Belanger These Udem2008

Université de Montréal
Le cycle des voix
par
Olivier Bélanger
Faculté de musique
Thèse présentée à la Faculté des études supérieures

en vue de l’obtention du grade de Docteur en Musique (D.Mus.)
option Composition électroacoustique
Novembre 2008
c Olivier Bélanger, 2008.

Université de Montréal
Faculté des études supérieures
Cette thèse intitulée:
Le cycle des voix
présentée par:
Olivier Bélanger
a été évaluée par un jury composé des personnes suivantes:
M. Michel Longtin, président-rapporteur

M. Jean Piché, directeur de recherche
Mme Caroline Traube, codirectrice de recherche
M. Robert Normandeau, membre du jury
M. Philippe Depalle, examinateur externe
Thèse acceptée le: . . . . . . . . . . . . . . . . . . . . . . . . . . .

À tous ceux et celles qui croient en la gratuité...
REMERCIEMENTS
Un merci spécial à Jean et Caroline pour la générosité, la patience, la tolérance

et la liberté d’esprit...
RÉSUMÉ
Cette thèse se divise en quatre parties. Les trois premiers chapitres concernent
les outils, développés au cours des cinq dernières années, qui ont été utilisés pour
la composition du Cycle des voix. Il s’agit de deux modèles de synthèse en mode
source-filtre et d’un environnement de programmation musicale. Le premier cha-
pitre explique la démarche de création d’un modèle de la voix chantée, ainsi que les
avancements apportés à un domaine déjà largement développé. Le second chapitre
élabore sur les analyses acoustiques effectuées sur les sons provenant d’un didjeridu
et sur la construction d’un modèle virtuel. Le troisième chapitre concerne le logiciel
de programmation musicale Ounk, alliant la puissance du langage de programma-
tion Python et la qualité du moteur audio Csound. Dans ce chapitre, sont présentés
les objectifs qui ont poussé au développement d’un nouvel environnement de pro-
grammation musicale, la démarche utilisée ainsi que les principales caractéristiques
du logiciel. La quatrième partie élabore sur les intentions musicales, les contraintes
imposées ainsi que sur les stratégies adoptées lors de la composition de l’oeuvre
musicale le Cycle des voix.
Mots-clés : synthèse vocale, didjeridu, composition électroacoustique, program-

mation musicale, développement logiciel, Csound, Python
ABSTRACT
This thesis is divided in four parts. The first three chapters present the tools,
developed over the past five years, that were used for the composition of the Cycle
of Voices. These tools are two source-filter synthesis models and an audio scripting
environment for musical signal processing and composition. The first chapter ex-
plains the chosen approach for the development of a singing voice synthesis model
and how it contributes to a well developed domain. The second chapter develops
on acoustic analysis of sounds produced by the didjeridu and on the development
of a virtual model. The third chapter is concerned with Ounk, a software pro-
gram for music programming, combining the power of the programming language
Python and the qualities of the Csound audio engine. In this chapter, the goals
that lead to the development of a new musical scripting environment, some design
decisions and the main features of the software are explained. The fourth chapter
discusses musical intentions, imposed constraints and some strategies developed for
the composition of the pieces the Cycle of Voices.
Keywords : voice synthesis, didjeridu, electroacoustic composition, musical pro-

gramming, software development, Csound, Python
TABLE DES MATIÈRES
DÉDICACE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iv
REMERCIEMENTS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v
RÉSUMÉ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vi
ABSTRACT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
TABLE DES MATIÈRES . . . . . . . . . . . . . . . . . . . . . . . . . . viii
LISTE DES FIGURES . . . . . . . . . . . . . . . . . . . . . . . . . . . . xii
LISTE DES TABLEAUX . . . . . . . . . . . . . . . . . . . . . . . . . . xiv
LISTE DES ANNEXES . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
INTRODUCTION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
CHAPITRE 1 : MODÈLE DE VOIX CHANTÉE EN MODE SOURCE-

FILTRE . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1 Acoustique de la voix . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Synthèse de la voix chantée : Quelques modèles importants . . . . . 5
1.2.1 Le Voder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Synthèse par Forme d’Onde Formantique . . . . . . . . . . . 6
1.2.3 Modélisation physique du conduit vocal . . . . . . . . . . . . 7
1.2.4 SPASM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.5 Onde glottique dérivée . . . . . . . . . . . . . . . . . . . . . 8
1.2.6 CALM Synthesizer . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
ix
1.4 Le modèle source-filtre . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.5 Modélisation de l’excitation glottique . . . . . . . . . . . . . . . . . 11
1.5.1 Génération de la source harmonique . . . . . . . . . . . . . . 12
1.5.2 Contrôle du vibrato . . . . . . . . . . . . . . . . . . . . . . . 13
1.5.3 Raucité de la voix . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5.4 Générateur de la source bruitée . . . . . . . . . . . . . . . . 14
1.6 Modélisation du conduit vocal . . . . . . . . . . . . . . . . . . . . . 15
1.6.1 Rôle des formants . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6.2 Registres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.6.3 Correction de formant pour les voix de soprano . . . . . . . 18
1.7 Trajectoires des formants pour la synthèse des consonnes plosives . 19
1.7.1 Locus acoustique . . . . . . . . . . . . . . . . . . . . . . . . 21
1.7.2 Contrôle des paramètres pour une génération musicale ex-
pressive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.8 État des travaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.8.1 Ce qui a été développé . . . . . . . . . . . . . . . . . . . . . 24
1.8.2 Ce qui reste à faire . . . . . . . . . . . . . . . . . . . . . . . 24
CHAPITRE 2 : MODÈLE DE SYNTHÈSE DU DIDJERIDU . . . 25

2.1 Acoustique et analyses . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.1 Paramètres structurels du didjeridu . . . . . . . . . . . . . . 25
2.1.2 Paramètres du geste instrumental . . . . . . . . . . . . . . . 30
2.1.2.1 Vibration des lèvres . . . . . . . . . . . . . . . . . 30
2.1.2.2 Influence de la cavité buccale . . . . . . . . . . . . 33
2.1.2.3 Ajout du chant . . . . . . . . . . . . . . . . . . . . 35
2.1.2.4 Respiration circulaire . . . . . . . . . . . . . . . . . 37
2.1.2.5 Excitation des modes supérieurs . . . . . . . . . . . 38
2.1.2.6 Cris . . . . . . . . . . . . . . . . . . . . . . . . . . 40
x
2.2 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.2.1 Source d’excitation : vibration des lèvres . . . . . . . . . . . 42
2.2.2 Modélisation de la cavité buccale . . . . . . . . . . . . . . . 44
2.2.3 Effets spéciaux (excitations externes) . . . . . . . . . . . . . 44
2.2.4 Modes de résonance du tuyau . . . . . . . . . . . . . . . . . 45
2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
CHAPITRE 3 : OUNK . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.1 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.2 Structure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3 Particularités du langage . . . . . . . . . . . . . . . . . . . . . . . . 50
3.3.1 Attributs audio . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.3.2 Gestion des canaux de sortie . . . . . . . . . . . . . . . . . . 51
3.3.3 Gestion du temps . . . . . . . . . . . . . . . . . . . . . . . . 52
3.3.4 Utilisation de la liste comme valeur de paramètre . . . . . . 53
3.3.5 Passage des valeurs de contrôles . . . . . . . . . . . . . . . . 54
3.3.6 Passage des échantillons audio . . . . . . . . . . . . . . . . . 55
3.3.7 Communication à l’aide du protocole Open Sound Control . 56
3.3.8 Rendu en temps réel ou différé . . . . . . . . . . . . . . . . . 57
3.3.9 Gestion des processeurs multiples . . . . . . . . . . . . . . . 58
3.3.10 Gestion des répertoires . . . . . . . . . . . . . . . . . . . . . 59
3.4 Environnements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.4.1 Instrument MIDI . . . . . . . . . . . . . . . . . . . . . . . . 60
3.4.2 Step sequencer . . . . . . . . . . . . . . . . . . . . . . . . 62
3.4.3 Instrument Python . . . . . . . . . . . . . . . . . . . . . . . 64
3.4.4 Boucleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.4.5 Instrument «Csound» . . . . . . . . . . . . . . . . . . . . . 67
3.4.6 Interface graphique . . . . . . . . . . . . . . . . . . . . . . . 69
xi
CHAPITRE 4 : LE CYCLE DES VOIX : TRAVAUX ET MÉTHODES 71

4.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.2 Musique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
CONCLUSION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
SOURCES DOCUMENTAIRES . . . . . . . . . . . . . . . . . . . . . . 83
LISTE DES FIGURES
1.1 Schéma de production d’un signal vocal voisée . . . . . . . . . . . . 4

1.2 Schéma de production d’un signal vocal non-voisé . . . . . . . . . . 4
1.3 Circuit schématique du Voder . . . . . . . . . . . . . . . . . . . . . 5
1.4 Synthèse par Forme d’Onde Formantique . . . . . . . . . . . . . . . 6
1.5 Modèle physique de John Kelly et Carol Lochbaum . . . . . . . . . 7
1.6 Onde glottique et onde glottique dérivée . . . . . . . . . . . . . . . 8
1.7 Partie anticausale et partie causale de l’onde glottique . . . . . . . . 9
1.8 Structure de base du modèle source-filtre . . . . . . . . . . . . . . . 11
1.9 Diagramme de la structure de la source harmonique . . . . . . . . . 12
1.10 Diagramme de la structure du vibrato . . . . . . . . . . . . . . . . . 13
1.11 Sonagramme illustrant la raucité de la voix . . . . . . . . . . . . . . 14
1.12 Triangle des voyelles françaises . . . . . . . . . . . . . . . . . . . . . 17
1.13 Comparaison de deux trajectoires de formants . . . . . . . . . . . . 21
1.14 Illustration du locus acoustique . . . . . . . . . . . . . . . . . . . . 22
1.15 Trajectoire de formant typique . . . . . . . . . . . . . . . . . . . . . 23
2.1 Dimensions importantes d’un cône tronqué . . . . . . . . . . . . . . 26

2.2 Réponse impulsionnelle d’un didjeridu en ré. . . . . . . . . . . . . . 29
2.3 Sonagramme d’un bourdon sur un didjeridu en ré . . . . . . . . . . 30
2.4 Spectre d’amplitude de l’attaque d’un son de didjeridu. . . . . . . . 32
2.5 Désaccord entre la source et le bourdon d’un didjeridu . . . . . . . 33
2.6 Spectres d’amplitude de voyelles prononcées dans l’instrument . . . 34
2.7 Sonagramme avec addition du chant . . . . . . . . . . . . . . . . . 36
2.8 Spectres d’amplitude en cascade de l’addition du chant . . . . . . . 37
2.9 Sonagramme avec rythme respiratoire . . . . . . . . . . . . . . . . . 38
2.10 Excitation des modes supérieurs d’un didjeridu . . . . . . . . . . . . 39
xiii
2.11 Spectres d’amplitude en cascade de l’excitation des modes supérieurs 40

2.12 Sonagramme avec l’addition d’un cri . . . . . . . . . . . . . . . . . 41
2.13 Spectre d’amplitude de l’addition du cri . . . . . . . . . . . . . . . 41
2.14 Diagramme d’un modèle source-filtre du didjeridu . . . . . . . . . . 42
2.15 Train d’onde avec une sinusoı̈de et une fonction de transfert . . . . 43
3.1 Interface d’édition du logiciel Ounk . . . . . . . . . . . . . . . . . . 50
4.1 Courbes de distributions Weibull, voix de basse . . . . . . . . . . . 77

4.2 Courbes de distributions Weibull, voix de soprano . . . . . . . . . . 77
LISTE DES TABLEAUX
1.1 Table des formants pour la voyelle [o] . . . . . . . . . . . . . . . . . 18
2.1 La série harmonique . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.2 Fréquence des modes d’un cylindre fermé à une extrémité . . . . . . 27
2.3 Influence de la conicité sur la note fondamentale du didjeridu . . . . 28
LISTE DES ANNEXES
Annexe I : Trajectoires de formants (Delattre, 1970) . . . . . . 87
Annexe II : Libraire de fonctions Ounk . . . . . . . . . . . . . . . 88
Annexe III : Reich . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
Annexe IV : Chorus Morph . . . . . . . . . . . . . . . . . . . . . . 98

