DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 3 Sayı: 1 sh.1-27 Ocak 2001 YAZILIM TABANLI SÖZCÜK SENTEZLEYİCİ

Transkript

1 DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 3 Sayı: 1 sh.1-27 Ocak 2001 YAZILIM TABANLI SÖZCÜK SENTEZLEYİCİ (SOFTWARE BASED SPEECH SYNTHESISER) Figen ERTAŞ *, Ömer ESKİDERE ** ÖZET/ABSTRACT Formant sentezleme tekniğine dayanan bir Türkçe sözcük sentezleyici geliştirilmiştir. Sentezleyici normalde kaskat/paralel modunda çalışmasına rağmen, sadece bir anahtar yardımı ile, alternatif olarak gerektiğinde paralel modda kullanılabilir. Kullandığımız sözcük sentezleyicinin en önemli özelliği önceden kaydedilmiş konuşma örneklerine ihtiyaç duymadan doğrudan ses yolu modeli ile yapay insan sesi üretmesidir. Her bir ses, 20 si değişken ve 19 u sabit olmak üzere 39 parametre ile karakterize edilmiştir. Programdaki formant frekansları, formant band genişlikleri, temel frekans, vb. gibi değişken kontrol parametreleri kullanıcı tarafından belirlenir. Bu projedeki sabit parametreler belirli bir erkek sesi için uygun olarak seçilmiştir, farklı erkek veya kadın sesleri parametrelerde bazı değişiklikler yapılarak elde edilebilir. Yeterli hafıza ve donanıma sahip kişisel bir bilgisayar ortamında çalışabilen esnek bir yazılım tabanlı sentezleyici tanıtılmıştır. Sentezleyici ile elde edilen değişik kelimelerin, yapay konuşmaya alışkın olmayan eğitilmemiş kişiler ile gerçeklenen anlaşılabilirlik testi göstermiştir ki, ünlü harfler sesiz harflere göre daha doğru olarak belirlenmişlerdir. A software for implementing a Turkish speech synthesiser has been developed which is based on formant synthesis method. The synthesiser is normally used in a cascade/parallel configuration, or alternatively in a parallel configuration depending on a single switch. Most important feature of the formant synthesiser used in this project is that the algorithm does not use previously recorded speech sounds, but rather generates synthetic speech using human vocal tract model. Each of speech sounds is characterized with 39 parameters in the software formant synthesizer. 20 of 39 parameters are variable and the others are constant. A control program lets the user specify variable control parameter data such as formant frequencies, formant bandwidths, fundamental frequency, etc. The constant parameters in this project have been used values appropriate for a particular male voice, and would have to adjusted slightly to approximate the speech of other male or female talkers. A flexible software synthesizer that can run on any personal computer having sufficient core and peripheral equipment has been described. Intelligibility tests of different words produced by synthesiser indicate that untrained people who are unfamiliar with synthetic speech identify vowels correctly better than consonants. ANAHTAR KELİMELER/KEYWORDS Ses yolu modeli, Formant sentezleyici, Yapay ses üretimi Vocal tract model, Formant synthesiser, Synthetic speech production *U.Ü. Müh. Mim. Fak. Elektronik Mühendisliği Böl., Görükle, BURSA **U. Ü. Teknik. Bil. MYO., Görükle, BURSA

2 Sayfa No: 2 F. ERTAŞ, Ö. ESKİDERE 1. GİRİŞ Sözcük sentezleyicilerin kullanım alanlarının çok geniş olması, bu yönde yapılan çalışmaların ön plana çıkmasına ve bugüne kadar çok sayıda sözcük sentezleme tekniklerinin geliştirilmesine neden olmuştur. Bu çalışmada öncelikle sözcük üretim teknikleri, insan sözcük üretim mekanizmasının nasıl çalıştığı ve sözcük sentezleme sistemi ayrıntılarıyla incelenmiştir. Sözcük oluşturulması için kullanılan parametrelerin hangi esaslara göre düzenlendiği belirtilmiş ve sentez parametrelerinin değişimlerine ait bir sistematik oluşturulmuştur. Ünsüz harflerin oluşumlarını etkileyen faktörler daha fazla olduğundan ünsüz harflerin parametre analizi ünlü harflere nazaran daha zordur. Ünsüz harflerin oluşumlarını sağlayan ses bölgeleri (ağız, dil, dişler, dudak, vb.) bu harflerin oluşumu sırasında çok kompleks bir yapı almaktadır. Örneğin r harfi oluşumu sırasında dil üst geriye doğru bükülmekte, dilin yan kısımları azı dişlerine dokunmaktadır. Bu durumda elips şeklinde bir yapı oluşmaktadır. Hava, dilin aldığı bu şekle bağlı olarak yanlardan geçip ses oluşmasını sağlar. Bu durumun parametrelerle benzetimi yapılırken formant frekansları ve temel frekans değişimlerinin çok iyi ayarlanması gerekliliği ortaya çıkmaktadır. Ayrıca ünsüz harflerin oluşumu esnasında gürültü etkin rol oynamaktadır. Sese anlam veren temel etkenlerden biride gürültü olmaktadır. Ünlü harflerin formant değerleri en büyük genlik ile ağız ve burundan çıkmaktadır. Ünlü harfler ses yolundaki rezonans frekansları ile tanınırlar. En düşük üç formant frekansı sesin anlaşılması için yeterli olmaktadır (Broad, 1972). Bu çalışmada bir kaskat/paralel ses yolu benzetimli sentezleyici oluşturulup giriş olarak harf, hece, kelime, cümle veya konuşma parçaları seçilmiştir, seçilen sesbirimine ait parametreler dizisi oluşturulmuştur. Her bir parametre dizisi ile istenilen süre ses çıkışı yapılabilir, 39 parametrenin bulunduğu bir çerçeve ile ideal olarak 2 milisaniye çıkış vermesi sağlanır. Bu süre program ile değiştirilebilir. Bir parametre çerçevesinden diğerine geçişte parametre değerlerinde (daha çok formant frekansları, temel frekans ve ses genlik) değişiklikler olur. Bir harften diğerine geçişte, yani ünlü harften ünsüz harfe, ünlü harften ünlü harfe, ünsüz harften ünlü harfe yada ünsüz harften ünsüz harfe geçişte parametre değerlerinin iyi bir şekilde ayarlanması gerekmektedir. Bu geçişler için sesbirimleri sahip oldukları özelliklere göre gruplandırılmaya çalışılarak bir kural tabanına sahip formant sentezleyici temelleri oluşturulmuştur. Sözcük sentezleyiciler, çıkış kalitesinin düşük olmasına rağmen sınırsız sözcük üretebilme kapasitesine sahip olmasından ötürü bu tip uygulamalara en elverişli yöntemdir. Harfler sentez birimi alınarak sözcük sentezleyici Türkçe ye uygulanmıştır. Üretilen sentetik sözcüğün parametrelerinin iyi bir şekilde ayarlanması ile sözcüklerin anlaşılabilirlik oranı da artacaktır. 2. SÖZCÜK SENTEZLEYİCİLER Bir sözcük sentezleyici oluşturulurken, oluşturulan konuşma çıkışının kalitesinin maksimum olması; hafıza gereksinimi, kullanılacak olan algoritmanın kompleksliliği ve hesaplama hızının da minimum olması amaçlanır. Bu kısımda sözcük sentezleme genel olarak incelenecek, sözcük sentezinin dayandığı temel esaslar belirtilecek ve en çok kullanılan sentez metotları kısaca tanıtılacaktır.

