View Public Project: Measuring vocal tract resonances during phonation using Deep Learning [PR197132]

Institutionen

• Antonio Salieri Institut für Gesang und Stimmforschung in der Musikpädagogik (Universität für Musik und darstellende Kunst Wien)

• Universität für Musik und darstellende Kunst Wien

Personen

• Maass, Bodo

PhD Projekt

Ein Kernaspekt der Stimme ist die Fähigkeit von Sängerinnen und Sängern, die Resonanzen ihres Vokaltraktes zu steuern, indem sie dessen Form verändern. Während alle Menschen dies bis zu einem gewissen Grad implizit durch die Wahl des zu erzeugenden Vokals tun können, ist die präzise Kontrolle der Resonanzen eine schwer zu erlernende und zu verstehende Fähigkeit, weil die Resonanzen nur indirekt als Ergebnis der Interaktion zwischen der Kehlkopfschallquelle und dem Vokaltrakt erfahrbar sind, da die akustische Stimmausgabe beim normalen Gesang immer die Kombination von beidem enthält. Der Schwerpunkt dieser Arbeit liegt auf der Erforschung von Methoden, die das Verstehen der Vokaltraktresonanzen für Sängerinnen und Sänger erleichtern, indem sie diese direkt beobachtbar machen. Wir werden bestehende Methoden wie Linear Predictive Coding und Cepstralanalyse mit Deep Learning vergleichen, und wir stellen die Hypothese auf, dass der Deep Learning-Ansatz bei der Messung der Vokaltraktresonanzen unter einem breiteren Spektrum von Bedingungen genauer ist, und sich daher für ein Echtzeit-Feedback-Tool eignen könnte.

A core aspect of the voice is the ability of a singer to control the resonances of their vocal tract by means of changing its shape. While everybody can do this implicitly to some extent by selecting the vowel to be produced, precise control of the resonances is a skill that is hard to learn and understand, because the resonances can only be experienced indirectly as the result of the interaction between the laryngeal sound source and the vocal tract, since the acoustic vocal output during normal singing always contains the combination of both. The focus of this work is to explore methods to facilitate the singer's understanding of the vocal tract resonances by making them observable directly. We will compare existing methods such as Linear predictive coding and Cepstral analysis with Deep learning, and we hypothesize that the Deep learning approach will be more accurate in tracking the vocal tract resonances across a wider range of conditions, and may therefore be suitable for a real-time feedback tool.

• Projektbeschreibung auf der Institutshomepage (aufgesucht 2023-02-17)

• Bildungsinhalt (Themenfeld) / Bildungsinhalt / Kunsterziehung / Musikerziehung
• Lehren und Lernen (Prozesse und Methoden) / Lernen / computergestütztes Lernen
• Bildungstheorie (Themenfeld) / Forschung / Messung