadas (antiresonancias). Estas resonancias están causadas por las reflexiones del sonido en las cavidades del tracto vocal. => Cada tracto vocal esta caracterizado por un conjunto de resonancias. Los articuladores determinan las propiedades del filtro del sistema de producción de voz. Resonancias -> formantes (forman el espectro). Teóricamente existen infinitos formantes de un sonido. En la práctica usamos entre tres y cinco. 16/39

17 Excitación del sistema de producción de voz Tipos de excitación Sonoros No sonoros Mixtos Plosivos Fricativos Silencio 17/39

18 Sonidos sonoros Se fuerza el aire a través de la glotis. La tensión de las cuerdas se ajusta para que vibren. La interrupción periódica del aire al salir crea un tren de pulsos que excitan el tracto vocal. 18/39

19 Forma de onda y espectro de algunas vocales [Deller et al. 1993] 19/39

20 Vocales del español 20/39

21 Triángulo fonético (vocales japonesas) Tratamiento Digital de la Señal de Voz, [Furui Curso 1989] 2010/2011. Sistema de Producción de Voz 21/39

22 Valores de los formantes de las vocales inglesas [Deller et al. 1993] 22/39

23 Sonidos no sonoros Se crea una cierta oposición al aire en algún punto del tracto vocal Mixtos: (m, b, z inglesa...) Silencio: antes de una plosión. Plosión: Se cierra totalmente el tracto y se deja salir de repente. Fricación: turbulencia de aire. 23/39

24 Algunos conceptos sobre sonidos sonoros Periodo fundamental: Tiempo entre dos aperturas sucesivas de las cuerdas vocales. Frecuencia fundamental (inverso del periodo): tasa de vibración. (pitch) Depende del tamaño y tensión de las cuerdas. (guitarras, violines, etc.) A veces el pitch se define como la frecuencia fundamental percibida (en telefonia la señal está limitada a una banda de Hz aprox. Rango de variación del pitch: Hz (hombres), Hz (mujeres). 24/39

25 Valores del pitch [Furui 1989] 25/39

26 Otras posibles excitaciones Sonidos ejectivos (hopi, apache, cherokee, algunas lenguas caucásicas y africanas) Clics (bantu, zulu, xosa). Implosivos (nativos americanos, lenguas de la India, Paquistán y África). 26/39

27 Fonemas y sonidos Fonema: Unidad ideal de sonido con un conjunto de gestos articulatorios asociados. Debido a acentos, género y efectos coarticulatorios un fonema tiene varias manifestaciones acústicas diferentes. Desde el punto de vista acústico el fonema representa una clase de sonidos. (alófonos) Aproximaciones de la fonética al estudio de los fonemas: Fonética articulatoria Fonética Acústica. (análisis de la señal) Fonética auditiva. (Análisis de la respuesta perceptual). 27/39

28 Consecuencias de la nasalización. [Deller et al. 1993] 28/39

29 Teoría acústica de la producción del habla 1779 Kratzenstein produce artificialmente (con un resonador) y explica las diferencias entre las vocales /e, i, Y, o, Yu/ Von Kempelen construye una máquina que realiza pronunciaciones conectadas J. Faber construye Eufonia (con la posibilidad de variar el pich, habla susurrada, etc) VODER (Sintetizador eléctrico operado mediante 14 teclas que controlaban la estructura de resonancia del tracto vocal). 29/39

30 Máquina de Von Kempelen Tratamiento Digital de la Señal de Voz, Curso 2010/2011. [Deller Sistema et al. 1993] de Producción de Voz 30/39

31 Presentación del Voder [Deller et al. 1993] 31/39

32 El Voder: diagrama de bloques [Deller et al. 1993] 32/39

33 Propagación del sonido Necesitamos la caracterización de diversos aspectos: Naturaleza dependiente del tiempo del tracto vocal Acoplamiento de la cavidad nasal Efecto de las paredes del tracto (blandas) Acoplamiento subglotal (pulmones y tráquea) Pérdidas debidas a fricción y conductividad térmica en las paredes) 33/39

34 Modelado del tracto vocal Relaciones entre presión y velocidad. Terminación cerrada La respuesta en frecuencia que se obtiene es análoga a la de un resonador láser. 34/39

35 Modelado del tracto vocal como un tubo [Deller et al. 1993] 35/39

36 Resonancias en un tubo de 17.5 cm. [Deller et al. 1993] 36/39

37 Modelo de tubo múltiple sin pérdidas Dentro del tracto vocal existen diferentes secciones Podemos suponer la existencia de ondas transmitidas y reflejadas en cada sección La analogía con una línea de transmisión es inmediata. 37/39

38 Tubo múltiple sin pérdidas [Deller et al. 1993] 38/39

39 Modelado en tiempo discreto. En este caso la analogía es con un filtro digital. La realización del modelo es simple (un filtro digital son un conjunto de sumas, retardos y productos por constantes) La obtención de los polos y los ceros en un filtro digital se corresponde con las resonancias y antiresonancias. Si conseguimos un filtro que simule un sonido, sus polos se corresponderan con los formantes. 39/39

Documentos relacionados

Modelos de producción de voz. Curso de doctorado 2001/2002 Inmaculada Hernáez

Modelos de producción de voz. Curso de doctorado 2001/2002 Inmaculada Hernáez Modelos de producción de voz Curso de doctorado 2001/2002 Inmaculada Hernáez inma@bips.bi.ehu.es Modelos de producción de voz Teoría de la producción del habla El sintetizador de formantes Teoría de la