A LA
RECHERCHE DE LA VOIX-PROTEE :
PENSER La voix de synthèse aujourd'hui
Anastasia
Georgaki
Music Department, Ionian University; 49100
Corfu, GREECE
georgaki@ionio.gr
Résumé
Cet article présente une méthodologie, basée sur le modèle aristotélicien
des quatre causes, pour penser la voix de synthèse dans le cadre de
l'informatique musicale.
Ce thème est développé en cinq parties allant de sa définition à ses buts
et exigences.
Dans le premier paragraphe, nous essayons de donner diverses interprétations
du terme voix de synthèse, afin de mettre l’accent sur sa spécificité,
considérant ce terme du point de vue scientifique et du point de vue musical
(la voix de synthèse revêt trois visages dans les créations de la musique
contemporaine). Dans le deuxième paragraphe, nous exposerons les techniques et
les modèles existants et leur performabilité. Le troisième paragraphe décrit
les causes efficientes de la voix de synthèse en mettant l'accent sur les
moteurs des scientifiques et de certains compositeurs qui les poussent à
commencer un projet sur la voix de synthèse. Le quatrième paragraphe, celui des
cause finales, explique les buts ultimes des scientifiques et des compositeurs
pour la synthèse de la voix. Enfin, dans le dernier paragraphe, il est donné quelques
éléments d'une structure représentationnelle satisfaisant aux exigences
établies pour la conception d’un synthétiseur vocal, devenant un outil
accessible aux compositeurs et aux musiciens qui n'ont pas nécessairement une
formation scientifique dans la synthèse des sons vocaux, et pour dégager de
nouvelles perspectives dans le domaine de la performance «sensorielle» de
demain.
1. Introduction
Cette recherche sur la voix de synthèse a commencé au début des années 90,
dans une approche plutôt musicologique que scientifique, partant d'une simple
et naïve curiosité concernant l'incapacité des synthétiseurs numériques du
commerce (Yamaha, Korg, Roland, etc) à produire des voix de synthèse fiables.
Pendant un séjour à l'Ircam, cette curiosité nous a conduit à approfondir la
recherche sur les synthétiseurs fabriqués dans des circuits de recherche
d'informatique musicale, non seulement en France, mais partout dans le monde.
Leur applicabilité en musique contemporaine dans des œuvres du vaste répertoire
de la musique assistée par ordinateur devenait un champ d'exploration des plus
attirants.
Dans cette voie, nous avons choisi d'une part d'étudier quelques modèles de
synthèse de la voix adaptée aux besoins des chanteurs ou des musiciens (Chant, Musse, Spasm, FM, etc..) et de
discuter de leurs avantages et inconvénients afin de mettre l'accent sur la
recherche actuelle de la voix de synthèse. D'autre part, étant donné que la
recherche en Informatique musicale , surtout à l'Ircam, est intimement liée
avec la création musicale, nous avons fait l'inventaire du répertoire des
œuvres qui ont fait usage de tel genre des voix. [Georgaki, 1998a].
Par cet article, nous souhaitons redéfinir "les raisons d'être"
de la voix de synthèse, ses acquis et ses perspectives dans le monde de
l'informatique musicale.
Préalablement à la discussion sur l'utilité d'avoir des
voix de synthèse, ses incidences sur la création musicale et lutherie
instrumentale, nous allons définir ce terme général - la voix de synthèse - qui inclut toutes les formes possibles que
l'on peut engendrer à travers la synthèse pour une approche artistique et
abstraite de la voix.
Afin de parvenir à ce résultat,
nous avons préféré adapter nos questions sur le classique modèle aristotélicien
des quatre causes[1]{Bambrough
1963, Metaphysics, I, 3, 983a).
Dans la conception d'Aristote [Lalande, 1993] tout développement présuppose
un but selon lequel l'ousia[2]
progresse en se déployant du possible au réel. C’est l’entélechie[3]qui
caractérise la matière. Aristote
estime que lorsqu'on veut rendre compte d’un objet ou d’un événement, qu’il
soit naturel ou artificiel, on doit prendre en considération quatre facteurs ou
plutôt assigner au développement quatre causes :
- La cause matérielle qui nous
donne des informations sur la structure de la matière de l’objet.
- La cause formelle qui définit
la forme de l’objet.
- La cause efficiente ou motrice:
qui donne des informations sur les moteurs et les personnes qui mettent en
marche l’idée de construction de l’objet.
