DE1965480B2 - Geraet zur umwandlung eines in graphischen zeichen gedruckten textes in gesprochene worte - Google Patents

Description

indlung !xtes in lung jegruppe, 'honem nwandien kogruppe, inemen η Speidie jer möggleichs-,ezeichuerung •ewirkt, ;it von hließen a Pho-ϊ wähin.

ial entedenen

nation, idenen st man ι usw. ag ani sich, vo der iem er Satz: euten: men «, näher - Vers der ; notiere« bat: ;nden zeigt, it der ortes, rundidene dem. uenzr, die uenzihöhe klar

s Linfor- nien-

geflüsterter Sprache gut ist, welche gemäß Definition kein Lmienspektrum uaif aßt, da man die dieses Spektrum erzeugenden Stimmbänder abschaltet. Diese einfache Feststellung zeigt, daß die flüstergefilterte

zeigen die Fig, I₁₈ bis I₂₄ die analogen Sonagramme der Phonatome dei deutschen Sprache DI, IJ, J*. PR, RA, AR, R_f und stellt die Fig. 2₃ die Worter DIE SPRACHE dar;

einfache Feststellung zeigt, aaa cue nusiergcuucnc ^*^^*~~—~ ,

Stimme über 4000Hz die Gesamtheit der semanti- 5 veranschaulichen die Fig. I₂₅ bis

schen Information enthält.

Ein Wort muß als ein Programm von Bewegungen des phonetischen Apparates betrachtet werden. Dieses Programm findet sich integral in den »Sonagram-(Sk) flürt Stin unter

die analogen

Sonagramme der Phorlatome ^e? italiemschen Sprache LA, AP, PA, AR, RO. DU DD und stellt die Fig. 2₄ die Wörter LA PAROLA dar,

ses Programm findet sich integral in den »Sonagram- veranschaulichen die Fi g. I₃₂^ bis I^ e^ an men« (Spektrogrammen) geflüsterter Stimmen unter 10 Sonagramme der Phonatome der japan^cüen^ dem Aspekt einer zeitlichen Struktur wieder, wo man KO, OT, TO, OB, BA, und die Fig. I₅ sieiu alle Elemente des Arbeitens des phonetischen Appa- Wort KOBOTA dar; rates wiederfinden kann. Kurz, das sonographische veranschaulichen die h ι g. I₃₇ w> ^₄₁ Bild einer flüstergefilterten Stimme stellt sich als eine Sonagramme der Phonatome α er originale Globalform dar, die unmöglich mit einer 15 SpracheUU, UR, Όε, η, ι , unu u anderen verwechselt werden kann und genügend das Wort ORDET dar;

stereotypiert ist, damit sie von einer Person zur an- veranschaulichen die * ig. ^x« ^ «_Aü ud DU, deren ohne jede Mehrdeutigkeit erkannt werden Sonagramme der englischen: SpracheAU, υίΛ£' , kann. Dieses Bild ist in der TaI das akustische Skelett UJ, JU, UD, DU, und die F1 g. 2₇ stellt die wor des Wortes und stellt das notwendige und ausrei- 20 How do you do dan

chende Minimum dar, um es erkennen zu können. J£ ^^«phÄ abhält in der

vorliegenden Beschreibung die Zahl von 28 Phonemen fest, deren Liste die folgende ist:

stellt analogen

R	I
E	e
L	D
A	O
S	K
T	N
e	P

M an on U V

1 weich B

J Z

ou in

ghart ch F

Man muß daran erinnern, daß ein »Sonagramm« eine Darstellung eines Tones in einer Zeit-Frequenzebene ist, wobei die Amplitude durch einen Strich oder durch mehr oder minder dunkergraue Linien 25 veranschaulicht wird.