INTRODUCTION
La synthèse vocale demeure aujourd’hui un des rares types de synthèse qui n’a
pas encore trouvé de solution idéale. Une synthèse de la voix chantée de bonne
qualité, légère en puissance de calcul, en espace disque et en mémoire vive, capable
de synthétiser des phrases complètes n’existe pas encore. La synthèse de la voix
chantée développée au cours de ce projet est orientée spécialement pour les compo-
siteurs en ce qu’elle offre une très bonne qualité sonore tout en étant peu coûteuse
et extrêmement simple à manipuler. Une avancée au niveau de la production de
phonèmes incluant des consonnes a été apportée, spécialement en ce qui concerne
les consonnes plosives.
Un modèle de synthèse du didjeridu, tout en étant relativement simple de
conception, constitue un instrument de traitement possédant une sonorité excep-
tionnelle. De par sa forme conique, le didjeridu crée une suite de modes de résonance
ayant un rapport inharmoniques entre eux, permettant de générer des filtres très
complexes tout en restant simple à manipuler. Bien que la théorie sur l’acoustique
du didjeridu soit facilement accessible, aucun modèle n’est actuellement disponible
dans les environnements de composition et de synthèse sonore. Le modèle qui a
été développé au cours de ce projet offre une très bonne qualité sonore et des pa-
ramètres de contrôle simples, reliés aux principes physiques et aux modes de jeu
de l’instrument.
Les modèles de synthèse décrits ci-dessus ont d’abord été implémentés dans
l’environnement Max/MSP, qui s’est avéré inefficace à plusieurs niveaux. Durant
la composition des pièces de ce projet est né le besoin d’un environnement de
programmation plus versatile et puissant au niveau de l’algorithmie, de meilleure
qualité sonore et permettant un contrôle simplifié des modèles de synthèse. Le
logiciel de programmation musicale Ounk a été développé pour répondre à ces
besoins. Alliant la puissance du langage de programmation Python à la qualité
2
du moteur audio Csound, cet environnement permet de construire des algorithmes

de contrôle extrêmement puissants, sans avoir le souci des capacités de calcul du
processeur puisque la musique peut être rendue en temps différé. Le langage Python
permet, en outre, d’attribuer des valeurs par défaut aux paramètres de contrôle des
modèles de synthèse, ce qui en simplifie grandement la manipulation.
Le cycle des voix est une suite de pièces entièrement composées à l’aide des outils
mentionnés ci-dessus. Le dernier chapitre élaborera sur les intentions musicales qui
ont motivé la composition de ces pièces. Il sera aussi question des contraintes
imposées lors de ce projet ainsi que des stratégies adoptées lors de la conception
de l’oeuvre musicale.
CHAPITRE 1
MODÈLE DE VOIX CHANTÉE EN MODE SOURCE-FILTRE
Dans ce chapitre seront exposées différentes méthodes de synthèse de la voix

chantée élaborées depuis l’émergence de l’informatique jusqu’à aujourd’hui. Ces
modèles ont été choisis, parmi bien d’autres, pour souligner l’importance de leurs
développements sur la recherche en synthèse vocale et aussi en fonction des simili-
tudes qui existent avec le modèle présenté dans le cadre de cette recherche. Seront
aussi expliqués les objectifs et les besoins qui ont conduit au développement d’un
nouveau modèle de synthèse en mode source-filtre. La dernière section élaborera
sur les stratégies adoptées afin de mettre en place un système de contrôle des trajec-
toires de formants permettant la synthèse de phonèmes de type consonne (Bélanger
et al., 2007).
1.1 Acoustique de la voix
La voix est produite par l’interaction de deux systèmes indépendants : une

source d’excitation et un résonateur complexe. L’excitation est générée par trois
types de sources :
– Une source voisée, émise par la vibration des cordes vocales au passage
de l’air en provenance des poumons. Cette source génère un signal quasi-
périodique avec une fréquence fondamentale identifiable, présente notamment
lors de la production des voyelles.
– Une source fricative, qui correspond aux turbulences produites par le passage
de l’air en certains points de resserrement du conduit vocal, créés par le
déplacement de la langue, des lèvres ou des dents. Cette source est présente
lors de la production des consonnes fricatives telles que [f], [s] et [ch].
– Une source plosive, causée par la fermeture complète du passage de l’air,
4
créant une montée de pression, et le relâchement soudain de l’air. Cette source

est utilisée pour produire les consonnes plosives telles que [b], [d], [g] et [p],
[t], [k].
Le résonateur correspond aux transformations continues de la forme du conduit
vocal. Il peut être modélisé par un banc de filtres passe-bande en parallèle, qui
constitue l’enveloppe spectrale modifiant la source d’excitation. L’enveloppe spec-
trale d’un signal vocal, particulièrement lors de la production des voyelles, est
caractérisée par la présence de formants, c’est-à-dire des pics de résonance dans le
spectre.
Fig. 1.1 – Schéma de production d’un signal vocal voisée. (Everest, 1989)
Fig. 1.2 – Schéma de production d’un signal vocal non-voisé. (Everest, 1989)
5
1.2 Synthèse de la voix chantée : Quelques modèles importants
1.2.1 Le Voder
En 1939, dans les laboratoires de Bell, Homer Dudley met au point le Voder,
une machine servant à modéliser le signal de la voix. Comme pour beaucoup des
recherches dans le domaine de la synthèse vocale, le Voder était conçu pour réduire
la quantité de signal transmis sur les lignes de téléphone.
Fig. 1.3 – Circuit schématique du Voder. (Lee, nil)
Le Voder est un instrument qui doit être manipulé par un technicien haute-
ment entraı̂né. Dix touches de clavier servent à contrôler l’amplitude de dix filtres
passe-bande, responsables du contenu spectral du signal, c’est-à-dire des formants
de la voix. Un levier situé à la hauteur du poignet permet d’alterner entre un si-
gnal d’excitation périodique (train d’impulsions) et un signal d’excitation aléatoire
(bruit blanc). Une excitation périodique permet de recréer les voyelles et certaines
consonnes tandis qu’une excitation aléatoire permet de reconstituer les fricatives,
telles que le [f], le [s] et le [ch]. La fréquence du signal périodique est contrôlée par
une pédale, permettant de créer des inflexions de voix réalistes (Bilmes, 2003). Les
expérimentations de Homer Dudley sur les principes du vocoder1 ont grandement
1
Extension du Voder basée sur l’analyse du son vocal.
6
inspiré le milieu de la musique électronique.
1.2.2 Synthèse par Forme d’Onde Formantique
La synthèse par forme d’onde formantique a été développée au milieu des années
70 par Xavier Rodet, à l’IRCAM (Rodet, 1984). Le principe consiste à générer des
flux de grains dont le contenu spectral correspond aux formants de la voix.
Les grains sont générés en appliquant une enveloppe d’amplitude sur un signal
de type sinusoı̈dal, enregistré dans une table, produisant ainsi une sinusoı̈de amor-
tie. Le signal obtenu est un spectre harmonique dont la fréquence fondamentale
correspond à la fréquence de génération des grains et la largeur de bande à l’action
combinée de la fréquence centrale et de la forme de l’enveloppe d’amplitude. Entre
trois et cinq flux de grains FOF peuvent être superposés afin de reproduire les
formants d’un son de voyelle. Cette technique permet d’obtenir une qualité sonore
remarquable et offre l’avantage de contrôler la synthèse avec des paramètres très
évocateurs de l’instrument réel, tels que la fréquence fondamentale et l’emplace-
ment des formants dans le spectre (Rodet et al., 1984).
Fig. 1.4 – (a) Signal temporel d’une FOF. (b) Le spectre d’amplitude obtenu.
(Iturbide, nil)
7
1.2.3 Modélisation physique du conduit vocal
Le modèle de conduit vocal mis au point par John Kelly et Carol Lochbaum est
constitué d’une série de tuyaux recréant la forme du conduit vocal. Leurs travaux
furent publiés sous forme d’article paru en 1962.
Fig. 1.5 – Modèle acoustique d’un conduit vocal, constitué d’une séquence de
sections de cylindre et modèle du filtre numérique correspondant, d’après Kelly et
Lochbaum, 1962. (Smith, 2005).
Ce modèle est en quelque sorte l’ancêtre des modèles physiques par guides
d’ondes, et a été utilisé pour synthétiser la célèbre reprise synthétisée de la chan-
son «Bicycle built for two», mise en musique par Max Mathews. Cette pièce est
probablement le premier exemple sonore, toutes méthodes confondues, d’un modèle
physique de synthèse de la voix chantée (Smith, 2005).
1.2.4 SPASM
SPASM est un modèle physique de la voix chantée développé au début des

années 90 par Perry Cook. Ce modèle, basé sur les travaux de Kelly et Loch-
baum, utilise un réseau de guides d’ondes pour synthétiser les différentes parties
du conduit vocal. La différence principale entre les deux modèles se situe au ni-
8
veau des contrôles. L’excitation est une combinaison d’un signal harmonique (train
d’impulsions) et d’un signal aléatoire (bruit blanc). Le contrôle des transforma-
tions de chaque section du conduit vocal permet de synthétiser un grand nombre
de phonèmes, notamment des voyelles et des consonnes nasales, grâce à la jonction
entre la cavité buccale et le conduit nasal.
La bifurcation du conduit vocal vers le conduit nasal située au voile du palais
peut être modélisée avec une jonction à trois passages. Une partie de l’énergie en
provenance de la glotte sera dérivée vers la cavité nasale, une autre partie continuera
vers les lèvres et le reste sera réfléchi et retournera vers la glotte (Cook, 1991).
1.2.5 Onde glottique dérivée
Au début des années 2000, Hui-Ling Lu, du CCRMA à Stanford, propose un

modèle d’analyse-resynthèse de la voix de haute qualité. Ce modèle est construit
en mode source-filtre, et met l’accent
Liljencrantz-Fant sur la Glottal
Derivative génération
Wave de l’onde glottique.
Model
LF glottal wave and LF derivative glottal wave

40
Uo glottal wave
30
Amplitude
20
10
0
Tp Tc To
0 0.005 0.01 0.015
Time (sec)
Ta
derivative glottal wave
0
Tp Te Tc To
Amplitude
!0.5
!1
!Ee
0 0.005 0.01 0.015
Time (sec)
• Better for intuitively parametrized expressive synthesis

Fig. 1.6 – Illustration de l’onde glottique et de l’onde glottique dérivée. (Smith,
• LF model parameters are fit to inverse filter output
2005)
• Use of Klatt model in forming filter estimate yields a
“more physical” filter than LP
Un des apports importants de ce projet est le développement d’une procédure
d’analyse estimant les paramètres nécessaires à la reproduction du timbre de voix
désiré. Les paramètres permettant le contrôle
9 de l’onde glottique ainsi que de la
9
composante bruitée de l’excitation sont obtenus par la transformée en ondelette

d’enregistrements de voix. Ce système permet une synthèse plus fidèle de la source
d’excitation et, par conséquent, une reproduction de voyelle très réaliste (Lu, 2002).
1.2.6 CALM Synthesizer
En 2006, Nicolas D’Alessandro, de la Faculté Polytechnique de Mons, présentait

un nouveau modèle de synthèse de la voix, basé sur le modèle CALM2 (Henrich
et al., 2003), destiné à une utilisation en temps réel via différentes interfaces de
!"#$%%&'()*+#,+-.%+/001+2(-%"(3-'#(34+5#(,%"%($%+#(+6%7+2(-%",3$%*+,#"+89*'$34+:;<"%**'#(+=628:01>?+!3"'*?+@"3($%
contrôle, telles qu’une"spectral

tablettetilt")graphique.
is also related to voice quality modifica-
tions.
Figure 1: Voice production mechanisms : vocal Figure 3: Time-domain representation of derivated

Fig. 1.7
folds vibrations, vocal tract filtering and – Représentation
lips/nose dans: anticausal
glottal pulse le domaine part temporel
and causal part.de la partie anticausale et
openings radiation. de la partie causale de la dérivée d’une impulsion glottique. (D’Alessandro et al.,
Considering both "glottal formant" and "spectral tilt"
2006) effects, two cascading filters are implemented. A second or-
tation of glottal flow, with differences in accuracy and der resonant low-pass filter (H1 ) for glottal formant, and a
flexibility. Usual models are KLGLOTT88 [10], R++ [11], first order low-pass filter (H2 ) for spectral tilt. But phase
Rosenberg-C [12] and LF [13] [14]. We present now the information indicates us that this system is not completely
Ce modèle est aussi
causal-anticausal linear model (CALM) [4], explain why
de Indeed,
causal. type as source-filtre
it is illustrated onet Figure
utilise une pulse
3, glottal toute nouvelle approche
we worked with this spectral approach and propose adap- is a combination of a "increasing" (or active) part and a
tations of the existing algorithm pour
to easedécrire
real-time l’onde
mani- glottique.
"decreasing" Le(ormodèle
passive) part. CALM utilise part,
The decreasing des called
équations permettant de
pulation. the return phase, mainly influences the spectral tilt and
hence is causal. And
relier les paramètres importants we can also showglottique,
de l’impulsion that the second enor-fonction des attributs
2.2 CALM : causal-anticausal linear model der low-pass filter has to be anticausal in order to provide
We have seen that modelling vocal tract in spectral do- a good phase representation.
spectraux de l’onde, aux paramètres
A complete study of des équations
spectral features of générant
glottal flow, les filtres résonants
main (with resonant filters central frequency, amplitude
and bandwidth) is very powerful in term of manipulation detailed in [4], gives us equations linking relevant parame-
anticausal
because spectral description of sounds et causal. ters
is close to auditory Cette cascade
of glottal pulse (F0de filtres permet
: fundamental frequency, O deq : open
modéliser fidèlement le
perception. Traditionally, glottal flow has been modelized quotient, αm : asymetry coefficient and Tl : spectral tilt, in
n time domain. A spectral approachformant glottique
can be seen dB at
as equi- ainsi que3000Hz) to H1 and
la pente H2 coefficients.
spectrale, due Noteentre
that expres-
autres, au rayonnement
valent only if both amplitude and phase spectra are consi- sion of b1 has been corrected. [4] also contains equations
dered in the model. linking this time-domain parameters with spectral-domain
du signal au niveau des lèvres. Dans ce modèle, des paramètres tels que la tension,
parameters.
Anticausal second order resonant filter :
b1 z
2 H1 (z) =
causal-anticausal linear model 1 + a1 z + a2 z 2
where :
a1 = −2e−ap Te cos(bp Te ), a2 = e−2ap Te
E −ap Te
b1 = bp
e sin(bp Te )
π
ap = − Oq T0 tan(παm)
, bp = π
O q T0
Causal first order filter :

b TL
H2 (z) =
1 − aTL z −1
where : √
2
10
le souffle, l’effort et l’articulation peuvent être spécifiés via une interface de contrôle
et facilement reliés aux paramètres des filtres générant la source d’excitation.
1.3 Objectifs
Dans le cadre de ce projet de recherche doctorale, nous avions pour objectif

de créer un modèle de synthèse de la voix chantée de bonne qualité, expressive et
simple à manipuler en situation de composition. La synthèse en mode source-filtre
s’est avérée répondre à tous ces critères. Extrêmement simple à contrôler et très
stable, elle permet d’organiser les paramètres de manipulation de façon à ce qu’ils
soient compréhensibles pour tous. Ce que l’utilisateur veut avoir à spécifier, c’est le
phonème, la brillance et la raucité de la voix, c’est-à-dire des termes descripteurs
qui sont utilisés naturellement pour le chant. Les contrôles du modèle élaboré au
cours de ce projet offrent ce type de notation des paramètres, permettant une
utilisation simple et expressive de la synthèse vocale.
Le modèle devait aussi permettre l’articulation de phonèmes contenant des
consonnes, et non seulement la synthèse des voyelles, comme c’est le cas notamment
de la synthèse par forme d’onde formantique.
Afin de pouvoir utiliser cette synthèse dans le cadre de compositions algorith-
miques à plusieurs voix générées en temps réel, il était important que le modèle
ne soit pas trop gourmand en puissance de processeur. La demande en quantité
de calcul devait aussi rester stable en toute situation. Plusieurs types de synthèse,
tels que la fof et la synthèse par guide d’onde, sont plus exigeants lorsqu’il s’agit
de générer des fréquences aiguës. Le modèle source-filtre est léger et demande le
même temps de calcul peu importe le registre, ce qui permet de générer plusieurs
voix de polyphonie sur un seul processeur.
Une attention particulière a été portée sur le contrôle fin de la fréquence fon-
damentale, des modulations et des trajectoires de formants, afin de conférer un
11
caractère le plus naturel possible aux voix de synthèse.