- La cause finale qui nous donne
des informations sur le but final du développement de l’objet (à quoi cela
peut-il servir?).
2. Du bruit blanc aux voyelles
informatiques. Les causes matérielles
Les causes matérielles de la
voix de synthèse nous fournissent des informations sur la structure de la
matière du signal de synthèse.
Il s'agit d'un signal sonore qui - dans une des ses formes - est déterminé
par le générateur et le résonateur. Le générateur est constitué par un
oscillateur digital et un générateur de bruit (qui produit des impulsions ou du
bruit blanc) et simule le fonctionnement des cordes vocales. Le résonateur est
déterminé par des filtres spéciaux qui simulent le fonctionnement du conduit
vocal humain (cavités buccales).
Il s’agit donc d’une voix informatique
qui est décrite par des paramètres différents comme : la hauteur fondamentale,
l’amplitude, les formants, l'amplitude, la largeur de bande et les trajectoires
des formants, le vibrato, des variations aléatoires du vibrato, la forme du
spectre général, l’intensité sonore, l’évolution temporelle du spectre, etc..
[Rodet, Depalle, 1985; Sundberg 1989].
On tentera de donner ici deux interprétations de voix de synthèse : la
première concerne la recherche scientifique et la deuxième la création musicale
(1980-1995).
2.1. La voix de synthèse
"scientifique"
Ainsi, par une première approche de définition, nous pourrions dire que la voix de synthèse est une sorte du signal
sonore qui dérive d’un modèle de simulation qui condense, dans un ensemble de
structures paramétrées, l’information dont on dispose a priori grâce à
l’analyse.
Afin de mieux adapter ce terme à la perception humaine, une deuxième
approche pourrait être la suivante : la
voix de synthèse est représentée par un son synthétique qui garde suffisamment
des caractéristiques pour que l’oreille l’aperçoive comme quelque chose
d’apparenté à la voix. Au delà, tout est permis.
Il faut aussi souligner que le terme utilisé la voix de synthèse est lié plus aux interactions de la voix chantée qu'à celles de la voix
parlée et la recherche menée autour d’elle est au service de l’art et de la
création musicale; même quelques voyelles chantées, bien décrites et formulées,
suffisent à la définir.
Comme il a déjà été question de l'analyse, il faut souligner que souvent
dans le cas de la voix on pense
analyse-synthèse car pour l’instant on ne dispose pas de toutes les
informations pour construire un modèle physique du fonctionnement de l’appareil
phonatoire (cordes vocales et conduit vocal) [Depalle 1995]. C'est pourquoi,
très souvent, on utilise un modèle, on prélève certaines données mesurables
pour extrapoler ou pour simuler. A partir de cette analyse détaillée, on peut
avancer à la synthèse du son, soit la
resynthèse pour simuler le son original en contrôlant tous ses paramètres, soit la synthèse de nouveaux sons déclinant du modèle initial.
2.2. La voix de synthèse dans
un contexte "musical"
D'après notre recherche [Georgaki, 1998a], nous pouvons constater que la
voix de synthèse dans le monde des compositeurs n'a pas la même définition que
la voix de synthèse vue par les scientifiques. Par contre, elle revêt trois
aspects différents :
- la voix de synthèse
in abstracto
- la voix de synthèse qui dérive de l'analyse-resynthèse
d'une voix existante
- la voix qui dérive de la synthèse des formants en temps réel par un
système interactif.
On se trouve donc confrontés à trois types de voix de synthèse :
- Le premier type, la voix de
synthèse in abstracto, basé sur des modèles préconçus de la voix qui
combinent différents paramètres dérivés de l’analyse physique de certaines
voix, la variété des jeux vocaux, la quantité des associations de timbres et la
sophistication de contrôle, par ex. modèle FM, Phoné (1981) de
J.Chowning.
- Le deuxième type résulte généralement de l'analyse-synthèse, en nous
obligeant à passer par les étapes d'échantillonnage, d’analyse et de remodelage
d’une voix naturelle, par ex. Mortuos
plango, vivos voco (1981) de J.Harvey, Voix de Farinelli;
- Le troisième, quant à lui, se situe entre le traitement et la synthèse de
la voix en temps réel,[Puckette , 1991], la voix jouant non seulement la source
de production synthétique mais, aussi, l’outil de contrôle pour la synthèse
d’autres sons. Le problème ici, est qu'on ne peut pas intervenir sur tous les
paramètres qui dérivent de l'analyse mais uniquement sur la fréquence,
l'amplitude et la largeur de bande des formants, par ex. En Echo(1994) de Ph. Manoury.