Ein Wort verstehen heißt also, eine akustische
Form identifizieren. Jede repräsentative Globalform
eines Wortes kann in Elemente verbindbarer Form
zerlegt werden. Jedes dieser Formelemente entspricht 30
nicht einem Phonem, sondern einer Bewegung des
phonetischen Apparates zwischen zwei benachbarten
Phonemen. Ein Wort ist also nicht phonetisch in
Phoneme, sondern in phonetische Elemente zerleg- Es ist möglich, diese Phoneme auf Zeilen und bar, welche Vereinigungen von zwei Phonemen sind 35 Spalten zu verteilen und einem Phonem der Zeile und welche man, in Anbetracht ihres unteilbaren und einem Phonem der Spalte ein Phonatom entspre-Charakters in der Folge »Phonatome« (Phonem- chen zu lassen, das auf dem Kreuzungspunkt dieser paare) nennen wird. Zeile und dieser Spalte liegt. Derart kann ein Phon-So ist z. B. das französisch gesprochene Wort atom durch zwei Adressen mit fünf Binärziffern de-PARIS nicht die Summe von vier Phonemen 4° finieit werden, deren erste die Adresse des ersten P. A, R, I, sondern die Verkettung von drei Phon- Phonems in der Zeile und deren zweite die Adresse atomen PA-AR-RI oder von vier Phonatomen des zweiten Phonems in der Spalte ist. PA-AR-RI-II, wenn sich das Wort PARIS allein Die Fig. 3 veranschaulicht die Phoneme in der oder am Ende eines Satzes befindet. Form einer Matrix. An jedem Kreuzungspunkt der Die analogen Sonagramme der Ponatome, wovon 45 Matrix entsprechend zwei Phonemen ist die auftredie digitalisierten Sonagramme abgeleitet werden, tende Frequenz des durch diese zwei Phoneme geweichein dem Gerät der vorliegenden Erfindung be- ' ''' * "" nutzt werden, sind idealisierte und standardisierte
Sonagramme. Man geht von einem Sonagramm der
rohen, geflüsterten Stimme aus, die mit einem »Sona- 5°
graph« registriert wird. Dieses Sonagramm wird verfeinert, indem man es für die Verständlichkeit frei
macht von allen seinen nicht bedeutsamen Elementen, die gerahmt und begrenzt werden in Zeit und es ist zwm uci«u> «,«.» . ----

Frequenz. Das derart verfeinerte Sonagramm wird 55 rung von Sprachsignalen durch stilisierte Visibledigitalisiert, wie weiter unten beschrieben ist, und in Speech-Spektrogramme bekanntgeworden, bei weldem Gerät der Erfindung erprobt, um seine Ver- chem eine binärkodierte Bezifferung der Phoneme ständlichkeit zu prüfen. vorgenommen wird, doch hat dieses Verfahren den

Die Fig. I₁ bis I₁₃ veranschaulichen jeweils die Nachteil, daß jedes Spektrogramm in Analogform analogen Sonagramme der Phonatome der französi- 60 gespeichert und dementsprechend auch in Analogschen Sprache NO, SO, BO, TO, RO, NI, SI, BI, form abgelesen wird.

TI, RI, PA, AR, RI, und die Fig. 2, veranschaulicht Die gestellte Aufgabe wird erfindungsgemäß da-

das analoge Sonagramm des Wortes PARIS in fran- durch gelöst, daß jedes der Spektrogramme in Form zösischer Aussprache. einer Folge von binärkodierten Wörtern in demSpei-

In einer ähnlichen Form stellen die Fig. I₁₄WsI₁₇ 6₅ cherwerk gespeichert ist, deren jedes die binärdie analogen Sonagramme der Phonatome der rus- kodierte Übersetzung eines transformierten Spektrosischen Sprache RJ, Je, εΤ, Tf dar und veranschau- gramms darstellt, das aus in der Zeit/Frequenzlicht die F i g. 2, das Wort PEY; Ebene entlang von Konstantzeitlinien mit gleichmaßi-

bildeten Phonatoms in °/₀₀ eingetragen

Zum Beispiel beträgt die Frequenz des Phouatoms PA in einem klassischen französischen Text 7 °/₀₀.

Der Erfindung liegt die Aufgabe zugrunde, ein Gerät der eingangs genannten Art zu schaffen, das eine verbesserte Umwandlung eines gedruckten Textes in gesprochene Wörter erlaubt.

