6.4.2 Новые шаги - от Эуфонии к вокодерам

Следующим шагом в развитии говорящих устройств стала машина, созданная немецким механиком Йозефом Фабером.

О юных годах изобретателя известно немного. Он родился около 1800 г. в немецком городе Фрайбург-им-Брайсгау (в ту пору территория Священной Римской империи германской нации), а затем перебрался в Вену, где сначала посещал школу, а затем поступил в Императорско-королевский политехнический институт (Kaiserlich-Königliches Polytechnisches Institut). Фабер планировал научную карьеру в области астрономии, однако этому помешало ухудшающееся зрение. В итоге он сделал выбор в пользу математики и механики, помимо которых увлекался также физикой, музыкой и даже анатомией^, .

В начале 1820-х гг., оправившись от серьёзной болезни, Фабер впал в состояние ипохондрии, от которого (вопреки советам врачей) мог отвлечься только путём выполнения механических задач, и поначалу занялся резьбой по дереву. Затем, однако, в его руки попала книга фон Кемпелена, и тогда у него появилась идея создать говорящую машину.

Для работы Фабер нуждался в тишине и покое, поэтому покинул Вену и вернулся в родной город, где в результате долгого, упорного и кропотливого труда смог соорудить устройство, заметно превосходившее творение фон Кемпелена. Эта машина демонстрировалась в Вене в 1840 г., а в 1841 г. была представлена королю Баварии. Однако она не вызвала того интереса, на который рассчитывал изобретатель. В отчаянии Фабер (верный заветам аббата Микаля) уничтожил машину и принял решение переехать в Соединённые Штаты, чтобы попытать счастья в Новом Свете.

В США Фабер в поиске источника заработка (чему мешали трудности с овладением чужим языком) воссоздал свою «Замечательную говорящую машину» и в начале 1844 г. продемонстрировал её в Нью-Йорке. В феврале 1844 г. корреспондент газеты National Intelligencer and Washington Advertiser взял интервью у машины и по итогу дал ей высокую оценку: «Единственный недостаток, — писал он, — сильный немецкий акцент». Тем не менее выставка не привлекла достаточного внимания публики. Провал был столь очевиден, что Фабер решил перебраться в Филадельфию, но там его ждал ещё более холодный приём. В порыве отчаяния изобретатель вновь разломал свою машину и сжёг её фрагменты.

По иронии судьбы именно в это время проблема синтетической речи заинтересовала американских учёных. Роберт Паттерсон, директор Монетного двора США в Филадельфии и выдающийся учёный, случайно наткнулся на машину Фабера за несколько дней до её разрушения и рассказал о ней Американскому философскому обществу в мае 1844 г. Члены общества были весьма заинтригованы и рекомендовали объявить сбор средств на восстановление машины. Однако Фабер, всё ещё находившийся в расстроенных чувствах, отклонил предложение и уединился в мастерской, где занялся восстановлением устройства без посторонней помощи.

В 1845 г. Паттерсон привёл в мастерскую Фабера своего товарища, известного американского физика и изобретателя электромеханического реле Джозефа Генри. Фабер в это время работал над новой версией аппарата, которая была оснащена подобием женского лица, способным артикулировать произносимую речь. Генри часто привлекали в качестве эксперта, когда нужно было отличить реальное изобретение от мошенничества, которые были тогда весьма распространены. Например, в лондонском Сент-Джеймс-холле (Saint James Hall) выставлялось устройство под названием «Антропоглоссос» (Anthropoglossos), или «Механический вокалист» (Mechanical Vocalist), но это было мошенничество — «голосом машины» в действительности говорил скрытый чревовещатель.

Генри ожидал увидеть очередную подделку, но вместо этого обнаружил «замечательное изобретение», обладавшее множеством потенциальных применений. «Я видел говорящего персонажа, созданного мистером Уитстоном из Лондона, — писал Генри в письме к своему бывшему студенту Генри Александеру, — но его нельзя сравнить с этим [устройством], которое может не просто сказать несколько слов, а способно произносить целые предложения, состоящие из абсолютно любых слов».