Le deuxième et le troisième type de synthèse qui tirent leurs données de
l’analyse, soit en temps différé, soit en temps réel, utilisent des voix déjà existantes dont on veut
changer la forme par une simple manipulation des paramètres. En revanche le
premier type de synthèse, la synthèse in abstracto, par lequel on construit des voix inouïes qui n'ont jamais existé
dans la nature, est considéré comme un nouvel instrument qui pose beaucoup de
problèmes esthétiques (absence d'âme, voix qui n'appartient à personne, etc.).
Ayant défini les trois types de synthèse de voix comme ils se présentent
dans les créations musicales, nous pourrons remarquer que la voix de synthèse in abstracto, appliquée dans
les œuvres des années ‘80 laisse de plus en plus la place à la voix par analyse-resynthèse qui
s’inscrit, elle, dans le cadre du traitement sophistiqué du signal vocal
[Georgaki, 1998a].
3. De la MUS(S)E qui CHANT(e)
: Les multiples visages de la voix de synthèse dans la recherche musicale
En ce qui concerne les causes
formelles définissant la forme de la voix de synthèse, nous mettons
l'accent sur la question : comment est-elle produite et sous quelle forme ?
3.1. Les techniques d'analyse-synthèse, les règles
et le contrôle forment le modèle
La forme dépend de la technique de synthèse et des règles appropriées
appliquées, à la fois, selon le choix des chercheurs, adaptées ou non, aux
besoins des musiciens [Georgaki,1998]. Par exemple, la voix de synthèse issue
du modèle Chant [Rodet,1984] a une identité sonore différente de
celle issue du modèle Musse [Sundberg,
1989] ou du modèle Spasm [Cook, 1993], ou le modèle FM
[Chowning,1981] etc.
Plus précisément, une des caractéristiques primordiales du signal vocal est
la nature du contrôle de la fréquence
fondamentale [Rodet 1985] et le contrôle des formants. Ainsi le
processus qui amène à la synthèse d’une phrase chantée est basé sur deux axes :
d’un côté sur la recherche en
micro-échelle du signal vocal (les déviations aléatoires et périodiques du
signal vocal, les trajectoires des formants, etc.) et, deuxièmement, sur la recherche en macro-échelle des systèmes
de règles pour la performance vocale et le phrasage [Berndtsson 1995] et
des systèmes de règles pour la composition [Rodet, 1986].
On peut donc suggérer qu’il y a une multitude de techniques utilisées comme
processus de base pour la synthèse du signal vocal (technique additive, LPC,
Source-filtre, FM, Modèles physiques) dont l’efficacité dépend de plusieurs
facteurs.[4]
La deuxième part du processus de synthèse est la recherche du contrôle du modèle de synthèse. En contrôlant les
paramètres d'entrée des algorithmes de synthèse, l'utilisateur peut espérer
obtenir les résultats perceptifs qu’il recherche. Le contrôle pertinent rend un
système de synthèse flexible et
intéressant pour le musicien, puisqu'en modifiant seulement un faible nombre de
paramètres, il peut obtenir un grand registre de sonorités.
La technique d'analyse, de synthèse, le contrôle et les règles appropriées
constituent le corps principal du modèle de synthèse et déterminent le
résultat sonore.
La technique et le contrôle de la voix sont décrits par des modèles
cognitifs de la voix qui sont les suivants.
|
Modèles de
synthèse |
Techniques de
synthèse |
Centres de
recherche |
|
Chant (1978) |
Fof (Modèle
spectrale) |
IRCAM, Paris |
|
Music V (1982) |
Additive(mod.
spectral) |
Univ. de Luminy,
Marseille |
|
Musse (1975) |
Synthèse par
formants |
KTH, Stockholm |
|
Musique 10
(1981) |
FM (spectrale) |
CCRMA, Stanford
Univ. |
|
Soufil (1991) |
LPC/Fof |
IRCAM, Paris |
|
ICMS (1975) |
LPC (spectrale) |
CSC, Padova |
|
Spasm/Singer
(1993) |
Modèle Physique |
CCRMA, Stanford
Univ. |
Tableau 1. Les
synthétiseurs et les modèles vocaux
On peut donc soutenir que chacun des modèles vocaux étudiés a un certain
caractère et un certain résultat sonore. Ceux-ci ne sont pas uniquement
utilisés dans la composition assistée par ordinateur, mais également dans
l’étude du fonctionnement de l’appareil vocal pendant le chant, comme outil
d’éducation vocale des chanteurs etc..
