अधिकांश आधुनिक मानव भाषण मान्यता प्रणालियां उन विधियों पर आधारित होती हैं जो ध्वनि रिकॉर्डिंग को ध्वनि में तोड़ती हैं और आवृत्ति आयामों के विशिष्ट सेटों के आधार पर उनके वर्गीकरण के आधार पर अलग-अलग अक्षरों की ध्वनियों की खोज करने के लिए उनकी आयाम-आवृत्ति विशेषताओं का विश्लेषण करती हैं। इस तरह की विधियाँ प्रत्येक ध्वनि-समूह को ध्वनि संकेत की एकल अविभाज्य इकाई के रूप में क्वासिस्ट्रेशन आवृत्ति विशेषताओं के साथ मानती हैं। इस दृष्टिकोण के साथ, समय के साथ गतिशील रूप से परिवर्तित होने वाली ध्वन्यात्मक विशेषताओं पर ध्यान नहीं दिया जाता है।

लेकिन भाषण के विश्लेषण के लिए इस तरह के दृष्टिकोण को न केवल इसकी मान्यता के लिए लागू किया जा सकता है, बल्कि ध्वनि के विश्लेषणात्मक विवरण के प्रशिक्षण के लिए, प्राप्त डेटा से एक गणितीय मॉडल का निर्माण, और ध्वनि संश्लेषण, लगभग मूल के समान ही किया जा सकता है।

मानव भाषण के घटकों का विश्लेषण

स्कूल के सभी लोग अभी भी जानते हैं कि एक शब्द में एक या एक से अधिक शब्दांश होते हैं, जिनमें एक या एक से अधिक स्वर होते हैं। एक फ़ोनीम भाषा की ऐसी न्यूनतम इकाई है (सबसे महत्वपूर्ण बात यह है कि यह सार्थक है), इसका कोई शाब्दिक या व्याकरणिक अर्थ नहीं है, लेकिन यह हमें भाषा की प्राथमिक इकाइयों - शब्दों को समझने में सक्षम बनाता है।

यह "O" अक्षर के स्वर के आयाम-समय की विशेषता जैसा दिखता है।

सुविधा के लिए, मैंने यहां तीन अलग-अलग समय अवधियों पर ध्यान दिया:

क - भ्रमण की प्रक्रिया (प्रत्येक स्वर इस प्रक्रिया से शुरू होता है)
बी - उम्र बढ़ने की प्रक्रिया (बहुत ही "स्थान" जो कि एक विवरण की आवश्यकता होती है)
सी - पुनरावृत्ति की प्रक्रिया (मोटे तौर पर बोल - हमने बात खत्म कर दी, ध्वनि समाप्त हो गई :))

मैंने समय की लंबाई का विश्लेषण किया, जिसके दौरान एक अर्ध-स्थिर स्थिति में फोनम (इसकी आयाम-समय विशेषता) बनी हुई है। यहां, हम मान सकते हैं कि यह इस समय है कि ध्वनि स्पेक्ट्रम के लगभग (लगभग) घटक अपरिवर्तित रहते हैं।
आगे के विश्लेषण और विवरण के लिए, आपको वर्णक्रमीय घटकों में जोखिम की ध्वनि को विघटित करना होगा।

लेकिन एक नादविद्या, एक परमाणु की तरह, यह उन घटकों में विभाजित करना असंभव होगा जो अविभाज्य लगते हैं। लेकिन ऐसा नहीं है: उपर्युक्त ग्राफ में प्रत्येक शिखर फोनेमी के एक हार्मोनिक घटक से मेल खाती है - फॉर्मेंट। इस प्रकार, प्रत्येक फोनेमे का वर्णन किया जा सकता है यदि उसके सरलतम घटकों का वर्णन किया जाता है। और किसी को भी बाद वाली समस्या नहीं होनी चाहिए। यदि आप ध्यान से ग्राफ को देखते हैं, तो आप आसानी से यह निर्धारित कर सकते हैं कि फॉर्मेंट को एक साथ दो मापदंडों द्वारा वर्णित किया गया है: आवृत्ति और सापेक्ष आयाम। तदनुसार, विशुद्ध रूप से गणितीय रूप से, ये दो पैरामीटर एक वेक्टर बनाते हैं, और मौजूदा महत्वपूर्ण फ़ार्मेंट्स के अनुरूप ऐसे वैक्टर का सेट मापदंडों के मैट्रिक्स से मेल खाता है।