Es ist zwar bereits ein Verfahren zur Kodie-

gen Frequenzintervallen diskret verteilten Punkten besteht, die jeweils einem Amplitudenwert »Eins« oder »Null« des Spektrogramms entsprechen, während jede dieser Linien einem von mit gleichmäßigen

als auch in der Frequenzrichtung vorhanden sind. Jeder dieser Punkte besitzt eine von zwei physikalischen Bedingungen, welche die Werte »Eins« und »Null« darstellen (und welche schwarze und weiße

Intervallen in dem Spektrogramm verteilten Zeit- 5 Punkte sein können, wenn es sich beispielsweise um punkten entspricht, wodurch das aufeinanderfolgende Sonagramme handelt, die mittels lichtelektrischer Ablesen dieser Wörter binärkodierte Steuersignale für Wandler abgelesen werden sollen),
die Steuerung der Wiedergabemittel direkt liefert. Auf Grund dieser Struktur ist es möglich, in einer

Das Gerät gemäß der Erfindung benutzt nicht die Speicheranordnung (wie sie in elektronischen Rechanalogen Sonagramme des Typs der Fig. I₁ bis I₄₈, io nern verwendet wird) alle möglichen Paare von Phosondern digitalisierte Sonagramme, die daraus abge- nemen in Form einer Folge von kodierten binären leitet sind. Die analogen Sonagramme werden durch »Wörtern« zu speichern, von denen jedes in der Freaufgereihte photoelektrische Zellen, vor denen sie quenzkomposition des betrachteten Paares einem der vorbeiziehen, gelesen, wobei die Zeitachse der Sona- η in gleichem Abstand auftretenden Zeitmomente gramme die Achse des Vorbeiziehens ist. Das Sona- 15 ihrer Zeitdauer entspricht. Ausgehend von diesem gramm rückt in Schritten entsprechend einer Zeit Speicherorgan und unter der Steuerung einer Adresse, vor» die zwischen 1 und 8 ms geregelt werden kann. die in jedem Zeitmoment das gewünschte Paar von In jeder erreichten Stellung wird das durch jede Zelle Phonemen individuell kennzeichnet, kann diese Folge aufgenommene Signal in eine Eins oder in eine Null binärkodierter »Wörter« nacheinander abgelesen und verwandelt, je nachdem, ob es höher oder niedriger 20 direkt zur Steuerung elektrischer Organe zur akustials eine bestimmte Bezugsschwelle liegt. sehen Sprachwiedergabe verwendet werden, ohne

Digitalisierte Sonagramme von Phonatomen (es wird zur Abkürzung von digitalisierten Phonatomen gesprochen) sind durch die F i g. 4, 5 und 6 veranschaulicht »5

Die digitalisierten Sonagramme der F i g. 4 entsprechen den französischen Wörtern DDC, NEUF, HUIT, d. h. den Phonatomen:

DI—IS,

NE- EF,
UI-IT.

daß eine vorherige Umformung erforderlich wird, wie es im Gegensatz dazu bei in analoger Form gespeicherten Sonagrammen der Fall ist.

Es könnte eingewandt werden, daß die beschriebene Umwandlung von Sonagrammen nicht die Amplitude berücksichtigt, die jede Frequenzgrundkomponente in jedem Moment aufweist. Man hat diesbezüglich aber in der Praxis festgestellt, daß bei einer Anordnung gemäß der Erfindung eine vollkommen verständliche Wiedergabe der Sprache erreicht wird, obwohl nur die Amplituden Null und Eins auftreten können.

Die Sonagramme der F i g. 5 entsprechen den eng- Ein solches Sonagramm kann wegen seines ein-

lischen Wörtern HOW DO YO DO, d. h. den Phon- 35 fachen geometrischen Aufbaues außerdem leicht entatomen: worfen und von Hand, fotografisch oder auf andere

Weise abgewandelt und anschließend in binärkodierte Wörter, beispielsweise durch fotoelektrisch es Ablesen, übersetzt werden.

Die Erfindung wird nunmehr im einzelnen mit Bezug auf die Zeichnungen beschrieben:

Fig. I₁ bis I₄₈, I₁ bis 2₇, 3, 4, 5 und 6 beziehen sich auf analoge und digitalisierte Phonatome und

AU—UU- UD- DU—UJ- JU- UD- DU.