3.2. Les différences entre les modèles
Essayons de mettre l'accent sur les différences de chaque modèle qui, du
point de vue physiologique et cognitif, pourraient rapprocher les
particularités du fonctionnement d'un être humain.
Nous avons choisi d'étudier les modèles principaux Chant, Musse, Spasm et dans quelques applications le modèle FM parce qu'ils sont encadrés
par des règles musicales pour le contrôle du chant.
Selon les exemples sonores de simulation de la voix tirés de chaque modèle
qu'on écoute, nous pourrions déduire que la voix de synthèse se différencie
selon le modèle ( cela dépend des règles, de la technique de synthèse et du
contrôle).
Musse est
plutôt encadré par des règles qui décrivent le fonctionnement de l’appareil
vocal pendant le chant et il s'adresse aux phonéticiens, psychoacousticiens,
aux chanteurs du bel canto mais est moins adapté aux besoins des musiciens. Chant est régi par des règles musicales
qui s’adressent aux compositeurs, Spasm est
plutôt un modèle, une aide à l’éducation vocale des chanteurs. [Sundberg, 1987]
On pourrait dire qu' entre Chant et
Musse le modèle de base est assez similaire car ils sont tous deux des
modèles source-filtre avec la même
particularité : la fonction formantique. Cette fonction introduit un paramètre
de plus qui permet de contrôler plus précisément l'étendue spectrale d’un
formant. Leur différence réside dans le mode de conception: Musse est conçu plutôt dans l'esprit scientifique d’acquérir des
connaissances par simulation-étude de la voix chantée et c’est pour cette
raison qu'il y a de nombreuses règles pour changer de registres sur le vibrato
, d’articulation, etc.. Plus précisément, la spécificité du programme Musse réside dans la possibilité qu’il
offre à l’utilisateur de gérer un très grand nombre de règles déduites de
l’étude de la voix chantée ; des règles qui ne sont pas limitées seulement à la
synthèse des voyelles et des consonnes mais qui sont aussi appliquées à
l’expression musicale. C’est donc un outil remarquable pour l’étude du chant,
tant pour ses aspects strictement vocaux que pour ceux de l’interprétation.
[Carlsson, Ternstrom, Sundberg, 1991]
De plus, la recherche sur la synthèse du chant vocalique par Musse s’étend de l’étude acoustique
d’une seule voix jusqu'à la recherche sur le chant choral. Un autre avantage du
système Musse réside sur le contrôle
: la possibilité qu'il donne à l'utilisateur de convertir automatiquement des
fichiers de musique en chants basés sur des règles. Ces fichiers ne contiennent
pas seulement des informations sur la musique, mais aussi sur les voyelles et
les consonnes. Musse, par contre, est
moins adapté aux besoins des compositeurs car son contrôle des paramètres pour
aller au-delà de la voix est encore limité.
Dans le cas du modèle Chant, il y
a certainement moins de règles implantées pour le contrôle de la voix chantée
que dans le modèle Musse. Par
exemple, il y a quelques règles pour changer de registres, des règles de
relation entre timbre et amplitude sonore. Par contre l’aspect de la
contrôlabilité par des compositeurs y est plus développé avec des accès de
formants pour pouvoir introduire des fonctions d’évolution de paramètres[5]. De
plus, c’est le seul système de synthèse sonore largement utilisé par les
compositeurs.
Dans le cas du modèle Spasm,
quoique basé sur le modèle physique, on peut facilement faire un lien entre le
filtre utilisé dans Chant et Musse, qui modélise le conduit vocal. Il
y a moins de règles de connaissance d’acoustique musicale liées au
fonctionnement de la voix chantée.
