音頻信息的獲取與處理-資料下載頁

　　

【正文】 序任務由軟件完成，合成器只提供鍵盤和音色，這就降低了合成器的成本。又由于獨立的硬件音源和采樣技術的普及，人們覺得合成器的音色也是多余的，因為獨立音源可以提供更好的音色，于是不帶音序器和音色的 MIDI控制鍵盤也隨即產生，這類鍵盤有較強的控制功能，音色用音源的，音序器用軟件的，可謂是專物專用，而且只要添加音源或采樣器就可以得到更多的音色，更換音序軟件就可以使用更強的功能。 ?音源 由于音樂最終要以聲音的形式表現出來，所以做為電腦音樂系統中產生聲音的設備，音源音色的數量、品種和質量都將對最終音樂作品的效果產生重要的影響。音源內部有很多不同音色的樣本波形，譬如鋼琴就有鋼琴的音色的真實樣本，吉它就有吉它的音色真實樣本 (即波表 )。但是音源只是一個資源庫，因為它不知道在什么時候該用什么音色發怎樣的聲音。至于何時調用資源 (使用哪種音色 )不是音源的工作，這項任務是由音序器來完成的。 音源也分硬件和軟件兩種。硬件音源是現在專業MIDI制作不可缺少的設備，因為它們可以提供比任何一塊聲卡上的波表都要好很多的音色，這些獨立音源基本上是專業人士使用的，常見的型號有Roland JV1080和 Yamaha MU100R等。 作為一般用戶 ， 可以不需要添置硬件音源設備 ，因為現在任何一塊多媒體聲卡上都有一個 128種音色的 GM音色庫 ， 即 MIDI音源 ， 只不過質量比專用音源設備差一些 。 但有些聲卡 (如 Sound Blaster Live)的 音 源 質 量 較 好 ， 可 達 到 準 專 業 級 。 另外 ， 還可以使用軟件音源來代替 。 軟件音源也是隨著電腦的高速發展而產生的 ， 它們也必須安裝在電腦上才能使用 。 大家熟悉的軟音源有：Yamaha SYXG100, Roland VSC88等 ， 大家平時俗稱它們為 MIDI播放器 ， 其實它們就是音源 ， 因為它們是提供音色的 。 軟音源的產生為 MIDI的大眾化作出了很大的貢獻 ， 它使人們不需購買專門設備就可以進行 MIDI的創作和演奏 。 ?音序器 (Sequencer) 音序器是用來記錄、編輯和播放 MIDI文件的設備。音序器分硬件和軟件的兩種。 最早的是硬件音序器 ， 我們也常稱它為 “ 編曲機 ” 。它可以是一個獨立的設備 ， 也可以內置于合成器里 。 這類音序器的編輯和修改必須在它的面板上進行 ， 使用是很不方便的 。 常見的型號有 Yamaha QY700等 。 軟件音序器是安裝在計算機中的多功能音樂創作 、編輯軟件 ， 如我們常用的 Cakewalk就是一個軟件音序器 。軟件音序器因為其顯示界面擴大 （ 使用電腦顯示器 ） ，功能增強 ， 特別是操作方便獲得了絕大多數音樂制作者的認可 ， 大有淘汰硬件音序器之勢 。 其實正是由于軟件加入音樂制作的領域才使 MIDI音樂和電腦聯系起來 ， 不然制作 MIDI音樂完全用不著電腦 。 YAMAHA QY700 音序器 硬件音源 ROLAND JV1080 ?采樣器 音樂的表現力是無限的，因此人們對于音色的要求也是無限的。一般的音源均是一種封閉的結構，它們的音色都是固定的，提供的數量和品種都有限，不能滿足制作者對新的音色的要求。而采樣器則是一種開放式的音源，它可以對任何聲音進行取樣，并把它們編輯成音色來供電腦音樂系統使用。 使用采樣器可以對各種音樂、其他電子樂器和各種自然界聲響進行取樣，或是通過讀取現成磁盤來獲取各種音色。到目前為止，使用采樣器仍然是滿足其對新增音色的最佳手段。 ?其他設備 如錄音設備、監聽設備、音箱功放等，這里不加贅述。 ? MIDI的工作過程 MIDI電子樂器通過 MIDI接口與計算機相連， MIDI靠這個接口來傳遞消息而進行彼此通信。這樣，計算機可通過音序器軟件來采集 MIDI電子樂器發出的一系列消息或指令。這一系列消息可記錄以 .MID 為擴展名的MIDI文件中。在計算機上音序器可對 MIDI 文件進行編輯和修改。最后，將 MIDI消息送往音樂合成器，由合成器將 MIDI消息進行解釋并產生波形，然后通過聲音發生器送往揚聲器播放出來。其過程如圖 411所示。 