L’implémentation de ce modèle a été réalisée avec l’environnement Csound, les
contrôles et les algorithmes sont programmés dans le logiciel Ounk.
1.4 Le modèle source-filtre
Le modèle de synthèse source-filtre n’est pas nouveau en soi, mais il permet

d’obtenir un son de voix naturel et facile à contrôler. Dans le cas d’une synthèse
de la voix, la source est constituée d’une combinaison de signaux périodiques et
aléatoires, simulant l’excitation de l’onde glottique. Le filtre est construit avec un
banc de filtres passe-bande modélisant le conduit vocal.
Fig. 1.8 – Schéma de base d’un modèle de synthèse de la voix en mode source-filtre.
1.5 Modélisation de l’excitation glottique
Le signal d’excitation, qui correspond au passage de l’air, en provenance des

poumons, au travers des cordes vocales, est produit à partir de deux générateurs : un
train d’impulsions et un générateur de bruit. Le train d’impulsions est utilisé pour
recréer les vibrations des cordes vocales, contenant une fréquence fondamentale
identifiable, comme lors de la production des voyelles. Le générateur de bruit est
utilisé pour la production des sons non voisés, lors de l’articulation de certaines
consonnes ([t], [k]) et des fricatives ([f], [s]). Afin de produire des sons de voix
12
réalistes, deux enveloppes d’amplitude effectuent le mixage nécessaire entre les

signaux périodiques et aléatoires en fonction du phonème demandé. Le caractère
naturel de la voix est rehaussé par l’addition d’un vibrato, entièrement contrôlable
par l’utilisateur, ainsi que par l’ajout d’une modulation reproduisant la raucité de
la voix.
1.5.1 Génération de la source harmonique
Afin de donner un caractère naturel aux sons de voix synthétisés, de légères

variations ont été ajoutées à la source harmonique, brisant ainsi la régularité trop
parfaite du train d’impulsions. Un son de synthèse pur est rapidement perçu comme
étant une voix synthétique, car il manque les micro-modulations que l’on retrouve
dans un signal produit par des cordes vocales réelles. Ce sont ces micro-modulations
qui confèrent le caractère naturel à la voix humaine. Dans ce modèle, comme on
peut le voir sur la figure 1.9, de légères variations aléatoires ont été appliquées sur
la fréquence fondamentale, sur l’amplitude ainsi que sur la pente du filtre du train
d’impulsions. Chaque variation possède sa vitesse et son amplitude propres. Un
filtre passe-bas est appliqué directement sur la source afin de modéliser le filtrage
dû au rayonnement de l’onde à la sortie de la bouche.
Fig. 1.9 – Implémentation de la source harmonique de l’excitation.

13
1.5.2 Contrôle du vibrato
Un vibrato contrôlé avec soin contribue grandement à la reconnaissance de la

voix chantée. Une simulation vocale sans vibrato, ou sans micromodulation, est
souvent associée à un son de synthèse sans aucune référence à la voix. Une mo-
dulation d’environ 1% de la fréquence fondamentale, avec une onde sinusoı̈dale ou
triangulaire, donne un résultat très réaliste, pour tous les registres de la voix. Tout
comme pour la génération du train d’impulsions, le vibrato ne doit pas être par-
faitement périodique car il sera instantanément identifié comme provenant d’une
machine. Pour régler ce problème, la fréquence et l’amplitude sont soumises à de
légères variations aléatoires, afin de créer un vibrato qui ne soit ni trop mécanique
ou trop régulier. En accord avec une étude sur la perception du vibrato (Verfaille
et al., 2005), le vibrato module également la position des formants ainsi que l’am-
plitude générale du signal, ce qui rehausse la perception du caractère naturel de la
voix. Le modèle prend également en compte le fait qu’un chanteur produit rarement
le vibrato dès le début de la note. Tel qu’illustré sur la figure 1.10, une enveloppe
d’amplitude permet d’introduire graduellement le vibrato après le départ de la
note.
Fig. 1.10 – Structure du vibrato.

14
1.5.3 Raucité de la voix
Un autre aspect traduisant les composantes bruitées de la voix chantée est la

présence d’une petite bande de bruit, à faible amplitude, provenant des turbulences
de l’air au passage des cordes vocales. On nomme généralement ce phénomène la
raucité de la voix. Pour la simuler, le train d’impulsions est modulé par un bruit
rose de très faible amplitude, filtré par un filtre passe-bande entre 1 kHz et 4 kHz
(D’Alessandro et al., 2006).
Fig. 1.11 – Sonagramme d’une voyelle synthétisée où la raucité a été introduite à
la mi-parcours.
Le modèle offre la possibilité de modifier l’amplitude du bruit afin de créer

différentes qualités de voix, de rauque à flûtée, ou de créer un effet de chuchote-
ment lorsque l’amplitude du bruit est au maximum, masquant ainsi la composante
harmonique du signal d’excitation.
1.5.4 Générateur de la source bruitée
La source bruitée, généralement présente lors de la production des consonnes

plosives ou des fricatives, est générée par un bruit rose modulé par une enveloppe
15
d’amplitude similaire à l’enveloppe modulant la source harmonique. Ainsi, les deux

sources peuvent être mixées avant d’être injectées dans la banque de filtres simulant
le conduit vocal. Lors de la production de consonnes plosives, l’enveloppe d’ampli-
tude de la source bruitée doit être finement ajustée puisqu’une impulsion bruitée
apparaı̂t très brièvement, souvent précédée et suivie d’un court silence de la source
harmonique. La durée du silence entre l’impulsion et l’apparition de la composante
harmonique, s’étendant de 5 à 30 ms, est appelé le Voice Onset Time (VOT).
Ce paramètre est crucial dans la perception des différentes consonnes plosives. Par
exemple, la durée du silence sera plus importante pour la production de la consonne
[t] (environ 40 ms) que pour la production de la consonne [d] (environ 10 ms) (Lis-
ker, 1975, Niyorgi and Ramesh, 1998). Le système auditif est extrêmement sensible
à ces petites différences. Les enveloppes d’amplitude ont d’abord été déduites suite
à des analyses effectuées sur des enregistrements de phonèmes chantés. Ensuite, à
l’aide de tests d’écoute et de manipulation des paramètres, des ajustements fins
ont été apportés aux trajectoires. Les enveloppes d’amplitude sont mémorisées
dans des tables de données à l’intérieur du modèle. L’utilisateur n’a qu’à spécifier
la consonne et la voyelle désirées, et les trajectoires d’amplitude seront automati-
quement générées.
1.6 Modélisation du conduit vocal
Le filtrage produit par le conduit vocal est simulé par un banc de filtres passe-
bande en parallèle, reproduisant des pics d’amplitude dans le spectre, que l’on
nomme les formants, caractéristiques du signal vocal. Afin d’améliorer la précision
des filtres et la qualité sonore du signal généré, chacun des formants est modélisé
par une cascade de trois filtres résonants du second ordre. Cette chaı̂ne de filtres
passe-bande donne une pente de coupure plus nette, éliminant ainsi les composantes
spectrales indésirables. Csound permet d’obtenir cette cascade de filtres résonants
16
à l’intérieur d’un seul opcode3 , pour lequel on spécifie le nombre de filtres désirés
dans la série. En plus d’être extrêmement stable, cet opcode est plus léger en
temps de calcul qu’une série de filtres indépendants, puisque le calcul des vecteurs
d’échantillons audio se fait à l’intérieur de la mémoire cache du processeur. Trois
paramètres sont nécessaires à la définition d’un formant : la fréquence centrale,
l’amplitude et la largeur de bande. Ces paramètres ont été obtenus par l’analyse
d’échantillons de voyelles prononcées par des chanteurs et chanteuses de tessitures
différentes, ainsi que par des ajustements à l’écoute, et sont mémorisés dans des
tables à l’intérieur du modèle. Selon le registre et la voyelle demandée, le modèle
ira récupérer les valeurs des formants appropriées. Pour obtenir des voyelles aux
timbres légèrement différents chaque fois qu’une note est chantée, une variation
d’environ 2% est appliquée à la fréquence centrale des formants, éliminant ainsi
l’effet robotique d’une voyelle qui serait répétée avec exactement la même forme de
conduit vocal.
1.6.1 Rôle des formants
Cinq formants sont définis pour les quinze principales voyelles françaises de
l’alphabet phonétique international (voir figure 1.12). Les deux premiers formants
jouent un rôle important dans la perception de la voyelle produite. Le troisième et le
quatrième formants, en combinaison avec les deux premiers, aident à la perception
et à la catégorisation de certaines consonnes (Delattre et al., 1955, 1958). Le rôle
du cinquième formant consiste à ajuster la qualité du timbre de la voix. Ce dernier
pourrait être éliminé sans perdre l’intelligibilité du phonème prononcé.
Un deuxième groupe de filtres peut être utilisé afin de simuler la cavité na-
sale. Lorsqu’une voyelle ou une consonne nasale est produite, des annulations de
fréquence sont modélisées par l’ajout de filtres à réponse impulsionnelle finie créant
3
resonx. Opcode est le nom donné aux opérateurs dans le langage Csound.
17
Fig. 1.12 – Les voyelles telles que définies dans le modèle représentées sur le triangle
en fonction du point d’articulation et de l’ouverture de la bouche.
des anti-résonances dans le spectre d’amplitude (Delvaux et al., 2004). Au moment

de la rédaction de cette thèse, cet aspect du modèle est encore à l’état d’ébauche.
Les analyses effectuées sur des échantillons sonores ont démontré que le spectre
d’amplitude présente toujours une forte intensité autour de la fréquence fonda-
mentale. Nous avons observé ce résultat même dans le cas où le premier formant
se trouve à une fréquence plus élevée que la fréquence fondamentale. Dans un
modèle source-filtre utilisant cinq formants en parallèle, comme c’est le cas du
modèle présenté dans le cadre de cette recherche, le résultat sonore est obtenu par
la sommation de la sortie de chacun des filtres. Si le premier formant se situe à
une fréquence plus élevée que la fréquence fondamentale, celle-ci sera grandement
atténuée, ce qui aura pour effet de générer un signal où manque la composante de
base de la note. La solution a été de rajouter un autre filtre au modèle, en parallèle
aux formants, afin de renforcer le registre autour de la fréquence fondamentale.
18
L’amplitude de ce filtre, appelé résonance glottique (D’Alessandro et al., 2006),

peut être ajusté pour contrôler la profondeur du son de voix produit.
1.6.2 Registres
Selon la tessiture de la voix qui produit une sonorité de voyelle, les fréquences
centrales des formants ne seront pas situées aux mêmes fréquences. Les rapports
de fréquences centrales de formants pour une voyelle donnée seront aussi différents
selon les registres. On ne peut donc pas tout simplement étirer ou contracter une
configuration de base des fréquences centrales en fonction de la tessiture (Martin,
2000). Des recherches ont aussi démontré qu’il est possible de catégoriser les re-
gistres en fonction de l’emplacement des formants pour une fréquence fondamentale
fixe (Coleman, 1971). Quatre registres sont définis dans le modèle : basse, ténor,
alto et soprano. Pour chaque registre, des tables de paramètres sont mémorisées
pour les valeurs de fréquences centrales, d’amplitudes et de largeurs de bande. Le
modèle utilisera les tables correspondant à la tessiture de voix choisie par l’utilisa-
teur.
Registre F1 F2 F3 F4
basse 400 750 2400 2600
ténor 360 770 2530 3200
alto 420 850 3040 4160
soprano 500 950 3240 4160
Tab. 1.1 – Table des fréquences des formants pour la voyelle [o] en fonction du
registre.
1.6.3 Correction de formant pour les voix de soprano
Un problème particulier se produit lorsqu’une note très aiguë est produite dans
le registre de soprano. Si la fréquence fondamentale est plus élevée que la fréquence
centrale du premier formant, il y aura moins d’énergie dans ce formant, créant
19
un son de synthèse de faible amplitude, au timbre mince, très pauvre en basse

fréquence. Lors de la production d’une note aiguë, les chanteuses sopranos modifient
la forme de leur conduit vocal afin d’ajuster le premier formant sur la fréquence
fondamentale de la note chantée, lorsque cette dernière est la plus élevée (Sundberg,
1977, Joliveau et al., 2004). Cet ajustement donne du corps et de la chaleur au son,
comme l’implémentation de cet ajustement dans le modèle le confirme. Il est à
noter que cette transformation du conduit vocal altère l’intelligibilité des voyelles
prononcées. De plus, à des fréquences fondamentales entre 700 Hz et 1000 Hz, les
harmoniques sont si éloignées les unes des autres que l’enveloppe spectrale est de
toute façon «sous-échantillonnée». Il est donc très difficile de percevoir clairement
les voyelles prononcées. Nous avons donc jugé préférable d’accorder la priorité à la
qualité du timbre sur l’intelligibilité de la voyelle.
1.7 Trajectoires des formants pour la synthèse des consonnes plosives
Un des aspects originaux de ce projet consiste en l’implémentation de trajec-

