Mitä synteesi todella tekee

Yhteinen ongelma

Musiikillinen äänisignaali on ajan myötä kehittyvä spektri. Jokainen syntetisointitekniikka on eri strategia sen tuottamiseksi tehokkaasti ja hallitusti. Menetelmäperheet eroavat siinä, mihin monimutkaisuus tuodaan.

Kolme strategiaa
Menetelmä	Strategia	Intuitiivisesti hallittava	Hankalasti hallittava
Subtraktiivinen	Aloita harmonisesti rikkaasta äänestä, suodata pois	Kirkkaus, liike, verhokäyrä	Tarkat harmoniset suhteet
FM / vaihemodulaatio	Tuota sivunauhoja moduloimalla vaihetta	Kellomaiset, metalliset ja kehittyvät äänenvärit	Tuloksen ennustaminen parametreista
Fysikaalinen mallinnus	Simuloi värähtelevää järjestelmää	Fysikaalisesti mielekkäät eleet	Äänet, joita mikään esine ei voisi tuottaa
Aaltotaulukko	Interpoloi tallennettujen spektrien välillä	Morfaus ja liike	Tarkat spektritavoitteet

Erityisesti fysikaalinen mallinnus on edelleen aktiivinen tutkimusalue – yksinkertaistettujen ja hallittavien moodikytkeytymismallien kehitystyö ^[1] käsittelee juuri fysikaalisen tarkkuuden ja soitettavan hallinnan välistä jännitettä.

Miksi subtraktiivinen menetelmä hallitsee

Ei siksi, että se olisi tehokkain – se ei ole – vaan siksi, että sen parametrit vastaavat havaintoulottuvuuksia, joille ihmisillä on jo sanat. Suodattimen leikkaustaajuus vastaa kirkkautta. Resonanssi vastaa nasaalia, keskittynyttä sävyä. Verhokäyrä vastaa attackia ja decayta. Muutoksen vaikutuksen voi ennustaa etukäteen.

FM on monipuolisempi mutta huomattavasti vaikeammin ennustettava. Modulaattorisuhteen muuttaminen voi siirtää äänen kellosta bassoksi ja kohinaksi ilman havaittavaa välivaihetta, minkä takia FM-ohjelmoinnin maine on, että se opitaan ulkoa muistamalla eikä päättelemällä.

Syntetisointi ja ohjauskartoitus

Ohjaus on todellinen suunnitteluongelma

Digitaalisten soittimien tutkimus – mukaan lukien optiset ja eleohjaimet ^[5] sekä äänen tuottaminen mekatronisissa järjestelmissä ^[4] – koskee suurelta osin kartoitusta: sitä, miten esiintyjän ele yhdistyy syntetisointiparametriin. Tämä kartoitus määrittää ilmaisuvoiman paljon enemmän kuin itse menetelmä.

Tuotannon vastine on modulaatio. Staattinen patchi tehokkaasta syntetisaattorista on vähemmän kiinnostava kuin yksinkertainen patchi, jossa on hyvin valittu modulaatio, koska äänen elävyyden tekee ajan myötä tapahtuva muutos, ei spektrin monimutkaisuus yksittäisellä hetkellä.

Yleisiä kysymyksiä

Minkä syntetisaattorin kannattaa opetella ensin?

Subtraktiivisen, koska sen parametrit vastaavat ominaisuuksia, jotka pystyt jo kuvailemaan. Kaikki muu on sen jälkeen helpompaa.

Onko analoginen parempi kuin digitaalinen?

Erilainen, ja erot liittyvät lähinnä epälineaarisuuteen, driftiin ja käyttöliittymään. Kumpikaan ei ole yksiselitteisesti parempi tietyn äänen tuottamisessa.

Miksi patchini kuulostavat elottomilta?

Yleensä riittämätön modulaatio. Ajan myötä tapahtuva muutos on tärkeämpää kuin spektrin monimutkaisuus.

Tarvitsenko laitteistoa?

Ei. Laitteisto muuttaa tapaa, jolla käytät parametreja, mikä muuttaa sitä, mitä teet – kyse on työnkulusta, ei äänenlaadusta.

Useita pieniä mikseriä pinottuna päällekkäin, niiden nupit ja liu'ut kameraan päin — AKX_ from Finland · CC BY 2.0 · Wikimedia Commons

Aiheeseen liittyvää luettavaa

Reverb ja syvyyden psykoakustiikka

12 julkaisua, 2013–2024. Tämä on suurelta osin havainnoivaan tutkimukseen perustuva aineisto. Se voi osoittaa, että asiat esiintyvät yhdessä; se ei voi ratkaista, kumpi aiheuttaa kumman. Lähde: tämän sivun oma lähdeluettelo alla.

References

Every citation below links to the original peer-reviewed record on PubMed or via DOI. Nothing here is a substitute for medical advice.

A simplified and controllable model of mode coupling for addressing nonlinear phenomena in sound synthesis processes Poirot S, Bilbao S, Kronland-Martinet R · EURASIP Journal on Audio, Speech, and Music Processing · 2024 · Journal article DOI
Signal Processing for Image Morphing in Digital Image Synthesis Dr. Elena Martinez · American Journal of Signal and Image Processing · 2024 · Journal article DOI
Sound event triage: detecting sound events considering priority of classes Tonami N, Imoto K · EURASIP Journal on Audio, Speech, and Music Processing · 2023 · Journal article DOI
Exploring Sound Generation and Processing in Mechatronic Systems through Digital Signal Processing: A MATLAB-Based Investigation Wahhab M · Engineering and Technology Journal · 2023 · Journal article DOI
Optical Digital Theremin with Audio Synthesis and Graphic Interface Ramos dos Santos M, Coca Salazar A · International Journal of Circuits, Systems and Signal Processing · 2021 · Journal article DOI
Digital audio signal watermarking using minimum‐energy scaling optimisation in the wavelet domain Hsu C, Tu S, Yang C, et al. · IET Signal Processing · 2020 · Journal article DOI
Processing of volcano infrasound using film sound audio post-production techniques to improve signal detection via array processing Williams R, Perttu A, Taisne B · Geoscience Letters · 2020 · Journal article DOI
Sound effects without side effects—Suppression of artifacts in audio signal processing Case A · The Journal of the Acoustical Society of America · 2018 · Journal article DOI
Analysis by synthesis spatial audio coding Elfitri I, Shi X, Kondoz A · IET Signal Processing · 2014 · Journal article DOI
Digital removal of pulse‐width‐modulation‐induced distortion in class‐D audio amplifiers Aase S · IET Signal Processing · 2014 · Journal article DOI
Applications and implications of digital audio databases for the field of ethnomusicology: A discussion of the CNRS — Musée de l’Homme sound archives Khoury S, Simonnot J · First Monday · 2014 · Journal article DOI
Performance Analysis Of Haar Wavelets For Segmentation Of Heart Sound Bahekar L · i-manager's Journal on Digital Signal Processing · 2013 · Journal article DOI