Вокодер

Вокодер — это устройство или программный алгоритм для синтеза и анализа человеческого голоса, предназначенное для кодирования речи с последующим восстановлением по цифровому каналу связи. Основная функция вокодера заключается в сжатии речевого сигнала за счёт выделения его ключевых параметров (формант, основного тона, амплитуды) и последующего синтеза на приёмной стороне. Термин происходит от англ. voice coder (голосовой кодер). Помимо телекоммуникаций, вокодеры широко применяются в музыке, звукорежиссуре и спецэффектах для создания характерного «роботизированного» голоса.

История

Ранние разработки

Первые попытки сжатия речи относятся к 1920-м годам, когда инженеры искали способы экономии полосы пропускания телефонных линий. В 1928 году американский изобретатель Хомер Дадли (Homer Dudley) из Bell Labs предложил концепцию «вокодера» — устройства, которое анализирует речь на передающей стороне, выделяя параметры голосового тракта, и синтезирует её на приёмной. В 1939 году Дадли представил первый работающий образец на Всемирной выставке в Нью-Йорке. Устройство было громоздким, занимало несколько стоек и использовало аналоговые фильтры.

Военное применение

Во время Второй мировой войны вокодеры применялись для шифрования голосовой связи в проекте SIGSALY (США). Система оцифровывала речь, кодировала её и передавала по радиоканалу, после чего декодировала на приёмной стороне. Это позволяло защитить переговоры высшего военного командования от перехвата. После войны технология оставалась в ведении военных и спецслужб.

Цифровая эра

С развитием цифровой обработки сигналов в 1970–1980-х годах вокодеры стали компактнее и дешевле. Появились алгоритмы линейного предсказания (LPC — Linear Predictive Coding), которые легли в основу многих современных стандартов речевого кодирования. В 1990-х годах вокодеры вошли в массовую музыку (например, песня «Believe» Селин Дион, 1998), а также в системы голосового управления и IP-телефонию.

Принцип работы

Вокодер состоит из двух основных блоков: анализатора (кодера) и синтезатора (декодера). Анализатор на передающей стороне разбивает речевой сигнал на короткие кадры (обычно 10–30 мс) и для каждого кадра вычисляет:

• основной тон (частота колебаний голосовых связок);
• амплитуду (громкость);
• форманты (резонансные частоты голосового тракта, определяющие тембр и артикуляцию);
• класс звука (звонкий/глухой/взрывной).

Полученные параметры кодируются и передаются по каналу связи (часто с дополнительным сжатием). Синтезатор на приёмной стороне восстанавливает речевой сигнал, генерируя колебания с заданными частотами и амплитудами, пропуская их через фильтры, имитирующие форманты. Результат — речь, лишённая многих естественных нюансов, но сохраняющая разборчивость.

Классификация

По способу анализа

• Аналоговые вокодеры — используют аналоговые фильтры и модуляторы. Исторически первые, ныне почти не применяются.
• Цифровые вокодеры — работают на основе цифровых сигнальных процессоров (DSP) или программного обеспечения. Доминируют с 1980-х годов.

По алгоритму кодирования

• LPC-вокодеры (Linear Predictive Coding) — моделируют голосовой тракт как линейный фильтр с предсказанием. Используются в телефонии (стандарты GSM, G.729).
• CELP-вокодеры (Code-Excited Linear Prediction) — комбинируют LPC с кодовой книгой возбуждения. Обеспечивают более высокое качество при низкой битовой скорости.
• Формантные вокодеры — выделяют только формантные частоты, игнорируя тонкую структуру. Дают грубый, но узнаваемый синтез.
• Гибридные вокодеры — сочетают элементы разных методов (например, MELP — Mixed Excitation Linear Prediction).

По области применения

• Телекоммуникационные — для сжатия голоса в телефонных сетях (кодеки G.711, G.729, AMR).
• Музыкальные — для создания вокальных эффектов (например, в синтезаторах Roland VP-330, Korg VC-10).
• Специальные — для шифрования, маскировки голоса, в системах распознавания речи.

Характеристики

Качество работы вокодера оценивается по нескольким параметрам:

• Битовая скорость — количество бит в секунду, необходимое для передачи параметров. Диапазон: от 2,4 кбит/с (военные стандарты) до 64 кбит/с (телефонная сеть).
• Разборчивость — способность слушателя понять смысл речи. Высокая разборчивость достигается при скоростях 8–16 кбит/с.
• Естественность — степень приближения синтезированной речи к натуральной. Низкая естественность характерна для низкоскоростных вокодеров.
• Задержка — время на анализ, кодирование, передачу и синтез. В реальном времени обычно составляет 10–100 мс.

Применение

Телекоммуникации

Вокодеры являются основой современных цифровых телефонных сетей. Кодеки стандартов GSM, UMTS, LTE и VoIP (например, G.729, AMR) сжимают голосовой сигнал, позволяя передавать речь по каналам с ограниченной пропускной способностью. Без вокодеров невозможна IP-телефония и мобильная связь.

Музыка и звукозапись

В музыке вокодер используется для создания эффекта «говорящего синтезатора» — когда голос певца модулирует звук инструмента. Классические примеры: альбом «The Man-Machine» группы Kraftwerk (1978), песня «Mr. Blue Sky» Electric Light Orchestra (1977), трек «Around the World» Daft Punk (1997). Современные DAW (цифровые звуковые станции) включают вокодеры как встроенные плагины (например, Ableton Live, FL Studio).

Спецэффекты и маскировка голоса

Вокодеры применяются в кино и видеоиграх для имитации голосов роботов, инопланетян или персонажей с механическим голосом (например, голос Дарта Вейдера в «Звёздных войнах» — частично обработан вокодером). Также используются в системах анонимизации голоса (например, в программах для изменения голоса в реальном времени).

Военное и специальное назначение

Вокодеры со сверхнизкой битовой скоростью (2,4 кбит/с) применяются в системах спутниковой и радиосвязи, где полоса пропускания крайне ограничена. Кроме того, вокодеры используются для шифрования голоса: после кодирования параметры можно зашифровать и передать, а на приёмной стороне — расшифровать и синтезировать речь.

Критика

Основным недостатком вокодеров является потеря естественности и эмоциональной окраски речи. При низких битовых скоростях (менее 4 кбит/с) голос становится «металлическим», «пластиковым», с артефактами (свистами, щелчками). Это ограничивает применение вокодеров в ситуациях, где важна не только разборчивость, но и передача интонаций (например, в психотерапии, переговорах). Кроме того, вокодеры чувствительны к шумам — фоновый шум может исказить анализ и ухудшить качество синтеза.

Интересные факты

• Первый коммерческий вокодер для музыки — Sennheiser VSM 201 (1978) — стоил около 5000 долларов и весил 15 кг.
• В 2010-х годах вокодеры стали основой для голосовых помощников (Siri, Google Assistant, Алиса) — они используют LPC-подобные алгоритмы для синтеза речи.
• В России разработкой вокодеров занимались в НИИ «Автоматики» (Нижний Новгород) и в МФТИ — созданы кодеки для спутниковой связи и систем управления.

Источники

• Dudley, H. (1939). «The Vocoder». Bell Laboratories Record.
• Rabiner, L. R., & Schafer, R. W. (1978). Digital Processing of Speech Signals. Prentice-Hall.
• Kondoz, A. M. (2004). Digital Speech: Coding for Low Bit Rate Communication Systems. Wiley.
• Овсянников, В. И. (2005). Цифровая обработка речевых сигналов. М.: Радио и связь.
• Стандарты ITU-T G.729, G.711, AMR (3GPP).