toires de formants pour la production des consonnes. Ce type d’implémentation fait
souvent défaut dans les modèles de synthèse de la voix chantée en mode source-
filtre. Ces trajectoires, lors de la production de consonnes, découlent d’une série de
transformations de la forme du conduit vocal, se terminant sur les valeurs de for-
mants de la voyelle cible4 (Chafcouloff, 2004). Dans ce modèle, ces transformations
sont simulées par des changements continus appliqués aux fréquences centrales des
formants. Afin de reproduire correctement ce phénomène, des trajectoires parti-
culières, en fonction des consonnes projetées, sont aussi appliquées à l’amplitude
et à la largeur de bande des formants. Les paramètres définissant les contours de
trajectoires sont mémorisés dans des tables, à l’intérieur du modèle, et sont auto-
matiquement appelés selon la consonne et la voyelle coarticulées.
4
Voir tableau des trajectoires en annexe I.
20
L’équation 1.1 présente la formule utilisée pour définir une trajectoire d’un
point de départ f1 , correspondant à la fréquence centrale initiale du formant de la
consonne, à un point d’arrivé f2 , correspondant à la fréquence du formant de la
voyelle. α représente le coefficient de courbure et N le nombre total d’échantillons
dans la transition.
1 − e−αn/N −1
F (n) = f1 + (f2 − f1 ) (1.1)
1 − e−α
Les transitions de formant, lors de la production d’une consonne plosive, sont
très rapides, de 30 à 80 ms de durée. Le système auditif est extrêmement sensible
à ce type de transitions, qui constituent un des principaux indices de perception
des consonnes plosives (Blumstein and Stevens, 1979, Jackson, 2001). Deux autres
indices participent à la reconnaissance des consonnes : la présence de bruit et le
VOT5 . Une brève impulsion de bruit est toujours présente lors de la production
des consonnes plosives non-voisées telles que [p], [t] ou [k]. Le VOT, c’est-à-dire un
court instant de silence entre le bruit et le départ de la note, devra être ajusté de
façon très précise en fonction de la consonne prononcée. Ces paramètres sont aussi
mémorisés dans des tables et appelés au besoin.
La figure 1.13 illustre un exemple de trajectoires de fréquences centrales des
trois premiers formants pour les syllabes [da] (en bleu) et [ba] (en rouge). Les
trajectoires démarrent sur les valeurs définies pour la consonne et se déplacent
rapidement vers les valeurs de formants de la voyelle [a], puis gardent ces valeurs
jusqu’à la fin de la note. La forme du conduit vocal diffère selon que l’on produit
un [b] ou un [d], ce qui a pour effet de modifier le point de départ des transitions
de formant. On constate que la différence entre les deux consonnes réside dans
le point de départ des deuxième et troisième formants. Alors que dans les deux
cas, la fréquence centrale du premier formant part d’une valeur plus basse que la
5
Voice Onset Time, voir page 15 pour la description.
21
fréquence du formant de la voyelle, dans le cas du [d], le point de départ des deux
autres formants se situe au-dessus de la fréquence du formant de la voyelle.
Fig. 1.13 – Trajectoires des trois premiers formants pour les syllabes [da] et [ba].
1.7.1 Locus acoustique
Selon une étude sur les indices de perception des consonnes plosives (Delattre
et al., 1955), il est possible de réduire la base de données nécessaire à la définition
des trajectoires de formant en assignant un point de départ commun pour toutes
les consonnes ayant le même point d’articulation, indépendamment de la voyelle
qui suit. Par exemple, les consonnes labiales [b], [p] et [m] sont toutes articulées au
niveau des lèvres et peuvent donc toutes être synthétisées en démarrant la transition
au même locus acoustique (même point de départ). Les consonnes alvéolaires [d], [t]
et [n], qui sont articulées avec la langue contre le palais, auront elles aussi le même
locus. La théorie du locus acoustique fonctionne particulièrement bien pour situer
le point de départ du deuxième formant des consonnes car c’est celui qui est le plus
influencé par la forme de la bouche. Une deuxième étude (Delattre et al., 1958) a
22
démontré que cette théorie est plus difficilement applicable au troisième formant.
Des expérimentations avec le modèle tendent à corroborer cette étude. Afin de
respecter la théorie du locus acoustique, les trajectoires d’amplitude doivent être
précisément ajustées en introduisant une période de silence au début de la transition
comme illustré sur la figure 1.14.
Fig. 1.14 – Position de départ du deuxième formant selon la théorie du locus

acoustique, avec (B) et sans (A) un temps de silence dans la transition (Delattre
et al., 1955).
1.7.2 Contrôle des paramètres pour une génération musicale expressive
Un modèle de synthèse de la voix, pour être efficace, doit permettre de créer

une grande variété de timbres et d’articulations, en spécifiant seulement quelques
paramètres de contrôle. Dans ce modèle, tous les paramètres nécessaires à la pro-
duction d’une syllabe sont mémorisés dans des tables et sont appelés par groupe
afin de générer la consonne, la voyelle qui suit ainsi que le comportement articu-
latoire. Seulement cinq paramètres principaux doivent être précisés, c’est-à-dire la
durée de la note, la fréquence fondamentale, la consonne, la voyelle et le registre
désiré. Une douzaine de paramètres supplémentaires sont optionnels et permettent
de régler finement le timbre et le comportement du modèle.
La coarticulation est l’un des aspects les plus importants de la production vo-
23
cale. Une syllabe ne prend son sens qu’en fonction de la syllabe qui l’a précédée et de
celle qui la suit. Généralement, il y a une continuité sonore entre deux sons articulés.
Reproduire ce phénomène est essentiel pour la génération de phrasés réalistes. Il est
possible, dans ce modèle, de spécifier qu’un événement doit être lié à l’événement
suivant, en lui donnant une durée négative (normalement exprimée en seconde).
Lorsque la prochaine note est appelée, le modèle n’exécute pas la phase d’initiali-
sation et débute les trajectoires à partir de l’endroit où l’événement précédent était
rendu (les valeurs de formant correspondant à une voyelle par exemple).
Fig. 1.15 – Une trajectoire typique de liaison entre deux événements pour un seul
formant.
La figure 1.15 illustre une trajectoire typique pour la fréquence centrale d’un seul
formant, débutant sur l’état stable d’une voyelle, suivi d’une syllabe comportant
une consonne plosive. La partie A correspond à la chute de la voyelle précédente,
d’une durée d’environ 30 ms. La partie B représente un temps de silence ou une
très faible résonance durant la production de la consonne (très important pour la
perception des consonnes plosives), juste avant l’attaque de la nouvelle note. Cette
durée peut varier de 20 à 100 ms selon la consonne désirée. La partie C corres-
pond à la trajectoire de formant de la consonne choisie et la partie D à la tenue
stable définie par les paramètres de la voyelle ciblée. Tous les paramètres de for-
mants (fréquence centrale, amplitude et largeur de bande) suivent des trajectoires
similaires, générées en fonction de la consonne et de la voyelle à synthétiser.
24
1.8 État des travaux
1.8.1 Ce qui a été développé
Le modèle de synthèse de la voix en mode source-filtre développé au cours de ce

projet a été conceptualisé pour générer une synthèse vocale au caractère naturel,
par l’ajout de micro-variations modulant la source d’excitation, ainsi que par un
contrôle précis des transitions de consonne à voyelle.
Un des avantages de ce modèle est que toute l’information nécessaire à la pro-
duction de sons de voix réside dans un simple fichier texte. Ce modèle est donc très
léger et très facile à partager.
Ce modèle de synthèse vocale a d’abord été programmé dans l’environnement
Max/MSP avec l’objet csound∼. Il a ensuite été converti en une fonction du logiciel
Ounk. Nous verrons dans le chapitre 4 comment il peut bénéficier de la puissance
du langage de programmation Python et de l’environnement de composition Ounk
afin de construire des structures musicales riches et variées.
1.8.2 Ce qui reste à faire
Afin de pouvoir synthétiser des phrases complètes, il reste à compléter la base

de données pour les paramètres de certaines consonnes qui ne sont pas encore
implémentées.
Un autre aspect qui serait intéressant à développer, consisterait à offrir un
choix de différents timbres de voix. Le timbre de la voix est défini par une dou-
zaine de paramètres optionnels, qui devraient être regroupés en banques de valeurs,
synthétisant des types de voix particuliers.
CHAPITRE 2
MODÈLE DE SYNTHÈSE DU DIDJERIDU
Le didjeridu, bien que d’une facture relativement simple, est un instrument

qui permet de créer une grande variété de timbres très riches. L’idée d’en faire
un modèle de synthèse est venu d’un questionnement sur l’intérêt de concevoir
un didjeridu dont les caractéristiques physiques évoluent au cours du temps. Par
exemple, avec un modèle de synthèse, il serait possible de changer de façon continue
la forme de l’instrument. Ce type de transformation est évidemment impossible avec
un réel didjeridu.
Le contenu de ce chapitre est divisé en deux sections. Dans la première partie,
les caractéristiques acoustiques de l’instrument sont présentées. Cette introduction
théorique est complétée par des analyses effectuées sur des échantillons réels des
différents modes de jeu du didjeridu. Les échantillons ont été produits sur un instru-
ment accordé en ré par Alexandre Lacroix, ancien membre du groupe Montréalais
les Globe Glotters. La seconde section explique le développement du modèle de
synthèse créé dans le cadre de ce projet.
2.1 Acoustique et analyses
2.1.1 Paramètres structurels du didjeridu
Le didjeridu est considéré comme un cône tronqué et fermé par la bouche de

l’instrumentiste, à un des deux bouts. Contrairement au cylindre parfait, dont le
diamètre est constant, les modes supérieurs du cône tronqué ne sont pas en rapport
harmonique avec le premier mode. Rappelons que la série harmonique est constituée
de composantes à des fréquences qui sont des multiples entiers de la fréquence de
la note fondamentale (Voir tableau 2.1).
26
mode écart en demi-tons intervalle note

1 0 fondamentale do 3
2 + 12 octave do 4
3 + 19 douzième sol 4
4 + 24 2 octaves do 5
5 + 28 2 octaves + tierce mi 5
6 + 31 2 octaves + quinte sol 5
7 + 34 2 octaves + septième mineure si bémol 5
8 + 36 3 octaves do 6
Tab. 2.1 – La série harmonique.
Le didjeridu étant un tuyau fermé à un des deux bouts, les modes de résonance
suivent une série composée des harmoniques impairs. Par contre, dû à la forme
conique du tuyau, le premier mode est particulièrement élevé en fréquence (Flet-
cher et al., 2001b). Comme le premier mode demeure la fondamentale perçue, le
deuxième mode paraı̂t considérablement au-dessous de l’intervalle de douzième cor-
respondant au troisième harmonique de la série du fondamental.
Fig. 2.1 – Dimensions dont dépend l’accord d’un tuyau de forme conique.
La fréquence des modes de résonance d’un tuyau tronqué dépend de la longueur

du tuyau, L, ainsi que du diamètre de chaque extrémité, d1 et d2 :
" .5 #
c 4(d2 − d1 )
fn = (n − 0.5) 0 1 + 1 + 2 (2.1)
4L π d1 (n − 0.5)2
où n est l’ordre du mode recherché, c représente la vitesse de propagation du son

(environ 340 m/s dans l’air) et L0 est la longueur effective, calculée pour compenser
la largeur de l’ouverture de l’instrument d’où le son sort et qui s’exprime comme
27
suit :
L0 = L + 0.3 d2 (2.2)
Si d1 = d2 , l’élément de droite de l’équation 2.1 s’annule et nous obtenons

l’équation pour trouver les harmoniques impairs, et justes, du cylindre fermé à une
extrémité :
c
fn = (n − 0.5) (1 + 1) (2.3)
4L0
c
= (n − 0.5) 0 (2.4)
2L
Le tableau 2.2 illustre les fréquences théoriques d’un tuyau cylindrique d’une
longueur de 0,6 m, fermé à une extrémité, pour c = 340 m/s :
fn
mode (n) (fn =) fréquence (Hz) rapport f0
1 c/4L 141.66 1
2 3c/4L 425 3
3 5c/4L 708.33 5
4 7c/4L 991.66 7
5 9c/4L 1275 9
Tab. 2.2 – Calcul de la fréquence des modes d’un cylindre fermé à une extrémité.
Cette théorie est confirmée par un calcul théorique, effectué avec la formule
déterminant les résonances du didjeridu (Eq. 2.1), pour deux cônes ayant la même
longueur et le même diamètre d’entrée mais des diamètres de sortie d2 différents.
Pour un amincissement du cône, alors que la fréquence centrale du premier mode
est considérablement abaissée, plus on avance dans l’ordre des modes, moins la
différence est grande. En changeant l’ouverture de sortie pour que le cône se rap-
proche du cylindre, on constate que les modes supérieurs sont en rapport presque
juste avec le fondamental (Bélanger and Traube, 2005). Ceci implique que la qualité
28
harmonique de l’instrument en rapport avec sa résonance fondamentale ne dépend

pas uniquement de sa longueur, mais aussi de l’élargissement du cône. C’est un
phénomène qui sera intéressant à explorer lors de la modélisation physique. Le
tableau 2.3 présente les résultats de ce calcul théorique pour deux didjeridus aux
diamètres de sortie différents :
i1 : L = 1.29 m, d1 = 0.032 m, d2 = 0.063 m
i2 : L = 1.29 m, d1 = 0.032 m, d2 = 0.042517 m
différence
modes fréquence i1 fréquence i2 Hertz cents
1 84.5 Hz 72.67 Hz 11.83 261
2 203 Hz 197.7 Hz 5.3 46
3 329.7 Hz 326.4 Hz 3.3 17
4 458.2 Hz 455.8 Hz 2.4 9
5 587.3 Hz 585.4 Hz 1.9 5
6 716.65 Hz 715.1 Hz 1.55 3
7 846.2 Hz 844.9 Hz 1.3 2.6
8 975.8 Hz 974.7 Hz 1.1 2
9 1105.5 Hz 1104.5 Hz 1 1.5
10 1235.2 Hz 1234.3 Hz .9 1.25
Tab. 2.3 – Influence de la conicité sur la note fondamentale d’un cône tronqué.
La réponse impulsionnelle d’un didjeridu, possédant les mêmes dimensions que

