Disfraces Vocaloid

Disfraces Vocaloid (estilizado VOCALOID) (ボーカロイド Bōkaroido?) es una aplicación software de síntesis de voz, capaz de cantar, desarrollado por Yamaha Corporation, con la idea original de Music Technology Group de la Universidad Pompeu Fabra de Barcelona, España. El equipo de investigadores encargado del desarrollo de la tecnología de Vocaloid es el mismo de Voctro Labsque a finales del 2011 se fundó para ser la primera empresa que comercializa voces hispanas para VOCALOID3. Yamaha Corporation puso los medios económicos para llevar a cabo el proyecto y después del desarrolló el software a un producto comercial llamado "Vocaloid".1 2

El software proporciona al usuario la capacidad de sintetizar canciones simplemente escribiendo la letra y la melodía. Usa tecnología de sintetizado el cual se graba el canto de actores de doblaje o cantantes. Para crear una canción, el usuario debe incorporar la melodía y las letras. Una interfaz de un rollo de piano es usado para incorporar la melodía y las letras que pueden ser puestas en cada nota. El Software puede cambiar el acento de las pronunciaciones, agregar efectos tales como el vibrato o el cambio de dinámica y el tono de la voz. Cada Vocaloid es vendido como "una cantante en una caja" diseñado a actuar como un reemplazo para un cantante real. Inicialmente el software contaba sólo con los idiomas Inglés y Japonés, pero a partir de la versión 3 se incorporan Español, Chino y Coreano.

El Software está dirigido tanto a músicos profesionales como a usuarios que lo usan como hobby, y hasta ahora, ha vendido la idea de que los límites los marca las habilidades del propio usuario.3 Grupos musicales japoneses como Livetune de Victor Entertainment y Supercell de Sony Music Entertainment Japan han liberado sus propias canciones con Vocaloid como su vocal. La marca disquera japonesa Exit Tunes of Quake Inc., también ha liberado compilaciones de álbumes con Vocaloids.4 5 Artistas tales como Mike Oldfield también han usado Vocaloids dentro de su trabajo para respaldar la voz del cantante y muestras de sonido.

Tecnología

La tecnología de canto sintetizada de Vocaloid es categorizada como síntesis concatenativa,7 8 el cual junta y procesa fragmentos vocales extraídos de las voces humanas cantadas en el dominio de la frecuencia. En síntesis de canto, el sistema produce voces realistas agregando información de la expresión vocal como el vibrato para anotar la información.9 La tecnología de sintetizado Vocaloid fue llamado inicialmente "Articulación del Canto Dominio de la Frecuencia Empalme y Conformación" (周波数ドメイン歌唱アーティキュレーション���続法 Shūhasū-domain Kashō Articulation Setsuzoku-hō?)10 aunque Yamaha ya no usa más este nombre en sus sitios web.11 "La Articulación del canto es explicado como "expresiones vocales" tales como el vibrato y fragmentos vocales necesarios para cantar. Los motores de síntesis de Vocaloid y Vocaloid 2 son diseñados para cantar, no para leer texto en voz alta.12 No pueden replicar naturalmente las expresiones de canto como las voces roncas ó gritos.13

Arquitectura del sistema

Las partes principales del sistema Vocaloid 2 son el Editor de Partitura (Vocaloid 2 Editor), La Librería del Cantante y el Motor de Síntesis.2 El Motor de Síntesis recibe de la partitura información desde el Editor de Partituras, selecciona las muestras apropiadas de la Librería del Cantante, y los concatena para emitir voces sintetizadas.2 Básicamente, no hay diferencia en el Editor de Partitura proveído por Yamaha entre los diferentes productos Vocaloid 2. Si un producto Vocaloid 2 ya está instalado, el usuario puede habilitar otro producto Vocaloid 2 agregando su librería. El sistema soporta dos idiomas, Japonés e Inglés; aunque otros idiomas podrían ser opcionales en el futuro.1 Funciona standalone (sin dependencias), reproduce y exporta a WAV y como una aplicación ReWire o VSTi accesible desde la DAW.

Editor de partitura

El Editor de Partitura es un editor estilo rollo de piano para introducir notas, letras y algunas expresiones. Para una Librería de Cantante Japonés, el usuario puede introducir gojūon letras escritas en hiragana, katakana ó romaji. Para una Librería Inglesa, el editor automáticamente convierte las letras en los símbolos fonéticos AFI usando la pronunciación incorporada en el diccionario.2 El usuario puede editar directamente los símbolos fonéticos de las palabras registradas.8 Una Librería Japonesa y una Librería Inglesa difieren en el método de introducir las letras, pero comparten la misma plataforma. Por lo tanto, el Editor Japonés puede cargar una Librería Inglesa y viceversa. Como se menciona arriba, el método de introducir las letras es dependiente de la librería, y tanto los editores Japoneses e Ingleses difieren solo en los menús. El Editor de Partitura ofrece varios parámetros para agregar expresiones a las voces de canto. El usuario es supuesto a optimizar esos parámetros para que se adapte mejor a la melodía sintetizada cuando se crean las voces.7 Este editor soporta ReWire y puede ser sincronizado con DAW. La "reproducción" en tiempo real de canciones con letras predefinidas usando un teclado MIDI está también soportado.

Librería del cantante

Cada concesionario de Vocaloid desarrolla la Librería del Cantante o una base de datos de muestras de fragmentos vocales de gente real.2 La base de datos debe tener todas las combinaciones posibles de fonemas del idioma objetivo,2 incluyendo difonos (una cadena de dos fonemas diferentes) y vocales sostenidas, también como los polifónicos con más de dos fonemas si es necesario.2 Por ejemplo, la voz correspondiente a la palabra en inglés "sing" ([sIN]) puede ser sintetizada concatenando la secuencia de difonos "#-s, s-I, I-N, N-#" (# indicando un fonema mudo) con la vocal sostenida ī.12 El sistema Vocaloid cambia la altura de esos fragmentos de modo que ajusta la melodía. En orden de obtener sonidos más naturales, tres ó cuatro diferentes rangos de altura son requeridos para ser almacenados en la librería.14 15 El Japonés requiere 500 difonos por altura, mientras que el Inglés requiere 2,500.12 El Japonés tiene muy pocos difonos y más sonidos silábicos que son sílabas abiertas terminando en una vocal. En Japonés, hay básicamente tres patrones de difonos conteniendo una consonante: mudo-consonante, vocal-consonante y consonante-vocal. Por otro lado, el Inglés tiene muchas sílabas cerradas terminando en difonos consonante, consonante-consonante y consonante-mudo también. Así, más difonos son necesarios para ser grabados en una librería Inglesa que en una Japonesa. Debido a esta diferencia lingüística, una librería Japonesa no es adecuada para cantar en Inglés.

Motor de síntesis

El motor de síntesis recibe la información de la partitura contenida en mensajes MIDI dedicados llamados Vocalod MIDI enviados por el Editor de partitura, ajusta la altura y el timbre de las muestras seleccionadas en dominio de frecuencia y los une a las voces de canto sintetizadas.2 8 Cuando Vocaloid corre como un VSTi accesible desde la DAW, el complemento VST incluido pasa por alto el Editor de Partitura y envía directamente esos mensajes al Motor de Síntesis.8

Ajuste de sincronización

En voces de canto, la consonante onset de una sílaba es pronunciada antes de que la vocal onset sea pronunciada.8 La posición de inicio de una nota llamada "Note-On" necesita ser la misma que la vocal onset, no el comienzo de la sílaba.8 Vocaloid mantiene la "partitura sintetizada" en memoria para ajustar la sincronización de la muestra, así que la vocal onset debería estar estrictamente en la posición "Note-On".8 Sin ajuste de sincronización podría resultar en un retraso.

Conversión de altura

Desde que las muestras son grabadas en diferentes alturas, la conversión de altura es requerido cuando concatenan las muestras.2 El motor calcula una altura deseada de las notas y ataque y parámetros de vibrato, y entonces selecciona las muestras necesarias de la librería.8

Manipulación del timbre

El motor arregla el timbre alrededor de la unión de las muestras.2 El timbre de una vocal sostenida es generada interpolando envolventes espectrales de las muestras circundantes.2 Por ejemplo, cuando se concatenan una secuencia de dífonos "s-e, e, e-t" de la palabra inglesa "set", el envolvente espectral de una ē sostenida en cada cuadro (frame) es generado interpolando ē al final de "s-e" y ē al principio de "e-t".2

Transformaciones

Después de la conversión de altura y de la manipulación del timbre, el motor lo transforma, al igual que la Transformada rápida de Fourier Inversa (IFFT), para emitir voces sintetizadas.2

Vocaloid VSTi Plug-in

Permite usar el software como un instrumento VSTi en cualquier Estación de trabajo de audio digital (Yamaha indica que VocaloidVSTi no funciona en Cakewalk Sonar). Permite tocar en tiempo real las melodías desde un teclado midi o un piano roll previamente configurado.

Los motores Vocaloid 1 y 2 poseen un plug-in VSTi, pero en la versión 3 esta ya no está incluida.