3 Fen ve Mühendislik Dergisi Cilt: 3 Sayı:1 Sayfa No: Sözcük Sentezleme Sözcük sentezleyiciler giriş olarak klavye veya tanıtılan optik karakter, sesbirimine ait parametreler dizisi veya hafızada saklanan ve veri tabanı olarak kullanılan metini kullanır. Sözcük sentezleyiciler metini, kelimeye ait sözcük giriş rutinlerini kullanarak sözcük birim dizisine çevirir. Büyük sözcük birimleri kullanarak yüksek kalitede sözcük çıkışı elde edilebilir, ancak bunun için yüksek miktarda hafızaya ihtiyaç duyulur. Saklanan sözcük birimleri, konuşma çıkışının birleştirilmesi ile tekrar elde edilir. Konuşma, zamanla değişen doğrusal filtre cevabının modellenmesi; (dudaklardan gırtlağa kadar olan ve ses yolu olarak gösterilen kısım) geniş bant gürültüsünden oluşan dalga formu uyarımı ve bir periyodik dalga formu darbelerinin birleşimi ile oluşturulur. Sentezleyici algoritması iki temel yapı altında toplanabilir. 1. Sözcük saklama birimi : Konuşma parametreleri saklanıp tabii konuşma elde edilir. Sözcük birimlerinin terimleri belli sistematik altında toplanır. 2. Birleştirme işlemleri: Oluşturulan kuralların bir program yardımıyla birleştirilmesi ve bu birimlerin, zamanla düzgün çıkış elde etmek için parametrelerin ayarlanmasıdır. Sözcük birimlerinin seçimini, oluşturulacak olan sözcüğün kalitesi ve gerekli hafıza miktarı belirler. Aşağıda sözcük birimlerine ait bir çizelge verilmiştir. Çizelge 1. Sözcük birimleri Sözcük birimleri Miktar Tanımlar Avantajları/Dezavantajları Kelimeler Heceler Yarım heceler 300,000 (50,000) 20,000 (44,000) 4500 (2000) Diphone 1500 Bir yapının temel birimleri Bir ünlü harf ve yanında ünsüz harflerden oluşur. Hecelerin ikiye bölünmesiyle, telaffuzun etkisinin en az olduğu yerde, ünlü harfle kesilerek elde edilir. Sözcük dalga formlarının sesbirim-alan birimlerine bölünmesi ile elde edilir ve her bir sesbirimi ortasında kesilir. Allophone 250 Sesbirimsel değişikliklerdir. Ses birimleri 37 Ses bilimine ait temel birim Avantajı: Yüksek kalite konuşma elde edilir. Dezavantajları : Hafıza gereksinimi nedeniyle sınırlıdır. İzole edilmiş kelimelerin birleştirilmesi gerektiğinden sentetik sözcüğün tabiliği ve ayırt edilebilirliği güçleşecektir. Kelimelerin sürelerinin iyi şekilde ayarlanması gerekir. Dezavantajı: Hecenin sınırları kesin değildir. Avantajları: Sesbirimleri arasındaki geçişler ayarlanıp saklanabilir. Pürüzsüz ses çıkışı elde edilebilir. Avantajları : Sesbirimleri arasındaki geçişler ayarlanıp saklanabilir. Basit pürüzsüzleştirme kuralları kullanılarak pürüzsüz bir sözcük çıkışı elde edilebilir. Avantajları : Sesbirimlerinin karşılaştırmalarına bağlı olarak Algoritma çıkarımlarında kompleksliği azaltır. Avantajı : Hafıza gereksinimi çok küçüktür. Dezavantajları : Telaffuz etkilerinin gösterilmesi için pürüzsüzleştirme amacıyla kompleks kurallara ihtiyaç duyarlar. Her bir bileşenine ses uyumu oluşturmak için ayarlama yapmak gerekir Sentez Yöntemleri Sözcük çıkışı elde etmek için uygulanan en genel yöntem, insan sesinin kaydedilmesi ve kaydedilen sesin geri okunmasıdır. Kayıt ve okuma işlemi iki farklı şekilde yapılabilir.

4 Sayfa No: 4 F. ERTAŞ, Ö. ESKİDERE Analog formda yapılan kayıtlar pratik ve üretilen ses çok doğaldır. Fakat bu sistem çok büyük hafıza gereksinimi duyar ve pahalıdır. Ayrıca kaydedilen mesajlara seri olarak ulaşılamaması bu yöntemin kullanım alanlarını sınırlamıştır. Sayısal yöntem analog yöntemden daha esnek bir yapıya sahiptir. Hafızaya yüklenmiş sözcüklere rasgele ulaşılabilmesi ve sayısal değerler üzerinde değişiklikler yapılması mümkündür. Ancak yine sınırlı hafıza kapasitesi sorunu mevcuttur. Eğer kullanılacak sözcük miktarı çok sınırlı tutulursa, gerçeğine yakın konuşma elde edilebilir. Ses cevap sistemleri (Volice Response Systems) adı verilen sistemlerde bu yöntem uygulanmaktadır. Telefon ile bankacılık, rezervasyon gibi uygulamalar bu türden birer yöntem olup gerçek bir sözcük sentezleyici oluşturulmasından daha basittirler. Sentezleyiciler sözcük sentez ve saklama yöntemlerine göre Dalga Formu Sentezleyiciler (Waveform Synthesisers), Son Analog Sentezleyiciler (Terminal Analog Synthesisers), Telaffuz Sentezleyicileri (Articulatory Synthesisers) ve Formant Sentezleyiciler (Formant Synthesisers) gibi sınıflara ayrılırlar. Bir sonraki alt bölümde en çok kullanılan sözcük sentez yöntemleri kısaca tanıtılacaktır Doğrusal Öngörülü Kodlamalı Sentez (LPC Sentezi ) Doğrusal öngörülü kodlamada temel fikir, bir ses örneğinin kendisinden önceki ses örneklerinin doğrusal kombinasyonu kullanılarak tahmin edilmesidir. Gerçek ses örnekleri ile tahmin edilen örnekler arasındaki hata minimumlaştırılarak öngörü katsayılarından oluşan parametre değerleri elde edilir. Tüm ses yolu parametreleri doğal konuşma işaretlerinden otomatik olarak hesaplanan LPC katsayıları ile temsil edilirler. Katsayıların sayısı arasında değişmektedir. Ses yolunun bir kaynak ile uyarılması ve spektral sıfırların modellenmesinde bu sayı artar. LPC sentez filtreleri ya bir periyodik kaynak ile yada bir gürültü kaynağı ile uyarılırlar. Uyarım şekli, analizi yapılan sözcüğün ünlü yada ünsüz olmasına bağlıdır. LPC parametreleri üç bilgi içerir. Bunlar, ses yolu modelini karakterize eden filtre katsayıları, ünlü-ünsüz ses seçimi ile uyartıların periyodu ve genlik değerleridir (Cater, 1983). LPC gibi parametrik sentezde, sözcük birimleri kısa çerçeve (10-30 ms) örneklerine bölünür ve konuşma işaretleri bir spektral birimden elde edilen zaman penceresi (time frame) kullanılarak analiz edilir. Spektral ve uyarım parametreleri, hafızada saklanan sözcük birimlerinden periyodik olarak (10-30 ms çerçeve aralıkları ile) alınır. Sentezleyici, birbirini takip eden çerçevelerden alınan parametrelerin daha sık aralıklarla doğrusal çıkarımına izin verir Formant Sentezleyiciler Formant sentezleyiciler, işaretin spektrumundan bulunan formant rezonans ve bant genişliği değerlerini kullanır. Ses yolu filtreleri genellikle spektral parametre ile gösterilir. Formant sentezleyiciler LPC sentezleyicilere göre bazı avantajlara sahiptir. Formant sentezleyicide bant genişlikleri parametrelerde kolayca değişiklik yapılarak ayarlanabilir. Sıfırlar, doğrudan doğruya dudak ve dişler gibi filtre özelliği gösterilerek ayarlanabilir. Bununla birlikte sıfır ve kutupların yerleri doğal bir sözcükte otomatik olarak ayarlanır (Cater, 1983). Ünlü seslerin oluşumu sırasında sesi oluşturan uyartı periyodik uyartı dizisi şeklinde, ünsüz sesler için ise rasgele değişen gürültü şeklinde olmaktadır. Ses yolu kaskat ve paralel rezonatörler kullanılarak modellenir. Kaskat rezonatörler genelde ünlü harflerin üretimi için kullanılmaktadır. Kaskat ve paralel rezonatörler birlikte kullanılarak daha iyi sonuçlar elde edilebilir. Kaskat yaklaşım ile paralel yaklaşımı karşılaştırdığımızda paralel sentezde her bir formant için genlik hesabı yapılması ve formant başına fazladan bir

