Synteza dźwięku w technologii SoundFont

Transkrypt

1 Łukasz MAZUROWSKI Wydział Informatyki Zachodniopomorskiego Uniwersytetu Technologicznego E mail: lmazurowski@wi.ps.pl Synteza dźwięku w technologii SoundFont Streszczenie: W artykule dokonano przeglądu metod syntezy dźwięku, zawężonego do zbioru historycznych rozwiązań, które stanowiły podstawę do opracowania bardziej złożonych metod. Prezentację rozpoczyna charakterystyka wybranych syntezatorów, ujęta w postaci ewolucji układów syntezy dźwięku różnych producentów. Kolejny rozdział wyjaśnia metody wykorzystane w procesie syntezy dźwięku przez najpopularniejsze syntezatory. Na tle tych rozważań autor ukazuje rozwiązanie hybrydowe w postaci technologii SoundFont, w której wykorzystano elementy wcześniej opisanych metod historycznych. 1. Historyczny przegląd syntezatorów dźwięku Według [1] syntezą dźwięku jest tworzenie dźwięku wypadkowego przez składanie (superpozycję) dźwięków prostych o określonych stosunkach częstotliwości, amplitud i faz; synteza dźwięku dokonuje się elektronicznie za pomocą komputerów i wykorzystuje do generowania sztucznej mowy i muzyki. Podana definicja jest zgodna z dotychczasowym poziomem rozwoju społeczeństwa, jednak nie wspomina o czasach, w których pojęcie komputera było czysto abstrakcyjne i istniało jedynie w głowach i kajetach ówczesnych naukowców. Ponadto, razem z rozwojem i pojawianiem się nowych metod syntezy dźwięku, powstawały coraz bardziej złożone instrumenty muzyczne, które owe metody wykorzystywały. Rozwój metod syntezy dźwięku oscyluje wokół dwóch głównych kierunków: poszukiwania nowych, ciekawych brzmień instrumentów muzycznych oraz naśladowania instrumentów rzeczywistych i ich integrację w jednym kontrolerze. O ile eksploracja ciekawych brzmień instrumentów ograniczona jest przede wszystkim przez wyobraźnię artystów, o tyle problem naśladowania rzeczywistego instrumentu za pomocą metod syntezy wydaje się być ciągle barierą technologiczną. Historia pokazuje jednak, że naukowcy w początkowej fazie rozwoju syntezatorów poszukiwali nowych, interesujących efektów brzmieniowych. Za pierwszy złożony instrument syntezator uznaje się Telharmonium, którego twórcą był prawnik i wynalazca Thaddeus Cahill [2]. Jeden ze schematów tego mechanizmu zaprezentowano na rysunku 1. Instrument generował dźwięki muzyczne w postaci sygnałów elektrycznych, za pomocą układów elektromagnetycznych. Zespół 145 generatorów prądu zmiennego napędzany był skomplikowanym systemem wałów i przekładni. Dźwięki złożone były syntezowane metodą addytywną. 60

2 Rys. 1. Budowa Telharmonium [2] W roku 1919 Leon Theremin skonstruował pierwszy instrument zbudowany z elemen- tów elektronicznych, który był sterowany poprzez gestykulację artysty. Mechanizm był oparty na generatorze heterodynowym i miał postać skrzynki wyposażonej w dwie anteny. Przybliżanie lub oddalanie dłoni od anten powodowało zmiany częstotliwości i amplitudy dźwięku. Za przełom w elektronice można uznać wprowadzenie e generatorów lampowych, na których oparte były pierwsze syntezatory RCA Mark I (1952) i RCA Mark II (1957). Jak podaje Vail w [3] instrument generował dźwięki używając sterowanych cyfrowo obwodów analogowych wykorzystując lampy próżniowe. Sterowanie częstotliwością i amplitudą generatora odbywało się za pomocą perforowanej taśmy papierowej, na której zapisane były parametry dźwięków muzycznych. Tworzenie muzyki za pomocą tego mechanizmu było pracą żmudną i problematyczną