Implementación en hardware de un sintetizador de voz para el estudio de la calidad vocal

Abstract

La calidad vocal comprende los atributos perceptuales que distinguen una voz de otra más allá de su altura tonal y su intensidad. Su evaluación resulta relevante en el ámbito clínico, donde las alteraciones de la calidad vocal constituyen indicadores de patología laríngea, y en la investigación fonética, donde se requieren estímulos con atributos controlados. Este trabajo presenta la implementación, sobre hardware de procesamiento digital de señales de bajo costo, de un sistema capaz de extraer parámetros acústicos asociados a la calidad vocal y de modificarlos de manera controlada. El sistema se desarrolló sobre la tarjeta LCDK de Texas Instruments, empleando un sintetizador de voz basado en el modelo fuente-filtro con análisis por predicción lineal de orden 18 y excitación mixta. Se implementaron dos modificaciones correspondientes a mecanismos de fonación bien caracterizados en la literatura: la voz soplada, asociada a cierre glótico incompleto, y la voz tensa, asociada a mayor tensión laríngea. La caracterización se realizó mediante métricas acústicas calculadas con Praat sobre cuatro señales de prueba, tres vocales sostenidas y una frase de habla continua, complementada con una evaluación perceptual a ciegas. Los resultados establecen que ambas modificaciones producen cambios medibles, consistentes entre vocales y selectivos: cada una altera principalmente la métrica asociada al mecanismo que emula. La voz tensa presenta un control lineal sobre la pendiente espectral, con coeficientes de determinación superiores a 0,999 y una dispersión entre vocales inferior al 4 %. La voz soplada presenta un control logarítmico saturante sobre la prominencia del pico cepstral, con un recorrido de hasta 8,3 dB en vocales sostenidas. La comparación con una implementación alternativa bajo el paradigma de efecto de audio, que aplica (...). Voice quality comprises the perceptual attributes that distinguish one voice from another beyond pitch and loudness. Its assessment is relevant in clinical settings, where voice quality alterations serve as indicators of laryngeal pathology, and in phonetic research, where stimuli with controlled attributes are required. This work presents the implementation, on low-cost digital signal processing hardware, of a system capable of extracting acoustic parameters associated with voice quality and modifying them in a controlled manner. The system was developed on the Texas Instruments LCDK board, using a source-filter voice synthesizer with 18th-order linear predictive analysis and mixed excitation. Two modifications were implemented, corresponding to phonation mechanisms well characterized in the literature: breathy voice, associated with incomplete glottal closure, and pressed voice, associated with increased laryngeal tension. Characterization was performed using acoustic metrics computed with Praat over four test signals, three sustained vowels and one continuous speech utterance, complemented by a blind perceptual evaluation. Results establish that both modifications produce measurable, consistent and selective changes: each primarily alters the metric associated with the mechanism it emulates. Pressed voice exhibits linear control over spectral tilt, with coefficients of determination above 0,999 and inter-vowel dispersion below 4 %. Breathy voice exhibits saturating logarithmic control over cepstral peak prominence, spanning up to 8,3 dB in sustained vowels. Comparison with an alternative implementation under the audio effect paradigm, applying (...).