5 Fen ve Mühendislik Dergisi Cilt: 3 Sayı:1 Sayfa No: 5 genlik hesabı yapılması gerekir. Bu işlemler ayrıntılı olarak dördüncü bölümde anlatılacaktır. Burundan çıkan seslerin üretimi esnasında ses, burun boşluğundan geçer ve bundan dolayı burundan çıkan seslerin akustik yolu, ünlü harflere nazaran daha uzundur. Bu durumun sonucu olarak konuşulan sözcüğün bant genişliğinde ve rezonans sayısında artış olur. Bu nedenle burundan çıkan seslerin sentezi için ekstra bir rezonatör gereklidir Kural Tabanlı Sentez Kural tabanlı sentez en küçük sesbirimi (phoneme) sentezi ve metinden konuşmaya (text to speech) sentez olmak üzere iki alt yöntem içerir. Birinci yöntemde kullanılan dile ait bütün sesbirimleri, LPC veya formant sentezi yapılarak hafızaya saklanır. Saklanan bu sesbirimlerinin her birine ait ayrı adres kodları oluşturulur. Sentezleyici devresi, LPC veya formant sentezleyici devresidir. Bunlardan farklı olarak sesbirimin kodu klavyeden girildiğinde, bu sese ait parametreler bilgisayar tarafından saklanıldığı yerlerden alınıp sentezleyicinin kullanımına verilir. Sentezleme işleminde, sesbirimleri kod dizisine uygun olarak hafızadan alınan bu parametre değerleri, denetim kuralları altında analog forma çevrilir. Ayrıca zamanlama ve ritim için kelime ve boşlukları belirleyecek özel semboller sesbirimi dizisine eklenir. Cümle ve kelime için vurguları belirleyecek özel semboller de eklenerek sesbirimi kodları bir dizi şeklini alır. Sesbirimi dizisi, deneme yanılma yöntemi kullanılarak sesbirimi dizisinde gerekli düzeltmeler yapılıp tekrar hafızaya yüklenir. Metinden konuşmaya sentez yönteminde ilk olarak girilen metin bilgisayar tarafından analiz edilip, sesbirimi dizisi haline getirilir. Bu işlem için üzerinde çalışılan dilin bütün yapısal ve yazımsal kurallarının bir veri tabanı şeklinde oluşturulması ve bilgisayara yüklenmesi gerekmektedir. Doğal bir konuşma elde etmek için, temel frekans değişimi, zamanlama, şiddet bilgilerini gösteren prosodik sembollerin ilavesiyle sesbirimi dizisi oluşturularak sentezleyiciye uygulanmalıdır. Tüm bu işlemleri gerçekleştirecek yazılımın oldukça karmaşık olacağı açıktır. Bu tip sentez sınırlamasız konuşma üretimine izin vermesi ve ihtiyaç duyulan bit oranının çok düşük olması nedeniyle yaygın olarak kullanılmaktadır. Sentezlenen dile bağımlı olması ve düşük kalitede ses çıkışı vermesi ise sakıncalı yönüdür. 3. KONUŞMA SESLERİNİN ÜRETİLMESİ İnsanın konuşma mekanizmasının incelenmesi yapay sözcük oluşturma konusunda bize yardımcı olacaktır. Özellikle insan ses yolunu doğrudan modelleyen formant sentezleyicilerin anlaşılmasında, insan ses yolunun incelenmesi önemli bir role sahiptir Sözcük Üretimi Temel olarak, konuşulmak istenen sözcüğün ilk olarak beyinde düşünülmesi ile sözcük üretimine başlanmış olur. Beyin bu sözcüğü ses yolu sistemi için komut kodu olarak formüle eder, beyin ve sinirler vasıtası ile komut kodlarını ses yolunu kontrolünde tutmakta kullanır. Bir sözcüğü konuşmaya karar verdikten sonra, verilen komut ile vücutta çok sayıda organ eş zamanlı olarak etkileşmeye başlar. Sözcük üretimi, akciğerde başlayan ve ağız ve/veya burundan çıkışına kadar süren karmaşık bir yapıya sahiptir. Sözcük üretim organları, akciğerden dudaklara kadar uzanan içi boş bir tüp gibi düşünülebilir. Akciğerler, ses yoluna gerekli olan hava basıncını sağlar. Sesteki son değişimler boğaz, ağız ve burun boşluğunda

6 Sayfa No: 6 F. ERTAŞ, Ö. ESKİDERE olur. Ağız, dil ve dişin alacağı değişik şekillere göre farklı sesler ortaya çıkar. Ancak ağızdan önceki bölgede çok az ses değişimleri meydana gelir. İlk olarak akciğerde üretilen hava, ses tellerinden geçtikten sonra gırtlağa, oradan da ağza gelir. Çene, boğaz, dudaklar ve dişler bir harfi söyleme durumunda o harfe özel, sabit açıklık pozisyonu alarak, ağza gelen havayla istenen sesin oluşmasına son şekil verilmiş olur (Sclater, 1983). Ağzımızda oluşturduğumuz sesin, karakteristiklerini değiştirmek amacıyla daha önce hareket ettirdiğimiz ses yolu organlarından herhangi birini, hareket ettirmeksizin ağzımızda ses filtreleri oluşturmuş oluruz. Herhangi bir sözcük çıkışı olmadığı bir anda bazı organları hareket ettirmekle sadece çıkardığımız sesin, ses yolundaki çıkışının temel frekansını (pitch ini) yada sesin çıkış genliğini (sesin şiddetini) değiştirmiş oluruz. Bu değişim ses tellerinde meydana gelir. Ses telleri kaslarının gevşemesinin durması ile ses salınımı durur. Sesli konuşmadan sessiz konuşmaya geçişte, hava akışının çıkış şeklinde değişimler olur. Konuşmanın yapısında ses tellerin titreşimi ile oluşturulan salınımlı ses, normal sözcük üretimlerinde ünlü seslerin oluşmasını sağlar. Hava akışı ile akciğerden ses yoluna kadar beyaz gürültü oluşur. Sözcük üretimine başlarken oluşturulması gereken ilk etki, akciğerdeki havanın soluk olarak verilmesidir. Böylece ses bölgesi boyunca hava akışı oluşturulur. Bu işlemler ağız boyunca her hangi bir zamanda sürekli olarak meydana gelir. Fakat ses, beynin ses yolu organlarına etkileşme emri vermesine kadar duyulmaz. Sözcük, ses tellerinin titreşmesi, boğaz, dişler ve ağızdaki hava akışının azaltılması etkenlerini kullanarak oluşturulur. Belirtilen bu farklı etkiler kullanılarak, ünlü-ünsüz harfler elde edilir (Sclater, 1983). Akciğerlerden soluk verilmesi ile, yeterli miktardaki hava yoluyla, ses tellerinin veya gırtlağın işlemsel olarak titreşmesi sağlanır. Ses tellerinin titreşmeye başlaması için bir alt sınır değerine (tetikleme değeri) ihtiyaç vardır. Sözcük üretimine başlamadan önce bilinçaltı, bu değerin doğru miktarını ayarlar. Ayrıca üretilecek olan sözcüğün genliği de aynı şekilde belirlenir. Bir sesin üretilmesi esnasında ses tellerinin saniyede yapmış olduğu titreşim sayısına temel frekans (pitch) denir. Erkek sesleri için ortalama pitch frekans değerleri Hz arasında, kadın sesleri için ise Hz arasında değişmektedir. İnsanın gırtlaksal salınımı pitch olarak maksimum 480 Hz uç değerine çıkabilir İnsan Ses Yolundaki Ses Filtreleri Sözcük üretiminin en karmaşık kısmı ses tellerinin üstünde meydana gelir. Ağız, burun ve dudakların frekans spektrumu oluşturulması sırasında seçimsel olarak harmonik filtreleme yapılır. Çıkardığımız sesleri normal konuşma şablonları olarak tanımış oluruz. İnsanın ses yolunun anatomik yapısına baktığımızda ağız ve boğazda ayarlanabilir bir çok kısım olduğu görülür. Bundan dolayı çok sayıda ses filtresi oluşturmak gerekmektedir. Sözcük üretimi için beyin sinyal üretir. Bu sinyaller yüz kasları ve ses yolunu etkiler. Buna bağlı olarak bilgisayarda insan sesi oluşturmak için, insan yapısındakine benzer sayıda filtre oluşturulması gerekir. İnsan yüzünde, ağız ve boğazda yaklaşık 49 tane kas olduğunu düşünürsek, önceden tanımlanan gırtlaksal darbedeki değişimlerin hareket ettirilmesi ile bilgisayarda 49 tane ses filtresi benzetimi oluşturmak gerekir (Sclater, 1983). İnsan bu 49 filtreyi otonom olarak kendi oluşturmakta ve filtreleri belli bir düzen içerisinde sıralı olarak kullanmaktadır. Bir dalga formuna benzer bir gırtlaksal darbe, bir ses filtresi (rezonatör) içine girdiğinde akustik olarak şu olaylar oluşur. Ses filtresinin frekansının değişmesiyle şeklide değişir. Her ne kadar tek frekans rezonatöründen bahsetsek de ses yolunda etkili olan bir çok rezonatör vardır. Bu filtrelerin her biri rezonans frekansına sahip olup, sözcük üretimi esnasında çok hızlı değişir. Konuşulan sözcüğe bağlı olarak frekans spektrumunda sürekli

7 Fen ve Mühendislik Dergisi Cilt: 3 Sayı:1 Sayfa No: 7 yukarı veya aşağıya doğru hareket ile sözcük üretimi esnasında, formant frekanslarında bir eş zamanlılık oluşur. Konuşan bir kişiyi dinlerken tek bir frekans veya dalga formu işitmeyiz. Gırtlaksal darbeden filtreleme yapılarak çok sayıda ses tonu elde edebiliriz. Yukarıda da anlatıldığı üzere insan ses yolunun çeşitli kısımları bir filtre özelliği göstermektedir. Bunun sonucu olarak çeşitli sesler elde edilmesini sağlamak için bu özellikten yararlanılır. Şekil 1 de insanın boğaz, ağız, diş, dudak ve burun bölgesinde, ünsüz harflerin oluşma yerleri gösterilmektedir. Ünlü harflerin çıkışıyla direkt olarak ses telleri etkili olmaktadır. Ağız, burun ve dişlerin ünlü harf çıkışına etkisi yoktur. Burun Boşluğu damak m n ng Burun Ses telleri ve glottis k ng g dil sh zh s z t d n f l th v p w b wh m dişler dudak h dişler Şekil 1. Ünsüz harflerin çıkış yerleri 3.3. Konuşma Sesleri Bir dili oluşturan en basit ve en temel birimler olup harf adı verilen simgeler ile temsil edilen sesler, ünlü ve ünsüz sesler olmak üzere iki grupta toplanır. Ünlü sesler, ses tellerinin titreşmesi ile üretilen ve ses yolunda bir engele uğramayan seslerdir. Ünsüz sesler ise dil, diş ve dudak tarafından yapılan engelleme ile oluşturulur. Ünsüz seslerde kendi aralarında nefesli (voiced) ve nefessiz (unvoiced) olmak üzere iki gruba ayrılır. Nefessiz ünsüzler için ses telleri açık tutulur. Ağız ve/veya burun boşluğunda havaya uygulanan kuvvetle hava türbulans yapar ve sonucunda gürültü şeklinde bir uyartı oluşur. Nefesli ünsüzler ise ses tellerine ihtiyaç duyarlar. Türkçe de 8 i ünlü 21 i ünsüz olmak üzere toplam 29 ses vardır. Çizelge 2 de Türkçe konuşma sesleri ve oluşum şekillerine göre sınıflandırılması verilmiştir (Demircan, 1979).

