Emozioni e ‘qualità vocalica’: esperimenti con modelli di sintesi sinusoidale

La qualità dell'emissione vocale, intesa come il risultato delle varie modalità di fonazione possibili, riveste un ruolo importante nella resa delle emozioni nella comunicazione verbale. È comune osservare, infatti, in corpora di registrazioni di parlato emotivo, casi di fonazione non modale (voce soffiata, sussurrata, laringalizzata, rauca, stridula e così via). La trasmissione delle emozioni nella comunicazione verbale è, inoltre, un aspetto che sta interessando in vario modo il settore delle tecnologie del parlato. Ambiti nei quali l'elaborazione del contenuto emotivo promette di avere un impatto sostanziale sono, ad esempio, quello del riconoscimento automatico del parlato (automatic speech recognition) e della sintesi del parlato da testo scritto (text-to-speech synthesis). In questo lavoro si valuta l'efficacia di un sistema di elaborazione della voce basato sulla rappresentazione sinusoidale del segnale e finalizzato all'analisi e alla sintesi del parlato emotivo, ponendo particolare attenzione alla qualità dell'emissione vocale. La qualità fonatoria del segnale vocale su un corpus costituito da sequenze 'VCV', pronunciate ripetutamente da uno stesso parlatore con differenti intenzioni espressive, viene valutata oggettivamente attraverso un insieme di indici acustici opportunamente scelti. Lo stesso viene fatto per delle sequenze ottenute per "trasformazione" di una versione neutra in diverse versioni emotive, e vengono confrontate le versioni emotive originali con le versioni ottenute per trasformazione.