«Немец занимался подготовкой к выставке, — писал он в том же письме, — он говорит на неважном английском языке, и доктор Паттерсон был вынужден заставить его повторять предложения, которые нужно было сказать, несколько раз, прежде чем удалось добиться правильного произношения. После небольшой практики персонаж действительно произносил слова лучше, чем оператор; которому было куда проще управлять органами персонажа, чем своими собственными»^{, ,} .

Генри заметил, что 16 клавиш машины соответствуют 16 элементарным звукам, с помощью которых «каждое слово на всех европейских языках может быть воспроизведено отчётливо». Семнадцатая клавиша открывала и закрывала эквивалент голосовой щели, отверстие между «голосовыми связками». «Устройство машины такое же, как у человеческих органов речи, разные её части управляются струнами и рычагами вместо сухожилий и мышц».

Генри полагал, что машину Фабера можно использовать вместе с телеграфом — регистрируя при помощи электромагнитов нажатия клавиш машины, можно было передавать их по телеграфной линии, чтобы на её противоположном конце они превращались в звуки человеческой речи. Будучи членом Пресвитерианской церкви, Генри также обдумывал возможность организации одновременных проповедей в нескольких храмах.

Генри попросил Фабера продемонстрировать своё изобретение в Зале музыкального фонда в Филадельфии в декабре 1845 г. Однако этот показ стал ещё одной коммерческой неудачей.

Но вскоре привлечением внимания публики к машине занялся профессионал — в 1846 г. американский шоумен, бизнесмен и мистификатор Финеас Барнум приехал в Филадельфию в поисках новинок для своих шоу. По итогам встречи с Фабером Барнум решил, что говорящая машина вполне подходит на эту роль. Вскоре она получила новое имя — Эуфония (от греч. εὐφωνόα — благозвучие) и отправилась вместе со своим изобретателем и шестнадцатью индейцами в Лондон. В августе Фабер представил свою машину в Египетском зале на улице Пикадилли. Под аккомпанемент созданного Фабером механического оргáна машина исполняла «Боже, храни королеву».

Рис. 137. Эуфония Йозефа Фабера

В целом представления в Лондоне не слишком сильно отличались от филадельфийских. Машина начинала с обращения к аудитории, произнося фразы: «Пожалуйста, извините за мою медленную речь», «Доброе утро, дамы и господа», «В этот жаркий день…» или «В этот дождливый день…», «Буон джорно, синьори». После приветствия зрителям предлагалось предложить собственные фразы, которые затем должен будет произнести персонаж, при этом машина прекрасно справлялась с весьма заковыристыми словами.

Оценки успеха Эуфонии сильно разнятся. Многие известные люди приходили взглянуть на неё, в том числе герцог Веллингтон, со стороны которого машина заслужила самую лестную оценку. Барнум фиксировал сборы на общую сумму около 300 долларов в неделю, ожидая, что доходы увеличатся «в следующем году во время сезона». Но, возможно, Барнум просто делал хорошую мину при плохой игре, поскольку большая часть очевидцев вспоминала небольшое количество посетителей.

Один наблюдательный зритель, будущий театральный импресарио Джон Холлингсхед, так описал впечатления от представления:

Я заплатил свой шиллинг и был проведён в большой зал, наполовину заполненный коробками и лесами, освещённый тусклым светом ламп. В центре на столе был установлен ящик, похожий на грубое пианино без ножек, снабжённое двумя наборами клавиш. Ящик был увенчан странной полуфигурой, превосходящей размером взрослого мужчину, с головой автомата и лицом, выглядящим более загадочно безучастным, чем обычно выглядят такие лица. Её рот был большим и раскрывался, как челюсти Горгибустера (великан-людоед, персонаж детских сказок. — С. М.) в пантомиме, демонстрируя искусственные дёсны, зубы и прочие речевые органы. …Одна из клавиатур, в ответ на прикосновения профессора, вызывала к жизни слова, которые медленно и размеренно произносились хриплым могучим голосом и выходили изо рта фигуры, как из глубины гробницы. Немногочисленным посетителям трудно было представить себе способ, про помощи которого можно было бы скрыть внутри устройства человека или даже половину человека, способного медленно говорить будучи мучимым невидимыми внешними силами. Никто не допускал и мысли о том, что его водят за нос…^,