MIDI的工作過程 理解 MIDI工作方式的最直接的方法就是看看 MIDI消息是什么。 MIDI消息實際上是對一段音樂的描述，或理解成是樂譜的數字描述。它包括音符、節拍、樂器種類等。 MIDI消息包括兩個大的部分：狀態信息和數據信息。狀態信息用于描述音符被演奏還是聲音被加強這樣的信息，而數據信息則重點描述哪個音符被演奏了，或被加強的聲音的強度如何等可以用量來表示的信息。例如，你在一個具有 MIDI功能的電子琴上按下了一個鍵時，電子琴便產生了一個 MIDI信息，通過 MIDI接口傳送出去。這個信息就包含了狀態信息及數據信息兩部分。信息的前一部分用于描述你做了什么，這里你按了一個鍵，產生了一個音符。信息的后一部分描述哪一個鍵被按下了。 ? FM與波表合成方式 合成器是利用數字信號處理器 DSP或其他芯片來產生音樂或聲音的電子裝置。利用合成器產生 MIDI樂音的主要方法是 FM合成法和波表合成法。 ?FM合成法 FM合成法是 80年代初由美國斯坦福大學的 John Chowning發明的，稱為 “ 數字式頻率調制合成法 ” ，簡稱 FM合成法。 FM合成法生成樂音的基本原理是，用數字信號來表示不同樂音的波形，然后把它們組合起來，再通過數模轉換器（ＤＡＣ）生成樂音播放。 ?波表合成法 使用 FM合成法來產生各種逼真的樂音是相當困難的，有些樂音幾乎不能產生。為子能真實地再現樂音，目前的聲卡一般采用樂音樣本合成法，即波表合成法。這種方法就是把真實樂器發出的聲音以數字的形式記錄下來，播放時根據命令生成各種音階的音符，產生的聲音質量比 FM合成方法產生的聲音質量要高很多。樂音樣本的采集相對比較直觀，音樂家在真實樂器上演奏不同的音符，選擇 的采樣頻率、 16比特的量化位數，這相當于 CDDA的質量，把不同音符的真實聲音記錄下來，這就完成了樂音樣本的采集。 與 FM合成不同 ， 波表合成是采用真實的聲音樣本進行回放 。 聲音樣本記錄了各種真實樂器的波形采樣 ， 并保存在聲卡上的 ROM中 。 例如創新的 Sound Blaster AWE32是第一塊廣為流行的波表聲卡 。 該卡采用了 EMU8000波表處理芯片 ， 提供 16位 MIDI通道和 32位的復音效果 。 波表合成的聲音比 FM合成的聲音更為豐富和真實 ， 但由于需要額外的存儲器貯存音色庫 ， 因此成本也較高 。 而且音色庫越大 ， 所需的存儲器就越多 ， 相應地成本也就越高 。 波表合成可以有軟硬之分 ， 軟波表原理跟硬波表一樣 ，都是采用了真實的聲音樣本進行回放 。 只是硬波表的音色庫是存放在聲卡的 ROM或 RAM中 ， 而軟波表的音色庫則以文件的形式存放在硬盤里 ， 需要時再通過 CPU進行調用 。 由于軟波表是通過 CPU的實時運算來回放 MIDI音效 ， 因此軟波表對系統要求較高 。 ? 語音識別技術及應用 ? 語音識別技術概述 人的表達方式有多種，其中語音是最迅速、最常用和最自然的一種。讓人們與 “ 機器 ” 也通過語言進行信息交流，則是科學家們多年來探索的領域。早在 70年代，國外就開始致力于語音識別技術的研究。經過近 30年的探索，語音識別技術經歷了從最初的特定人、小詞匯量、非連續、非獨立揚聲器的語音識別到今天的非特定人、大詞匯量、連續、獨立揚聲器的語音識別的發展歷程，而且識別速度和準確率都有極大提高。隨著計算機科學和應用的飛速發展，語音技術已日益廣泛地應用于實際中。 語音識別以語音為研究對象，它是語音信號處理的一個重要研究方向，是模式識別的一個分支，涉及到生理學、心理學、語言學、計算機科學以及信號處理等諸多領域，甚至還涉及到人的體態語言（如人在說話時的表情、手勢等行為動作可幫助對方理解），其最終目標是實現人與機器進行自然語言通信。 目前語音識別的主要應用是通過 TTS（ TexttoSpeech， 文本 ——語音轉換器）和 SR（ Speech Recognition， 語音識別器）實現的。 TTS和 SR是為應用開發者增加的兩個用戶接口設備，開發者可將TTS和 SR加入到應用程序中。 語音識別系統的性能通常用單詞錯誤率 E來度量： 其中， N是測試集的單詞總數， S， I 和 D分別是替代、插入和刪除的總數。 ? 