WYKŁAD I

Dr inż. Sławomir Przyłucki

[e-mail]

MATERIAŁY: ftp://ftp.spg51.net

User: mpns

Passwd: mpns2011

Cechy dźwięku. Pojęcie syntezy dźwięku

Analogowa i cyfrowa synteza dźwięku – podstawy
Format plików RIFF i WAVE

Efekty dźwiękowe

Tworzenie efektu opóźnień
Wykorzystanie przesunięcia fazy.

CECHY DŹWIĘKU

Barwa dźwięku

Barwa dźwięku

jest cechą charakterystyczną każdego dźwięku a

czasem też miarą jego jakości.

Ta cecha zależy w głównej mierze od zmian w czasie intensywności
poszczególnych częstotliwości wchodzących w skład dźwięku.

Spectrogram

Spectrogram

jest wykresem spectrum częstotliwości a zatem

graficzną reprezentacją cech dźwięku w danej chwili.

Czas na osi y (start

na gorze,koniec na
dole); częstotliwość
na osi x

Poziom składowej
– im jaśniejszy tym

wyższy

CZYM JEST SYNTEZA DŹWIĘKU ?

Synteza dźwięku to najkrócej odtworzenie timbru (barwy dżwięku)

tradycyjnych intrumentów lub utworzenie nowego brzmienia za

pomocą sztucznych narzędzi (tj. nie instrumentu a np. zestawu
układów elektronicznych)

Algorytm syntezy dźwięku to opis jakich narzędzi użyć i w jaki

sposób w celu otrzymania określonego brzmienia.

Algorytmy syntezy można podzielić na dwie podstawowe grupy:

syntezę analogową
syntezę cyfrową

Graf syntezy jest opisem sposobu współdziałania komponentów

algorytmu sysntezy w celu wygenerowania określonego dźwięku.

Graf syntezy może być przedstawiany jako grafy przepływu

sygnału, podobnie do np. w automatyce lub elektronice.

ANALOGOWE SYNTEZATORY MODUŁOWE

Analogowe syntezatory modułowe składają się ze zbioru modułów

elektronicznych połączonych ze sobą zgodnie z zaleceniami
algorytmu syntezy.

Moduły mogą być przełączane i konfigurowane (dostrajane) podczas

pracy.

SYNTEZA SUBSTRAKTYWNA

Synteze

rozpoczyna

generacja fali okresowej o
wysokiej

zawartości

harmonicznych

(np.

fala

trójkątna, prostokątna)

Filtr usuwa wysokie /

niepożądane częstotliwości z
dźwięku

(dlatego

metoda

substraktywna).

Generator obwiedni (ang.

envelope generator) moduluje
aplitude fali w czasie.

Całością steruje LFO (ang.

low frequency oscillators),
ktory moduluje zmienność
parametrów syntezy.

PODSTAWOWE ELEMENTY SYNTEZY ANALOGOWEJ

Oscylatory

– służą do generacji określonych sygnałów, tak periodycznych

np. fale sinusoidalne, jak i aperiodyczne np. losowy szum biały.
Wygenerowany sygnał może być częścią finalnego sygnału dźwiękowego
(audio oscillator) lub też może modulować określone aspekty
msyntezowanego dźwięku (LFO).

Filtry

–

służą

do

kształtowania

charakterystyki

czestotliwosciowej a tym samym spektogramów. W przypadku
syntezy substrakcyjnej, filrty usuwały niechciany zakres
częstotliwości.

Filtr dolnoprzepustowy
(ang. low pass filter) –

dźwięk przytłumiony

Filtr górnoprzepustowy

(ang. high pass filter) –

dżwięk płaski,

jednowymiarowy

Filtr pasmowy (ang. band

pass filter) – dżwięk

„nosowy”

GENERATORY OBWIEDNI

Generatory obwiedni

(ang. envelope generators) są

wykorzystywane do kontrolowania procesu syntezy w czasie.

Sa one wyzwalane przez okreslone zdarzenia (np. nacisnięcie

klawisza klawiatury) i mogą posiadać różne kształty.

SYNTEZA ADDYTYWNA

Synteza addytywna polega na dodawaniu prostych przebiegów

dźwiękowych w celu otrzymania bardziej złożonych form i jest to
jedna z najstarszych metod syntezy dźwięku.