8 Sayfa No: 8 F. ERTAŞ, Ö. ESKİDERE Çizelge 2. Türkçe konuşma sesleri Ünlüler Geniş Dar Geniş Dar Kalın A ı O u İnce E i Ö ü Ünsüzler Sürtünme Patlamalı Burunsal Kaygan Nefesli c, j, v, z b, d, g m, n ğ, l, r, y Nefessiz ç, f, h, s, ş t, k, p - - Sesler içinde en yüksek genliğe sahip olanlar ünlü seslerdir. Süreleri ms arasında değişir. Ses yolu boyunca kesit alanındaki değişim ünlü seslerin formant frekanslarını belirler. Ünlü sesler dil tümseğinin aldığı şekle ve bu şekil alındığındaki kısılma derecesine göre farklılıklar gösterir. Dil tümseğinin şekli ünlü sesleri ön, merkezi ve geri diye üç gruba ayırır. Dil tümseğinin damağa doğru yükselirken ki açısı ise her bir grubu tekrar yüksek, orta ve düşük olarak üç gruba böler. Bu iki özelliğe göre ünlü seslerin gruplanması Şekil 2 de verilmiştir. Ünlü harflerin bu özellikleri daha sonra 5. kısımda tekrar ele alınacaktır. / / /ı/ /ö/ / / yüksek / / /ü/ / / orta ön merkezi / / düşük geri Şekil 2. Ünlü harfler üretilirken dil tümseği ve ağız boşluğunun şekilleri (Deller vd., 1993) Birbirinden farklı ünlü harflerin oluşmasını sağlayan temel faktörlerden biriside harf üretilirken dudakların alacağı durumdur. Dudaklar ya normal pozisyon alır yada yuvarlanır. Türkçe de u, ü, o, ö gibi ünlü harfler yuvarlamalı seslerdir. Yuvarlamalı ve yuvarlamalı olmayan seslere diğer dillerde de yaygın olarak rastlanmaktadır. Ünsüz seslerde ise ses yolu ünlü seslere oranla daha fazla bir darlaşma gösterir. Telaffuz bölgesinde darlaşma olmasıyla birlikte aktif telaffuzdan pasif telaffuza geçiş olur. Ses çıkışında aktif rol alan yapının alacağı durum bu yaklaşmanın derecesini gösterir. Bu yapının alabileceği değişik durumlara göre çeşitli tipte sesler elde edilir. Bu sesler aşağıdaki gibi guruplandırılır. Sürtünmeli sesler (fricatives): Ağız boşluğunda havanın sürtünmesi ile oluşur. İki grup altında toplanabilir. Nefesli sürtünmeliler (voiced fricatives): Ses tellerinin önünde oluşan hava sürtünmesi ile ortaya çıkar, hava akışı boyunca gürültü oluşur.

9 Fen ve Mühendislik Dergisi Cilt: 3 Sayı:1 Sayfa No: 9 Nefessiz sürtünmeliler (unvoiced fricatives): Nefesli sürtünmeliler ve patlamalı (plosives) seslerin telaffuz yerleri oldukça benzerdir. Nefessiz sürtünmelilerde hava türbülansına ses telleri de yardım eder. Durmalı sesler (stops): Bu gruptaki seslerde ağız boyunca hava akışı tamamen kesilir. Ses boşluğundaki küçük patlamalar ile ortaya çıkarlar. Boğaz, dil, veya dudakların arkasında yapılan hava basıncının birden salıverilmesiyle bu küçük patlamalar oluşur. Bir durmalı ses ağız boyunca hava akışının kesilmesi ile elde edilir. Ağızdaki durmalılara genelliklere patlamalı sesler (plosives) ve burundaki durmalılara genellikle burunsallar (nasals) denir. Patlamalı sesler (plosives): Ses boşluğundaki küçük patlamalar ile ortaya çıkarlar. Boğaz, dil veya dudakların arkasında yapılan hava basıncının birden salıverilmesiyle bu küçük patlamalar oluşur. Burundan çıkan sesler (Nasals): Bu durumda ağız yolu kapatılarak bloke edilir. Burun boşluğundaki havaya uygulanan kuvvetle bu sesler oluşur. Bunlar ses tellerine ihtiyaç duydukları için nefesli ses kabul edilirler. Kaygan sesler (Sonorants): Ünlü harflere benzerler. Aradaki fark bu sesler telaffuz edilirken ses boşluğunun şeklinin değiştirilmesidir. 4. KASKAT/PARALEL FORMANT SENTEZLEYİCİ Bir formant sentezleyicinin yazılım kullanılarak benzetimi yapılmıştır. Formant sentezleyici girişi olarak, insan ses yolunu modelleyen 39 parametreden oluşan bir çerçeveler dizisi (frame) kullanılmıştır. Bu parametreler, insan ses yolunda ses çıkışında etkili olan faktörlerden oluşturulmuştur. Oluşturulan program, üretilmek istenen sözcüğe ait parametre değerlerini, dalga formu değerlerine çevirir. Elde edilen dalga formu değerleri ile ana sentezleyici programı kullanılarak, parametre dosyasını oluşturduğumuz sözcüğe ait ses çıkışı elde edilir. Ses Kaynağı Nefesli Soluma Sürtünme S ( f ) Ses Yolu Transfer U ( f ) Fonksiyonu Kaynaktan Hava Akış Hızı T ( f ) Dudaktan Hava Akış Hızı Yayılma Karakteristiği R ( f ) Yayılan sesin Basıncı P ( f ) P( f ) = S( f ) T ( f ) R( f ) Şekil 3. Formant sentezleyici blok yapısı Yazılım benzetimini donanım yapısı ile karşılaştırıldığımızda, yazılım kullanmanın önemli avantajlarının olduğu görülür. Formant sentezleyicinin sürekli kalibrasyonu gerekmeyecek, sentezleyici kararlı olacak ve işaret gürültü oranı arzu edildiği kadar büyük ayarlanabilecektir. Yeni fikirler için program kolayca değiştirilebilecek, çocuk ve kadınlar için formant frekans değerleri değişik olduğundan yazılımda bu değişiklikler kolayca yapılabilecektir. Sentezleyici dizaynına ait temel akustik teori Fant tarafından oluşturulmuş olup Şekil 3 teki gibi özetlenebilir (Fant, 1962). Şekilden görüleceği üzere bir yada daha fazla ses enerji kaynağı akciğerler tarafından harekete geçirilir. Her bir ses kaynağını ayrı ayrı düşünerek; frekans düzleminde, f Hertz cinsinden frekans olmak üzere, bir kaynak spektrumu S(f) ile

10 Sayfa No: 10 F. ERTAŞ, Ö. ESKİDERE karakterize edilebilir. Her bir ses kaynağı, bir rezonans sistemi gibi davranan ses yolunu uyarır. Sistem bir boruya benzetilerek rezonans etkisi meydana geldiği düşünülebilir. Ses yolu bir doğrusal sistem olduğundan frekans düzleminde doğrusal transfer fonksiyonu T(f), dudaktan hava akış hızı U(f) in kaynak girişi S(f) e oranı olarak karakterize edilebilir,. Yayılma karakteristiği R(f), kaynak basıncının (spektrumundan) konuşucunun dudaklarından çıkması esnasında oluşan karakteristiği P(f) şeklinde tanımlanabilir (Klatt, 1980). Şekil 3 teki konuşulan sözcüğün çıkış spektrumu, P(f), kaynak spektrumu, S(f), ses yolu transfer fonksiyonu, T(f), ve yayılma karakteristiği, R(f), in frekans düzlemlerindeki çarpımlarına eşittir Kaskat / Paralel Konfigürasyon Şekil 4 te gösterilen bir kaskat sentezleyici ile formant rezonatörlerin kaskat bağlanması sayesinde ünlü harfler ve kaygan ünsüz (y, r, l) harflerin sentezi yapılır. Kaskat bağlantının avantajı ünlü harflerin formant tepelerinin genliklerinin daha doğru ayarlanmasıdır. Bu işlem esnasında her bir formant için genlik kontrol ediciye ihtiyaç yoktur. Dezavantajı ise sürtünmeli harfler (fricatives) ve patlamalı seslerin (plosives) üretimi esnasında zayıf kalması nedeniyle paralel formant konfigürasyonuna ihtiyaç duyulmasıdır. Bu yüzden kaskat ve paralel sentezleyici ortak olarak kullanılmaktadır (Klatt, 1980). Kaskat konfigürasyonun ikinci avantajı ise kaygan seslerin (sonarants) üretiminde ses yolu transfer fonksiyonunun daha kesin sonuçlar vermesidir. Giriş R5 R 4 R3 R2 R1 Çıkış Şekil 4. Kaskat sentezleyici blok yapısı Bazı ünlü harflerin transfer fonksiyonları, paralel formant sentezleyici kullanıldığında uygun sonuçlar vermemektedir. Paralel sentezleyici, formantlar ile normal genlik ilişkisini bozmaktadır (Klatt, 1980). Formant rezonatörlerin paralel bağlanması ile ses yolunun transfer fonksiyonu benzetimi Şekil 5 teki gibi yapılabilir. Her bir formant rezonatörün (R1...R5) önüne genlik kontrol edici (A1...A5) koyarak sesli ve sessiz konuşma örnekleri için çıkış spektrumundaki spektral tepelerin genliğini belirleyebiliriz. A1 R1 A2 R2 Giriş A3 R3 + Çıkış A4 R4 A5 R5 Şekil 5. Paralel sentezleyici blok yapısı

