形式合成

用几个共振峰代替滤波器，让合成器唱出元音。

相关

音色合成器声码器当代

问题

人声唱「啊」和「呜」时，声带给的音高差不多，差别全在口腔的共振。合成器能不能不录人声，只靠几个峰就做出元音？

原理

元音的能量集中在几个共振峰上，第一峰约在 300 至 800 Hz，第二峰约在 800 至 2500 Hz，第三峰再往上。形式合成不去模拟声带波形，而是把一串谐波送进几个窄带谐振器，峰的位置决定听到哪个元音。峰越窄越高，元音越清楚；峰太宽则像含混的哼声。声码器走的是另一条路，用真实人声去控制滤波器组，但两者都靠共振峰工作。

参数与听感

第一峰抬高会让声音更「喉」，第二峰前移会让「啊」偏向「诶」。峰的带宽决定清晰度，窄带宽像机器在念字，宽带像捂着嘴唱。加一点气声噪声会更像人，但太多会盖住音高。滑音从一个元音过渡到另一个元音时，峰要跟着移动，否则会听见断裂。

听什么

先听合唱铺底的长音，注意它有一种「有字但听不清」的感觉。再听哨音，窄峰让高音像「呜」。最后对比纯锯齿，锯齿没有峰，所以只是亮，不会像在唱。

常见误解

以为形式合成只能做人声；以为峰越多越像人，其实前两峰最关键；把它和声码器混为一谈。

事实来源

• Miller Puckette, The Theory and Technique of Electronic Music — formant synthesis checked, not quoted
• Curtis Roads, The Computer Music Tutorial — vocal synthesis checked, not quoted

仅用于核查事实，正文为原创撰写。