В записках Холлингсхеда содержится также редкое описание самого Фабера. Он был мрачным и молчаливым, на нём была одежда, носящая на себе отпечаток мастерской. Волосы и борода Фабера «печально желали внимания парикмахера». Ни разу за время выступления он, казалось, не обращал внимания на зрителей.

Зрители отмечали, что могли даже чувствовать дыхание Эуфонии, исходящее из каучуковых губ. В этом нет ничего удивительного — основной движущей силой аппарата были большие мехи, управляемые педалью. Сжатый воздух проходил через множество трубок, свистков и резонаторов, оснащённых различными заслонками и перегородками, которые по одной или целыми группами управлялись с помощью клавиш. Всё фонетическое многообразие Фабер разложил на 16 элементарных звуков: [a], [o], [u], [i], [e], [l], [r], [w], [f], [s], [sh], [b], [d], [g], [h] и носовой тон. Такой набор позволял Эуфонии с приемлемым качеством произносить фразы на любом европейском языке.

Эуфония оставалась частью репертуара Барнума в течение ещё нескольких десятилетий, но, несмотря на весь его промоутерский талант, приносила весьма скромную прибыль и часто становилась объектом насмешек. После лондонского шоу Барнум показывал её в своём Американском музее (Barnum’s American Museum) в Нью-Йорке, а позже в гастрольной программе цирка. Говорящий аппарат Фабера всё ещё был частью шоу цирка Барнума во время гастролей в Торонто в августе 1874 г. Газета Toronto Mail отмечала большое скопление зрителей у машины, но заметила, что у неё, должно быть, плохо действовала челюсть, потому что все слова звучали монотонно и однообразно. Машина Фабера доживала век без заботы со стороны своего создателя, который умер в Вене в 1866 г. (по другим источникам — покончил с собой в 1850 г.).

Впрочем, работа Фабера не пропала бесследно. Среди зрителей, посетивших Египетский зал в Лондоне летом 1846 г., оказался как минимум один, увидевший в говорящей машине нечто большее, чем просто мимолётную забаву. Это был исследователь в области фонетики Александр Мелвилл Белл, который вскоре стал отцом Александра Грейама Белла. В то время старший Белл занимался разработкой фонетического алфавита под названием «Зримая речь» (Visible Speech). Этот алфавит был предназначен для записи речи на бесписьменных языках, обучения глухих устной речи, а также стандартизации произношения. Механический подход к синтезу речи, реализованный в Эуфонии, не мог оставить равнодушным учёного, работающего в области фонетики. Машина произвела на Белла такое глубокое впечатление, что он всё ещё думал о ней в 1863 г., когда взял своего шестнадцатилетнего сына на встречу с сэром Чарльзом Уитстоном. Увидев машину Уитстона, молодой Белл был вдохновлён. Он позаимствовал у Уитстона книгу фон Кемпелена и, вернувшись домой, вместе со своим старшим братом Мелвиллом занялся созданием собственного говорящего устройства.

Созданное ими приспособление было основано на тех же (как мы бы сказали сегодня — бионических) принципах, что и конструкции предшественников.