11 Fen ve Mühendislik Dergisi Cilt: 3 Sayı:1 Sayfa No: 11 Yazılım benzetiminde, paralel ve kaskat sentezleyici bir arada kullanılmıştır. Şekil 6 da Kaskat ve Paralel sentezleme tekniklerinin bir arada kullanılması ile oluşan konfigürasyon görülmektedir. Bir sözcüğün ses enerjisi, Hz arasında frekans aralığında yoğunlaşmıştır. 5 khz in üzerindeki frekansların enerji değişimlerinin kolay anlaşılabilmeye önemli bir etkisi olmadığı bulunmuştur (Dunn ve White, 1940). Konuşmanın alçak geçiren filtre ile filtrelenmesi durumunda ses doğal olarak elde edilmektedir. İdeale yakın sonuç için sentezleyicinin örnekleme hızı 16 khz olarak alınabilir. Kontrol parametre değerleri her 2 ms de bir yenilenir. Bu sıklık kısa patlamalı sesler ve hızlı formant geçişleri için bile yeterlidir. Arzu edilirse program içinde değişiklik yaparak her 10 ms de bir örnek alınabilir. Uzun aralıklarla parametre yenilenmesi çıkış kalitesinde azalmalara neden olur. Bu nedenle 2 ms de bir parametre yenilemesi yapılarak sözcük örnekleri elde edilmiştir. Nefesli Kaynak Soluma Kaynağı Sürtünme Kaynağı + Gırtlaksal kaynaklar için ses yolu transfer fonksiyonu (Formant rezonatörleri kaskat bağlı) Sürtünmeli kaynaklar için ses yolu transfer fonksiyonu (Formant rezonatörleri paralel bağlı) + Yayılma Karekteristiği Ses Çıkışı Şekil 6. Kaskat/Paralel sentezleyici blok yapısı Sentezleyicide kullanılan sayısal rezonatörün temel blok yapısı ve sahip olduğu özellikler Şekil 7 de gösterilmiştir. B C y( nt T) Birim Gecikme y( nt 2T ) Birim Gecikme Giriş Dizisi x (nt ) A + Çıkış Dizisi y (nt ) Şekil 7. Sayısal rezonatörün blok diyagramı Bir rezonatörün giriş-çıkış karakteristiğini belirlemede iki değer kullanılır. Bunlar, rezonans (formant) frekansı, f, ve rezonans bant genişliği BW dir. Bir sayısal rezonatörün çıkış örnekleri, y(nt), giriş dizisi x(nt), olmak üzere aşağıdaki denklem kullanılarak hesaplanabilir. y(nt) = Ax(nT) + By(nT T) + Cy(nT 2T) (1)

12 Sayfa No: 12 F. ERTAŞ, Ö. ESKİDERE burada y(nt-t) ve y(nt-2t), y(nt) çıkış dizisinin bir ve iki örnek önceki değerleridir. A,B,C sabitleri bir rezonatörün uyartı ile değişmeyen dönüşümlerinin rezonans frekansı f ve bant genişliğiyle BW ilişkilidir. Bu durum aşağıdaki denklemlerde açıkça gözükmektedir. C = exp( 2πBWT) B = 2 exp ( πbwt) cos(2πft) (2) A = 1 B C Rezonatörün kontrol parametreleri f ve BW değerleri her 2 ms de bir yenilenir. Bu durumda sentez edilen sözcüğün fark denklem sabitleri, ayrık olarak her 2 ms de bir küçük adımlar halinde değişir. Büyük ani değişimler belli aralıkta sabit olarak görünüp sentezleyicinin çıkışında patlamalı ses çıkışı olur (Klatt, 1980). Bir sayısal rezonatör ikinci derece fark denklemine sahiptir. Bir sayısal rezonatör transfer fonksiyonu frekans cevabının örneklenmesi aşağıdaki gibi verilmiştir. T(f ) = A (3) Bz Cz j 2ΠfT z = e ve f, 0-5kHz arasında değişen değerlerdir. Analog rezonatör devresindeki örnekleme zamanları (nt), transfer fonksiyonunda örneklerin uyartı cevabı ile tanımlanır. Fakat analog ve sayısal rezonatörlerin frekans cevapları tamamen benzerdir. Bir anti rezonatör, (anti formant veya transfer fonksiyonu sıfır çifti de denir) yukarıdaki denklemlerde birkaç küçük değişiklik yapılarak elde edilebilir. Bir anti rezonatörün frekans cevabı rezonatörün cevabının bir aynasıdır. Bir anti rezonatör ses kaynak spektrumunun şeklinin sentezlenmesinde ve kaskat modelde ses yolu transfer fonksiyonu burundan çıkan sesin etkisinin benzetimini yapmak için kullanılır (Klatt, 1980). Anti formant rezonatörün çıkışı, y(nt), giriş x(nt) ile bağlantılı olup bu durumu denklem ile ifadesi y(nt) burada; ( n T ) = A' x(nt) + B' x(n T) + C' x(nt 2T) (4) x ve ( n 2T ) x girişin iki önceki örnekleridir. A ', B', C', sabitleri A ' = 1/ A B' = B/ A C' = C/ A (5) olarak tanımlanır. Buradaki A,B,C; Eşitlik 2 de f ve BW değerleri yerleştirilerek elde edilir. Özel amaçla sayısal rezonatörün f frekansı 0 a ayarlanır. Bunun sonucunda alçak geçiren filtrede frekans artması ile oktav başına 12 db civarında nominal azalma görülür ve 3 db lik frekansta aşağıya kıvrılma,bw/2 ye eşittir. Ses kaynağı (Şekil 8 de 1 nolu kısım), bir sayısal rezonatör olan RGP (Gırtlaksal kutup rezonatörü) içerir. RGP alçak geçiren bir filtre olarak, gırtlaksal uyartıyı, bir dalga formuna sahip bir uyartıya dönüşmesine ve spektrumun normal ses olmasını sağlar. İkinci sayısal rezonatör RGS (Sinüzoidalimsi gırtlak rezonatörü) alçak geçiren filtre olarak kullanılır. Normal ses dalga formundan sinüzoidalimsi gırtlaksal dalga formu meydana getirir. Bu durum esnasında patlamalı seslerin ifadeleri arasında yakınlık olduğu görülür. Normal ses üretimi için RGZ (Gırtlaksal sıfır rezonatörü) nin etkisini dikkate aldığımızda, uyartılar dizisini bir alçak geçiren filtre olan gırtlaksal kutup rezonatörünün (RGP) içinden geçirilir. Bu şekilde tipik bir gırtlaksal ses titreşimi dalga formuna benzer bir dalga formu elde edilir. RGZ antirezonatörü ses kaynağının spektrum şeklinde değişiklikler yapmak için kullanılır.