wymagało bowiem od użytw złożonej wiedzy na temat budowy i sposobu działania urządzenia, a także sklejania oddzielnych elementów utworu (taśmy perforowanej) w całość. Przełom w dziedzinie interfejsów syntezatora dokonał się po wprowadzeniu klawiatury fortepianowej, która sterowała pracą urządzenia. Pierwszą tego typu konstrukcję kowników Moog Modular w roku 1964 opracował Robert Moog. Nazwa modular mówi o modularnej budowie syntezatora, składającego się z elementów elektronicznych ta- kich jak: sterowane napięciowo generatory, filtry i wzmacniacze. Sterowanie parametrami pracy elementów odbywało się za pomocą przycisków i pokręteł (rysunek 2), natomiast poprzez przepinanie przewodów dokonywało się łączenia poszczególnych elementów i de facto tworzenia algorytmu syntezującego dźwięk ad hoc. Moog Modular był urządzeniem ciężkim i nieporęcznym, dlatego też do produkcji wprowadzono jego przenośną wersję Minimooga. Minimoog posiadał dużo mniejsze możliwości syntezy dźwięku jednak z uwagi na swoje gabaryty był z uznaniem stosowany jako podręczny instrument muzyczny na scenie. Rodzinę moogów zamyka wersja polifoniczna tego syntezatora Polymoog wyprodukowana w roku Ostatnia odsłona tego syntezato- ra najbardziej przypomina współczesne syntezatory sprzętowe. 61

3 Rys. 2. Moog Modular [4] Układy analogowe wykorzystane w syntezatorach charakteryzowały się dużą niestabilnością, co prowadziło do relatywnie szybkiego rozstrajania się instrumentu. Koszty wytworzenia urządzania i złożoność jego budowy były niewspółmierne do jego możliwości tworzenia brzmienia. Technika cyfrowa pozwoliła na konstruowanie dużo tańszych, mniejszych i stabilniejszych układów, co w konsekwencji pozwoliło wykorzystać nowe metody syntezy dźwięku. Dzięki wykorzystaniu układów pamięci możliwym stało się zapisywanie i odtwarzanie parametrów syntezy, dając tym samym możliwość wielokrotnego wykorzystania wcześniej utworzonego brzmienia. Jak podaje [5] w 1979 roku firma New England Digital wprowadziła pierwszy cyfrowy syntezator Synclavier, który początkowo wykorzystywał do syntezy dźwięku metodę modulacji częstotliwości oraz addytywną (więcej informacji o metodach syntezy dźwięku znajduje się w rozdziale 2. Jedną z pierwszych wersji tego syntezatora przedstawiono na rysunku 3. W wersjach późniejszych urządzenie zostało doposażone w sampler moduł, który pozwalał przechowywać w pamięci kompletne próbki brzmieniowe i stosować je podczas tworzenia utworu. Rys. 3. Synclavier [5] 62

4 Potężne jak na owe czasy (lata dwudziestego wieku) możliwości syntezy prezentowała seria instrumentów Fairlight CMI w wersjach I, II i III. Moc obliczeniowa wykorzystanych układów była niewystarczająca, aby uzyskać pożądany charakter brzmienia w racjonalnym czasie. W związku z tym australijscy inżynierowie zastosowali zewnętrzny interfejs kształtowania fali w czasie rzeczywistym poprzez rysowanie fali na graficznym tablecie urządzenia. Takie podejście dało niespodziewanie dobre efekty, rozpowszechniając tym samym idee samplingu. Do kolekcji syntezatorów cyfrowych należy zaliczyć również rozwiązania firmy Yamaha, która swoim sztandarowym modelem Yamaha DX7, opanowała rynek tanich urządzeń o dużych możliwościach. W syntezatorach tej firmy wykorzystano metodę modulacji częstotliwości, opisaną w dalszej części tego artykułu. Inni producenci tacy jak Korg, Casio czy Roland, również proponowali ciekawe i tanie syntezatory dźwięku, które z powodzeniem stosowane są do tej