Przykładem praktycznego wykorzystania syntezy addytywnej są,

kultowe już dzisiaj, organy Hammona.

Wykorzystywane sa składowe sinusoidalne

Zasada działania: Dodawanie harmonicznych częstotliwości

podstawowej, np. dla 50Hz będzie to 100Hz, 200Hz 400Hz czyli

całkowite wielokrotności częstotliwości bazowej.

Uzasadnienie popularności: naturalnie odbierane dźwięki bardzo

często charakteryzują się bogatą zawartością harmonicznych.

Najprostsza forma syntezy addytywnej

Najprostsza forma syntezy addytywnej

–

–

sumowanie harmonicznych

sumowanie harmonicznych

ILUSTRACJA SUMOWANIA HARMONICZNYCH

Wersja niezależna od czasu

Wersja niezależna od czasu

(ang. harmonic additive

(ang. harmonic additive

synthesis - time invariant)

synthesis - time invariant)

SUMOWANIE SKŁADOWYCH NIEHARMONICZNYCH

Składowe nieharmoniczne

są składowymi o dowolnej
częstotliwości

ponad

częstotliwość bazową, – np

.

100Hz, 135Hz, 2501Hz itd.

Wynika z tego, że składowe

harmoniczne są podzbiorem
wszystkich

składowych

nieharmonicznych.

Uzasadnienie

użycia:

naturalne

instrumenty

wykazują

szczególnie

złożoną dynamikę w części
„atack” obwiedni.

Wersja niezależna od czasu

Wersja niezależna od czasu

(ang. inharmonic additive

(ang. inharmonic additive

synthesis - time invariant)

synthesis - time invariant)

SYNTEZA ADDYTYWNA ZE ZMIENNOŚCIĄ W CZASIE

Uzasadnienie
użycia: składowe,
tak harmoniczne jak
i nieharmoniczne,
które rejestruje się
we

dźwiękach

bardzo

często

zmieniają się w
czasie.

Podstawowy problem:

Jak tworzyć i

Jak tworzyć i

wykorzystywać dane

wykorzystywać dane

sterujace zmiennością

sterujace zmiennością

?

?

SYNTEZA CYFROWA DŹWIĘKU

Cyfrowa synteza dźwięku odbywa się w dziedzinie dyskretnej, za

pomocą narzędzi/algorytmów cyfrowego przetwarzania sygnałów.

W celu realizacji tego rodzaju syntezy opracowano specjalizowane

języki opisu procesu syntezy i specjalizowane układy komputerowe.

Przykładem takich języków może być opracowany przez Maxa
Mathews-a (Bell Telephone Laboratories) język Music I.

Cyfrowa synteza dźwięku pozwala na tworzenie zdecydowanie

szerszej gamy algorytmów niż synteza analogowa. Przykładem

algorytmu, który niezwykle trudno byłoby zrealizować
analogowo jest syntaza tablicowa (ang. wavetable synthesis)

CYFROWA SYNTEZA TABLICOWA

Dźwięk po przetworzeniu analogowo-cyfrowym jest zapisywany w

pamięci.

Generator, pobierając zapisane (ew. zmodyfikowane) próbki generuje

z nich finalny przebieg okresowy (określony dźwięk o założonym
spektogramie.

Ponieważ w danych tablicy zapisać można nawet bardzo złożone

relacje oraz dowolną długość to istnieje możliwość tworzenia

praktycznie dowolnych dźwięków.

Typowe wykorzystanie

tej techniki:

Wavetable crossfading
Wavetable stacking

Tablica 16 punktowa

Tablica 512 punktowa

Problem z doborem ilości
bitów na punkt tablic

y

KLASYCZNE ROZWIĄZANIA

SYNTEZA FM

Ten algorytm syntezy

wynalazl John Chowning w
1967 (komercjalizacja w

kultowym Yamaha DX7)

W najprostszym przypadku,

generator jest
wykorzystywany do bardzo

szybkiej zmiany
czestotliwości generowanej

przez generator nośnej (ang.
carrier oscillator).

