檢視聲碼器的原始碼

{| class="wikitable" style="float:right; margin: -10px 0px 10px 20px; text-align:left"
|<center>'''聲碼器'''<br><img src="http://www.indusic.com/upload/pic/2018051637280769.jpg" width="280"></center><small>[http://www.indusic.com/pro.asp?keys=18 圖片來自indusic]</small> 
|}

'''聲碼器'''（Vocoder，icon|ˈ|v|oʊ|k|oʊ|d|ər），源自'''人聲編碼器'''（voice encoder）的縮寫，又稱'''语音信号分析合成系统'''，對聲音進行分析與合成的系統，主要應用於合成人類[[語音]]。此[[編碼器]]主要的概念是將聲音[[編碼]]之後再進行傳輸，允許更多的語音頻道共享同一個的無線電電路或海底電纜。聲碼器可以用[[硬體]]或[[軟體]]的方式來實作，目前被廣泛應用於[[電子樂器]]<ref>[https://www.casio.com.tw/emi/ 電子樂器]，casio</ref> 上。

==歷史==
聲碼器最早出現在美國[[貝爾實驗室]]。貝爾實驗室工程師[[荷馬·達德利]]在1928年提出合成話音的設想，並於1939年在紐約世界博覽會上首次表演了他取名為聲碼器的話音合成器。此後，話音合成的原理被用來研究壓縮話音頻帶，在售價、結構、耗電等諸方面符合商用的聲碼器已經出現。

==聲碼器的種類==
如上述採用頻譜包絡和基頻作為參數的聲碼器稱為信道聲碼器。除信道聲碼器外，還有多種其他類型的聲碼器。它們在合成話音質量、數碼率和復雜程度等方面不同，主要的差別在於話音參數和提取這些參數的方式不同。例如，用共振峰的位置、幅度和寬度表示頻譜包絡的,稱為共振峰聲碼器；利用同態濾波技術,如對話音信號進行積分變換、取對數和反變換以獲得各參數的，稱為同態聲碼器；直接編碼和傳輸話音的基帶（如取200～600赫的頻帶）展現聲源特性的，稱為聲激勵聲碼器。此外，還有[[相位聲碼器]]、線性預測聲碼器（[[線性預測編碼]]）等。

==理論==
人講話時，[[人聲]]是由喉頭的[[聲帶]]開關[[聲門]]所產生，其中包括了許多周期性的[[波形]]與許多[[諧波]]，這些週期波可視為基本的聲源信號。這些聲源信號接著經由鼻子和喉嚨（可視為複雜的[[共振]]系統），藉由改變嘴型來改變此系統，而產生不同的諧波含量，創造了各式各樣的語音；另外[[濁音]]與[[塞音]]則是氣流經由不同嘴型產生。
聲碼器發信端的分析器對話音信號進行分析，將該信號被分裂成多個頻帶（這個數字越大，會得到更準確的分析）。輸入信號通過一個多頻帶濾波器，並將每個頻帶分別通過一個包絡檢測器，將包絡檢測器得到的控制信號輸出給解碼器。由於控制信號與原來的語音波形相比變化速度緩慢許多，因此聲碼器大幅降低了語音傳輸所需的頻帶。若將控制信號進行加密，則可以保證語音傳輸安全性，以防攔截。比起原始的語音資料，大約可將傳輸資料壓縮到原先的十幾分之一。
語音信號的重建則將步驟反轉；接收端接到每個頻帶的包絡線參數以後，分別得到每個頻帶的包絡線，可視為多個隨時變的[[濾波器]]。接著由一個新的「豐富頻率成分」的聲源信號（可視為噪音訊號），通過每個頻帶的濾波器得到每個頻帶的包絡線訊號，最後將這些訊號得加，得到還原語音訊號。
值得注意的是，通過以上的編碼方法，丟棄了許多原本信號的資訊，主要丟棄了信息頻譜的瞬時頻率，也就是頻譜的[[相位]]。這樣的資訊流失雖然保留了語音的可辨識度，但相位的遺失意味著音高的遺失，如中文的「平、上、去、入」等五聲的資訊將遺失，而聽起來的聲音會像機器人講話一般，沒有「抑揚頓挫」。這種「機器人式」的特殊音色，在流行音樂和音效娛樂受到歡迎，在[[電子音樂]]中廣泛的被應用。

== 參考文獻 == 
{{reflist}}
[[Category: 310 數學總論]]