pory na scenach całego świata. Ciekawym kierunkiem rozwoju syntezatorów były tzw. automaty perkusyjne, które w założeniu miały zastąpić żywych perkusistów. Początkowe rozwiązania opierały się na prostych generatorach szumów, jednak z biegiem czasu uzyskiwano coraz bardziej rozbudowane i realistyczne brzmienia. Zapoczątkowana w latach osiemdziesiątych fuzja perkusji i automatów perkusyjnych doprowadziła do powstania perkusji elektronicznych, która łączyła właściwości obu rozwiązań. Obecnie perkusje elektroniczne dysponują ogromnymi możliwościami syntezy, w tym możliwością grania emulowanymi zestawami perkusji na tym samym instrumencie. 2. Metody syntezy dźwięku Mnogość i złożoność metod syntezy dźwięku zmusiły autora do przedstawienia jedynie kilku reprezentatywnych technik, które odzwierciedlają różne podejścia do tego problemu. Przed przystąpieniem do charakterystyki metod syntezy dźwięku należy zdefiniować podstawowe pojęcia związane z dźwiękiem muzycznym. Jak podaje [6] istnieją trzy podstawowe elementy, z których składa się każdy dźwięk: wysokość tonu, głośność i tembr. Wysokość tonu jest częstotliwością dźwięku wyrażoną w hercach (Hz), która powoduje rozróżnienie dźwięku przez człowieka bez informacji o charakterystyce brzemienia tego sygnału. Głośność wyraża dynamikę dźwięku (amplitudę sygnału). Tembrem nazywamy barwę dźwięku, która pozwala rozróżniać dźwięki o tej samej wysokości, emitowane z różnych instrumentów (głos ludzki, gitara, trąbka, itp.). Wysokość tonu, głośność i barwa są kontrolowane przez muzyków grających na danym instrumencie. Jeżeli zatem ideą syntezy dźwięku jest tworzenie prawdziwych (rzeczywistych) dźwięków instrumentów, syntezator musi być zdolny kontrolować podstawowe parametry sygnału. Dźwięki muzyczne są harmoniczne, co oznacza, że obok częstotliwości podstawowej, występują częstotliwości poboczne, będące wielokrotnościami częstotliwości podstawowej widmo dźwięków muzycznych ewoluuje (zmienia się) w czasie. 63

5 Rys. 4. Obwiednia dźwięku Istotną cechą charakteryzującą barwę dźwięku (tembr) jest obwiednia jej podstawową budowę przedstawiono na rysunku 4. Jej pierwszy element (Atak) odpowiada za to jak szybko rozpoczęty dźwięk osiągnie swoją maksymalną głośność długa faza Ataku może być wykorzystana w syntezie instrumentów smyczkowych, w których gracz powoli zwiększa napięcie struny. Faza Zaniku (Decay) wyznacza czas spadku amplitudy dźwięku do poziomu Podtrzymania (Sustain rysunek 4), w której dźwięk wybrzmiewa do momentu przerwania sygnału wymuszającego jego wybrzmiewanie. Ostatnią fazą obwiedni jest Zwolnienie (Release), w której amplituda dźwięku opada do zerowego poziomu, co oznacza całkowite wyciszenie dźwięku. Kształtowanie wybrzmiewania dźwięku jest istotnym elementem modelowania rzeczywistych instrumentów muzycznych i szeroko stosowaną techniką kształtowania amplitudy w syntezatorach programowych i sprzętowych. Idee syntezy subtraktywnej (pierwszej historycznie metody syntezy) zaprezentowano na rysunku 5. W opisywanym podejściu wykorzystuje się trzy podstawowe komponenty elektryczne: generator źródło dźwięku, filtr i wzmacniacz (kształtujący obwiednię). Generator pełni w takim systemie podwójną funkcję generuje dźwięk o danej wysokości, który jest złożony z wielu składowych harmonicznych. W praktyce generator powinien wytwarzać trzy podstawowe przebiegi sygnału: prostokątny, piłokształtny i impulsowy. Rys. 5. Idea syntezy subtraktywnej Podstawą wykorzystania filtra jest odcinanie częstotliwości harmonicznych z sygnału. Poprzez zastosowanie sprzężenia zwrotnego dla danego filtra uzyskuje się wzmocnienie częstotliwości wokół częstotliwości odcięcia. Sprzężenie działa dopóki filtr nie przełamie rezonansu, produkując falę sinusoidalną o częstotliwości równej częstotliwości odcięcia. 64