W bardziej złożonych

przypadkach

wykorzystywanych jest wiele
modulatorów oraz wiele

generatorów nośnej.

First
file
byte

Second
file
byte

First
file
byte

Second
file
byte

Third
file
byte

Fourth
file
byte

First
file
byte

Second
file
byte

First
file
byte

Second
file
byte

Third
file
byte

Fourth
file
byte

Big endian

Big endian

(spotykane także

grubokońcowość) to forma zapisu
danych,

w

której

najbardziej znaczący bajt

(zwany

też grubym bajtem, z

ang.

high-

order byte) umieszczony jest jako
pierwszy.

SPARC

,

Motorola 68000

,

PowerPC 970

, IBM

System/360

,

Siemens

SIMATIC S7

.

Little endian

Little endian

(spotykane także

cienkokońcowość)

to

forma

zapisu danych, w której mniej
znaczący bajt (zwany też dolnym
bajtem, z

ang.

low-order byte)

umieszczony jest jako pierwszy.
wszystkie z rodziny

x86

, DEC

VAX

.

ZAPIS BAJTÓW W PLIKACH

FORMAT PLIKÓW RIFF - PREKURSOR

RIFF (

ang.

Resource Interchange File Format), format

plików

przeznaczony

do

przechowywania

danych

multimedialnych,

w

szczególności dźwięku (

RIFF WAVE

) i video (

RIFF AVI

). Format RIFF

został zaprojektowany przez firmę

Microsoft

.

Format RIFF opiera się na oznakowanych blokach danych o podanej

długości (

ang.

chunks).

Każdy blok składa się z nagłówka i pola danych.
Nagłówek zawiera identyfikator bloku i długość pola danych. Identyfikator

(zwany też

FourCC

) to cztery bajty – litery w kodzie

ASCII

.

Następuje po nim 32-bitowa liczba bez znaku zapisana w formacie

little endian

określająca długość pola danych w bajtach.

FORMAT PLIKÓW RIFF - CD

Plik w formacie RIFF składa się z bloku nadrzędnego o identyfikatorze
"RIFF", wewnątrz którego znajduje się 4-bajtowy identyfikator podformatu
(np. "WAVE"), a następnie bloki podrzędne, których identyfikatory, ilość,
kolejność występowania i zawartość pól danych zależą od podformatu. W
prawidłowo zbudowanym pliku RIFF długość bloku głównego jest równa
długości całego pliku pomniejszonego o 8. Konstrukcja formatu ogranicza
maksymalną długość pliku do 4 GB.

FORMAT WAVE

Opracowany przez Microsoft format zapisu audio – szczególny przypadek

specyfikacji RIFF.

WAVE bazuje na formacie RIFF, poszerzając go o informacje o

strumieniu audio, takie jak użyty kodek, częstotliwość próbkowania czy
ilość kanałów.

Ogólna struktura pliku – nagłówek specyfikujący typ i rozmiar pliku,

szereg różnego rodzaju porcji (ang. chunks) opisujących struktur i wartoci
danych

W WAVE – obowiązkowe porcje typu ”fmt ” i ”data”; segment formatu

musi poprzedza dane. Wszystkie liczby specyfikowane w porządku od
najmłodszego do najstarszego bytu (ang. little endian).

Mimo że pliki WAVE mogą być zapisane przy użyciu dowolnych kodeków

audio, zazwyczaj stosuje się nieskompresowany format PCM, który
powoduje, że pliki zajmują dużo miejsca (około 172 kB na sekundę dla
jakości CD). Inną wadą formatu jest ograniczenie wielkości pliku do 4 GB,
ze względu na 32-bitowe zmienne.

BUDOWA FORMATU WAVE

FORMAT WAVE - CD

Dane próbek muszą się mieścić w parzystej liczbie bajtów

Próbki 8-bitowe s składowane jako liczby bez znaku: 0 .. 255

Próbki 16-bitowe s składowane jako liczby ze znakiem: -32768 .... 32767

Przykład: nagłówek pewnego pliku ma posta:

52 49 46 46 24 08 00 00 57 41 56 45 66 6d 74 20 10 00 00 00 01 00 02 00 22 56 00

00 88 58 01 00 04 00 10 00 64 61 74 61 00 08 00 00 00 00 00 00 24 17 1e f3 3c 13

3c 14 16 f9 18 f9 34 e7 23 a6 3c f2 24 f2 11 ce 1a 0d

EFEKTY DŹWIĘKOWE - PODSTAWY

Z natury samej definicji – efekty dźwiękowe wykorzystuje się do

manipulowania sygnałami audio, tak naturalnymi jak i

syntetycznymi.

