Individualität der Stimmen : Eine Analyse der menschlichen Stimme und der Versuch, Vokale mittels Formantsynthese zu imitieren

Abstract

In dieser Thesis wird die menschliche Stimme analysiert und teilweise synthetisiert. Phonetische Grundlagen werden erklärt, wie zum Beispiel die Vokale und ihre Relation zu den Formanten. Letztere sind physikalisch messbar und Grundlage für die Formantsynthese, eine Unterart der Sprachsynthese. Formanten sind Frequenzbereiche der menschlichen Stimme, welche einen besonders hohen Schalldruckpegel haben, im Vergleich zu angrenzenden Bereichen. Diese akustischen Parameter, die in Vokalen besonders prägnant vorkommen, werden untersucht und mittels eines Experimentes in die digitale Signalverarbeitung überführt. Die Vokale werden von verschiedenen Personen ausgesprochen und mithilfe von Praat, einem Programm zur Analyse und Synthese von Audio-Dateien, untersucht. Die Stimmen der Personen werden auf die Formatfrequenzen untersucht, denn die sind teilweise sprechenden spezifisch. Anhand der ermittelten Frequenzbereiche werden die Stimmen resynthetisiert. Abschließend werden die aufgenommenen Stimmen mit den synthetisierten Stimmen verglichen und auf personenspezifischen Ähnlichkeiten untersucht.

In this thesis, the human voice is analyzed and partially synthesized. It delves into phonetic fundamentals, such as vowels and their relationship with formants. These formants are physically measurable and form the basis for formant synthesis, a type of speech synthesis. Formants are frequency ranges in the human voice that have a particularly high sound pressure level compared to adjacent areas. These acoustic parameters, which are particularly pronounced in vowels, are studied and transferred into digital signal processing through an experiment. The vowels are spoken by different people and analyzed using Praat, a program for the analysis and synthesis of audio files. Thevoices of the individuals areexamined for formant frequencies, as these are partly speaker-specific. Based on the identified frequency ranges, the voices are resynthesized. Finally, the recorded voices are compared with the synthesized voices and examined for person-specific similarities.