6 Ostatnim elementem w układzie syntezy subtraktywnej jest wzmacniacz, często nazywany generatorem obwiedni, który (w odniesieniu do głośności) kształtuje amplitudę sygnału. W praktyce obwiednia może być zastosowana zarówno dla wysokości dźwięku jak i jego tembru. Dla uproszczenia rozważań jej podstawową formę zaprezentowano na przykładzie amplitudy (głośności) sygnału. Kolejną metodą syntezy dźwięku jest metoda addytywna, która opiera się na tworzeniu dźwięku o określonej barwie przez sumowanie tonów składowych o odpowiednich stosunkach amplitudy. Dźwięk zawierający wiele harmonicznych poddaje się analizie częstotliwościowej w celu jego sparametryzowania, przy czym parametry opisujące dany dźwięk są zmienne w czasie. W podstawowej formie tej syntezy źródłem dźwięków prostych są generatory przebiegów sinusoidalnych o częstotliwościach harmonicznych. Opis tego procesu przedstawia się jako sumę [7]: (1) gdzie: x(n) n-ta próbka sygnału syntetycznego, M liczba składowych sygnału, A k (n) amplituda k-tej harmonicznej, T okres próbkowania, ω 1 pulsacja składowej podstawowej, określająca szybkość powtarzania się pełnego cyklu zmian przebiegu częstotliwości podstawowej, F k (n) odchyłka częstotliwości k-tej harmonicznej (zakres zmian częstotliwości maksymalny odchył od częstotliwości podstawowej). Jakość dźwięku wynikowego zależy od liczby składowych harmonicznych im więcej ich w dźwięku tym bardziej rzeczywiste odwzorowanie barwy daje się uzyskać. Niestety proces ten jest okupiony dużą złożonością obliczeniową w przypadku użycia dużej liczby generatorów tonów. Metoda addytywna i subtraktywna należą do grupy metod syntezy modyfikującej widmo sygnału (metody widmowe). Kolejną grupą metod syntezy są metody abstrakcyjne bazujące na algorytmach. Jako przedstawiciel tej grupy zostanie opisana metoda modulacji częstotliwości (FM), będąca pierwszą komercyjnie stosowaną metodą syntezy dźwięku, opierającą się wyłącznie na technice cyfrowej. Podstawy teoretyczne dla tego rozwiązania przedstawił w 1973 John Chowning. Jak opisano w [8], poprzez modulację częstotliwości rozumie się cykliczną zmianę częstotliwości sygnału fali nośnej przez sygnał modulujący. W dziedzinie cyfrowej wzór na próbkę syntetycznego sygnału cyfrowego ma postać [8]: (2) gdzie: x(n) n-ta próbka sygnału syntetycznego, f c częstotliwość sygnału nośnego, f m częstotliwość sygnału modulującego, A(n) amplituda zmodulowanego sygnału, T okres próbkowania, I(n) indeks modulacji. Częstotliwości fali nośnej i modulującej mają wpływ na rozmieszczenie częstotliwości harmonicznych w widmie sygnału. Indeks modulacji decyduje o amplitudzie tych składowych. Wszystkie parametry syntezy mogą zostać zapisane do cyfrowych układów 65