Mais sur la première approche avec les modèles, nous nous apercevons que la
différence réside avant tout dans le contrôle : Spasm a un côté beaucoup plus accessible que les autres modèles,
parce qu’il y a un contrôle graphique direct, ou un contrôle sur la forme du
conduit vocal qui correspond à une réalité physique et qu’on peut appréhender
facilement. Ainsi, Spasm peut devenir
accessible aux chanteurs et professeurs de chant qui veulent comprendre
concrètement comment fonctionne le placement de leur voix, le changement des
registres, et d’autres particularités de l’enseignement du bel-canto ou des
techniques extra-européennes, par une interaction entre ordinateur et
utilisateur. [Cook, 1993]
Enfin, la synthèse par FM est un
quasi-modèle de production de sons vocaux qui n'a aucune connexion directe avec
la perception et pas, non plus, avec le fonctionnement de l’instrument de
musique (sauf peut-être pour les chants d’oiseaux). De plus, c’est un modèle
abstrait qui permet de faire des sons avec des spectres assez riches, à partir
de peu de paramètres et peu de moyens calculatoires. Donc, cette synthèse a
l'efficacité de pouvoir synthétiser des sons avec des timbres très facilement
variables, avec peu de paramètres et un faible coût algorithmique.
Le problème est qu’on ne peut pas faire d’analyse car la FM n’est pas une
technique de synthèse linéaire et ne permet pas d'avoir d’extensions directes
entre les paramètres et la perception.
Comme les modèles de synthèse des tons chantés n’ont pas le fonctionnement
physique d’un instrument, il s’agit plutôt de reproduire quelque chose qui est
proche de la voix, mais il est très difficile d’élaborer tout un système de
manipulations de sons vocaux, sans avoir de règles appropriées.
L’intérêt de la voix de synthèse, en FM, est, donc, de produire un paquet
d’harmoniques à forte amplitude et de simuler ainsi, assez facilement, les
formants.
4. La simulation comme point de départ. Les causes
efficientes
Parlons maintenant des causes
efficientes qui donnent des informations sur les moteurs et les personnes
qui mettent en marche l’idée de construction de l’objet.
D'une part, les causes efficientes de la voix de
synthèse sont déterminées par la curiosité des scientifiques liée ou non, aux
nécessités des compositeurs, ou des chanteurs, d'investiger, analyser,
comprendre, reproduire et simuler ce genre de signaux sonores. Ainsi, le
scientifique crée un modèle vocal, d’après lequel il est capable de faire des
prédictions. L’artiste n’a pas cette obligation. D'autre part, les
scientifiques ont plus de maturité sociale, car leur travail est toujours un
travail collectif ; ils échangent des informations sur leurs progrès de
recherche, afin d’enrichir leur champ de connaissances et d'arriver à leur
objectif final.
Selon Depalle {Depalle 1995] les scientifiques veulent valider leur
démarche, et montrer qu’elle est identique au départ. Une fois que l’on sait
que cela fonctionne, on peut extrapoler. C’est à ce moment-là que les
compositeurs peuvent donner leurs idées.
En ce qui concerne les compositeurs qui ont eu l'idée-motrice de mettre en
marche un projet sur la voix de synthèse pour donner naissance à de nouveaux timbres
(indispensables pour leur travail artistique)[6], nous
tenons ici à mentionner deux personnalités : John Chowning, compositeur et
chercheur, qui par la technique de synthèse FM a essayé d'approcher la voix de
synthèse dans une conception artistique et J. C. Risset qui a essayé aussi de
reproduire quelques voyelles chantées par la technique de la synthèse additive
sans poursuivre la simulation parfaite, voulant donner une autre dimension à la
voix et l'utiliser dans un contexte musical pour exprimer l'au-delà (l'autre
face, 1985).
La collaboration du chercheur Xavier Rodet avec le compositeur Gérald
Bennet a également donné naissance aux premières voix synthétiques de l'Ircam
[Bennet, 1981].
A part ces exemples rares de compositeurs-luthiers qui avaient un très bon
niveau scientifique et musical, nous remarquons un fossé entre la recherche sur
la voix de synthèse et son applicabilité à la création ou la lutherie
instrumentale d'aujourd'hui. [Georgaki, 1998b].
Quelle est donc la cause finale de la voix de synthèse ? A quoi peut-elle
servir dans la musique et dans la recherche contemporaine? Ne se serait-on pas
égaré tout en étant fasciné par la construction de nouveaux modèles vocaux ? La
création artistique est-elle dirigée par des innovations scientifiques, immolée
sur l'autel de la recherche musicale?
5. A la recherche de la voix-Protée : les causes
finales
Selon Pierre Lévy [Lévy 1987] si on reprend la théorie des quatre causes
d’Aristote, une part importante de la création artistique contemporaine s’est
concentrée sur des causes efficientes, matérielles et formelles, au détriment
des causes finales.