Die Sonagramme der F i g. 6 entsprechen den deutschen Wörtern DANKE SCHÖN, d.h. den Phonatomen:

DA — AN—NK- KE- EE- E( — \B —EN.

sind schon in der Beschreibungseinleitung beschric-45 ben worden;
In den F i g- 4, 5 und 6 ist jedes digitalisierte Phon- F i g. 7 veranschaulicht in Form eines BlockschaH-

- · ' - - "'·-·-- '·— c:—- j— ~.,™_a bildes das sprechende Gerät gemäß der Erfindung;

Fig. 8 veranschaulicht das in dem Gerät enthaltene Wortzusammenfassungsgerät, im folgenden

atom eine Folge von »Wörtern« (im Sinne der numerischen Rechnung), wobei jedes 44 Binärziffern hat. In den F i g. 4, 5 und 6 ist eine binäre Ziffer »Eins«

durch zwei aufeinanderfolgende Sterne und eine Zif- 50 »Icophon« genannt;

fer »Null« durch zwei leere Plätze für Sterne darge- Fig. 9 veranschaulicht den in dem Gerät enthal

tenen Buchstaben-Laut-Umwandler.

Unter Bezugnahme auf die Fig. 7 besteht das Gerät aus einer Kaskadenschaltung, welche ein peripheres Gerät in Form einer Schreibmaschine 1 umfaßt, sowie einen Buchstaben-Laut-Umwandler 2, eine Schaltung 3, welche die aus dem Umwandler 2 kommenden Phoneme paarweise gruppiert, wobei als er-

stes Phonem einer gegebenen Gruppe das letzte Pho-

MiT der Erfindung wird ein wesenüichei techni- 60 nem der unmittelbar vorhergehenden Gruppe wiederscher Fortschritt durch die Wahl einer besonderen aufgenommen wird, und eine Adressiermatrix 4, die Struktur der Sonagramme (Sprachspektrogramme) es gestattet, von den zwei Phonemen einer Gruppe erzielt, bei welcher die Sonagramme mit einer steti- die Adresse des gebildeten Phonatoms, das durch gen Änderung der Amplitude bekannter Art so ab- diese Gruppe zustandekommt, abzuleiten. Diese gewandelt sind, daß sie in der Zeit/Frequenz-Ebene 65 Adressiermatrix ist einem Speicherwerk 5 beigesellt, eine Struktur mit unsteter Amplitude ergeben, die in welchem die digitalisierten Phonatome gespeichert aus einzelnen Punkten gebildet ist, zwischen welchen werden. Die 20 Wörter von 44 Binändffem, welche konstante Zwischenräume sowohl in der Zekrichtung die Phonatome darstellen, werden in Reihe aus dem

stellt Jedes Phonatom umfaßt 20 nacheinanderfolgende Wörter. Daraus folgt, daß die Eins durch zwei vorhandene Sterne, die Null durch zwei fehlende Sterne dargestellt wird.

Es sind also digitalisierte Phonatome, welche die Grundinformation darstellen, die in dem Speicherwerk des sprechenden Geräts gemäß der Erfindung eingegeben wird.

Speiche rung i Paralle Der einem verbun sprech Das Sinuso von 1' von K vall nicht j rung

Jed Genei gungs

Stirnn

in Pl al ei

Speicher 5 abgelesen und nach zeitlicher Speicherung in einen Zwischenspeicher 9 in dem Serie-Parallel-Umsetzerö in parallele Wörter umgewandelt.

Der Umsetzer 6, der 44 Ausgänge umfaßt, ist mit einem »Icophon« genannten Sprachsynthesegerät 7 verbunden. Dieses Icophon selbst ist mit einem Lautsprecher 8 verbunden.

Das Icophon 7 umfaßt im wesentlichen (F i g. 8) Sinusoszillatoren 7O₁ bis 7O₄₄, die auf Frequenzen von 100 bis 4400Hz mit einem mittleren Intervall von 100 Hz abgestimmt sind. Jedoch wird das Intervall zwischen aufeinanderfolgenden Oszillatoren nicht genau gleich 100 Hz gewählt, um die Überlagerung von Harmonischen zu vermeiden.