Мальчики начали с изучения книги Кемпелена, а затем договорились о разделении труда: Александр взял на себя язык и рот аппарата, а Мелвилл — лёгкие, горло и гортань. Им не удалось найти ни одной анатомической работы, которая содержала бы достаточно сведений об устройстве гортани, поэтому скрепя сердце мальчики решили пожертвовать своей любимой кошкой ради науки. Они попросили студента-медика, друга Мелвилла, безболезненно усыпить кошку. Однако вместо этого студент на глазах у мальчиков влил ей в рот азотную кислоту. Увидев своими глазами мучения кошки, мальчики всё же смогли убедить студента перерезать артерию животного, чтобы положить конец его страданиям. В итоге братья отказались от экспериментов на кошках и ограничились гортанью ягнёнка, подаренной им мясником. Даже спустя полвека Александр с содроганием вспоминал об этом случае.

Что касается лёгких, Мелвилл придумал использовать органные мехи, но поначалу нетерпеливые мальчики использовали вместо них свои собственные лёгкие, просто вдувая воздух в «горло», представлявшее собой жестяную трубку. «Гортань» Мелвилл изготовил из примыкавших под углом друг к другу двух листов резины. В результате экспериментов ему удалось получить «музыкальный звук», напоминавший звук жестяного рожка.

Сняв слепки с человеческого черепа, Александр сконструировал гуттаперчевые копии челюстей, зубов, глотки и носовых полостей. Вместо копирования сложных носовых ходов отец посоветовал Александру использовать простую резонансную камеру, а также отговорил его от театральной затеи исполнения машины в виде головы — с человеческим лицом и даже париком. В итоге Александр изготовил для устройства мягкие резиновые губы и щёки, а также нёбо — из обёрнутой резиной ваты. Наиболее сложной деталью стал язык — мальчик сделал его из шести деревянных секций, каждая из которых могла подниматься или опускаться по отдельности, после чего обил их ватой и обернул единым листом резины^, .

После того как устройство было собрано, мальчики провели ряд экспериментов и решили устроить большое испытание. Они вытащили машину на общую лестницу и заставили её кричать. Позже Белл писал, что «она действительно издавала звуки, подобные крику ребёнка, попавшего в беду. Крики „Мама, мама!“ производили душераздирающий эффект. Мы слышали, как кто-то сверху сказал: „Боже милостивый, что случилось с этим ребёнком?“, а затем послышались шаги. Это, конечно, было именно то, чего мы добивались. Мы тихо проскользнули домой и закрыли дверь, оставив нашим соседям бесплодные поиски ребёнка. Это был момент нашей радости и триумфа». Хотя позже Александр и признавал, что он и Мелвилл «больше хотели удивить своих друзей странными эффектами, чем достичь научной точности», долгие часы, потраченные на создание машины, окупились годы спустя. Отец поощрял участие сыновей в проекте, зная, что в процессе работы над ним они узнают, как образуются звуки человеческого голоса, и также познают ценность упорства. «Много раз мы были расстроены и разочарованы нашими трудами и готовы были отказаться от всего этого с отвращением», — писал Александр позже. В конечном итоге мальчики поняли «важность настойчивости и постоянных усилий, предпринимаемых несмотря на неудачу». На седьмом десятке жизни, в 1909 г., Белл писал: «Создание этой говорящей машины, безусловно, стало важным моментом в моей карьере. Оно познакомило меня с функциями голосовых связок и направило меня по пути, ведущему к телефону».

Так или иначе, во второй половине XIX в. создание устройства для синтеза речи, основанного на моделировании работы речевого тракта человека, стало задачей, которая была по плечу даже неопытным юношам. Конечно, качество такой речи оставляло желать лучшего, а ряд нюансов требовал ещё научного объяснения. В начале XX в. попытку систематизации знаний в этой области предпринял Ричард Пейджет, который создал набор пластилиновых резонаторов, производивших гласные звуки. Работа Пейджета базировалась на исследованиях Уитстона и проделанных в 1860-е гг. наблюдениях Гельмгольца, который установил, что все гласные звуки основаны на двух одновременно возникающих резонансах речевого тракта.