13 Fen ve Mühendislik Dergisi Cilt: 3 Sayı:1 Sayfa No: 13 Ses yolunun akustik karakteristikleri, gırtlaktan dudağa mesafenin fonksiyonu olarak kesit alanı ile belirlenir. Ses yolu, 5 khz in altındaki davranışı tek-boyutlu dalga denklemi çözülerek bulunan düzgün dağılmayan iletim hattı gibi davranır. Dalga denkleminin çözümünden gırtlaksal kaynağın hava akış hızından dudaklardaki çıkış hava akış hızına kadar örnekler içeren bir transfer fonksiyonu elde edilir. Şekil 8 de ses yolu transfer fonksiyonunun iki farklı türü gösterilmiştir. Üst kısımdaki sayısal rezonatörlerin kaskat biçimi olup ses kaynağı gırtlakta olduğundaki rezonans özelliklerini modeller. İkincisi ise sayısal rezonatörler ve genlik kontrol edicilerinin paralel biçimi olup, sürtünme gürültüsü üretimi esnasında ses yolunun rezonans özelliklerini modeller. Paralel biçim ayrıca, yaklaşım kaskat modeldeki kadar iyi olmasa da, gırtlaksal ses kaynakları için ses yolu karakteristiklerini modellemede kullanılır. Kaskat ses yolu modeli nde ses yolu transfer fonksiyonu, frekans domeninde sıfırlar ve kutuplar ile gösterilebilir. Beş rezonatör ile yaklaşık 17 cm uzunluğundaki bir ses yolu, ki bu bir erkeğin tipik ses yolu uzunluğudur, benzetimi yapılabilir. Tipik bir kadın ses yolu erkeğin ses yoluna nazaran % daha kısa olduğundan 5 khz lik benzetimde kadın sesi 4 formant resonatörü ile taklit edilebilir. Ses yolunun uzunluğundaki herhangi bir değişiklik formantsayısını belirleyen parametrede (Fs) değişim gerektirir. RNP ve RNZ kontrol parametreleri ihmal edilerek, beş formant rezonatörden oluşan Şekil 8 deki kaskat model frekans domeninde aşağıdaki gibi bir transfer fonksiyonuna sahiptir. 5 A( n) T ( f ) = (6) B( n) z C( n) z n= 1 A ( n), B( n), C( n) sabitleri, denklem 2 de verilen (n) inci formant frekans F(n) ve (n) inci formant bant genişliği BW(n) yardımı ile bulunabilir. Paydaki A (n) sabiti transfer fonksiyonunun sıfır frekansında birim değer aldığını gösterir (Klatt 1980). Burun mırıltıları ve sesli harflerin burundan ses çıkışlarını sadece 5 rezonatörlü kaskat sistem ile elde etmek mümkün değildir. Çünkü bu tip seslerde 5 formanttan fazlası vardır. Bu seslerin benzetimi kaskat ses yolu modeline ilave bir RNZ ve RNP rezonatörü eklenmesiyle yapılır. Sessiz harflerin sentezi için Paralel Ses Yolu Modeli kullanılır. Çünkü sessiz harflerin oluşmasında gürültü faktörü etkili olmaktadır. Paralel ses yolu modeli oluşan bu gürültüyü giriş olarak kullanır. Şekil 8 den görüleceği üzere paralel biçimde 6 formant resonatörü vardır. 6. formant [s] ve [z] deki çok yüksek frekans gürültüsü için paralel kola özel olarak eklenmiştir. Bu sürtünmeli seslerin ana enerjisi 6 khz frekans merkezlidir. Bununla birlikte [s] sesinde 5 khz in hemen aşağısında derece derece artan sürtünme gürültüsü vardır. Sürtünmeli bir ses sentez edileceği zaman, istenmeyen bazı seslerden ve enerji yoğunluğu hareketinden kaçınmak için, F5 frekansını yukarıya çekmek yerine yüksek frekans gürültüsü benzetimi yapmak için ekstra bir rezonatör eklenmesi daha iyi sonuç verir. Paralel ses yolu modeli ayrıca bypass yolu içerir. Bypass yolu genlik kontrol edicisi AB ile yapılır. Çünkü [f, v, j, p, b] nin transfer fonksiyonları rezonans tepecikleri içermez. Bu durumun ayarlanması için bu kontrol edici kullanılır. Nefesli sürtünmelilerin üretimi esnasında biri gırtlakta yer alan (nefesli), diğeri ise ses yolundaki kısılmada (sürtünme) yer alan olmak üzere iki tane aktif ses kaynağı vardır. Sürtünme kaynağı bir nefesli sürtünmeli ses üretmek için paralel kolu uyarırken sinüzoidalimsi sesli kaynağın çıkışı kaskat ses yolu vasıtasıyla olur. Gırtlakta ses yolu transfer fonksiyonunun benzetimi, beş sayısal formant rezonatörün paralel bağlanmasıyla da yapılabilir. Beş rezonatörün, eğer formant genlik kontrol edicileri için uygun değerler seçilirse, paralel koldaki rezonatörler kayganları sentezlemede de kullanılabilir.

14 Sayfa No: 14 F. ERTAŞ, Ö. ESKİDERE RG Z RG S RGP Uyartı Üreteci AV AVS Nefesli Kaynak + Sw LPF X MOD + ) AH AF RN P RN Z + R R R R R Kaskat Ses Yolu Transfer Fonksiyonu Ardışıl Fark A1 A A2 A3 R RN R R + Ardışıl Fark Yayılma Karakteristiği F Rastgele Sayı Üreteci Gürültü Kaynağı A4 A5 R R A6 R A7 1 2 Şekil 8. Sentezleyici blok diagramı Paralel Ses Yolu Transfer Fonksiyonu Sentezleyicinin blok diyagramında kullanılan parametrelerin isimleri ve aldığı değerler Çizelge 3 te verilmiştir. Bu parametreler sözcüğe bağlı olarak değiştirilebilir. Bazı parametreler bir erkek sesi için uygun olarak seçilmiştir. Çizelge 3. Kaskat/Paralel formant sentezleyici parametreleri Sembol İsim Min-max 1. SE Değeri Min-max MBOL Değeri AV Sesin genliği 0-80 (db) FGP Gırtlaksal kutup frekansı (Hz) AF Sürtünme gürültüsü genliği 0-80 (db) BGP Gırtlaksal kutup bant genişliği (Hz) AVS Soluma gürültüsü genliği 0-80 (db) FGZ Gırtlaksal sıfır frekansı (Hz) F0 Sesin temel frekansı (Hz) BGZ Gırtlaksal sıfır bant genişliği (Hz) Fi Formant frekansları (i=1,..,6) (Hz) FNP Burun kutup frekansı (Hz) Ai Formant genlikleri (i=1,...,6) 0-80 (db) BNP Burun kutup bant genişliği (Hz) Bi Bant genişlikleri (i=1,...,6) (Hz) BNZ Burun kutup bant genişliği (Hz) FNZ Burun sıfır frekansı (Hz) Öh Örnekleme hızı (Hz) AN Burun formant genliği 0-80 (db) Ka Sentezleyici kazancı 0-80 (db) AB Bypass yolu genliği 0-80 (db) Fs Formantların sayısı 4-6 At Kaskat/paralel seçici anahtar 0 1 Pr Parametre yenileme hızı 1-20 (ms)

15 Fen ve Mühendislik Dergisi Cilt: 3 Sayı:1 Sayfa No: PARAMETRE SENTEZİ Bu bölümde sözcük sentezi için gerekli olan parametre analizine genel bir strateji oluşturulup, bir çok sabit konuşma seslerinin, tipik parametre değerleri kullanılarak tasarımın nasıl yapılacağı gösterilmiştir. Öncelikle ünlü ve ünsüz harflerin elde edilmesi için gerekli değişken parametreler belirlenmiş ve bu parametrelerin alabileceği değerler bulunmuştur. Ünlü harfler tek başına kullanıldığında parametre değerlerinde bir değişiklik olmamasına karşın ünsüz harfler kendinden önce ve sonra gelen harfe göre değişik değerler almaktadır. Ünlü harfler simetrik bir yapı çizmesine karşın ünsüz harfin belirlenmesinde sürtünme ve soluma gürültüsü etkin bir faktör olmaktadır. Başlangıç olarak formant sentezleyici kullanılarak sesbirimleri, hece ve kelimeler oluşturulmuştur. Oluşturulan kelimelerin giriş parametreleri ayarlanırken ünlü-ünsüz, ünlüünlü, ünsüz-ünsüz harflerin geçişlerinde farklılıklar oluştuğundan, bu farklılıklar üzerinde durulmuştur. Son olarak bir sözcüğün sentezi için adımlar tanımlanmıştır Ünlü Harflerin Sentezi Kontrol parametreleri yalıtılmış ünlü bir harf üretmek için ayarlanır. Bir ünlü harfin değişken kontrol parametreleri; sesin genliği, AV, ses telleri titreşimlerinin temel frekansı, F0, En düşük üç formant frekansı F1, F2, F3 ve bunlara ait bant genişlikleri B 1, B2, B3 dür. Dördüncü ve beşinci formant frekansları eş zamanlı spektral ayrıntılar elde etmek için değiştirilir. Fakat bu frekanslar yüksek derecede anlaşılabilirlik için gerekli değildir. Doğal bir nefes alma durumunda ünlü harf üretimi son bulur. Soluma gürültüsünün genliği, AH, ve sinüzoidalimsi genlik sesi, AVS, harekete geçirilir. Çizelge 4 te değişken kontrol parametrelerinin farklı ünlü harfler arasında önerilen değerleri belirtilmiştir. Burada görülen bant genişliği ve formant frekanslarındaki değişimlere gırtlaksal kayıplar, kaynak ses spektrumundaki düzensizlikler gibi faktörler neden olur. Çizelge 4 teki ünlü harflerin genlik değerleri ve F0 frekans değerleri harfe göre uygun değerler alır. Temel frekans değerinde zamanla 130 Hz den 100 Hz e doğru düşmeler olur. Şekil 9 da a ve i ünlü harflerine ait genlik-zaman grafikleri verilmiştir. Şekilden de görüleceği üzere ünlü harfler periyodiktir. Sesli kaynağın genliği, AV, bir vurgulu ünlü harfiçin 60 db e kadar çıkabilir. Harfin sonuna doğru birkaç db lik düşüş olur. Aşağıdaki a ve i için bu değer 68 db ve 62 db olarak alınmıştır. Çizelge 4. Ünlü harflere ait bazı değişken parametre değerleri Ünlü harf F1 F2 F3 B1 B2 B3 i ı e a o u ö