Jeder Oszillator wird durch einen Zufallssignal- »5 Generator 7I₁ bis 7I₄₁ gesteuert, der auf die Schwingungsfrequenz des entsprechenden Oszillators wirkt. Diese Maßnahme zielt darauf ab, der geflüsterten Stimme, die aus dem Gerät kommt, eine Flüssigkeit und eine Natürlichkeit zu geben, durch welche Monotonie vermieden wird.

Jeder Sinusoszillator wird durch eine Schaltung zum Auslösen und Anhalten 72_X bis 72₄₄ gesteuert, wobei über die Verbindungen 73_t bis 73₄₄ die Binärziffern der Wörter von 44 Binärziffern vom Umsetzer 6 empfangen werden. Die Auslöseschaltung regelt die Darer des Betriebes eines jeden Oszillators. Wenn τ die Zeit genannt wird, welche die Ablesungen von zwei aufeinanderfolgenden parallelen Wörtern trennt und τ' die Betriebsdauer der Oszillatoren, so ist ersichtlich, daß τ zwischen 1 und 8 Tausendstelsekunden variiert; was τ anbetrifft, so kann dies zwischen 0,24 τ und τ geregelt werden.

In dem Speicherwerk5 (Fig. 7) ist jedem binären Wort eines Phonatoms ein Steuerwort zugeordnet, das drei Instruktionen enthält: eine Instruktion der Kadenz der Anwendung der Wörter auf das Icophon (Instruktion τ), eine Instruktion der Schwingungsdauer τ' und eine Instruktion der Schwingungs^—~\^; tude/1. Die / und A betreffenden Wörter werden in den Digital-Analog-Umwandlern 10 und 11 in analoge Spannungen umgewandelt und wirken jeweils auf die Zeit«;teuerungen der Schaltungen 72, bis 72₄₄ und auf die Amplitudensteuerungen der Oszillatoren 7O₁ bis 7O₄₄ ein.

Der Rhythmus des Austrittes der Phonatome aus dem Speicher 5 ist ein veränderlicher Rhythmus, der von der Lokalisierung der Phonatome im Speicher 5 abhängt Der Rhythmus lh des Zuganges der Wörter in das Icophon 7 hängt von den, den Wörtern des Phonatoms assoziierten Steuerungswörtem ab. Es ist also notwendig, zwischen den Schaltungen 5 und 6 einen »Pufferspeicher« 9 vorzusehen.

Der Umwandler 2 bildet einen buchstäblichen und orthographierten Text in eine Folge von phonetisehen Symbolen um, welche die in der vorhergehenden Tabelle angegebenen Phoneme sind.

Jedes buchstäbliche Wort, das als die zwischen zwei weißen Stellen oder zwischen einer weißen Stelle und einem Satzzeichen oder auch zwischen zwei Satzzeichen einbegriffene Folge bestimmt ist, wird Buchstabe nach Buchstabe oder allgemeiner Zeichen nach Zeichen in ein Speicherwerk 201 eingeschrieben, von dem aus es in ein Ableseregister 202 übertragen werden kann (Fig. 9). Ein Dauerspeicher203 enthält in kodierter Form eine Tabelle aller Wörter der Sprache, in welcher das Gerät funktioniert, wobei eine außerordentliche Aussprache gegenüber den gewöhnlichen Regeln für die Aussprache zur Anwendung gebracht wird. Das in 201 zur Registrierung kommende Wort und die verschiedenen Wörter der Tabelle 203 werden in einer Vergleichsstufe 205 verglichen, und zu diesem Zweck werden die Wörter der Tabelle 203 nacheinander ausgespeichert und in das Register 204 übertragen.

