Как чип превращал числа в речь
Вместо того чтобы хранить записанные фразы, система Texas Instruments описывала речь параметрами: как меняется голосовой тракт и какой звук он издаёт. Для этого применялось линейное предсказательное кодирование — метод, который представляет текущий участок звука как результат сочетания предыдущих участков и небольшого набора дополнительных параметров.
Это похоже не на проигрыватель с набором готовых слов, а на музыкальный инструмент, которому задают ноты и тембр. Чип получал компактные числовые команды и по ним создавал звуковую волну.
Как из параметров получается голос
При обычной речи лёгкие подают воздух, голосовые связки создают колебания, а горло, рот и нос меняют их звучание. В упрощённой математической модели эти процессы разделяются: источник звука задаёт голосовой импульс или шум, а цифровой фильтр имитирует резонансы речевого тракта — то, какие частоты усиливаются при произнесении разных звуков.
Параметры модели регулярно обновляются. Меняя их, чип может переходить от гласного к согласному, делать паузы и менять интонацию. Поэтому ему не нужно сначала собирать целую фразу из записанных кусочков: звук формируется по ходу воспроизведения.
Экономия памяти — ценой естественности
Такой подход позволял уместить речевую систему в устройстве с ограниченной памятью: хранить описание звука обычно компактнее, чем хранить сами аудиозаписи. Но модель передавала речь лишь приближённо. Голос мог звучать механически, а для разборчивости важны были тщательно подобранные параметры и достаточно медленное произнесение.
Главный компромисс был практическим: меньше данных — больше вычислений и меньше сходства с живым голосом. Именно поэтому математический синтез был особенно полезен там, где устройству требовалось произнести команды или короткие сообщения, а не убедительно воспроизвести человеческую речь.