16 Sayfa No: 16 F. ERTAŞ, Ö. ESKİDERE Ünlü harflerde enerji düşük frekanslarda yoğunlaşır. Ünlü harfler için kaynak spektrumu gırtlaktan gelen bir kompleks periyodik sestir. Yüksek ünlü harfler düşük ünlü harflerden, gırtlaktaki yükseklikten dolayı, daha büyük F0 a sahiptir. F1 öncelikle geri boşluk ile dil tümseğinin arkasındaki boşluğun büyüklüğü ile belirlenir. Yüksek ünlü harflerde dil ileri ve yukarı doğru çekildiğinden, geri boşluk yüksek ünlü harfler için düşük ünlü harflere nazaran daha geniştir. Yüksek ünlü harflerde daha geniş boşluk oluşmasından dolayı düşük F1 oluşur. Genlik a Genlik i t(ms) t(ms) Şekil 9. a ve i harflerinin genlik-zaman değişimi Örneğin i sesi yüksek ve ön yapıda bulunmasından dolayı, 1800 Hz üzerindeki yüksek frekans bölgesinde enerji yoğunluğuna sahiptir. e merkezi bir ünlü harf olup enerjisi tüm frekanslar arasında dağılmıştır. u yüksek ve geri ses olmasından dolayı hemen, hemen tüm enerji yoğunluğu 1000 Hz altındaki düşük frekanstadır. a bir düşük ünlü harf olup enerji yoğunluğu Hz arasına sıkışmıştır Ünlü Harflerin Formant Frekanslarının Parametrik Özellikleri Ünlü harflerin belirlenmesinde en önemli faktör formant frekanslarıdır. Aşağıda F1, F2, F3 formant frekanslarının ünlü harflerin değişimlerine göre nasıl etkilendiği verilmiştir Bunlar; Sesin çıkmasındaki etkin yapı F1 in yeri ile belirlenir, etkin yapının azalması ile F1 de azalır. i ve u küçük açıklık, a geniş açıklık, e ise orta açıklığa sahiptir. Gırtlak dili ile sesin oluşmasındaki etkin yapının yeri arasındaki fark F2 ile belirlenir; farkın artması ile birlikte F2 de artış olur. Bu duruma bağlı olarak i yüksek F2 ye sahip olurken u ise düşük F2 ye sahiptir. Bir ünlü harfte sesin oluşmasındaki ana yapı ve gırtlak dili arasındaki fark, F1 ve F2 de düşüşler oluşmasına (özellikle F2 de) neden olur. Bu durum en iyi u harfinde gözlenir. u sesini çıkartırken dudak yuvarlandığından dolayı bu harfin F2 frekansı daha düşük olur. Yüksek ünlü harfler (i,u) düşük F1 ve düşük ünlü harfler yüksek F1 e sahiptir. F1 frekansı, dil tümseği veya ses yolundaki daralmanın derecesi ile ters orantılıdır (F1 öncelikle ünlü harfin yüksekliği ile belirlenir). F2 öncelikle ön boşluk ile (dil tümseğinin ön boşlukta olması) belirlenir. Ön ünlü harfler (e, i, ı) küçük ön boşluğa ve bu yüzden daha düşük F2 ye sahiptirler. Dil yuvarlaması ile daha geniş ön boşluk oluşmasından dolayı daha düşük F2 oluşur. Ön ünlü harfler, yüksek F2 ve geri ünlü harfler (a, o, u), düşük F2 ye sahiptir. F2 frekansı, dil tümseğinin önündeki boşluğun büyüklüğü ile ters orantılıdır. F2 öncelikle harfin

17 Fen ve Mühendislik Dergisi Cilt: 3 Sayı:1 Sayfa No: 17 ön veya arkada olmasına göre belirlenir. F3 formantı ise tüm ses yolunun fonksiyonudur. F3 ün değerini öncelikle ön ve geri boşlukları arasındaki bağın derecesi belirler. Düşük ünlü harflerde, bu iki boşluk arasındaki bağ büyüktür, bu nedenle daha düşük F3 oluşur. Dil yuvarlaması ve burundan ses çıkışı, formant frekanslarının tümünde hafifçe azalmaya neden olur. Yüksek ön ünlü harflerde F1 ile F2 arasında büyük fark oluşmaktadır. Düşük geri ünlü harfler küçük F1-F2 farkına sahiptir Ünlü Harf Süreleri ve Geçişleri Ünlü harf süreleri aşağıdaki faktörlerden etkilenmektedir. Hece vurguları (vurgulu ünlü harfler daha uzun süreye sahiptir), Ünlü harf yüksekliği (yüksek ünlü harfler daha uzun süreye sahiptir), Konuşma hızı (düşük hız daha uzun ünlü harf süresi oluşturur), Bir önceki veya bir sonraki ünsüz harf süreyi arttırır, Kelimede harfin yeri (ön vurgulu harfler daha uzundur). Uzun süreli ünlü harflerin daha uzun kalıcı durum formantına ve orantılı olarak da daha kısa formant geçişlerine sahiptirler bunun tersi de daha kısa süreli ünlü harfler için geçerlidir Ünlü Harflerin Temel Frekans ve Spektrumu Formantın spektral tepelerinin yerlerindeki kaymalar (yani merkez frekansındaki bir değişim) ve spektral eğimdeki bir azalma (birbiri ardına takip eden tepelerin yanlarındaki ardışık harmoniklerin genlik düşümlerindeki bir azalma) ünlü harflerin kimliğini önemli ölçüde etkiler. Frekans yada genlikteki aşağı yada yukarı logaritmik kaymalar, formantlar arası çukurun derinliği, spektrumun eğimi (spektral eğrilik) algılamada önemsizdir. Yüksek ünlü harfler genellikle düşük ünlü harflerden daha yüksek F0 a sahiptir, ancak fark küçüktür ve belki de algılamada pek de önemli değildir Ünlü Harflerin Formant Bant Genişlikleri ve Genlikleri Formantların merkez frekansının iki yanında ve merkez frekansının genliğinin 3 db aşağısındaki iki nokta ile tanımlanan formant bant genişlikleri formant sayısı ile artar. F2 genellikle F1 den biraz daha geniş bant genişliğine, F3 de F2 den geniş bant genişliğine sahiptir. Formant genliği ses yolundaki daralmanın derecesiyle ters orantılıdır. Yüksek ünlüler, diğer herşey aynı olmak üzere, düşük formant genliklerine sahiptir. Formant genliği, ayrıca formant bant genişliği ile de ters orantılıdır. Geniş bant genişliği olan yüksek sayıdaki formantlar düşük genliklere sahiptir. Formant aralığı da formant genliğini etkiler. Eğer bir yüksek sayılı formant düşük sayılı formanta yakınsa, önceki muhtemelen daha yüksek genliğe sahiptir. Limitler içinde formant bant genişliği algılamada önemli bir özellik değildir. Burunsallaştırma bant genişliğini artırır, ve ünlü harflerin ayırt edici özelliğini azaltır. Grup olarak ünlü harflerde konuşma süresi, en uzun 100 ms civarıdır. Ünlü harfler oluşurken telaffuz organları hareket etmez. Ünlü harfler, ses yolunun büyük bir kısmı açık olduğundan dolayı, konuşma işaretindeki enerjinin büyük bir kısmını taşırlar. Ünlü harfler bu karakteristik özelliklerinden dolayı spektrogramda kolayca tanınabilirler. İleride incelenecek olan ata ve çay sözcüklerinde bu durum açıkça görülmektedir.