7 pamięci syntezatora. Podstawową wadą metody FM są nienaturalnie brzmiące uzyskane barwy instrumentów, dlatego też została ona wyparta przez inne rozwiązania, takie jak synteza tablicowa. Pod pojęciem metody tablicowej kryje się proces syntezy dźwięku poprzez sekwencyjne odtwarzanie umieszczonych w tablicy próbek dźwięków w postaci pojedynczego okresu fali. Wynik zapętlenia sygnału uzyskuje się przez zastosowanie generatorów pojedynczych okresów lub generatorów wielookresowych. Sygnał wygenerowany przez układ ulega filtracji przez filtr dolnoprzepustowy, który wygładza schodkowy charakter sygnału, przez co staje się on mniej sztuczny. Różne wysokości dźwięku uzyskuje się poprzez transpozycję. Istotnym problemem we wczesnych układach syntezy tablicowej była zmiana wysokości dźwięku. Dla niskich częstotliwości problemem była mała rozdzielczość sygnału ograniczona rozmiarem dostępnej pamięci dla próbki skutkowało to słyszalnymi zniekształceniami syntezowanego dźwięku. Dla wysokich częstotliwości układ syntezy był zbyt wolny odczyt z tablicy próbek był ograniczany przez częstotliwość układu odczytu. Rozwój układów cyfrowych i zwiększenie dostępnej pamięci dla próbek pozwoliło opracować inną metodę syntezy, która oferowała dobre jakościowo brzemienia syntezowanych dźwięków metodę samplingową. W pamięci układu zapisywano już nie pojedyncze cykle, lecz pełne próbki dźwiękowe (z ang. sample) instrumentów. Synteza dźwięku ograniczyła się jedynie do odczytu zapisanej w pamięci próbki dźwięku, transpozycji i przesłaniu go na wyjście układu. Aby zaoszczędzić pamięć dla przechowywanych próbek, każda z nich przedstawiona jest w postaci zapętlonej. Przy okazji metody samplingowej należy wspomnieć o podstawowych sposobach zapętlania (na podstawie [9]) próbek. Próbka może być powtarzana jednokierunkowo lub dwukierunkowo (w przód i w tył), natomiast przy większej liczbie powtórzeń określa się jej charakter poprzez arbitralne określenie liczby powtórzeń, powtarzalność w określonym czasie lub sterowanie generatorem obwiedni. W cyfrowym syntezatorze organizacja pamięci próbek opiera się na trzech podstawowych elementach: wskaźniku, liczniku i przesunięciu. Wskaźnik wyznacza w pamięci początek i koniec danej próbki. Licznik wskazuje kolejne komórki pamięci. Przesunięcie pozwala na swobodny dostęp w obrębie komórek pamięci wewnątrz próbki. Przechowywane w syntezatorze próbki mają z góry określoną wysokość, dlatego syntezowane dźwięki o innych wysokościach uzyskuje się poprzez transpozycję. W tym celu wykorzystuje się dwie metody transpozycji: metoda zmiennej częstotliwości oraz metoda stałej częstotliwości. Przestarzała metoda zmiennej częstotliwości polega na zmianie odczytywania próbek z tablicy pamięci, co przy stałej liczbie odczytywanych próbek prowadzi do zniekształceń sygnału. W metodzie stałej częstotliwości zmianę wysokości dźwięku uzyskuje się poprzez zmianę liczby odczytywanych z tablicy próbek. Unika się w ten sposób zniekształceń czasowych kosztem rozrostu próbek w pamięci syntezatora. Przy transpozycji stosuje się dodatkowo interpolacje, aby uzyskać wartość sygnału leżącą pomiędzy próbkami. Im wyższy rząd interpolacji (interpolacja wielomianowa) tym lepsze brzmienie transponowanych dźwięków, kosztem złożoności obliczeniowej układu. 66

8 Ostatnią przytaczaną tu grupą metod syntezy są metody modelowania fizycznego, w ramach których można wyróżnić stosunkowo młodą metodę modelowania falowodowego [10]. Charakteryzuje się ona nowatorskim podejściem do problemu syntezy symuluje się instrument, a nie dźwięk przez niego wytwarzany. W instrumentach muzycznych występują fale bieżące, które w instrumentach strunowych przemieszczają się wzdłuż strun, a w instrumentach dętych wzdłuż cylindrycznej tuby. Cyfrowa implementacja metody falowodowej sprowadza się do rozwiązania równania falowodowego dla modelu struny lub cylindrycznej tuby