文本 語音轉換器 TTS ?TTS的基本概念 文語轉換（ TexttoSpeech） 是將文本形式的信息轉換成自然語音的一種技術，其最終目標是力圖使計算機能夠以清晰自然的聲音，以各種各樣的語言，甚至以各種各樣的情緒來朗讀任意的文本。也就是說，要使計算機具有象人一樣、甚至比人更強的說話能力。因而它是一個十分復雜的問題，涉及到語言學、韻律學、語音學、自然語言處理、信號處理、人工智能等諸多的學科。 %100???? N DISE TTS分為綜合的和連貫的兩種類型 。 綜合的語音就是通過分析單詞 ， 由計算機確認單詞的發音 ， 然后這些音素就被輸入到一個復雜的模仿人聲音并發聲的算法 ，這樣就可以讀文本了 。 通過這種方式 ， TTS就能讀出任何單詞 ， 甚至自造的詞 ， 但是它發出的聲音不帶任何感情 ， 帶有明顯的機器語音味道 。 連貫語音系統分析文本并從預先錄好的文庫里抽出單詞和詞組的錄音 。 數字化錄音是連貫的 ， 因為聲音是事先錄制的語音 ， 聽起來很舒服 。 遺憾的是 ， 如果文本包含沒有錄的詞和短語 ， TTS就讀不出來了 。 連貫 TTS可以被看成是一種聲音壓縮形式 ， 因為單詞和常用的短語只能錄一次 。 連貫 TTS會節省開發時間并減少錯誤 ， 使軟件增加相應的功能 。 因為連貫 TTS只播放一個 WAV文件 ，所以它只用很少的處理能力 。 漢語文語轉換的研究始于 60年代 ， 最初發展較為緩慢 ， 到了 70年代后期 ， 隨著計算機科學的發展 ， 才有了較快的進步 。 總之 ， TTS系統最根本的問題便在于它的自然度 ， 自然度是衡量一個 TTS系統好壞的最重要的指標 。 人們是無法忍受與自然語音相差甚遠的機器語音的 ， 自然度問題已經成為嚴重阻礙 TTS系統的推廣和應用的桎梏 。 因此 ， 研究更好的文語轉換方法 ， 提高合成語音的自然度就成為當務之急 。 ?TTS的應用領域 文語轉換在各種計算機相關領域中有著廣泛的應用前景。當今，人與計算機之間進行交互的最常規手段是通過鍵盤輸入信息，通過屏幕或打印機以視覺形式輸出信息。這種方式不同于人與人之間通過語音來交流信息的自然的交往方式，因而不僅極大地限制了廣大普通用戶使用計算機，而且在某些特定場合使用起來也很不方便。因此，構造一個以語音為媒介與計算機進行交互的系統，即智能計算機界面，是人們長久以來的夢想，也是科技人員孜孜以求的目標。顯然，智能計算機界面包括兩個相對獨立的部分： “ 傾聽 ” 部分，即語音識別； “ 訴說 ” 部分，即文語轉換。隨著這兩方面技術的不斷發展，將會從根本上改善人機接口，從而使計算機以嶄新的面貌進入人類生活，使計算機發揮出更大的作用。 除了人機交互， TTS系統在醫療、教育、通信、信息、家電等領域也具有相當廣泛的用途。目前，已經逐步實用化的有： ?殘障人士康復 發聲障礙者通過 TTS系統與其他人交談。盲人通過 TTS系統進行 “ 閱讀 ” 。 ?計算機訓練 利用 TTS系統對學生進行某些特殊的言語訓練。利用 TTS系統進行教學。 ?信息服務 利用 TTS系統通過電話查詢信息。利用 TTS系統通過電話接聽 Email。 隨著科學技術突飛猛進的發展，尤其是網絡技術的迅速崛起、飛速發展，文語轉換技術將在人類社會生活中有著越來越廣泛的應用。 ? 語音識別器 語音識別器比 TTS更復雜，也較難以劃分，但每個語音識別器都必須解決下列一些問題： ?連續性與不連續性 如果語音識別系統是連續的，用戶就能正常地與系統對話；如果是不連續的，用戶就需要字字停頓。顯然，連續語音識別（ Continuous Speech Recognition） 比不連續的識別更受歡迎，但它卻需要更多的處理能力。 ?單詞量 語音識別系統可以有或大或小的詞匯量。詞匯量小的識別系統需要用戶發出簡單的命令，而朗讀文件時，這一系統就必需有大的詞匯量。大詞匯量識別系統比小詞匯量識別系統需要更多的處理能力和儲存空間。雖然日常生活中常用的詞匯最多不超過一兩萬個，但每個專業的術語不少于幾萬條。 影響語音識別的因素： ?口音識別 音素作為組成單詞的最小聲音單位，與它們所出現的上下文密切相關。例如在美國英語中，字母 t在 two, true, 和 butte