le deuxième modèle de l’exemple ci-dessus, a été prélevée en frappant avec la paume
de la main sur la plus petite extrémité de l’instrument. Les valeurs que l’on observe à
l’analyse spectrale ne concordent pas tout à fait avec le modèle théorique parce que
la formule ne représente qu’un modèle idéal, que les ouvertures de l’instrument ne
sont pas tout à fait circulaires, qu’un didjeridu réel n’est jamais parfaitement lisse et
que l’excitation générée avec la paume de la main n’est pas une impulsion parfaite.
Par contre, cette analyse démontre clairement que les modes supérieurs sont plus
bas que les harmoniques du premier mode, identifiés par les lignes verticales sur la
figure 2.2. Cette série, en ne prenant que les harmoniques impairs, caractériserait
29
un cylindre fermé à une extrémité.
Fig. 2.2 – Les lignes verticales indiquent l’emplacement des harmoniques pour
une série dont le fondamental serait le premier mode du tuyau. On constate que les
modes supérieurs sont de plus en plus graves, par rapport aux harmoniques impairs
théoriques.
Ceci étant dit, précisons que le spectre du didjeridu est strictement harmonique,
car la source d’excitation, c’est-à-dire la vibration des lèvres, est harmonique. Les
modes de résonance du tuyau ne font que filtrer le signal émis par la source. Le
fait que les modes supérieurs du tuyau ne soient pas harmoniquement justes influe
seulement sur la puissance de certains harmoniques, et non sur la justesse de ces
harmoniques. Si le second mode est excité à l’instar du fondamental, il apparaı̂t
avec sa propre série harmonique (Fletcher, 1996). En fait, les modes de résonance
du tuyau exercent une influence particulière au moment des transitions, là où se
trouve le bruit, car c’est aux moments où l’excitation est constituée de bruit que
l’on entend réellement les multiples résonances de l’instrument. À l’aide d’une FFT
à court terme aux fenêtres très larges (4096 échantillons), afin d’obtenir une bonne
résolution fréquentielle, on peut vérifier que le spectre d’un bourdon sur un didje-
ridu en ré est bel et bien harmoniquement juste. Sur le sonagramme de la figure
2.3, chaque ligne horizontale représente un harmonique du signal et la puissance
de l’harmonique est indiquée par le niveau de gris de la ligne (plus elle est foncée
30
et plus il y a d’énergie à cette hauteur). On peut constater, en mettant en lien le

spectre d’amplitude de la réponse impulsionnelle à la figure 2.2 avec le sonagramme
de la figure 2.3, qui proviennent tous deux du même instrument, que les résonances
du didjeridu influencent bel et bien l’amplitude des harmoniques de l’excitation.
Ainsi, le deuxième harmonique dont la fréquence est de 147 Hz tombe entre le pre-
mier et le deuxième mode de l’instrument et ne possède pratiquement pas d’énergie,
alors que le dix-neuvième harmonique, à une fréquence de 1387 Hz, coı̈ncide avec
le onzième mode du tuyau et possède par conséquent une plus grande puissance.
Fig. 2.3 – Sur l’analyse spectrographique d’un échantillon de bourdon en ré,

on constate que les lignes les plus foncées, correspondant aux harmoniques qui
possèdent le plus d’énergie, coı̈ncident avec les modes de résonance du tuyau (voir
Fig. 2.2).
2.1.2 Paramètres du geste instrumental
2.1.2.1 Vibration des lèvres
Un instrument à colonne d’air a besoin d’un signal d’excitation pour entrer

en vibration. Ce signal peut être très bref, de type percussif, ou soutenu, comme
c’est souvent le cas pour les instruments à vent. Le didjeridu étant un instrument
31
sans embouchure, le musicien appuie sa propre bouche pour fermer la plus petite
extrémité de l’instrument, et fait vibrer ses lèvres, qui agissent comme une valve qui
s’ouvre et se ferme périodiquement, pour créer le signal d’excitation. Il exerce une
pression, avec son souffle, sur ses lèvres, et lorsque la pression dépasse un certain
seuil, déterminé par la tension musculaire des lèvres, qui elle-même dépend de la
hauteur de la note jouée, elles entrent en vibration et génèrent un signal oscillatoire,
presque sinusoı̈dal, qui fait vibrer la colonne d’air de l’instrument. Le joueur accorde
la tension de ses lèvres pour que la vitesse de vibration ainsi créée soit proche de
la fréquence du premier mode du tuyau. S’il veut exciter le second mode, il doit
augmenter la tension de ses lèvres, contraignant ainsi la pression de son souffle à
dépasser un seuil plus élevé. C’est pourquoi il ne peut s’attarder longtemps sur les
modes supérieurs car la pression à fournir est très exigeante. Voici la formule qui
permet de déterminer, en fonction de la pression du souffle et de la résistance des
lèvres et de l’instrument, la forme du flux d’air qui vient exciter la colonne d’air :
0 p2
p0 R3
U= − (2.5)
R (a0 + a sin(2πf t))2
où p0 représente la pression du souffle du musicien, et R la résistance à l’entrée
de l’instrument. a et a0 sont des constantes d’amplitude de la fonction sinusoı̈dale
(Fletcher, 1996). L’onde générée par la vibration des lèvres est de type sinusoı̈dal
lorsque la pression dépasse tout juste le seuil où les lèvres entrent en vibration.
Plus la pression est forte, plus la forme d’onde tend vers le trapèze, la partie large
du trapèze représentant le temps où les lèvres sont complètement fermées. Des
observations effectuées à l’aide d’un stroboscope sur la vibration des lèvres d’un
joueur de didjeridu, montrent que les lèvres sont complètement fermées durant une
grande fraction de chaque cycle (Fletcher et al., 2001b).
Une forme d’onde trapézoı̈dale contient beaucoup d’énergie aux harmoniques
supérieurs, ce qui permet à un bon joueur d’utiliser les variations de pression pour
32
modifier le contenu spectral de l’excitation. Le fait qu’il y ait beaucoup d’énergie

dans les hautes fréquences permet d’entendre clairement les changements de confi-
guration du conduit vocal, qui se traduisent par un déplacement des formants.
Les lèvres ne peuvent atteindre un état de vibration stable, à la bonne fréquence,
instantanément. Elles atteignent leur fréquence de vibration en suivant une rampe
partant de zéro et atteignant la fréquence désirée en une centaine de millisecondes,
approximativement. C’est la phase d’attaque du son de didjeridu. À tous les ins-
tants de la montée, la série harmonique générée par cette vibration change et
provoque beaucoup de variations aux fréquences où les harmoniques de la source
coı̈ncident avec les résonances du tuyau, ce qui se traduit auditivement par un
caractère très bruité. La figure 2.4 présente un spectre d’attaque provenant de
l’analyse effectuée sur les 100 premières millisecondes d’un son de didjeridu.
Fig. 2.4 – Spectre des 100 premières millisecondes. Malgré le filtrage sélectif du
tuyau, on constate l’instabilité de la vibration.
Le fait est qu’un musicien qui contrôle bien son jeu peut, à n’importe quel
moment, créer ce type de variations en modifiant la fréquence de vibration de ses
lèvres pour générer de nouvelles combinaisons spectrales. C’est ce qui crée tout
l’intérêt du didjeridu : la gamme des effets spéciaux est très vaste et relativement
facile à contrôler. Comme l’excitation et le conduit vocal sont intimement liés l’un
33
Fig. 2.5 – Spectre d’amplitude d’un son obtenu en désaccordant la fréquence de

vibration des lèvres par rapport au premier mode de l’instrument. Il diffère de
l’attaque en ce sens que l’on aperçoit des formants qui sont probablement dus au
conduit vocal du joueur. La voyelle prononcée est [a].
à l’autre, le musicien peut varier la vitesse de vibration de ses lèvres et modifier, en

même temps, la forme du conduit vocal pour donner un son très riche en partiels
et filtré subtilement par l’action conjointe du conduit vocal et du tuyau. La figure
2.5 donne un exemple, sur une période de 400 ms, du spectre généré par l’action
combinée du mouvement des lèvres et des résonances du conduit vocal.
2.1.2.2 Influence de la cavité buccale
La génération de sons d’un instrument à vent consiste en un contrôleur de flux

(les lèvres) couplé à deux colonnes d’air, celle de l’instrument et celle du musicien.
Le mouvement oscillatoire des lèvres est influencé par les résonances harmoniques
de ces deux colonnes d’air. Les musiciens utilisent le résonateur que forme leur
colonne d’air pour corriger la justesse de la note, ou renforcer et embellir le son de
l’instrument en s’accordant sur la fréquence de la note jouée.
Il est possible de faire varier la fréquence du résonateur, en déplaçant la langue,
sur un registre entre 500 et 3000 Hz. Une des caractéristiques particulières du son
du didjeridu, c’est que les régions formantiques de la cavité buccale du musicien, et
34
toutes les modifications qu’il sait y apporter, provoquent des changements continus
dans le spectre acoustique de la source. Les formants sont plus prononcés dans le
cas du didjeridu que dans celui des cuivres car l’embouchure des trompettes, tuba
et autres, forme une cavité tampon entre la bouche et l’instrument et amoindrit
les pics formantiques. La voix n’est pas seulement un simple résonateur, mais un
générateur de sons complexes permettant une grande variabilité de contrôle. Les
cris, la parole et le chant modifient la colonne d’air de façon extrêmement subtile
et offrent une gamme d’effets spéciaux très intéressants lorsqu’utilisés en jouant
du didjeridu. L’oscillation des lèvres en soit ne provoque qu’un son constant sans
grande variation, mais lorsque le musicien utilise des sons vocaux tout en jouant,
une modulation d’amplitude s’opère entre la voix et l’excitation non linéaire des
lèvres et celle-ci est ensuite injectée dans l’instrument. La forme d’onde de l’ex-
citation est alors beaucoup plus complexe, comportant une grande quantité de
variations, le tout filtré par le résonateur qu’est le didjeridu.
Fig. 2.6 – Spectres d’amplitude d’un bourdon avec une voyelle prononcée.
Les nombres en petits caractères représentent les formants théoriques lorsqu’ils
coı̈ncident avec les maxima (caractères gras) observés à l’analyse.
Nous avons demandé au musicien de produire un simple bourdon en prononçant

35
la suite de voyelles [a - e - i - o - u] afin de comparer les fréquences des formants.

La suite de spectres d’amplitude pour chaque voyelle de la figure 2.6 démontre
clairement qu’il y a concordance entre le son perçu et la voyelle prononcée lors du
jeu. Les chiffres en caractère gras correspondent aux formants observés à l’analyse.
Lorsque l’analyse concorde avec les formants théoriques, ceux-ci sont inscrits en
petit caractère sur la figure. On constate que pour chacune des voyelles, au moins
deux formants sont similaires aux formants théoriques d’un ténor francophone.
2.1.2.3 Ajout du chant
Lorsque le joueur chante dans l’instrument tout en produisant un bourdon,

c’est-à-dire une note pédale à fréquence fixe, le flux d’air venant des poumons est
modulé par les cordes vocales (à la fréquence f1 ), filtré ensuite par le conduit vocal
et modulé à nouveau par la vibration des lèvres (généralement une fréquence plus
basse, f2 ), ce qui produit les partiels de fréquence mf1 ± nf2 , m et n étant des
entiers, résultant d’un phénomène d’intermodulation. Il est ainsi possible de générer
des sous-harmoniques en chantant des notes selon certains rapports en fonction de
la fréquence du bourdon.
Un exemple typique a lieu lorsque le joueur chante une dixième au-dessus du
bourdon (rapport de 5/2). Apparaı̂t alors une note un octave sous le bourdon
naturel de l’instrument (Fletcher, 1996).
f1 = 2.5f2
fm,n = mf1 ±nf2
f1,2 = f1 − 2f2
= 2.5f2 − 2f2
= 0.5f2
Chanter une note de la série harmonique ne provoque pas de grands change-

36
ments, si ce n’est que de renforcer la région du spectre où se trouve cette harmo-
nique. Par contre, si le musicien possède une bonne maı̂trise de sa voix, il peut
s’éloigner légèrement de la note fondamentale, ce qui fait varier intensément le
contenu spectral du son, puisque le musicien modifie sa colonne et s’accorde sur
des fréquences très différentes du fondamental de l’instrument. C’est une autre
façon de provoquer des phénomènes de battements.
La figure 2.8 représente l’analyse spectrale des quatre régions indiquées sur le
sonagramme de la figure 2.7. La région A correspond à la partie stationnaire, le
bourdon juste avant les variations. En B, nous avons la montée lorsque le joueur
commence à chanter dans l’instrument. C et D nous donnent deux spectres obtenus
lorsque le joueur stabilise sa voix sur une note qui n’est pas celle du drone. Cette
analyse a été effectuée sur un didjeridu accordé en La.
Fig. 2.7 – On constate une montée et une descente lorsque la voix du musicien se
détache de la fréquence de l’excitation à laquelle elle vient s’ajouter. A = partie
stationnaire. B = montée de la note chantée. C et D = parties stationnaires avec
chant.
37
Fig. 2.8 – Spectres d’amplitude correspondant aux régions A, B, C et D, respecti-

vement, du sonagramme de la figure 2.7.
2.1.2.4 Respiration circulaire
Pour exécuter la respiration circulaire, le joueur expire l’air de façon normale

jusqu’au moment où il a besoin de faire une nouvelle provision d’air. Il emplit alors
ses joues d’air et isole sa bouche des voies respiratoires par un rapprochement de la
langue et du palais. Alors qu’il respire brièvement par le nez, il continue à projeter
de l’air en contractant ses joues. Il reprend ensuite sa position normale et le cycle
continue. Les formants changent de façon importante lorsque la bouche est isolée
des voies respiratoires.
Durant le cycle normal, tout le conduit vocal est connecté aux lèvres tandis
que durant la partie où il respire, seule la bouche exerce une influence sur le son
(Fletcher et al., 2001a).
Les effets de la respiration circulaire se manifestent à plusieurs niveaux : celle-ci
provoque une pulsation du bourdon, une variation rythmique sur la pression du
souffle (contenu harmonique de l’excitation), ainsi qu’une variation rythmique de
la forme du conduit vocal (mouvement des formants).
En appliquant le procédé de la respiration circulaire, le musicien peut tenir une
note pendant plusieurs minutes sans interrompre le son. Il doit cependant respirer
très rapidement par petits coups secs, ce qui provoque inévitablement un bruit de
respiration qui s’entend très bien, puisqu’il se manifeste dans une région spectrale
38
où le didjeridu n’agit pratiquement plus, c’est-à-dire les hautes fréquences. Les bons
joueurs de didjeridu respirent de façon régulière pour marquer rythmiquement leur
musique. Le sonagramme de la figure 2.9 démontre bien ce qui se passe. En se
contractant, les joues diminuent le volume de la cavité buccale, lui conférant ainsi
une fréquence de résonance plus élevée, ce qui vient renforcer certains harmoniques
au moment de la respiration.
Fig. 2.9 – Rythme respiratoire aux fréquences élevées et variations d’énergie aux
différents harmoniques au moment de la respiration.
2.1.2.5 Excitation des modes supérieurs
La note fondamentale constitue le premier mode de l’instrument, c’est-à-dire le

bourdon, la note que le musicien tient presque tout le temps. Les analyses spectro-
graphique démontrent que lorsque le musicien augmente la pression de son souffle
pour exciter les modes supérieurs, il n’y a pas de changement harmonique radical.
Le premier mode reste toujours présent mais, il se crée une augmentation notable
d’énergie entre le septième et le trentième harmonique, avec beaucoup de varia-
tions internes. Le fait que les modes de résonance de l’instrument ne soient pas en
39
relation harmonique importe peu, puisque les variations se produisent à l’intérieur

de la série harmonique du premier mode. En variant la pression exercée sur ses
lèvres, le musicien ne fait que varier les amplitudes de chacun des harmoniques
présents dans le signal, ce qui crée les variations de hauteur spectrale perçues par
l’auditeur. La pression à exercer pour exciter les modes supérieurs est très élevée,
ce qui limite le musicien à ne s’en servir que pour de courtes périodes, car il doit
déployer beaucoup d’énergie pour maintenir cette vibration. Le sonagramme de la
figure 2.10 donne une allure générale de ce qui arrive lorsque les modes supérieurs
sont excités. Il y a un cycle de forte concentration d’énergie entre les harmoniques
7 et 30.
Fig. 2.10 – Excitation des modes supérieurs : la note fondamentale reste toujours
présente mais l’énergie se déploie entre les harmoniques 7 et 30.
La figure 2.11 présente les spectres d’amplitude des régions A, B et C de la figure

2.10, correspondant aux trois états du mouvement en jeu. La section A, d’une durée
de 90 ms, représente l’état stationnaire du bourdon. La section B, durant 140 ms,
40
Fig. 2.11 – Spectres A,B et C, correspondant respectivement à un drone sta-

tionnaire, un changement vers l’excitation des modes supérieurs et une excitation
stabilisée sur les modes supérieurs.
est la conséquence d’une montée en fréquence de la vibration des lèvres, un peu

à l’image de l’attaque d’une note, où se produit la rencontre de plusieurs spectres
consécutifs avec le spectre du tuyau. La section C correspond à l’état stationnaire
sur les modes supérieurs, qui dure au plus 100 ms, avant de redescendre lentement
vers un état stable sur le bourdon sans s’y rendre tout à fait puisque les modes
supérieurs sont à nouveau attaqués et le cycle recommence.
2.1.2.6 Cris
Un dernier mode de jeu consiste à crier dans l’instrument tout en produisant le

bourdon. Crier dans un didjeridu demande beaucoup d’énergie car il faut utiliser
au maximum l’air accumulé et se dépêcher de faire de nouvelles réserves, mais
c’est sans aucun doute l’effet le plus intéressant d’un bon joueur de didjeridu.
Nous sommes sensibles à ce type de sons car ils sont très organiques et évoquent
souvent le cri des animaux. La gamme de sons possibles est très large. Les cris
font apparaı̂tre des zones d’énergie tout à fait nouvelles dans le spectre, au-dessus
41
des résonances normalement excitées par la vibration des lèvres. Ils confèrent aussi
beaucoup d’énergie aux harmoniques déjà présents, ce qui se traduit par une montée
d’intensité spectaculaire. Le sonagramme de la figure 2.12 illustre les changements
dans le spectre du didjeridu lorsque le musicien pousse un cri dans l’instrument.
Fig. 2.12 – Crier dans le didjeridu tout en produisant un bourdon constant pro-
voque une montée subite d’énergie dans le registre médium (500 à 2000 Hz), ainsi
qu’une nouvelle zone d’énergie dans les hautes fréquences, qui apparaı̂t uniquement
lorsque l’excitation est très puissante.
Fig. 2.13 – Spectre d’amplitude du cri sur la voyelle [a] de la figure 2.12. On
remarque des formants bien prononcés.
À l’écoute du son produit par ce cri dans le didjeridu, on peut avoir une forte im-
pression que le joueur prononce la voyelle [a]. Effectivement, les formants théoriques
42
pour la voyelle [a], chantée par un ténor francophone, se trouvent autour de 760,
1450, 2600 et 3300 Hertz. Ce qui correspond aux formants observés sur le spectre
d’amplitude de la figure 2.13.
2.2 Synthèse
Le modèle créé et utilisé pour ce projet consiste en une synthèse modale du

didjeridu. Ce modèle est construit en deux parties. La première est la source d’ex-
citation avec un contrôle sur la fréquence fondamentale et la pression du souffle. La
deuxième est constituée d’un banc de filtres en parallèle, simulant les résonances
de l’instrument, avec contrôle sur la fréquence du premier mode et sur la longueur
du tuyau (voir fig. 2.14). Nous verrons tout d’abord le modèle d’excitation, ensuite
la modélisation du tuyau et de ses modes de résonances.
Fig. 2.14 – Diagramme simplifié d’une synthèse source-filtre du didjeridu.
2.2.1 Source d’excitation : vibration des lèvres
Le mouvement des lèvres constitue un élément clé d’une bonne implémentation

d’un modèle de didjeridu. Tous les effets spéciaux sont d’abord modulés par cette
oscillation avant d’être injectés dans le tuyau. La formule donné par Fletcher (éq.
2.5) pour déterminer l’onde de vibration est très instable au niveau de l’amplitude
43
par rapport à la pression des lèvres, et il s’est avéré impossible de la contrôler

sans générer plusieurs artefacts indésirables. Le défi était de trouver un algorithme
générant un signal périodique dont la forme d’onde est modifiable au moyen d’un
seul paramètre afin de simuler la variation de la brillance spectrale tel qu’observée
en fonction de la pression de l’excitation.
Un modèle a été élaborée à partir d’une onde sinusoı̈dale et d’un module de
distorsion non-linéaire. Lorsque la pression est faible, le train d’onde a la forme
d’un sinus, avec une amplitude moyenne. Une fonction d’écrêtage est appliquée à
l’onde en fonction de l’augmentation de la pression du souffle sur les lèvres. Un
pic se forme et l’onde devient de plus en plus trapézoı̈dale (voir Fig. 2.15). Cette
fonction simule bien la réalité et est extrêmement simple à manipuler.
Ce train d’onde constitue l’excitation du modèle. Tout comme le musicien ajuste
la fréquence de vibration de ses lèvres sur la fréquence fondamentale du didjeridu, la
fréquence de ce train d’onde est asservie à la fréquence fondamentale du tuyau. De
légères variations aléatoires sont appliquées à la pression du souffle et à la fréquence
de l’onde pour conférer une allure plus naturelle au modèle.
Fig. 2.15 – Train d’impulsions généré par les lèvres. En haut, la forme d’onde
générée et en dessous, le spectre d’amplitude correspondant. De gauche à droite,
pour des valeurs de pression de 1, 4 et 15 sur une échelle de 1 à 20.
44
2.2.2 Modélisation de la cavité buccale
Le spectre du souffle modulé en amplitude par la vibration des lèvres, avant

d’être filtré par le tuyau, est influencé par l’allure du résonateur que constitue la
cavité buccale. En modifiant le volume de sa bouche, le musicien déplace un formant
très prononcé dans le spectre de l’excitation. C’est, notamment, le déplacement de
ce formant que l’on entend lorsque le musicien respire tout en poussant l’air avec
ses joues. Cet effet est souvent utilisé pour rythmer la musique. L’implémentation
est très simple, elle consiste à rajouter une bosse dans le spectre de l’excitation,
avec un filtre d’égalisation, avant de l’envoyer dans le tuyau. D’autres formants, à
l’influence plus subtile, peuvent aussi être rajoutés afin de créer des bosses dans le
registre aigu du spectre de l’excitation.
2.2.3 Effets spéciaux (excitations externes)
Nous avons maintenant la base de ce qui constitue l’excitation simple du didje-

ridu, un bourdon avec un formant très prononcé. Afin de créer les effets spéciaux
propres au style de jeu, il faut modifier le signal excitateur des lèvres en le mo-
dulant avec un autre signal complexe. La voix, par exemple, est le signal que le
musicien va utiliser pour créer des variations dans son jeu. Le modèle de synthèse,
présenté ici, possède une entrée audio par laquelle on introduit un signal externe
dans le mécanisme de production sonore de l’instrument. On peut y brancher un
micro et chanter dans l’instrument, ce qui donne un son de didjeridu très réaliste.
Pour une synthèse complète du joueur de didjeridu, on peut aussi y injecter une
synthèse vocale ! Ça peut être un fichier sonore, du bruit filtré, de la granulation. . .
Tout ce qui entre par cette entrée est modulé en amplitude avec le mouvement
oscillatoire des lèvres pour créer un signal au spectre très riche, qui se contrôle très
bien lorsqu’utilisé avec une voix chantée.
Cette excitation est celle utilisée pour faire vibrer le modèle de tuyau qui sera
45
maintenant développé.
2.2.4 Modes de résonance du tuyau
Dans la conception de ce modèle de synthèse, il y avait plusieurs choix à faire.

En ce qui concerne les modes de résonance du tuyau, c’est-à-dire les bosses dans
le spectre d’amplitude de l’instrument, il est permis à l’utilisateur de spécifier le
nombre de modes désirés. Ces modes de résonance sont implémentés avec un banc
de filtres résonants en parallèle, dont les fréquences centrales, les amplitudes et
les largeurs de bande sont variables. Le compromis se trouve donc entre brillance
et exigence en temps de calcul. Un tuyau comportant entre 24 et 32 modes de
résonances génère un son de didjeridu réaliste. Il est possible d’ajouter ou d’enlever
des résonances afin de créer des effets de filtrage s’éloignant du son naturel du
didjeridu.
Chacun des modes est constitué d’une cascade de deux filtres récursifs du se-
cond ordre. Cela a pour effet d’accentuer la résonance du filtre et d’éliminer les
composantes spectrales indésirables qui étaient présentes avec un seul filtre. Les
fréquences centrales sont déterminées selon une formule qui tient compte de la
longueur du tuyau et d’un facteur d’élargissement du cône pour une fréquence
fondamentale donnée. Une version antérieure du modèle permettait de varier la
fréquence fondamentale en modifiant la longueur du tube, mais l’effet n’était pas
convainquant.
Le diamètre d1 est fixé à l’initialisation du programme. Le diamètre d2 varie
automatiquement en fonction de la longueur et de la fréquence fondamentale de
l’instrument. De la formule donnant la fréquence fondamentale, f0 , en fonction de
d1 , d2 et L0 , (eq. 2.1) nous avons déduit la formule donnant le diamètre d2 en
fonction de d1 , L0 et f0 :
46
" 2 #
π 2 d1 8f0 L0
d2 = d1 + −1 −1 (2.6)
16 c
On décide donc d’une fréquence fondamentale, entre 60 et 100 Hz pour un

instrument réaliste, et le modèle nous indique quelle serait la longueur d’un cy-
lindre ayant cette fondamentale. Ensuite, on peut varier la longueur à volonté et le
diamètre de sortie du cône, d2 , se réajuste constamment pour conserver la fréquence
fondamentale intacte, préservant ainsi l’effet du bourdon. Ce qui est intéressant avec
cette méthode, c’est que tous les formants se déplacent sur l’axe des fréquences, tan-
dis que le premier reste en place, produisant un balayage spectral fort appréciable
et beaucoup plus subtil qu’un déplacement du bourdon. On modifie le timbre tout
en préservant la hauteur de la note.
Les valeurs d’amplitude sont initialisées afin d’obtenir un instrument réaliste,
c’est-à-dire selon une courbe plus ou moins exponentielle, mais il est possible d’en-
voyer vingt-quatre valeurs sous forme de liste et de les varier en temps réel pour
obtenir des sonorités surprenantes. Cette option permet de modeler le son avec
précision et d’obtenir des textures qui s’éloignent considérablement du didjeridu.
Un autre effet intéressant, est obtenu en appliquant un jitter sur la largeur de
bande des filtres. La largueur de bande est par défaut très serrée, ce qui donne
un effet de vocodeur à l’instrument. On peut contrôler le degré de variance du
jitter ainsi que la vitesse des changements, avec pour effet sonore un espèce de
bouillonnement du tube subtil et agréable.
L’excitation est envoyée dans chacun des filtres modélisant les modes de résonance
du tuyau, et les sorties de tous ces filtres sont additionnées et acheminées vers la
sortie audio du modèle.
47
2.3 Conclusion
La modélisation d’un instrument comme le didjeridu permet de créer des sons

de synthèse d’une grande richesse sur le plan du timbre, tout en offrant l’avantage
de pouvoir modifier les caractéristiques physiques de l’instrument en temps-réel. Il
est donc possible, et relativement facile, de faire une transition fluide entre deux
didjeridus de différentes dimensions. Il est aussi possible de simuler un instrument
dont les caractéristiques physiques sont pratiquement impossible à réaliser. Par
exemple, avec un modèle physique, rien n’empêche de créer un didjeridu de 10
mètres de long, et de simuler des lèvres de géant, nécessaires pour faire vibrer une
telle colonne d’air.
Un effet intéressant, possible avec un modèle de synthèse, consiste à ajuster
automatiquement la longueur du tuyau, en fonction d’un changement de diamètre
de l’ouverture de sortie, pour conserver un premier mode de fréquence constante.
Le bourdon garde ainsi toujours la même fréquence, mais les modes supérieurs
subissent une variation de hauteur due au changement de forme de l’instrument.
Cet ajustement permet de créer plusieurs spectres de partiels pour un bourdon
constant.
Un autre avantage de la modélisation réside dans le fait que les paramètres de la
synthèse font référence aux caractéristiques physiques du corps sonore, ainsi qu’aux
modes de jeu propres à l’instrument simulé. Les variables sont donc très évocatrices
et permettent de prévoir précisément le type de résultat sonore provoqué par des
changements de paramètres. La suite de ce travail de recherche sur les modes de
jeu du didjeridu, et leur contribution dans le timbre de l’instrument, consiste donc
à élaborer une suite d’algorithmes qui simuleraient de façon réaliste, ou fantaisiste,
les différentes techniques de jeu du didjeridu. Ces algorithmes viendront modifier
judicieusement les différents paramètres du modèle de synthèse pour créer un joueur
virtuel capable d’improviser intelligemment.
CHAPITRE 3
OUNK
3.1 Objectifs
La création du logiciel Ounk (Bélanger, 2008) a été motivée par le besoin d’un
environnement de programmation musicale offrant une excellente qualité sonore ac-
compagnée d’un langage de haut niveau, simple et efficace. L’environnement doit
permettre à l’utilisateur d’arriver rapidement au résultat sonore souhaité. Le lan-
gage Csound1 comme moteur audio fut choisi pour plusieurs raisons. Premièrement,
Csound est un langage mature ayant une communauté de programmeurs très active.
En plus d’offrir une très large librairie d’opérateurs, la précision de l’interpolation
produit un rendu sonore d’excellente qualité. Csound permet aussi de calculer les
échantillons en temps réel ou en temps différé, en créant un fichier son sur le disque
dur, ce qui permet de construire des structures sonores dont la complexité n’est
pas limitée à la puissance du processeur.
Par contre, la syntaxe du logiciel Csound est un peu désuète et rébarbative.
Ounk nécessitait une syntaxe moderne, claire et efficace pour l’écriture des scripts.
Le choix du langage de programmation Python2 s’est imposé principalement pour
la simplicité de sa syntaxe, sa librairie de fonctions riche et variée, le fait qu’il
est multiplateforme et les facilités d’interfaçage qu’il fournit. Développé au début
des années 90, par Guido Van Rossum, Python est un langage dit de haut niveau
relativement jeune, en constant développement et bénéficiant du soutien d’une
communauté très active. Depuis quelques années, il est de plus en plus utilisé
dans le monde de la programmation de logiciels et d’interfaces web. Python est un
excellent langage pour construire des algorithmes puissants et versatiles.
1
http ://www.csounds.com
2
http ://www.python.org
49
Le tandem Python et Csound combine la puissance du langage de programma-

tion Python à la qualité du moteur audio Csound pour offrir un environnement de
programmation musicale agréable à utiliser, que ce soit pour la construction d’inter-
faces graphiques, l’exploration des techniques de traitement sonore, le multitâche
ou la communication avec d’autres logiciels.
3.2 Structure
L’interface graphique de Ounk consiste principalement en un éditeur de texte

facilitant l’écriture des scripts ainsi que la gestion de projets musicaux complexes.
Un projet, comprenant plusieurs fichiers ressources tels que des sons, des bases de
données ou des fichiers MIDI, peut être géré via l’interface graphique, qui assurera
les liens entres les différentes composantes du projet. L’éditeur offre des fonctions
communes aux éditeurs de texte voués à la programmation, par exemple la colori-
sation des mots-clés (avec une adaptation particulière pour les langages Python et
Csound), l’auto-complétion et la mise en commentaire de morceaux de code. La li-
brairie de fonctions, classées par catégories, est facilement accessible et un panneau
de documentation fournit des informations essentielles à l’utilisation des fonctions
propres à Ounk.
Plusieurs fenêtres peuvent être ouvertes simultanément dans l’éditeur. Chacune
possède sa propre console où seront interprétées les commandes du script. C’est
aussi par le biais de cette console que l’utilisateur pourra interagir avec un script
en cours d’exécution.
L’usage principal du logiciel consistera donc à écrire des scripts musicaux en uti-
lisant la librairie de fonctions fournie par l’environnement. Chaque fonction propre
à Ounk a pour tâche d’écrire une séquence d’instructions Csound effectuant un pro-
cessus algorithmique ou sonore précis. Au moment de lancer le script, chaque com-
mande sera envoyée à l’interpréteur Python qui construira un programme Csound
50
Fig. 3.1 – Interface d’édition du logiciel Ounk.
contenant toute l’information nécessaire à l’accomplissement de l’idée musicale ex-

primée. Le logiciel Csound sera ensuite appelé pour exécuter la génération des
échantillons sonores. C’est la fonction startCsound qui met tous les morceaux de
code en place et qui appelle Csound. Cette fonction doit donc être présente dans
tous les scripts Ounk générant du son. Une liste des fonctions, regroupées par
catégorie, peut être consultée à l’annexe II.
3.3 Particularités du langage
Le principal objectif de ce projet était de construire un environnement simple et

cohérent sans limiter le pouvoir d’action de l’utilisateur. Nous verrons les principaux
automatismes mis en place pour assurer une communication limpide entre le script
écrit en Python et l’exécution par le logiciel Csound.
51
3.3.1 Attributs audio
Csound doit être configuré en fonction du système sur lequel il est installé afin
de fonctionner correctement. Il faut spécifier, entre autre, l’interface audio qui doit
être utilisée. D’autres paramètres importants sont la fréquence d’échantillonnage
et la fréquence de la boucle de contrôle qui indique à quel taux les données de
contrôle seront rafraı̂chies. Un fichier de configuration peut être édité afin d’opti-
miser les performances en fonction du système utilisé. Ce fichier est accessible via
le menu ’File’, puis ’Preferences...’. Des valeurs par défaut sont fournies en fonction
des différentes plates-formes. Il est aussi possible de modifier la configuration audio
localement à l’intérieur d’un script. Les valeurs par défaut ne seront pas modifiées
et le comportement des autres scripts ne sera donc pas affecté. Les fonctions setAu-
dioAttributes et setAudioDevice permettent de modifier localement la configuration
audio de Csound.
setAudioAttributes(samplingrate = 48000,
controlrate = 4800,
softbuffer = 256,
hardbuffer = 512,
audioDriver = ’jack’)
setAudioDevice(inumber = ’’, onumber = 3)
3.3.2 Gestion des canaux de sortie
Ounk permet de contrôler des processus audio multicanaux. La fonction set-

Channels permet de définir le nombre de canaux à utiliser et chaque fonction
en tiendra compte dans la gestion des entrées et des sorties audio. Les fonctions
traitant les flux d’échantillons audio de Ounk sont conçues de façon à générer au-
tomatiquement le nombre de canaux audio requis, ce qui, par exemple, permet de
convertir aisément une musique stéréophonique en une musique octophonique. La
valeur de panoramisation3 est toujours spécifiée entre 0 et 1, et est automatique-
3
Le paramètre «pan» est présent pour toutes les fonctions générant une sortie audio.
52
ment échelonnée en fonction du nombre de canaux de sortie requis par la fonction.

La fonction setChannels peut être appelée plus d’une fois dans un même script, per-
mettant de calculer certaines fonctions en monophonie et d’économiser des cycles de
calcul. Pour acheminer un signal monophonique sur un canal spécifique, on utilisera
la fonction directOut en indiquant le numéro du canal au paramètre «offset». Un
groupe de fonctions de panoramisation, permettant entre autre d’élargir le nombre
de haut-parleurs affectés par le signal, est disponible pour gérer l’emplacement des
sons dans l’espace. Le nombre de canaux le plus élevé parmi les appels de setChan-
nels ou les fonctions de panoramisation déterminera le nombre de canaux de sortie
de Csound.
# modulation en anneau générée en monophonie

setChannels(1)
sine(pitch = 100, out = ’s1’)
sine(pitch = 25, amplitude = 0.0004, out = ’s2’)
ringMod(in1 = ’s1’, in2 = ’s2’, out = ’ring’)
# panoramisation sur les 2 premiers canaux
pan1to2(input = ’ring’, pan = .25)
# diffusion d’un son en quadraphonie sur les 4 premiers canaux
setChannels(4)
playSound(sound = ’mon_son_quad.aif’, pan = 0)
3.3.3 Gestion du temps
Chaque fonction générant un processus Csound possède les paramètres «start-

time» et «duration», avec comme valeurs par défaut 0 et None. None est la
valeur nulle en Python. Les fonctions sont donc définies pour démarrer au début
de l’exécution du script et n’ont pas de durée prédéterminée, ce qui n’est pas stric-
tement légal, puisque Csound doit savoir combien de temps un processus doit être
activé. Afin de ne pas avoir à spécifier une durée pour chaque fonction, une durée
globale est précisée en début de script, et chaque fonction ayant la valeur None
au paramètre «duration» prendra la valeur de la durée globale. Par défaut, cette
valeur est de -1, ce qui indique à Csound de jouer indéfiniment. Dans cette situa-
53
tion, il revient à l’utilisateur d’interrompre l’exécution du script lui-même. On peut

modifier la durée globale, spécifiée en secondes, avec la fonction setGlobalDuration.
Dans l’exemple ci-dessous, le son «baseballmajeur.aif» jouera en boucle pour toute
la durée de l’exécution tandis qu’une centaine de sinus feront des interventions de
250 ms avec des temps de départ choisis aléatoirement.
setGlobalDuration(60)
playSound(sound = ’baseballmajeur.aif’, loop = True)
for i in range(100):
start = random.randint(0,59)
pitch = random.randint(250,4000)
sine(pitch = pitch, starttime = start, duration = .25)
3.3.4 Utilisation de la liste comme valeur de paramètre
Chaque fonction de la librairie Ounk demande un certain nombre de paramètres

pour définir son comportement. Par exemple, le paramètre «sound» de la fonction
playSound indiquera le lien vers un fichier son sur le disque dur. Ainsi, la ligne
suivante créera un instrument qui jouera le son «baseballmajeur.aif» en boucle
pour toute la durée de la performance.
playSound(sound=’/home/olipet/sons/baseballmajeur.aif’, loop=True)
Une des caractéristiques de Ounk en faisant un environnement de composition

puissant est la possibilité d’utiliser une liste comme valeur de paramètre. C’est
une méthode généralisée s’appliquant à tous les paramètres afin de décupler les
processus sonores sans avoir à répéter sans cesse le même code. Cette technique
est grandement inspirée du «multichannel expansion», présent dans le logiciel de
programmation musicale SuperCollider, permettant de spécifier une liste de valeurs
à un paramètre d’une fonction. Chaque élément de la liste créera une instance de
la fonction en utilisant sa propre valeur comme paramètre. Dans SuperCollider, les
différentes instances seront automatiquement acheminés vers des canaux de sortie
consécutifs (McCartney, 1998).
54
Ainsi, pour faire jouer en même temps tous les sons contenus dans un dossier,
on exécuterait le code suivant :
# donne une liste de tous les fichiers dans un dossier

snds = os.listdir(’/home/olipet/sons’)
playSound(sound = snds, loop = True)
Une fonction qui reçoit une liste comme valeur d’un de ses paramètres créera
autant d’instances de l’instrument qu’il est nécessaire pour calculer le rendu sonore.
Si, pour une même fonction, plus d’un paramètre reçoit une liste en entrée, la plus
longue liste sera utilisée pour générer le nombre d’instances nécessaires. Les valeurs
des listes plus courtes seront utilisées dans l’ordre, avec bouclage lorsque la fin de
la liste est atteinte. Utiliser des listes de différentes longueurs pour les paramètres
d’une fonction produira un résultat sonore riche et varié puisque les combinaisons
de paramètres seront différentes pour chaque instance de l’instrument.
Pour toutes les fonctions générant des échantillons audio, seul le paramètre
«out» n’accepte pas de liste. Ce paramètre permet de diriger le signal vers d’autres
fonctions et ne peut être décuplé à l’intérieur d’un appel de fonction. Pour assigner
la sortie d’une fonction sur plusieurs canaux audio, il suffit de réécrire la fonction,
ou de la placer dans une boucle, en changeant la valeur du paramètre «out».
3.3.5 Passage des valeurs de contrôles
Comme beaucoup de moteurs audio, Csound gère les échantillons et les données
de contrôle en deux vitesses différentes. La boucle de contrôle est généralement plus
lente que la fréquence d’échantillonnage, afin d’économiser des cycles de calcul. On
utilisera la boucle de contrôle pour faire évoluer les valeurs de certains paramètres
en cours d’exécution. Par exemple, un vibrato sera généré au taux de contrôle
et viendra modifier la fréquence d’un oscillateur. Ounk permet ces changements
de valeur dans le temps. Chaque paramètre de fonction qui accepte les change-
ments continus est accompagné d’un autre paramètre portant le même nom suivi
55
de «Var». Par exemple, pour modifier en continu la fréquence d’un oscillateur,

on associera le canal de sortie d’un générateur de signaux de contrôle, soit son
paramètre «bus», avec le paramètre «pitchVar» de la fonction sine.
randomi(bus = ’pit’, mini = .9, maxi = 1.1, rate = 2)

sine(pitch = 250, pitchVar = ’pit’)
La valeur continue qui évolue sur le canal «pitchVar» sera alors multipliée à
la valeur fixe déclarée au paramètre «pitch». Le résultat sera rafraı̂chi à chaque
tour de la boucle de contrôle. Une seule exception à cette règle : si un canal est
déclaré au paramètre «panVar», la valeur du paramètre «pan» ne sera pas utilisé.
Cette exception a pour but de préserver la cohérence de la panoramisation lorsque
le nombre de canaux de sortie est modifié.
Le paramètre «bus» des générateurs de contrôle accepte les listes en entrée, ce
qui permet de créer une banque de générateurs en une seule ligne. Par exemple :
canaux = range(6) # => [0,1,2,3,4,5]