Der Vergleich zwischen dem auszusprechenden Wort und den Wörtern der Tabelle findet Buchstabe nach Buchstabe von links aus statt, wie er bei dem Aufsuchen in einem Wörterbuch vorgenommen würde. Zu diesem Zwecke werden die Vergleichsstufe 205, ein Adressenregister 206, das der Tabelle der Ausnahmen 203 beigestellt ist, und ein Zähler 208 durch ein Signal auf dem Leiter 207 angelassen, welche von einem (nicht auf der Zeichnung dargestellten) Programmiergerät kommt. Das erste Wort der Ausnahmetabelle wird auf das Register 204 übertragen, und das auszusprechende Wort wird in das Register 202 übertragen. Der Zähler 208 gibt an seinem ersten Ausgang ein Signal ab, das die Tore 209₁ und 21O₁ öffnet (in Wirklichkeit ist jedes Tor 209j oder 21O₁ aus einer Gruppe von Toren gebildet, deren Zahl gleich ist der Zahl der Binärziffern, die in dem Gerät zur Darstellung eines Zeichens verwendet wird). Die ersten Buchstaben der zwei in 202 und 204 eingeschriebenen Wörter werden verglichen. Wenn es sich um denselben Buchstaben handelt, wird ein Signal durch den Leiter 211 zum Zähler 208 gesendet, der um einen Schritt vorrückt. Man vergleicht auf dieselbe Weise alle Buchstaben des auszusprechenden Wortes und des Wortes mit außerordentlicher Aussprache (es sind nur vier Tore 209 und vier Tore 210 dargestellt, aber es gibt selbstverständlich davon ebenso viele wie Buchstaben in dem längsten Wort mit einer solchen Aussprache). Jedesmal, wenn die Buchstaben desselben Ranges die gleichen sind, rückt der Zähler 208 um einen Schritt vor. Wenn diese Buchstaben verschieden sind, sendet die Vergleichsstufe ein Signal für die Nichtidentität auf dem Leiter 212, das das Adressenregister 206 um einen Schritt vorrücken läßt, und der Vergleich des auszusprechenden Wortes, zunächst mit dem zweiten, dann dem dritten usw. Wort der Ausnahmetabelle wird fortgesetzt.

Wenn ein auszusprechendes Wort mit einem Wort der Tabelle der Ausnahmen gleich gefunden worden ist, wird das Tor 213 geöffnet, und ein Signal wird über den Leiter 214 ausgesandt. Das in 201 eingeschriebene Wort wird gelöscht.

Der Tabelle der Ausnahmen ist ein Speicherwerk 215 beigeordnet, welches die phonetischen Gleichwertigkeiten der Wörter mit außerordentlicher Aussprache enthält Wenn ein Wort von 203 auf das Register 204 übertragen wird, so wird gleichzeitig das phonetische Äquivalent dieses Wortes auf das Register 216 übertragen. Das Signal, das über den Leiter 214 geht, bewirkt die Übertragung des Kodes der Phoneme, die das phonetische Äquivalent des auszusprechenden Wortes darstellen, zum Schaltungsteil 3 der F i g. 7.

Wenn das Adressenregister 206 bei seiner letzten Adresse ist und ein Signal für die Nichtidentität auf dem Leiter 212 erscheint, werden die Tore 217 und 218 geöffnet, und das auszusprechende Wort geht vom Speicherwerk 201 zum Speicher 221 über welch letzterer ein Schieberegister ist. Jeder Buchstabe des auszusprechenden Wortes wird sequentiell nach

einem Kreis für die Erkennung der Phoneme 222 mit Hilfe eines Ableseregisters 223 übertragen. Dieser Erkennungskreis umfaßt so viele Kombinationsdetektoren, wie es Buchstabenkombinationen gibt, welche Phoneme darstellen, die nicht einem Buchstäben allein entsprechen, z. B. IN, ON, PH, QU... Wenn beispielsweise das Wort »PHONEME« in das Schieberegister eingeführt wird, so wird erst der Buchstabe P in den Erkennungskreis 222 übertragen, sodann in dessen Folge der Buchstabe H. Es besteht in dem Kreis 222 ein Detektor der Kombination PH, und das Ausgangssignal dieses Detektors ist das Phonem F. Das Phonem F (oder, genauer gesagt, seine kodierte Kombination) wird an Stelle der Kombination PH in das Schieberegister 221 mit Hilfe eines Wiedereinschreiberegisters 224 eingesetzt. Erkennungskreise für besondere Kombinationen sind in der Technik wohlbekannt und brauchen hier im einzelnen nicht beschrieben zu werden. Die Buchstaben, welche in Kombination mit demjenigen, der ihnen unmittelbar vorausgeht, oder demjenigen, der ihnen unmittelbar folgt, nicht durch den Kreis 222 erkannte Paare bilden, werden ohne Veränderung in das Register 221 wiedereingeschrieben.

Im vorausgegangenen ist unterstellt worden, daß die Oszillatoren 7O₁ bis 7O₄₄ Schwingungsfrequenzen mit regelmäßigen Abständen hätten. Man kann diese Schwingungsfrequenzen in einer unregelmäßigen Art verteilen, z. B. so, wie die Frequenzen der Vocoderfilter mit spektralen Kanälen.

Hierzu 7 Blatt Zeichnungen

Claims (4)

1 2 Die Erfindung betrifft ein Gerät zur Umwandlung Patentansprüche: eines in graphischen Zeichen gedruckten Textes in gesprochene Wörter, mit Mitteln zur Umwandlung je-

1. Gerät zur Umwandlung eines in graphi- des graphischen Zeichens in eine Binärzifienigrappe, sehen Zeichen gedruckten Textes in gesprochene 5 die dieses Zeichen sowie das entsprechende Phonem Wörter, mit Mitteln zur Umwandlung jedes gra- in kodierter Form darstellt; mit Mitteln zur Umwandphischen Zeichens in eine Binärzifferngruppe, die lung jedes Paares von zwei aufeinanderfolgenden kodieses Zeichen sowie das entsprechende Phonem dierten Phonemen in eine neue Binärziffemgruppe, in kodierter Form darstellt; mit Mitteln zum Um- die das Phonempaar, das aus diesen zwei Phonemen Wandlung jedes Paares von zwei aufeinanderfol- io besteht, in kodierter Form darstellt; mit einem Speigenden kodierten Phonemen in eine neue Binär- cherwerk für aufgezeichnete Spektrogramme, die je-Zifferngruppe, die das Phonempaar, das aus die- weüs in einer Zeit/Frequenz-Ebene eines der mögsen zwei Phonemen besteht, in kodierter Form liehen Phonempaare darstellen; mit einer Vergleichsdarstellt; mit einem Speichel werk für auf gezeich- stufe, die die Auswahl eines bestimmten aufgezeichnete Spektiogramme, die jeweils in einer Zeit/ 15 neten Phonempaarspektrogramms unter Steuerung Frequenz-Ebene eines der möglichen Phonem- jedes kodierten Phonempaares nacheinander bewirkt, paare darstellen; mit einer Vergleichsstufe, die und mit Wiedergabemitteln, die eine Mehrheit von die Auswahl eines bestimmten aufgezeichneten Oszillatoren verschiedener Frequenzen einschließen Phonempaarspektrogramms unter Steuerung jedes und die aufeinanderfolgend die ausgewählten Phokodierten Phonempaares nacheinander bewirkt; 20 nempaarspektrogramme in akustische Signale wäh- und mit Wiedergabemitteln, die eine Mehrheit rend einer vorbestimmten Zeitdauer umwandeln,
von Oszillatoren verschiedener Frequenzen ein- Es ist bekannt, daß die in einem Sprachsignal entschließen und die aufeinanderfolgend die ausge- haltene Energie hauptsächlich aus zwei verschiedenen wählten Phonempaarspektrogramme in akusti- Arten von Informationen besteht:

sehe Signale während einer vorbestimmten Zeit- as 1. Eine ästhetische oder musikab'sche Information, dauer umwandeln, dadurch gekennzeich- Beim Anhören ein und desselben, von verschiedenen net, daß jedes der Spektrogramme in Form einer Personen ausgesprochenen Wortes unterscheidet man Folge binärkodierter Wörter in dem Speicherwerk warme, klangvolle, dumpfe, scharfe Stimmen usw. gespeichert ist, deren jedes die binärkodierte Dies bringt, soweit es die eigentliche Mitteilung anÜbersetzung eines transformierten Spektrogramms 30 geht, keine Aufklärung über die Mitteilung an sich, darstellt, das aus in der ZeitvFrequenz-Ebene ent- außer in einigen seltenen, besonderen Fällen, wo der lang von Konstantzeitlinien mit gleichmäßigen Sinn des Satzes sich mit dem »Ton«, mit welchem er Frequenzintervallen diskret verteilten Punkten be- gesagt wird, ändern kann. So kann z.B. der Satz: steht, die jeweils einem Amplitudenwert »Eins« »Versuche näherzukommen« ebensogut bedeuten: oder »Null« des Spektrogramms entsprechen, 35 »Mach eine Anstrengung, um näher zu kommen«, während jede dieser Linien einem von mit gleich- wie aber auch: »Ich rate Dir dringend, nicht näher mäßigen Intervallen in dem Spektrograram ver- zu kommen«. Dieser Ton ist eine Funktion der Verteilten Zeitpunkten entspricht, wodurch das auf- änderung der Stimmhöhe und des Rhythmus der einanderfolgende Ablesen dieser Wörter binär- Wörter. Von diesem Gesichtspunkt aus ist es not- \ kodierte Steuersignale für die Steuerung der Wie- 40 wendig, die Tatsache zu betonen, daß die »Höhe« \ dergabemittel direkt liefert (F i g. 4 bis 6). der Stimme zwei ganz verschiedene Aspekte hat: j

2. Gerät nach Anspruch 1, dadurch gekenn- a) Höhe des von den Stimmbändern ausgehenden I zeichnet, daß jedem kodierten Phonempaar ein harmonischen Linienspektrums. Die Erfahrung zeigt, erstes Hilfskodewort (τ) zugeordnet ist, das das daß diese Wahrnehmung nichts zu tun hat mit der Zeitintervall zwischen Auslösen und Anhalten 45 etwaigen Zählung der Grundfrequenz des Wortes, der Oszillatoren (70,... 7O₄₄) durch zwei aufein- und der beste Beweis dafür ist, daß man die Grundanderfolgende Binärworte bestimmt, und daß Ab- frequenz wegschneiden kann, ohne die empfundene lesemittel für das erste Hilfskodewort und Sperr- Höhe eines harmonischen Linienspektrum zu ändern, mittel der Steuerung der Oszillatoren vorgesehen b) Höhe der Formanten. Ein Geräuschfrequenzsind, welche durch diese Ablesemittel gesteuert 50 band ruft eine Empfindung von Tonhöhe hervor, die werden (F i g. 8). um so mehr verschwommen ist, als das Frequenz-

3. Gerät nach Anspruch 1, dadurch gekenn- band breiter ist; aber die Variationen der Tonhöhe zeichnet, daß jedem kodierten Phonempaar ein eines Geräuschbandes sind im Gegensatz dazu klar zweites Hilfskodewort (A) zugeordnet ist, das die vernehmbar.

Schwingungsamplitude der Oszillatoren (7O₁... 55 Die Musikalität einer Stimme wird durch das Li-7O₄₄) bestimmt, wenn diese digital von kodierten nienspektrum bestimmt, aber die semantische Infor-Phonempaaren angesteuert werden, und daß Mit- mation wird offensichtlich nicht durch das Linientel für die Ablesung des zweiten Hilfskodewortes, spektrum übertragen.

sowie Mittel (72_X... 72₄₄) für das Auslösen und 2. Eine semantische Information. Die Fernsprech-

Anhalten der Oszillatoren vorgesehen sind 60 erfahrung zeigt, daß man sich mit einem ziemlich (Fig. 8). engen Frequenzband begnügen kann, ohne die Ver-

4. Gerät nach Anspruch 1, dadurch gekenn- ständlichkeit der Wörter zu zerstören. Alles, was zeichnet, daß die Oszillatoren (7O₁... 7O₄₄) mit 4000 Hz übersteigt, ist nicht notwendig und kann insich zufällig ändernden Frequenzen in einem folgedessen als Redundanz angesehen werden. Man entsprechenden Frequenzband arbeiten (F i g. 8). 65 folgert daraus, daß das Wesentliche der semantischen

Information unterhalb dieser Frequenz gelegen ist, was das Problem sehr begrenzt und vereinfacht.
Andererseits weiß man, daß die Verständlichkeit von