Резонансы, обнаруженные Гельмгольцем, соответствуют двум первым формантам человеческой речи — F₀ и F₁ (напомним, что форманта — это концентрация акустической энергии вокруг определённой частоты в речевой волне, а нумерация их идёт снизу вверх, начиная от самой низкой частоты). Идея синтеза речи, основанного на наложении друг на друга нескольких колебательных процессов, оказалась удобной для реализации в электрических устройствах. Первый электрический синтезатор формант, по всей видимости, был построен молодым физиком из Принстона Джоном Стюартом в 1922 г. В его устройстве два колебательных контура возбуждались зуммером, что позволяло синтезировать приближения гласных звуков, подстраивая резонансные частоты к двум самым нижним формантам для каждого гласного. Сам Стюарт, впрочем, никогда не называл своё устройство синтезатором речи или синтезатором формант. Статья с описанием его изобретения, опубликованная в Nature, называется «Электрический аналог голосовых органов» (An Electrical Analogue of Vocal Organs). Устройство Стюарта не могло синтезировать полноценную речь, поэтому сегодня его называют «статическим синтезатором формант».

В конце 1930-х гг. компания Bell Telephone Laboratories, наследница лаборатории, созданной Александром Беллом, разработала VODER (Voice Operation DEmonstratoR, Демонстратор действия голоса) — систему синтеза речи, состоявшую из генератора, производившего колебания и симулировавшего голосовую составляющую; генератора шума, необходимого для имитации звука выдыхаемого воздуха; набора электронных фильтров (устройств для выделения желательных компонентов спектра электрического сигнала и/или подавления нежелательных), воспроизводивших резонансные характеристики речевого тракта, и громкоговорителя, преобразующего электрический сигнал в результирующие звуковые колебания. Таким образом, VODER стал первой системой для электронного синтеза человеческой речи, основанной на разбиении её на различные акустические компоненты. Работа над системой VODER стала для его создателя, Хомера Дадли, ответвлением проекта по созданию «вокодера» [vocoder, от voice — голос и encoder — кодировщик] — устройства, предназначенного для разложения речи на компоненты, которые могут быть представлены в компактном виде, например, для записи или передачи по каналам связи, а также последующего восстановления исходной речи из её компактного представления. Успехи в работе над вокодером привели к появлению идеи создания управляемой человеком версии синтезатора речи. Она и нашла воплощение в VODER’е. Его речь была не слишком качественной, но вполне разборчивой.

VODER стал прообразом систем так называемого параметрического синтеза речи (Parametric Speech Synthesis), то есть систем, в которых синтез осуществляется за счёт подбора параметров колебательного процесса, в результате чего образуются необходимые звуки. Альтернативой параметрического является «конкатенативный синтез» [concatenation synthesis] — подход, основанный на построении речи из заготовленного набора фонетических «кирпичиков» — фонем или их сочетаний. При компьютерном синтезе речи с вычислительной точки зрения второй подход существенно проще, однако его слабым местом является проблема соединения фонетических элементов — в местах их стыков возникают неестественные переходы, которые отрицательно влияют на качество синтетической речи. Кроме того, сами фонетические элементы в реальной человеческой речи не являются полностью идентичными, их длительность, высота различных гармоник и громкость могут немного различаться в зависимости от различных обстоятельств — фонетического контекста, силы экспирации (т. е. силы, с которой выдыхается воздух; та же, в свою очередь, может зависеть от того, как давно был осуществлён вдох), интонации и так далее. Впрочем, если задача заключается в том, чтобы сделать синтетическую речь просто разборчивой, а не максимально близкой к речи человека, то конкатенативный синтез прекрасно справляется с задачей, особенно в случае языков, не являющихся тоновыми.

В 1940-е и 1950-е гг. было создано немало интересных экспериментальных устройств для синтеза речи. Например, в «Лаборатории Хаскинса» (Haskins Laboratories), независимой некоммерческой исследовательской корпорации, учреждённой в 1935 г. учёным и филантропом Кэрилом Паркером Хаскинсом и физиком Франклином Купером, был разработан синтезатор под названием «Проигрыватель образов» (Pattern Playback), который умел преобразовывать спектрограммы, начерченные на протягиваемой устройством прозрачной плёнке, в звук, что позволяло получить вполне разборчивое воспроизведение звуков человеческой речи.