फिर फोनेम (क्वासिस्ट्रेशन प्रक्रिया) को निम्नलिखित मापदंडों के सेट द्वारा विशेषता दी जा सकती है:

कुछ अन्य स्वरों के लिए पैरामीटर भी यहाँ सूचीबद्ध हैं। अक्षर A आयाम है, क्रमशः, v आवृत्ति है। यह कहना उचित होगा कि सबसे "जटिल" अक्षर "ई" और "आई" हैं - उनके स्वरों का स्पेक्ट्रम व्यापक है, और महत्वपूर्ण आवृत्तियों दो अलग-अलग अंतराल में हैं।

फोनीमे संश्लेषण

वर्णित विधि की गुणवत्ता का आकलन करने की संभावना का एहसास करने के लिए, प्राप्त पैरामीट्रिक मैट्रिसेस का उपयोग करके मानव भाषण के स्वरों के पुनर्निर्माण के लिए एक मॉडल प्रस्तावित किया गया था:

f (t) = s u m l i m i t_{i = 1}^{N} A_{i} s i n (2 p i v_{i} t)

$f (t) = \ sum \ limit_ {i = 1} ^ {N} {A_i sin (2 \ pi v_i t)}$ । यहां, राशि के संकेत के तहत, फॉर्मेंट का औपचारिक रिकॉर्ड इंगित किया गया है। तदनुसार, उपरोक्त तालिका से डेटा का उपयोग करके, आप एक ध्वनि मॉडल बना सकते हैं, उदाहरण के लिए, "यू" अक्षर और इसे संश्लेषित करें।

मेट्रिसेस के मूल्यों के लिए मापदंडों का सेट फोनेमी के गुणों पर निर्भर करता है। तो, स्वर "यू" ध्वनि रिकॉर्डिंग के यथार्थवादी पुनर्निर्माण के लिए, एक मैट्रिक्स जिसमें अठारह संख्यात्मक मापदंडों से मिलकर नौ महत्वपूर्ण सूत्र का उपयोग किया गया था। एक अधिक सटीक मॉडल बनाने के लिए, सभी महत्वपूर्ण फोनमों फॉर्मेंट को ध्यान में रखना आवश्यक है। मूल और संश्लेषित सिग्नल की तुलना करने की सटीकता के लिए एक और शर्त ध्वनि संकेतों की समान अवधि है।

निष्कर्ष और निष्कर्ष

आप समझते हैं कि मानव भाषण के विश्लेषण में फोनीमे ऐसी अविभाज्य इकाई नहीं है। मैंने आपको मानवीय भाषण के स्वरों के विश्लेषणात्मक रूप से वर्णन करने का एक सरल तरीका भी दिखाया। अंतिम खंड में हमने जांच की कि प्राप्त मापदंडों से फोनम का एक गणितीय मॉडल बनाना संभव है, और प्राप्त मॉडल, बदले में, फोनेम को संश्लेषित करने के लिए उपयोग किया जा सकता है। मुझे आशा है कि आपको यह सामग्री अच्छी लगी होगी। अगले लेख में, हम विश्लेषण करेंगे कि आवाज का भावनात्मक रंग कैसे जटिल है और इसके लिए गणितीय मॉडल कैसे बनाए जा सकते हैं।

पुनश्च

प्रकाशित काम का मुख्य पाठ यहां पाया जा सकता है ।

मानव आवाज के स्वर के गणितीय मॉडल

मानव भाषण के घटकों का विश्लेषण

फोनीमे संश्लेषण

निष्कर्ष और निष्कर्ष

पुनश्च

More articles: