How Many Syllables in ”Fire”?

Olen tutkinut ohjelmaa VirtualSinger, ja eräs asia, joka minusta on mielenkiintoinen, on se, miten se käsittelee tavuja. Periaatteessa se käyttää väliviivoja laskeakseen, kuinka monelle äänteelle sana on jakautunut, mutta tekee automaattisesti uudelleen väliviivat käyttäen sääntöä, että jokainen äänne saa yhden ytimellisen vokaaliäänteen.

Pinnalta katsoen tämä on varsin siisti ratkaisu… mutta on sanoja, jotka näyttävät viattomilta, mutta jotka aiheuttavat ongelmia yrittäessään määritellä, miten niitä pitäisi käsitellä.

”Tulipalo” on yksi niistä sanoista, jotka aiheuttavat murhetta, koska foneettisesti se on /F AY ER/, jossa on kaksi ”ydinvokaalia” – /AY/ ja /ER/. Silti se lausutaan useimmiten yhtenä tavuna.

Miten tätä pitäisi siis käsitellä? Sekä VirtualSingerissä että synSingerissä voidaan turvautua foneemien tavuttamiseen, mutta se on melko ruma lähestymistapa.

synSingerin lähestymistapa on hybridi. Ensin se muodostaa sanan muistiinpanoista ja tarkistaa sitten paikallisen kopion CMU-sanakirjasta. Jos se täsmää: hienoa! Ongelma ratkaistu.

Mutta jos vastaavuutta ei löydy, tilanne voi muuttua hankalaksi. Sitten se välittää sanan Reciterin muunnetulle versiolle, joka muuntaa sanan foneemeiksi, jotka on yhdistetty alkuperäisiin kirjaimiin. Esimerkiksi sanasta CATTLE tulee C:K A:AE T:T T:T L:L E:EH. Sen jälkeen se rakentaa sanan uudelleen käyttäen alkuperäistä kirjoitusasua ja lisää väliviivat suhteessa käyttäjän valitsemaan paikkaan.

Sanasta FIRE tulisi F:F I:AY R:ER E:. Jos käyttäjä siis kirjoitti FIRE, tuloksena on FAYER, ja jos hän kirjoitti FI-RE, tuloksena on FAY-ER. Kaikki tämä tapahtuu kulissien takana, ja suurimman osan ajasta se yksinkertaisesti toimii niin kuin käyttäjä odottaa.

Valitettavasti synSinger ei tee yhtä asiaa hyvin, jonka VocalWriter tekee hienosti: melismojen käsittelyä. Toisin sanoen yhdelle tavulle osoitetut useat nuotit.

VocalWriter käyttää merkkiä ’=’ kuvaamaan ”laajenna viimeistä ydintä”. Se on erityisen mukavaa, koska tämä voidaan kirjoittaa kuten ”THE FIG- =- =- =-” ja se laajennetaan automaattisesti muotoon ”DHAX FIH-IH-IH-IHG”, jossa peräkonsonantit on sijoitettu oikein.

synSinger ei tue tätä, joten jos haluat kirjoittaa jotain tällaista, se on tehtävä foneettisesti. Ja jos työskentelet diftongin kanssa, sinun oli löydettävä lähestyvä vokaali alun perin tavuille ennen lopullista diftongia.

Olen hiljattain muuttanut synSingeriä niin, että jos diftongi seuraa itseään, vain viimeinen laajenee kokonaan. Tämä tekee siitä hieman vähemmän vaivalloista käyttää, mutta ei silti missään nimessä yhtä hienoa kuin VirtualVoice.

Harkitsen siis toiminnon lisäämistä synSingeriin, jotta se ”vain toimii” sen sijaan, että joutuisi turvautumaan foneemien kirjoittamiseen.