W większości podział efektów dźwiękowych sprowadza się do

wyróżnienia 3 podstawowych grup, każda zawierająca wiele
typów modyfikacji dźwięku:

Modifikacje fazy (ang. Phase shifing)

Efekty przestrzenne (ang. Spatialisation effects) – polegają na

lokalizowaniu danego dźwięku w przestrzeni akustycznej.

Kształtowanie dynamiki dźwięku (ang. Dynamic range effects) –

polegają na mofyfikacjach zakresu dynamiki sygnału.

OPÓŹNIENIA I LINIE OPÓŹNIAJĄCE

Opóźnienie i linie opóźniające

stanowią

podstawę

wielu

popularnych

efektów

dźwiękowych.

Składowymi

typowej

linii

opóźniającej są:

– Wejście i wyjście audio
– Element zapisujący, odczytujący

próbki sygnału audio z wejścia audio
i zapisujący go do pamięci.

– Pamięć, przechowująca próbki

–

Element

odczytujący,

odczytujący próbki z pamięci i
wysyłający je na wyjście audio
(określane z angielskiego 'tap')

IMPLEMENTACJA LINII OPÓŹNIAJĄCYCH

Opóźnienie polega na pobraniu/rejestracji dźwięku i

odtworzeniu do po pewnym okresie czasu. Wartość opóźnienia

może się zmieniać od kilku milisekund do kilku sekund. Poniżej
przedstawiony jest schemat blokowy tzw. pojedynczego

opóźnienia, który jest utożsamiany z prostym efektem echa.

Ponieważ efekt pojedynczego echa jest bardzo prosty to często

rozbudowuje się go poprzez zastosowanie sprzężenia zwrotnego
(rozwiązanie takie często jest nazywane regeneracją). Rozwiązanie

takie polega na pobieraniu opóźnionego wyjściowego sygnału i
dodanie go do sygnału wejściowego. W takim układzie dźwięk może
być powtarzany w nieskończoność i za każdym powtórzeniem staje

się cichszy (jeżeli wzmocnienie pętli sprzężenia jest mniejsze od
jedności).

IMPLEMENTACJA LINII OPÓŹNIAJĄCYCH - CD

OPÓŹNIENIE TYPU MULTI-TAP

W pewnych sytuacjach stosowana jest bardziej elastyczna metoda
formowania opóźnień w postaci techniki multi-taps.

W rozwiązaniu multi-ta , wyjściowy sygnał jest pobierany po całkowitym
opóźnieniu dźwięku ale możliwe jest też pobieranie wyjściowego sygnału
tylko częścio oþóźnionego sygnału do pętli sprzężenia zwrotnego. Układy
tego typu nazywane są z podaniem ilości tapów czyli cząstkowych opóźnień.
Np. 3-tap oznacza trzy cząstkowe opóźnienia, 4-tap cztery ...itd. Niechciane
wartości opóźnień cząstkowych można usunąć poprzez ustawienie wartości
sygnału wyjściowego z tego „tap-a” na zero. Różnice opóźnień pomiędzy tap-
ami mogą być zróżnicowane, tj. nie musza być równe.

Ping-pong delay wytwarza dżwięk oscylujący (ang. bouncing) a typowe

jego zastosowanie to balansowanie dźwieki pomiędzy prawym a lewym
kanałem sygnału stereo.

Opóźnienie ping-pong wykorzystuje dwie oddzielne linie opóźniające a

sygnały wejściowe mogą być różne (kanały stereo) ale może być również
ten sam sygnał. Oba tory stosują wprowadzenie do pętli sprzężenia
zwrotnego sygnałów z sąsiedniego toru (a nie ze swojego własnego).

