äänimuodostusmenetelmistä

Äänimuodostusmenetelmät viittaavat prosesseihin ja tekniikoihin, joita käytetään puheen tuottamiseen ja muokkaamiseen. Näihin menetelmiin liittyy useita eri tieteenaloja, kuten fonetiikka, akustiikka ja tietojenkäsittelytiede. Yleisesti äänimuodostusta voidaan tarkastella kahdesta pääkulmasta: ihmisen puheen tuottamisesta ja keinotekoisesta puheen synteesistä.

Ihmisen äänimuodostuksessa keskeisiä ovat hengitys, äänihuulet ja artikulaatioelimet, kuten kieli, huulet ja leuka. Hengitys tuottaa ilmavirran, joka kulkee äänihuulten läpi. Äänihuulten värähtely synnyttää perusäänen (äänihuulisoinnin), jota muokataan edelleen kurkunpäässä, nielussa, suussa ja nenässä. Eri äänteiden muodostus perustuu näiden tilojen muutoksiin ja artikulaatioelinten tarkkaan liikkeisiin.

Keinotekoisessa puheen synteesissä pyritään jäljittelemään ihmisen äänimuodostusta digitaalisesti. Tähän on kehitetty erilaisia menetelmiä. Yksi perinteisimmistä on konsonantti-vokaali (CV) -synteesi, jossa perustavanlaatuisia äänneyksiköitä yhdistellään. Toinen yleinen menetelmä on formanttisynteesi, joka mallintaa puheen akustisia ominaisuuksia. Nykyään suositumpia ovat neuroverkkoihin perustuvat menetelmät, kuten esimerkiksi kohinasynteesi (waveform generation) ja ns. "end-to-end" -mallit, jotka tuottavat suoraan ääntä tekstistä monimutkaisempia malleja hyödyntäen. Näiden menetelmien tavoitteena on luoda luonnollisen kuuloista puhetta, jota voidaan käyttää esimerkiksi puhesynteesijärjestelmissä, puheavustajissa ja kielten oppimissovelluksissa.