Les causes finales de la voix de synthèse sont encore à
l’ombre des causes efficientes, formelles et matérielles. Les scientifiques
sont à la recherche d’un modèle parfait et flexible de la voix, en appliquant
de nouveaux algorithmes qui donnent une solution à des problèmes temporels, en
désirant souligner le domaine du contrôle et de la flexibilité du modèle pour
que tout ceci soit adapté aux besoins du musicien et du compositeur.
La déroute arrive lorsqu'ils perçoivent que l’idée
motrice de leur travail est la simulation
de la voix sans savoir exactement pour quelle raison et comment elle sera
utilisée cette dernière dans la musique contemporaine.
En outre, les
compositeurs, souvent mal informés sur les nouvelles technologies, ayant des
connaissances insuffisantes sur le fonctionnement de l’appareil vocal, sur les
techniques d’analyse et de synthèse, sur les problèmes techniques sous-jacents,
tendent à créer des voix ex-machina
sans bien savoir ce qu’ils veulent exprimer exactement, désorientés par les
informations inadéquates qu’ils obtiennent en peu de temps, et se laissant
porter par le désir profond d’innover dans le domaine vocal. Il en résulte des
phonèmes bizarres, des hybrides mythiques, des voix imaginaires qui n'arrivent
même pas à articuler un seul mot......
Nous pouvons donc soutenir que, l’objectif final des scientifiques, est la
construction d’un modèle flexible de la voix, d’où on ne doit pas seulement
tirer des informations sur la structure de la voix chantée, mais aussi simuler
et engendrer de nouveaux sons vocaux. [Sundberg 1989 ; Cook 1993 ; Rodet 1984]
Spécialement à l'Ircam, les scientifiques visent, en premier lieu, la simulation vocale pour mieux
comprendre le fonctionnement de l’appareil vocal et la structure phonétique des
voyelles, et en second plan, l’interpolation
et l'extrapolation de la voix pour enrichir la palette sonore et tester les
limites de la voix (où une voyelle perd son caractère vocal) ; troisièmement, l'accroissement des connaissances relatives
à la perception et à la production des sons, l'intérêt final étant d'aboutir à
la conception de systèmes, à la fois
généraux et modulaires, capables de structurer et de modifier les connaissances
acquises par l’analyse.
De l'autre coté, les compositeurs ne s'intéressent pas du tout à la
simulation vocale, utilisent les modèles qui leur donnent la possibilité de
produire des voix de synthèse avec des orientations artistiques diverses :
- La première orientation de l’intérêt compositionnel dans l’analyse/
synthèse[7] de la
voix, a ses racines dans les recherches
linguistiques des compositeurs. [Dodge,1985; Lansky1989; David Evan Jones,
1990]
- La seconde orientation des compositeurs, dans l’usage des systèmes
d’analyse-synthèse de la voix, est la la
synthèse croisée, qui permet aux résonances de la voix de s’imposer à la
source de n’importe quel son instrumental. [Moorer1978 ; McNabb 1981 ; Manoury
1991]
- La troisième orientation est de simuler des voix que l’être humain ne
peut produire et d'en avoir un meilleur contrôle, par rapport à la voix
humaine, (jouer sur les harmoniques facilement) pour créer des images sonores
vocales multi-texturales et polyphoniques. [Chowning, 1981; Barrière 1983]
- La quatrième orientation concerne l’intervention sur la transformation du
timbre vocal par les techniques d’extrapolation (étirer le signal vocal à
l'extrême), l’hybridation, l’interpolation et l’abstraction, où le signal perd
son caractère vocal. [Barrière 1983 ; Harvey 1981, etc.]
Pour conclure, la comparaison entre le but ultime des compositeurs et des
scientifiques concernant la voix de synthèse, on remarquera, dans la figure
suivante, que la simulation intéresse les compositeurs à un degré limité
(pourquoi simuler une voix, quand on a, à notre disposition, de belles voix
humaines expressives ?); leur intérêt est plutôt centré sur l’extrapolation,
l'hybridation, l'interpolation et l'abstraction du son, afin de créer de
nouveaux timbres vocaux inouïs.
En contre partie, les scientifiques s'intéressent à la construction des
synthétiseurs capables de simuler les voix chantées pour construire des outils
utiles non seulement à la composition mais aussi à l'étude du chant classique,
à la pédagogie vocale, à l'aide musicologique et à la performance.
fig. 1.
