Temo che tutte le risposte qui siano irrilevanti per la domanda. Ciò che viene chiamato vocoder nel mondo della produzione musicale ha poco a che fare con il vocoder di fase utilizzato nell'elaborazione del segnale. A peggiorare le cose, l' app Songify a cui fa riferimento il post originale non è un esempio di vocoder. Cerchiamo di risolvere questo!
1. Vocoder di fase
Il vocoder di fase a cui fanno riferimento le altre risposte è una tecnica di elaborazione del segnale che può essere utilizzata per eseguire la modifica di tempo / tono dei segnali (time-stretching, pitch-shifting), calcolando una rappresentazione tempo-frequenza del segnale (trasformata di Fourier a breve termine o STFT), quindi inserendo / rimuovendo i frame di segnale e mantenendo la coerenza delle informazioni sulla fase. La sua relazione con la voce è solo storica, ed è attualmente utilizzata per il pitch-shifting e il time-stretching nell'hardware / software audio di fascia bassa. RubberBand è un esempio di libreria open source C ++ di modifica del tempo / intonazione basata su un vocoder di fase.
2. Vocoder
Quando le persone nel campo della produzione musicale si riferiscono a un Vocoder, si riferiscono a un dispositivo che estrae l'inviluppo spettrale di un segnale (di solito voce, chiamato modulatore) e filtra un altro segnale (di solito una trama ricca di synth, chiamata portante) con un filtro la cui risposta è l'inviluppo spettrale estratto. Per un esempio del suono risultante, ascolta 0:23 in Kraftwerk Trans Europe Express , o Il progetto The Raven di Alan Parsons dai pochi primi secondi. L'effetto risultante è un timbro vocale simile applicato alla melodia o agli accordi suonati dal segnale portante, dando la sensazione che una voce sia pronunciata attraverso un sintetizzatore.
Essendo il vocoder originariamente un dispositivo analogico, è stato implementato con due banchi di una dozzina o più di filtri passa-banda con Q elevato. Il segnale del modulatore viene inviato attraverso il primo banco di filtri e l'ampiezza di tutti i segnali della sottobanda viene tracciata con un matrice di follower delle buste. Parallelamente, il segnale portante viene inviato attraverso un altro banco di filtri. Ogni sottobanda è amplificata (con un VCA) con i guadagni dati dai follower dell'inviluppo. Se leggi l'analogico, puoi dare un'occhiata agli schemi di un canale vocoder qui , dal Vocoder vivente di Jurgen Haible- in alto il filtro del segnale del modulatore, in basso il filtro vettore e il VCA. Le implementazioni software dei vocoder rimangono vicine a questo, semplicemente perché i produttori di musica si aspettano che i vocoder suonino come i classici dispositivi analogici! Ma se non si desidera la fedeltà ai dispositivi "vintage" e si desidera qualcosa di più economico di 40 biquads, un altro modo per ottenere lo stesso risultato è stimare un filtro tutto polare (dell'ordine da 8 a 20 a seconda di quanto si desidera per arrivare alla voce originale) dal segnale del modulatore (modellazione AR); e quindi applicare questo filtro al corriere. Il problema tipico qui è che dovrai aggiornare i tuoi coefficienti di filtro ogni 20 ms circa; quindi è necessaria una rappresentazione del filtro onnipolare che gestisca aggiornamenti bruschi dei coefficienti.
3. Sintonizzazione automatica e rimappatura del pitch
Quello che fa Songify è il seguente: estrarre la prosodia (contorno del tono) della voce registrata e modificarla in modo che il contorno del tono risultante corrisponda a una melodia target. Questo è un po 'simile a quello che fa l'auto-tune, con la differenza che l'auto-tune "arrotonda" l'intonazione verso il semitono musicalmente più vicino, mentre Songify lo spinge semplicemente come un valore target.
Gli algoritmi al lavoro qui sono molto diversi dal tradizionale time-shifting pitch-shifting, perché il segnale vocale è monofonico e si adatta bene al modello di filtro sorgente. Approcci come Time-Domain Pitch-Synchronous-Overlap-Add (TD-PSOLA) sono molto più efficienti, sia dal punto di vista computazionale che in termini di qualità, per alterare in modo trasparente il tono della voce rispetto agli algoritmi di time-stretch generici (generalmente eseguiti con vocoder di fase ). Questi sono usati ad esempio nella sintesi vocale per alterare la prosodia di una frase sintetizzata - non diversamente da Songify! La sintonizzazione automatica si basa anche su tali metodi nel dominio del tempo (rilevamento di cicli completi della forma d'onda di input e ricampionamento di questi).
