Двадцатое столетие

В нашем веке сохранился интерес к синтезу речи, основанному на тех механических методах, которые разрабатывались в прошлом. Однако с зарождением электроники были предприняты попытки построить электрические аналоги речевой системы. Так, в 1922 г. Дж. Стюарт сообщил в журнале Nature Magazine о построенной им электрической модели голосового тракта. Эта довольно примитивная схема (рис. 5.2) включала электрический зуммер для моделирования голосовых связок и пару индуктивно-емкостных резонаторов для моделирования резонансов горла и ротовой полости. Модель Стюарта, способная в лучшем случае генерировать две формантные частоты, давала речь, состоящую главным образом из гласных звуков. Изменением емкостей, индуктивностей и сопротивлений компонентов схемы можно было плавно переходить от одного гласного звука к другому, получая таким образом некоторые дифтонги.

Рис. 5.2. Электрическая модель голосового тракта, построенная Стюартом

Сложные электрические компоненты в то время были сравнительно малодоступны, и поэтому продолжались поиски в области механических систем синтеза речи. В 1937 г. Р. Риш продемонстрировал свое механическое говорящее устройство, которое, как и другие механические устройства такого назначения, больше напоминало музыкальный инструмент. Это устройство, в своей звуковой части повторявшее голосовой тракт человека и выполненное в основном из резины и металла, содержало также клавиши, подобные тем, какие мы привыкли видеть на музыкальных трубах (рис. 5.3). Опытный оператор извлекал из этого говорящего устройства речь довольно хорошего качества. Управляя (двумя руками) 10 клавишами, оператор мог осуществлять артикуляцию звуков. Имелась возможность управлять движением почти каждой подвижной части голосового тракта человека. В качестве примера наиболее артикулированной речи этого устройства обычно приводили слово cigarette (сигарета).

Рис. 5.3. Механическое говорящее устройство Риша

Почти одновременно Риш работал также над созданием одного из первых электрических синтезаторов речи, способных создавать связную речь. Как и его механическое говорящее устройство, электрическая говорящая система Риша, построенная им с помощью Дадли и Уоткинса, демонстрировалась на международных выставках в Нью-Йорке в 1939 г. и в Сан-Франциско в 1940 г. Схема этой машины, получившей название "Водер", приведена на рис. 5.4. Она содержит электрические генераторы для моделирования звонкой и глухой речи, за которыми следуют 10 включенных параллельно полосовых фильтров, охватывающих весь спектр звуковых частот. Управление каждым из этих фильтров осуществляется нажатием на клавиши (типа клавишей фортепьяно), которые связаны с фильтрами через переменные резисторы (потенциометры). Для перехода от звонкой речи к глухой оператор пользуется наручным браслетом, а высота тона изменяется ножной педалью. Были предусмотрены также клавиши для генерации взрывных звуков и пауз.

Рис 5.4 Синтезатор речи 'Водер', демонстрировавшийся на международных выставках в Нью-Йорке (1939) и Сан-Франциско (1940)

Посетители международных выставок видели оператора, который играл на говорящей машине, подобно опытному органисту или пианисту. Подготовка оператора занимала не менее года. Получаемая речь, как сообщалось, была весьма высококачественной.

По своей конструкции "Водер" в принципе очень похож на современные системы фонетического синтеза речи. Клавиатура управления в последних заменена, однако, выходами (портами) компьютера, благодаря чему управление этими системами существенно упростилось. После "Водера" дальнейшие исследования в области синтеза речи были связаны с использованием компьютеров и в основном велись по трем направлениям: восстановленная речь, фонетически синтезированная речь и математически синтезированная речь.

Поскольку это уже техника синтеза речи сегодняшнего дня, мы и перейдем теперь к ее описанию.