В те же годы продолжались активные работы над вокодерами, однако детали этих исследований до сих пор недостаточно хорошо изучены, поскольку многие из них были скрыты завесой секретности. Вокодеры активно использовались в системах правительственной связи, поэтому сведения о многих работах в этой области собирались нередко из весьма сомнительных источников. Например, основным источником информации для зарубежных исследователей истории советских вокодеров стал роман Солженицына «В круге первом», в котором приводятся некоторые подробности о работе автора в «шарашке», занимавшейся проблемами анализа и кодирования речи^{, ,} . Однако в романе содержится множество исторических несоответствий, что ставит под сомнение его ценность в качестве исторического источника.

В действительности история советских вокодеров началась задолго до описываемых Солженицыным событий. Их создание связано с именем выдающегося советского учёного Владимира Александровича Котельникова. В 1939 г. Котельникову, к тому моменту уже имевшему опыт создания аппаратуры для шифрования данных в телеграфном канале, была поручена задача создания шифратора для речевых сигналов для правительственной высокочастотной связи. К тому моменту в Советском Союзе уже использовались системы шифрования речевого сигнала, однако они были основаны на сравнительно примитивных техниках, таких как синхронное изменение (по определённому закону) несущей частоты на приёмнике и передатчике или же применение инверторов (устройств, производящих замену частот в сигнале). Такие устройства могли защитить от примитивного подслушивания, однако не обладали устойчивостью к дешифровке. Для достижения такой устойчивости было необходимо создать принципиально новые устройства. Для этой цели и была создана лаборатория под руководством Котельникова, сменившая в процессе своего существования множество названий. Вместе с Котельниковым над решением задачи работали радиофизик и инженер Александр Минц, инженеры Константин Егоров и Виктор Виторский и другие специалисты в области аппаратуры связи. Позже к работам подключилась группа специалистов, ранее занимавшаяся решением этой же задачи на ленинградском заводе «Красная Заря».

Именно в процессе работ над устройством для шифрования речи (к слову сказать, оно получило название «Соболь-П») Котельников и создал первый в СССР вокодер, основанный на выделении основного тона речи. Вот что писал по этому поводу сам Котельников:

Для того чтобы было труднее расшифровать передаваемую речь, было важно сделать «отрезки», на которые мы её разбивали, как можно короче. А это проблема потому, что тогда ухудшается качество передаваемой речи. Я стал думать, как бы передавать речь не всю полностью, а как-то сжать её спектр. Начал рассматривать спектр звуков, чтобы понять, какие частоты определяющие…

В это время попалась на глаза ссылка на статью Хомера Дадли, опубликованную в октябре 1940 года, где говорилось, что он сделал преобразователь речи — «вокодер». Бросился смотреть, а оказалось, что там ничего конкретного не написано. Но всё равно это было очень полезно: идея у него та же, значит, мы на правильном пути. В общем, мы начали делать свой «вокодер». И перед самой войной у нас уже работал его опытный образец. Правда, пока он ещё «говорил» плохо, «дрожащим голосом».

Развитие аналоговых систем связи привело к дальнейшему совершенствованию применяемых в них вокодеров. Преобразование речи в сигнал, устойчивый к различным типам помех и дешифровке, с последующим восстановлением по нему исходной речи — задача, имеющая большое прикладное значение, и в XX в. исследованиями в этой области занимались многие талантливые учёные, о работе которых можно было бы написать не одну сотню страниц. Но это имеет лишь косвенное отношение к истории обретения машинами собственного голоса. И новая глава в этой истории начинается с первыми опытами по синтезу речи при помощи электронных вычислительных машин.

Loading comments...