instrumentu dętego. Modelowanie falowodowe pozwala syntezować dźwięki z uwzględnieniem artykulacji, czyli sposobem ich generowania z instrumentu. Jednak w dalszym ciągu jakość uzyskanych rozwiązań w porównaniu do złożoności metody, pozostawia szeroki horyzont dalszego rozwoju w tym kierunku. Przedstawione w tym rozdziale metody syntezy ukazują problem jej złożoności. W kolejnym rozdziale autor pragnie przedstawić rozwiązanie hybrydowe, które z jednej strony wykorzystuje znane pomysły z dziedziny metody syntezy, z drugiej jednak oferuje prostotę, elastyczność i dobrą jakość brzmień syntezowanych dźwięków. Tym rozwiązaniem jest technologia SoundFont. 3. Metoda hybrydowa standard SoundFont 2 Jak podano w [11] standard SoundFont 2 został stworzony z myślą o powiększającej się bazie modeli syntezy tablicowej. W rzeczywistości technologia łączy w sobie rozwiązania typowe dla samplerów (odczytywanie z pamięci próbek dźwiękowych o dużej złożoności) i modeli syntezy opartych na przetwarzaniu próbek zapisanych w pamięci syntezatora. SoundFont jest ściśle powiązany z systemem MIDI (Musical Instrument Digital Interface) wykorzystywanym do przekazywania danych pomiędzy elektronicznymi instrumentami muzycznymi, takimi jak keyboardy i klawiatury MIDI (sterującymi pracą syntezatora). Specyfikacja modelu syntezy (rysunek 6) SoundFont 2 obejmuje oscylator tablicowy, dynamiczny filtr dolnoprzepustowy, wzmacniacz obwiedni i programowalne jednostki efektu panoramy (przejścia pomiędzy kanałami audio), pogłosu i chorusa. Silnik modulacji dźwięku składa się z dwóch oscylatorów wolnoprzebiegowych (LFO) oraz dwóch oscylatorów obwiedni ze wzmacniaczami. Oscylator (generator) tablicowy odtwarza próbki zapisane w pamięci syntezatora, z góry ustaloną częstotliwością próbkowania i zmianą wysokości dźwięku. Zmiana wysokości jest ograniczona w praktyce do wartości maksymalnej, zwykle określonej jako dwie oktawy. Wysokość dźwięku jest opisana przez częstotliwość próbkowania dźwięku, tonację, jego poprawne dostrojenie, numer dźwięku w notacji MIDI oraz współczynnik skali klawiatury instrumentu sterującego syntezatorem. Wysokość dźwięku może być modyfikowana przez 3 generatory: Course Tune (zmieniający wysokość tonu próbki w półtonach), Fine Tune (zmienia wysokość tonu w centach) oraz Scale Tune (definiuje jak ton dźwięku zmienia się od nuty od nuty w centach). Cent jest zdefiniowany jako 1/100 półtonu i jest używany do definiowania małych zmian w wysokości dźwięku

9 Rys. 6. Specyfikacja modelu syntezy SoundFont 2 [12] Cyfrowa próbka dźwięku opisana jest przez punkt startowy, punkt końcowy oraz dwa punkty opisujące pętle próbki. Dźwięk może być też traktowany jako próbka niezapętlona w tym przypadku punkty opisujące pętle są ignorowane. Jak podano w [11] dźwięk może być odgrywany na dwa sposoby. Jeśli jest oznaczony jako zapętlony do momentu zwolnienia, dźwięk jest odtwarzany od punktu startowego i zapętlony do momentu aż stanie się niesłyszalny. W normalnym trybie dźwięk odtwarzany jest od punktu startowego do momentu zwolnienia klawisza na klawiaturze sterującej syntezatorem. Model syntezy przewiduje dwa generatory obwiedni amplitudy, opierającej się na 6-cio parametrowym modelu DAHDSR, przedstawionym na rysunku 7. W momencie wciśnięcia klawisza rozpoczyna się faza opóźnienia (Delay Time), w której wartość obwiedni jest równa 0. Następnie obwiednia wzrasta w fazie ataku (Attack Time) do wartości 1, gdzie utrzymuje się przez określony czas w fazie przytrzymania (Hold Time). Po skończonej fazie przytrzymania obwiednia liniowo obniża się w fazie spadku (Decay Time) do poziomu podtrzymania (Sustain Level), który trwa dopóki nie zostanie zwolniony klawisz klawiatury sterującej syntezatorem. Po tym zdarzeniu obwiednia wkracza w fazę zwolnienia (Release Time), w której liniowo zmniejsza się do poziomu zerowego wyciszenia dźwięku. 68