Les causes finales des compositeurs et des chercheurs
pour la construction des voix de synthèse
En tant qu'accordéoniste, notre intérêt se porte plus spécialement à la
performance musicale tout en rêvant d'un instrument qui pourrait gérer de
nouveaux timbres ou former des phrase chantées synthétiques ; dans cet esprit,
nous proposons un projet commun entre plusieurs pays (différentes langues et
différentes techniques vocales ) sur la conception d'un synthétiseur vocal
cognitif universel qui pourrait condenser l’ensemble des techniques du chant et
des langues de chaque pays. Cette opération pourrait être réalisée par des
nouveaux modes de communication des chercheurs par Internet.
Ce synthétiseur donnerait la chance
aux musiciens de connaître, après une formation spéciale, un nouvel instrument
de musique, mettant la voix à la portée des mains.
L’idée donc de construire un synthétiseur vocal qui couvre toutes les
gammes de la voix humaine, égalise les registres, a la possibilité de produire
des voix douces ou fortes, condense dans à mémoire des voix caractéristiques
d’autres civilisations, demande un contrôle extrêmement précis au niveau non
seulement de l’étendue vocale, des créations de timbres vocaux (phonèmes,
consonnes) mais aussi à leur adjonction. Dans ce cas-là, il est nécessaire
d’étudier les modèles vocaux de chaque pays extra-européen et en fonction
l'analyse, le compositeur disposera de données sur la structure des timbres qui
lui permettront de gérer les paramètres avec ses propres structures et envies
(voix byzantines, voix tibétaines, voix africaines,....).
Il est possible ainsi d’implanter de telles données sur des recherches
appropriées dans le domaine de l’acoustique sur les styles vocaux de la musique
occidentale (bel-canto, voix de «castrati») et extra-européenne (du chant sur
les harmoniques, le chant byzantin, le chant mongolien, etc..)
Si l’on arrive à implanter dans un modèle intelligent de synthèse les
règles des techniques vocales de la musique classique et contemporaine on peut
imaginer obtenir le meilleur des
synthétiseurs vocaux. De cette manière n’importe qui pourrait devenir le
maître d’une «metavoix» qui change de visages comme l’hypervoix dans le meilleur
des mondes de Aldous Huxley...
Il n'y a pas lieu ici de parler
de la forme exacte de ce synthétiseur éventuel, nous nous limiterons donc à
parler de nos attentes. Nous aimerions voir naître un synthétiseur qui donne un
modèle plus concret pour la voix de synthèse dans le domaine musicale.
Conclusions
Cet article nous a donné l'opportunité de discuter les formes possibles de
la voix de synthèse aujourd'hui.
De cette discussion se dégagent les constats suivants:
1. La voix de synthèse d'aujourd'hui revêt davantage un visage scientifique
que musical. D'ailleurs la voix de synthèse n'est pas dans le centre d'interêt
des compositeurs. De nos jours, les outils du traitement sonore évoluent sur
les mêmes principes, la même démarche méthodologique que les outils de la
synthèse sonore et donnent la liberté désirée de créer des voix en partant
d'une voix existante et de gérer leur paramètres
2. Enfin, dans la recherche musicale, il existe une multitude de modèles
vocaux qui en sont au stade du développement, pouvant mener vers la simulation
de la voix chantée et la construction d'outils flexibles donnant naissance à de
nouveaux instruments électroniques et aux nouveautés dans la performance aussi
bien que dans la composition musicale.
Références Bibliographiques
Bambrough Renford(1963) The philosophy of Aristotle, Mentor,
Penguin , New York.
Barrière Jean-Baptiste (1983) Chréode I.ICMC
‘83 proceedings, New-York.
Bennet Gerald(1981) Singing Synthesis in Electronic Music. Research Aspects of Singing (34-50), The
Royal Swedish Academy of Music, Stockholm, 1981.
Berndtsson, Gunilla(1995)
Systems for synthesizing singing and for
enhancing the acoustics of music rooms. Dissertation, KTH, Department of
Speech communication and Music Acoustics, Royal Institut of Technology,
Stockholm.
Carlson,G. and Ternström,S.
and Sundberg, J. (1991) A new digital system for singing synthesis allowing
expressive control.In ICMC'91
proceedings, Montréal, Chowning John 1981) Computer Synthesis of Singing
Voice. In ICMC ‘81 proceedings, La
Trobe University, Melbourne.