18 Sayfa No: 18 F. ERTAŞ, Ö. ESKİDERE 5.2. Ünsüz Harflerin Sentezi Ünsüz harflerin parametre analizi ünlü harflere nazaran daha zordur. Çünkü ünsüz harflerin oluşumlarını etkileyen faktörler daha fazla olmakta ve ünsüz harfler çok karmaşık özellikler göstermektedir. Bu karmaşık özellikleri modellemek için ünsüz harflerin parametre analizi, ünsüz harfleri belirli gruplar altında toplayarak gerçekleştirilmiştir. Ünsüz harfler; kaygan ünsüzlerin kalıcı halleri, sürtünmeli ünsüzler, patlamalı ünsüzler, burunsallar, ve durmalı-sürtünmeliler olarak gruplandırılmıştır. Her bir gruptaki ünsüz harfler teker teker parametre analizine tabi tutulmuş, ünsüz harfleri ayırt edici parametreler çizelgeler halinde gösterilmiştir. Ünsüz harflerin nasıl oluştuğunu bilmemiz o ünsüzün parametrelerinin oluşturulması esnasında bize temel oluşturmakta, harfin aldığı parametrik değerlerin zamana göre değişimini belirlememize yardımcı olmaktadır. Bu nedenle kısaca ünsüz harflerin oluşum şekilleri ve ünsüz harflerin bulundukları grupların ortak özellikleri belirtilmiştir Kaygan Ünsüz Harflerin Parametre Analizi Kaygan ünsüz harfler (y, r, l) ünlü harflere benzer. Kontrol parametre değerleri bu harfleri birbirinden ayırt etmek için değişik değerler almaktadır. Çizelge 5 te kaygan ünsüzlerin oluşturulmasında etkili olan bazı parametre değerleri verilmiştir. Kaynak genliği, AV, bir önde bulunan kaygan ünsüz harf için ünlü harfin genliğinden yaklaşık 10 db daha az olmalıdır. İlk formant bant genişliği yaklaşık 300 Hz e artırılır, soluma ile sesin yerini alır. Çizelge 5. Kaygan ünsüzlere ait bazı değişken parametre değerleri Kaygan ünsüzler F1 F2 F3 B1 B2 B3 y r l r ve l harfleri dilin aldığı şekil nedeniyle benzersiz bir yapıya sahiptir. r harfi oluşturulurken dilin ucu yukarıya diş boşluğuna (alveolar ridge) doğru bükülür, dilin yan kısımları azı dişlerine doğru çekilir (Şekil 1). Bu şekilde ağzın merkezinde oluşan dar bir elipsten hava geçişi sağlanır. Dilin aldığı bu şekle retroflex denir. Retroflex işaretin F3 formant değeri, F2 ye çok yaklaştığından dolayı yutulur. Bu nedenle tüm işaretin enerjisi 2000 Hz in altındadır. l kaygan ünsüzü aldığı şekil itibariyle r nin tersidir. Dil bu sefer diş boşluğuna yerleşir, dilin yan kısımları normal yatay pozisyon alır. Hava, ağız ve dilin iki kenarından kaçar. Ses dalgalarının bölünmesi 1500 Hz civarında bir anti-rezonans oluşmasına neden olur. l harfi çok sayıda değişik spektrograma sahiptir. Bir ünlü harf öncesi F3 inebilir veya sabit kalabilir, bu durumda F2 yükselir ve harf çatal bir görünüm verir. Diğer bir değişle F2 ve F3 formantları herhangi bir frekans değişimi belli olmaksızın doğrudan doğruya sonraki ünlü harfe hareket eder. Fakat l ünlü harften daha az enerji gösterir. Dil, diş boşluğuna dokunduğu yerde spektral süreksizlik oluştuğunda anti-rezonans bir form oluşmasına neden olur ve tekrar dil buradan uzaklaşır. l harfi bu şekilde oluşur. Bu oluşuma bağlı olarak formant değerleri yukarıdaki gösterilen değerleri alır. F1; F2 nin aşağısında (1000 Hz in altında) ezilmesi ile l oluşur. Bu durumla eş zamanlı olarak F3 yukarı doğru, 3000 Hz e, hareket eder. F3 ün aksi yönde, F2 normal yerini terk eder. l formant değerleri çok çabuk

19 Fen ve Mühendislik Dergisi Cilt: 3 Sayı:1 Sayfa No: 19 değiştiğinden kendini takip eden heceye fazlasıyla bağımlıdır. Bu yüzden l yi ayırt etmede güçlüklerle karşılaşılmaktadır. y ünsüz harfi, ünlü harf benzeri hareketlerinden dolayı, ünlü harflerle çok benzeşir. Fakat y nin enerjisi genellikle bir ünlü harften daha düşüktür. Örneğin y ve i harfleri birbirine çok benzer. Bu harflerin oluşum yerleri dilin damağa dokunduğu alandır. Farkları ise, y harfinde hızlı bir kırılma ile yapı maksimum periyodu takip eder. Çünkü yapı öyle darlaşır ki bu harfin sesli sürtünme ile belirlenmesi gerekir Kaygan Ünsüzlerin Parametrik Özellikleri Durmalı ve ünlü harflere nazaran daha yavaş formant geçişlerine sahiptirler. Ünlü harflere nazaran daha düşük genliğe sahiptirler. Formant değerleri ünlü harflere benzerler. Genellikle burunsallara nazaran daha yüksek genlik değerlerine sahiptirler. F Hz den düşük değerler alır. F2, F3 e yaklaşır (r). Yüksek F3 ün düşük F2 ile birleştirilmesi ile bir form oluşur (l). Ünlü bir harf ile kaygan bir ünsüz arasında bir akışkanlık vardır Sürtünmeli Ünsüzlerin Parametre Analizi Sürtünmeli ünsüzler, ses yolunun sadece belirli kısmında oluşur. Ses yapısından hava geçişi esnasında yapının maksimum darlaştığı noktada gürültü şablonları oluşur. Gürültünün uzunluğunu, gürültünün yeri ve ses çıkışı sırasında oluşan enerji miktarı etkiler. Sürtünmeli ünsüzlerde oluşan bu gürültüye sürtünme gürültüsü denir. Sürtünmeli ünsüzler kuvvetli ve zayıf olarak iki gruba ayırabiliriz. Kuvvetli sürtünmeli ünsüzler (s, ş, z), zayıf sürtünmeli ünsüzlere (v, f, d, t) nazaran daha fazla enerjiye sahiptirler. s ve z ünsüzlerinin maksimum enerjileri 4000 Hz in üzerindedir. z ünsüzü bazen 4000 Hz üzerinde periyodik bir şekil alır, bu durumda F1 de periyodikleşir. s ünsüzünün ender olarak 4000 Hz in üzerinde yada F1 in oluştuğu bölgede gırtlaksal darbe oluşturduğu gözlenir. ş nin enerjisi s ve z den daha düşüktür. ş ünsüzünün enerji yoğunluğu 2500 Hz civarıdır. Zayıf sürtünmeli ünsüzler, sesbirimleri arasında tanınması en zor olan ünsüzlerdir. Zayıf sürtünmeliler f ve v dir. Bu ünsüzlerin enerjisi çok düşük olduğundan spektrumda fark edilmeyebilir. Bununla birlikte bu ünsüzleri takip eden nefesli sesler telaffuz etkisi yoluyla bu ünsüzlerin anlaşılabilmelerini etkilemektedir. f ünsüzlerden enerjisi en zayıf olan sürtünmesizdir. Patlamalı ses çıkışı benzeri bir ses çıkışı ile 1200 Hz civarında çıkış verir. Sürtünmeli ünsüzler; formant frekans ve bant genişliği değerleri, sürtünme gürültüsü, A2, A3, A4, A5, A6 ve AB genlik kontrol edicileri ile belirlenir. Belirtilen bu genlik kontrol edicileri şekil 7 de görüleceği üzere paralel ses yolu modellenmesinde kullanılır. Çizelge 6 daki kuvvetli sürtünmeli ünsüzler için AF=60, AV=0, AVS=0 ve zayıf sürtünmeli ünsüzler için AF=50, AV=47, AVS=47 olarak alınmıştır. A2 paralel ikinci formantın genliği, ön ünlü harfler öncesi tüm ünsüz harfler için 0 dır. A2 60 db e ayarlanmalıdır. F2 ve F3 olarak verilen değerler sadece sürtünmeli ünsüzler için geçerli değerler olmayıp ayrıca ön ünlü harflerden önce ünsüz harften ünlü harfe formant geçişlerinin belirlenmesinde kullanır. Formant frekanslarındaki bu geçiş değerleri, sesin çıkış anındaki ünlü harflerin hedef frekanslarıdır. Bu değerlerde geçiş süresince büyük değişiklikler olmaktadır.

20 Sayfa No: 20 F. ERTAŞ, Ö. ESKİDERE Çizelge 6. Sürtünmeli ünsüzlere ait bazı değişken parametre değerleri Sürtünmeli Ünsüzler F1 F2 F3 B1 B2 B3 A2 A3 A4 A5 A6 AB f v s z ş Sürtünmeli Ünsüzlerin Parametrik Özellikleri Genellikle düşük genliğe sahiptirler. Periyodik değillerdir. Nefesli ve nefessiz olabilirler. Yüksek frekans baskın faktördür Durmalı-Sürtünmelilerin Parametre Analizi Bir sürtünmeliden sonra bir ünsüz harf geldiğinde her ikiside kısalır ve durmalısürtünmeli (affricate) olarak bilinen tek bir ünsüz harfe dönüşür. Bunlara en iyi örnek ç harfidir. Çizelge 7 de ç ye ait bazı değişken parametrelerin aldığı değerler gösterilmiştir. Durmalı-sürtünmeliler, sürtünmeli ünsüzlere çok benzerler. Normal sürtünmeli ünsüz çıkışı hızlı patlamalı çıkış takip eder. Nefesli ve nefessiz çıkış verebilir. Çizelge 7. Durmalı-sürtünmeliler in (ç nin) aldığı bazı değişken parametre değerleri Durmalısürtünmeliler F1 F2 F3 B1 B2 B3 A2 A3 A4 A5 A6 AB Ç Şekil 10 da çay kelimesinin genlik-zaman grafiği verilmiştir. Şekilden de görüleceği üzere ç harfinde periyodiklik yoktur. ç harfi oluşumunda gürültü faktörü baskın rol oynamaktadır. Genlik ç a y t (ms) Şekil 10. ÇAY sözcüğünün genlik-zaman değişimi