10 Rys. 7. Struktura obwiedni DAHDSR [14] Oscylatory wolnoprzebigowe (LFO), używane w standardzie SoundFont, są generatorami fal sinusoidalnych o niskich częstotliwościach, mieszczących się w przedziale dźwięków słyszalnych przez człowieka. Niektóre kontrolują jedynie wysokość tonu próbki, inne potrafią dodatkowo modyfikować amplitudę i częstotliwość odcięcia filtrów dolnoprzepustowych. Typowym przykładem oscylatora kontrolującego jedynie wysokość dźwięku jest oscylator Vibrato LFO, który symuluje efekt wibracji (oscylowania) częstotliwości dźwięku w obrębie ustalonej wysokości tonu (vibrato jest używane szczególnie mocno w środowisku tenorów operowych). Przykładem oscylatora kontrolującego wysokość, amplitudę i częstotliwość odcięcia dźwięku jest Modulation LFO, dzięki któremu w standardzie SoundFont można uzyskać tzw. efekt Wah Wah (używany m.in. podczas koncertów gitarowych przez J. Hendrixa). Standard SoundFont 2 oferuje możliwość wczytywania własnych banków próbek do pamięci komputera (RAM), przez co jakość i rozmiar banku brzmień są ograniczone bezpośrednio przez rozmiar dostępnej pamięci operacyjnej. Przykładem programu do zarządzania bankami brzmień syntezatora standardu SoundFont jest aplikacja Vienna SoundFont Studio (rys. 8), oferowana przez firmę Creative Technology Ltd. Wg. opisu w [15], dźwięk muzyczny zapisany w formacie SF2 (SoundFont 2.0) jest zdeterminowany przez trzy warstwy opisowe: próbki, instrumentu i zestawu. Warstwa próbki jest najniższą warstwą opisującą dźwięk, zawierającą zwykle jego kształt (w postaci pliku.wav). Charakterystyka dźwięku muzycznego może być modyfikowana przez wykorzystanie dodatkowych funkcji, oferowanych przez aplikację Vienna SoundFont Studio, takich jak: pogłos, chorus, efekt panoramy czy rezonans. Jak podaje [15] każdy z tych elementów może być edytowalny w warstwie instrumentu i zestawu, przy czym dla obu warstw można utworzyć tzw. obszar globalny (Global Zone ). Funkcjonalność obszaru globalnego polega na zastosowaniu modyfikowanych atrybutów dźwięku dla wszystkich próbek w obrębie danej warstwy instrumentu, bądź wszystkich instrumentów w obrębie zestawu. Warstwa instrumentu przechowuje informacje o danym banku brzmień SoundFont. Każdy instrument może posiadać różne obszary, w których może być zawartych wiele próbek dźwięku (jak na rysunku 8). Obszary definiują zakres przypisania odpowiednich próbek do danego przedziału dostępnych w ramach standardu dźwięków. 69

11 Rys. 8. Tworzenie instrumentu w Vienna SoundFont Studio [15] Warstwa zestawu zawiera dwie grupy instrumentów: instrumenty melodyczne (dźwięki o ustalonej wysokości) oraz instrumenty perkusyjne (o nieokreślonej wysokości dźwięku; do jednego klawisza klawiatury sterującej przypisany jest jedna próbka innego instrumentu). Zestawy mogą zawierać wiele obszarów, w których może być zawartych wiele instrumentów. Taka hierarchia pozwala konstruować brzemienia w postaci akordów (wielu dźwięków brzmiących w harmonii) przypisanych do jednego klawisza syntezatora. Układ syntezy SoundFont wspiera dwa