Cook Perry
(1993) Spasm, a real-time Vocal Tract Physical Model Controller; and Singer the
companion Software Synthsis System. Computer
Music journal, 17(1), MIT, Boston
Depalle Philippe(1995) Contribution orale, Ircam , 1995.
Depalle Philippe,
G. Garcia, X. Rodet (1994) A virtual castrato. In ICMC 1994 proceedings, Aarhus, Denmark.
Dodge Charles (1985) In celebration : The composition and its realization
in synthetic speech. Composers and the
computer, Inc. Curtis Roads ed., WIlliam Kaufman, Los Altos California.
Dufourt Hugues(1991) Musique,
Pouvoir, écriture, Ch. Bourgois, Paris.
Gael Richard(1990) Rules for
fundamental frequency transition in singing synthesis. Dept of Speech
Communication and acoustics, Royal Institute of Technology, Stockholm.
Georgaki Anastasia (1998a) Problèmes
techniques et enjeux esthétiques de la voix de synthèse dans la recherche et
création musicales. Thèse de Doctorat, EHESS/IRCAM, Paris.
Georgaki Anastasia (1998b)Synthesis of the singing voice: links betwen
research and creation. In the proceedings of the First symposium on music and computers, Ionian University, Corfu.
Gibson, I.S., Howard, D.M., Tyrell, A.M.(1998) Real-time singing synthesis
using a parallel processing system. Proceedings
of the IEE colloquium on Audio and music technology;the creative challenge of
DSP, IEEDigest 98/470, 8/1-8/6.
Harvey Jonathan(1981) Mortuos Plango, Vivos Voco, A realisation at IRCAM, Computer Music Journal 5, MIT Press.
Howell
P. and N. Harvey(1975)Voice
techniques. In musical structure and
Cognition, ed. P. Howell, I Cross and R. West. New York Academic Press.
Jones David Evan (1990)
Speech extrapolated. In Perspectives of
new music, vol.28(1).
Lalande André (1993) Vocabulaire
technique et critique de la Philosophie. Quadrige Presse Universitaires,
Paris.
Lansky Paul (1989) Compositional applications of linear predictive coding. Current directions in computer music
research (pp. 5-8 ), ed. Max Mathews and John Pierce ed., Cambridge,
Massachussets, MIT Press.
Lomax Ken (1996) The development of a singing synthesizer. In JIM'96 proceedings.
Manoury Philippe (1991) Les limites de la notion du timbre. Le timbre,
métaphore pour la composition, textes réunis par Jean Baptiste -Barrière,
Ircam et Ch. Bourgois éditeur, Paris.
Paabon Peter(1994) A real-time singing voice analysis/ synthesis system. ICMC 1994 Proceedings.
Pierucci p. , Paladin A. (1997) Singing voice analysis ans synthesis system
through glottal excited forman resonators in ICMC ã97 Proceedings, Thessaloniki.
Potard Yves, Baisnée Pierre-François, Barrière Jean-Baptiste(1990)
Méthodologie de synthèse du timbre : l’exemple des modèles de résonance. Le timbre, métaphore pour la composition
(ed. Barrière) Ircam, Paris.
Puckette
Miller (1991) Music and speech
synthesis using nonlinear distortion and amplitude modulation», Journal of audio society.
Risset J.C.(1991) Timbre analysis by synthesis:
representations , imitations , and variants for musical composition. In Musical signals and representations, De
poli et al.
Rodet X. et Al. (1984) The Chant
project : From Synthesis of the singing voice to sythesis in general. Computer Music Journal 8 (3) (pp. 15-31
), MIT Press.
Rodet
X., Depalle Ph., Poirot
G.(1988) Diphone Sound Synthesis", Int. Computer Music Conference, Koeln, RFA.
Sundberg John (1989)
Synthesis of singing by rule. In Current
directions of computer music research, ed. Max Mathews et John Pierce, MIT
Press..
Sundberg Johan(1989)The science of singing voice, Northern Illinois University
Press,1987
Tisato Graziano, Maccarini Andrea Ricci
(1991) Analysis and synthesis of diphonic singing", Bulletin d’Audiophonologie, vol. VII no 5 et 6 - 619 -648, Ann. Sc.
Aniv. Franche -Comté.