OPOŹNIENIE TYPU PING-PONG

PODSTAWOWE EFEKTY DŹWIĘKOWE - CD

Efekty zmieniające charakter/ tembr sygnału muzycznego:

Efekty wykorzystujące linie opóźniające:

– Phase shifter

– Flanger
– Chorus

Efekty wykorzystujące filtrowanie w dziedzinie czestotliwości:

– EQ
– Low pass, high pass

PRZESUWNIK FAZOWY (ANG. PHASER)

W przesuwniku fazowym specyficzne brzmienie uzyskiwane jest

poprzez

tworzenie

„wycięć”

(ang.

notch)

określonych

częstotliwości w spektrum częstotliwości.

„Wycięcia” są tworzone poprzez proste filtrowanie sygnału i

miksowanie (łączenie) sygnału z wyjścia filtru z sygnałem
pierwotnym.

Filtry wykorzystywane w tym typie efektu są tak projektowane,

by była możliwość niezależnej kontroli położenia każdego

„wycięcia” częstotliwości, liczby tych wycięć a nawet kontroli
szerokości widmowej „wycięcia”

REALIZACJA EFEKTU PHASER

„

Wycięcia” częstotliwości, niezbędne dla osiągnięcia efektu

przesunięcia fazowego najczęściej realizuje się poprzez

zastosowanie grupy filtrów nazywanych filtrami przepustowymi
(ang. allpass filters)

Zgodnie z nazwą filtry te przenoszą wszystkie częstotliwości bez

ich tłumienia lub wzmacniania.

Jeśli podamy na wejście powyższego układu sygnał sinusoidalny, na
wyjściu odtworzony zostanie również sygnal sinus o tej samej amplitudzie.
Ilość sygnalu wyjściowego, dodawanego do sygnału pierwotnego
nazywana jest głębokością efektu (ang. depth) lub też wielkością mix-u.
Pytanie tylko, gdzie występuje zatem .... przesunięcie fazy ?????

FILTRY A FAZA SYGNAŁU WEJŚCIOWEGO

Wszystkie realizacje filtrów wykazują cechę polegającą na

odpowiedzi fazowej, która zmienia się wraz z częstotliwością sygnału.

Najbardziej interesującą formą tej zmienności jest liniowa odpowiedź

fazowa. W tym przypadku, podwojenie częstotliwości oznacza
podwojenie wartości przesunięcia fazy. Długość fali o podwojonej

częstotliwości jest połową długości fali oryginalnej. To powoduje, że
wszystkie składowe częstotliwości są „ułożone w czasie” co innymi

słowy oznacza opóźnienie sygnału.

Wniosek: działanie filtrów typu „allpass” prowadzi do czystego opóźnienia
( bez sprzężeń zwrotnych lun miksowania z systemem pierwotnym)

WYKORZYSTANIE ALLPASS FILTRÓW

Analizując poprzednio omówiony przypadek liniowej zmiany fazy

(czyste opóźnienie), faza przyjmuje wartości -180 stopni minus

wielokrotności 360 stopni (-180, -540, -900, -1260, etc.) w równo
rozłożonych odstępach częstotliwości. Po zmiksowaniu z sygnałem
pierwotnym, otrzymuke się „wycięcia” częstotliwości w równo

rozłożonych odstępach na skali częstotliwości. Otrzymuje się
odmiane efektu przesunięcia fazy nazywanej flanger.

W przypadku stosowania filtru typu allpass, który wykazuje

nieliniową charakterystykę fazową, możliwa jest zmiana szerokości

„wycięcia” częstotliwości oraz ustawienie tego „wycięcia” dla
dowolnej częstotliwości.

PARAMETRY PRZESUNIĘCIA FAZY

Depth (Mix/Level) - głębokość
Parametr depth kontroluje wielkość sygnału wejściowego,

dodawanego do pierwotnego dźwieku. Kiedy parametr depth jest
ustawiony na 1 (lub 100%), wtedy notches zanikają do zera

Sweep Depth (Range) - zakres
Ten parametr jest wykorzystany do kontroli jak daleko w dół i w
górę skali częstotliwości przenoszą się notches. W pewnych

przypadkach mozliwe jest tez określenie tzw. częstotliwości
bazowej i od niej następuje kontrola zakresu „rozchodzenia” się

wycieć (notches).