mechanizmy wykorzystywane w zaawansowanych modelach syntezy: multi-sampling i multi-layering. W multi-samplingu nagrywa się więcej niż jedną próbkę danego brzmienia o różnych wysokościach, w celu odgrywania dźwięków dla całego zakresu klawiatury sterującej. Pełny multi-sampling zakłada nagrywanie oddzielnej próbki brzmienia dla każdego klawisza, natomiast w podejściu mieszanym stosuje się kilka próbek dźwięku oraz mechanizm transpozycji, w celu uzyskania dźwięków pośrednich. Multi-layering umożliwia odgrywanie więcej niż jednego brzmienia instrumentu po naciśnięciu klawisza klawiatury sterującej pracą syntezatora oraz umożliwia tworzenie bardziej złożonych dźwięków na podstawie prostych próbek (grę kilkoma instrumentami jednocześnie przy użyciu jednej klawiatury). Popularne karty dźwiękowe z serii SoundBlaster Audigy firmy Creative Labs zawierają układ syntezy samplingowej (E-mu 10K2), kompatybilnej ze standardem SoundFont 2. Układ oferuje (wg. [12]) dwa niezależne syntezatory oraz 64 współdzielone generatory nut, umożliwiając tym jednoczesne odgrywanie 64 głosów (dźwięków). Karty mogą być wykorzystane zarówno w domowym studiu nagraniowym jak i laboratorium syntezy dźwięku. Dzięki wykorzystaniu SoundFont, kompozycje zapisane w formacie MIDI mogą oferować relatywnie wysoką jakość przy małej zajętości pamięci dyskowej (rzędu kilku do kilkudziesięciu kilobajtów). Zastosowanie syntezatora wspierającego SoundFont może okazać się zasadne, w problemach autonomicznych systemów komponowania muzyki przez komputer. W dużej części rozwiązań z tej dziedziny, jako podstawę bazy danych wykorzystuje się format MIDI. Utwory odgrywane w tym formacie na syntezatorach np. OPL2 czy OPL3 dostarczały sztuczne i prymitywne brzmieniowo dźwięki, oddalone jakościowo od ich odpowiedników audio zapisanych w postaci cyfrowej (np. w formacie MP3 lub WAV). Rozwój techniki samplingowej pozwolił uzyskać dużo bardziej przybliżone do rzeczy- 70

12 wistości barwy instrumentów, a co za tym idzie stworzył dla specjalistów nowe możliwości symulowania gry na instrumencie muzycznym przez maszynę. Literatura 1. Dźwięku synteza [online], PWN, 2010 [dostęp: ], 2. Synthmuseum.com Magazine [online], Synthmuseum.com, 2006 [dostęp: ], 3. Vail M., RCA Mark I & Mark II Synthesizer [online], Keyboard Magazine, 2007 [dostęp: ], 4. Retrosynth[online], Cary Roberts, 2007 [dostęp: ], 5. New England Digital Synclavier Vintage Synth Explorer [online], Vintage Synth Explorer, 2008 [dostęp: ], 6. Marschall D., Basic Sound Synthesis Part 1 [online], 2000 [dostęp: ], 7. Maher R. C., Sinewave Additive Synthesis Revisited, Material No (Z-1) presented at the 91st AES Conv., New York, October 4-8, Massey A., Noyes A., Shklair D., A Synthesist s Guide to Acoustic Instruments, Amsco Publications, New York, De Furia S., Scacciaferro J., The Sampling Book, Third Earth Publishing Inc., Pompton Lakes, N.J., Cook P.R. Physical Models for Music Synthesis and Meta-Controler for Real Time Performance, Stanford CCRMA, Stanford, CA, SoundFont Technical Specification 2.04 [online], Creative Labs, 2006 [dostęp: ], Digital Electronic Organs using Off-The-Shelf Technology [online], Colin Pyket, 2005 [dostęp: ], Smurf Sound Font Editor for Linux [online], Josh Green, 2000 [dostęp: ], Cann S., How to make a noise: a comprehensive guide to synthesizer programming, Coombe Hill Publishing, SoundFont: Creating SoundFont-Compatible Banks [online], Creative Technology Ltd., 2010 [dostęp: ] 71