freqs = [random.uniform(2,5) for i in canaux]
randomi(bus = canaux, mini = .9, maxi = 1.1, rate = freqs)
Dans l’exemple ci-dessus, une liste de 6 valeurs est affectée à la variable canaux.
Ensuite, une deuxième liste est créée avec 6 valeurs pigées aléatoirement entre 2 et
5 et est placée en mémoire dans la variable freqs. En affectant ces deux listes aux
paramètres «bus» et «rate» de la fonction randomi, 6 générateurs aléatoires, aux
fréquences différentes, seront créés.
3.3.6 Passage des échantillons audio
Les échantillons audio sortant d’une fonction sont dirigés sur un canal défini
par la valeur du paramètre «out». Par défaut, ce paramètre est fixé à la valeur
«dac», ce qui signifie que le signal sonore sera acheminé de la sortie de Csound
à la carte de son. On peut assigner une valeur de notre choix à ce paramètre (de
préférence un chaı̂ne de caractères), et récupérer le signal dans une autre fonction
56
en assignant la même valeur au paramètre «input». Les fonctions route et toDac

permettent d’organiser des circuits complexes.
playSound(sound=’ounkmaster.aif’, out=’snd’)
lowpass(input=’snd’, cutoff=500)
3.3.7 Communication à l’aide du protocole Open Sound Control
Le protocole de communication Open Sound Control est très répandu et sup-

porté par une grande quantité de logiciels et de langages de programmation. Il
permet la communication entre différents ordinateurs ainsi qu’entre différents logi-
ciels actifs sur une même machine (Wright and Freed, 1997). Ounk fait usage du
protocole OSC, soit pour communiquer avec l’extérieur, soit pour passer des mes-
sages à une instance active de Csound par le biais de l’interpréteur Python. Ainsi, il
est possible de construire un algorithme évoluant dans l’environnement Python et
d’envoyer les événements résultants à un instrument Csound préalablement défini.
Ce système offre beaucoup de possibilités pour la composition algorithmique. Nous
verrons plus loin l’utilisation du module pythonInst, qui permet de créer un instru-
ment Csound répondant à des événements externes, et du module pattern, qui est
un ensemble de fonctions facilitant la construction de structures algorithmiques.
Csound peut recevoir des signaux de contrôle via le protocole OSC, et ce, peu
importe leur provenance. Il suffit de connaı̂tre l’adresse IP4 de la machine réceptrice.
En situation de performance, la communication OSC entre différents environne-
ments tels que Csound, Max/MSP, ChucK ou SuperCollider est simple, solide,
performante et utile pour les interprètes et les compositeurs.
# réception des messages OSC et attribution de canaux de contr^

ole
oscReceive(bus=[’sin’,’fm’,’snd’], adress=[’/sin’,’/fm’,’/snd’],
port=9000, portamento=.25)
sine(pitch=50, amplitudeVar=’sin’)
freqMod(pitch=100, modulator=.501, index=4, amplitudeVar=’fm’)
4
Internet Protocol : protocole utilisé pour la transmission de data via un réseau internet.
57
playSound(sound=’ounkmaster.aif’, loop=True, amplitudeVar=’snd’)

startCsound()
def sin(x):
sendOscControl(value=x, adress=’/sin’, port=9000)
def fm(x):
sendOscControl(value=x, adress=’/fm’, port=9000)
def snd(x):
sendOscControl(value=x, adress=’/snd’, port=9000)
L’exemple ci-dessus illustre la manipulation de paramètres d’un instrument via

des commandes OSC en provenance de Python. Le mixage de trois sources se fait
par le biais de l’interpréteur, en appelant des fonctions prédéfinies spécifiant le
volume de chaque source.
3.3.8 Rendu en temps réel ou différé
Csound permet le rendu en temps réel, c’est-à-dire que les échantillons calculés
sont envoyés directement à la carte de son, ou le rendu en temps différé, où un fichier
son est créé sur le disque dur. Le rendu en temps réel est soumis à la puissance
du processeur tandis que le rendu en temps différé prend le temps nécessaire pour
effectuer ses calculs et créer le fichier son. Dans l’environnement Ounk, il suffit
de spécifier un nom, au paramètre «file» de la fonction startCsound, pour faire
basculer le mode de rendu en temps différé.
Voici une technique de travail largement utilisée dans la création de mes mu-
siques. Au début du script, une variable «RES», pouvant prendre les valeurs «low»
ou «high», est définie. De la valeur de cette variable sera déduite la résolution so-
nore de Csound, c’est-à-dire le taux d’échantillonnage et le taux de contrôle spécifiés
avec la fonction setAudioAttributes, le mode de rendu et, potentiellement, la qualité
de la réverbération utilisée par le script. Donc, lors de la conception de la musique,
58
la variable est à «low», permettant une écoute rapide du résultat. Lorsqu’une ver-
sion haute fidélité est désirée, la variable est changée pour «high» et on laisse la
machine prendre son temps pour effectuer le calcul. Cette technique permet de
construire des musiques sans se soucier des capacités de l’ordinateur, et l’on peut
composer sans contrainte. Par exemple :
RES = ’low’
if RES == ’low’:
setAudioAttributes(samplingrate=22050, controlrate=2205)
else:
setAudioAttributes(samplingrate=48000, controlrate=12000)
...
startCsound()
else:
startCsound(file=’Modulo’)
3.3.9 Gestion des processeurs multiples
Au moment où ces lignes sont écrites, le sujet de l’heure en informatique mu-
sicale est l’utilisation des ordinateurs multi-processeurs pour créer de la musique.
L’intégration de multiples processeurs dans les logiciels audio est beaucoup plus
complexe qu’on ne le suppose. Les processus audio intimement reliés entre eux,
le partage de la mémoire ainsi que le délai temporel introduit par la communica-
tion entre les processeurs sont autant de problèmes ne bénéficiant pas encore de
solution optimale (Wang, 2008, Wessel, 2008). La communauté Csound a entre-
pris le développement d’une nouvelle version incorporant le multi-threading5 , ce
qui permettrait le partage des tâches entre différents processeurs. Présentement,
cette version n’est pas encore au point. Une solution intermédiaire a été mise en
place dans l’environnement Ounk afin de tirer avantage des capacités qu’offrent
5
Le partage des calculs d’une tâche sur plusieurs processeurs travaillant en parallèle.
59
les ordinateurs d’aujourd’hui. Lorsque Csound est lancé plusieurs fois sur une ma-
chine, chaque instance du logiciel tente de prendre son propre processeur. Sur un
MacPro à huit processeurs, par exemple, il est possible de lancer huit fois Csound
et d’utiliser au maximum la puissance de calcul de la machine. Ounk a été conçu
de façon à pouvoir démarrer plusieurs scripts en parallèle, utilisant chacun leur
propre instance de Csound, donc leur propre processeur. Le temps de démarrage
de Csound n’étant jamais exactement le même, il est évidemment difficile d’as-
surer une parfaite synchronie entre les scripts. Il est alors possible d’envoyer des
messages de contrôle, ou même des échantillons audio, d’un script à l’autre par le
biais du protocole OSC, ce qui assure un certain contrôle sur la synchronisation
des événements.
3.3.10 Gestion des répertoires
Ounk propose des répertoires par défaut où seront directement accessibles cer-
tains documents tels les fichiers son, les fichiers MIDI, les réponses impulsionnelles
ou les soundfonts. Ces dossiers sont au même niveau hiérarchique que l’application
Ounk. Tous les documents contenus dans ces dossiers peuvent être appelés sans
donner le lien complet sur le disque, Ounk sachant déjà où chercher ce type de
fichier. Il est aussi possible de changer les liens vers d’autres dossiers afin de res-
pecter une organisation des fichiers déjà en place sur le système. Il suffit d’indiquer
un nouveau lien avec les fonctions set...Path.
setSoundPath(’/Users/Peanut/MyFavoritesSounds/’)
setMidiPath(’/Users/Peanut/MyFavoritesMIDI/’)
3.4 Environnements
Ounk offre différents types d’environnements facilitant la construction d’ins-

truments élaborés. Un environnement, dans Ounk, est un morceau de code où les
fonctions qui y sont déclarées répondront d’une manière particulière en fonction
60
de certains types de messages, par exemple, une note MIDI en provenance d’un
clavier. Les différents environnements sont expliqués en détail ci-dessous. La des-
cription de la tâche d’un environnement commence après une fonction beginXXX
et se termine avec la fonction endXXX correspondante.
3.4.1 Instrument MIDI
Toutes les commandes se trouvant entre les fonctions beginMidiSynth et endMi-

diSynth seront en attente d’un événement MIDI pour entrer en action. La fréquence
des fonctions ayant un paramètre «pitch» sera alors transposée par le rapport de la
note MIDI jouée et de la valeur de référence donnée au paramètre «centralkey» de
la fonction beginMidiSynth. L’amplitude ainsi que la durée seront aussi déterminées
par les événements MIDI reçus. Ces actions sont transparentes et entièrement prises
en charge par Ounk, ce qui permet de passer rapidement du mode normal à un ins-
trument MIDI, ou vice versa, simplement en plaçant en commentaire les fonctions
créant l’instrument MIDI. La fonction beginMidiSynth permet aussi de spécifier le
temps de relâche du son, en seconde, après la réception du «noteoff»6 , ainsi que
la valeur de transposition, en demi-ton, appliquée au contrôleur «pitch bend». Ce
dernier ainsi que le contrôleur numéro 7, associé au volume, sont toujours actifs
dans un instrument MIDI. Il est aussi possible de créer plus d’un instrument MIDI
et de leur assigner des canaux différents.
beginMidiSynth(channel=1, centralkey=45, release=1, pitchbend=2)

freqMod(pitch=220, modulator=.501, index=4, out=’fm’)
lowpass(input=’fm’, cutoff=4000)
endMidiSynth()
Le script ci-dessus construit un instrument MIDI constitué d’une modulation

de fréquence suivie d’un filtre passe-bas. Dû au fait que la fréquence donnée au
paramètre «pitch» de la fonction freqMod équivaut à la note MIDI donnée au
6
Relâche de la note ou une note avec une vélocité de 0.
61
paramètre «centralkey» de la fonction beginMidiSynth, la hauteur entendue corres-

pondra à la hauteur MIDI demandée.
Les assignations audio à l’intérieur d’un instrument MIDI, spécifiées par les
paramètres «out», ne sont valables que pour cet instrument. La fonction endMidi-
Synth a son propre paramètre «out» pour assigner le son de l’instrument à d’autres
fonctions de Ounk, afin d’appliquer des traitements sur le son global de l’instru-
ment.
La fonction midiSynthCtl permet de récupérer n’importe quel contrôleur MIDI
externe à l’intérieur d’un instrument MIDI, tandis que la fonction midiSynthGet-
Bus permet de récupérer des données de contrôle provenant d’une fonction Ounk
préalablement définie.
randomi(bus=’mod’, mini=.99, maxi=1.01, rate=8)

beginMidiSynth()
midiSynthCtl(bus=’ind’, ctlnumber=74, minscale=0, maxscale=10)
midiSynthGetBus(bus=’modu’, input=’mod’)
freqMod(pitch=220, modulatorVar=’modu’, indexVar=’ind’)
endMidiSynth()
Ce script utilise la fonction midiSynthCtl pour récupérer le contrôleur MIDI

numéro 74 à l’intérieur d’un instrument MIDI et l’assigner à l’index de modulation
d’une synthèse par modulation de fréquence. La fonction midiSynthGetBus permet
d’utiliser le canal de contrôle «mod», définit à l’extérieur de l’instrument avec la
fonction randomi, et de l’appliquer au multiplicateur de la fréquence de l’oscillateur
modulant.
Deux dernières fonctions complètent cette librairie et offrent la possibilité de
créer rapidement des instruments MIDI originaux, splitKeyboard et splitVelocity.
La première permet de définir des régions sur l’étendue du registre de hauteurs
MIDI, tandis que la seconde sépare le registre d’amplitude en plusieurs couches.
Des processus différents peuvent alors être assignés en fonction de la hauteur et
de la vélocité des notes jouées. Voici un script distribuant sur l’étendue du clavier
62
les échantillons du piano préparé de John Cage, avec trois niveaux de vélocité. Les
échantillons sonores sont sauvegardés dans un même dossier et sont nommés en
suivant la logique suivante :
numéro de la touche + trait souligné + indication de vélocité + extension
setSoundPath(’/Users/olipet/sampler’)
beginMidiSynth(release=.05)
# boucle sur les 88 premières notes du clavier
for i in range(88):
# chaque région comprend une seule touche
splitKeyboard(firstnote=i, endnote=i, centralkey=i)
# boucle sur les 3 vélocités
for j in range(3):
# p = (0 -> .3), mf = (.3 -> .6), ff = (.6 -> 1)
splitVelocity(minthresh=[.6,.3,0][j], maxthresh=[1,.6,.3][j])
# nom du fichier son (numéro_vélocité.aif)
s = str(i) + ’_’ + [’ff’,’mf’,’p’][j] + ’.aif’
playSound(sound=s)
endMidiSynth()
3.4.2 Step sequencer
Le Step sequencer permet de construire des séquences qui seront jouées en

boucle, à une vitesse déterminée par une fonction metro. Les commandes à exécuter
en séquence doivent être placés entre les fonctions beginSequencer et endSequen-
cer. La fonction beginSequencer contient quelques paramètres essentiels au bon
fonctionnement de la séquence. D’abord, le paramètre «input» doit être associé au
paramètre «bus» d’un métronome. Chaque clic du métronome fera avancer d’un pas
la table d’amplitudes donnée au paramètre «table». La ou les tables d’amplitudes
seront généralement créées par les fonctions genDataTable ou genRhythmTable, et
serviront à déterminer l’amplitude des événements pour chaque pas de la séquence.
Le paramètre «mode» de la fonction beginSequencer est effectif seulement lors-
qu’une liste de tables a été spécifiée. Si la valeur est de 0, les tables seront lues de
façon séquentielle. Si la valeur est supérieure à 0, elle correspond au pourcentage de
63
chance qu’une nouvelle table soit choisie au début de chaque séquence. Les tables
sont alors choisies de façon aléatoire. Voici un exemple de séquenceur :
env = genAdsr(release=0.8)
amp = genDataTable([1,0,.5,0,1,0,.5,0,1,0,.5,0,1,0,.5,.5])
metro(bus=’metro’, tempo=132)
beginSequencer(input=’metro’, table=amp)
freqMod(pitch=250, modulator=.502, duration=.5, envelope=env)
endSequencer()
Dans ce script, une table d’amplitudes, pour une mesure à 16 pas, est créée
avec la fonction genDataTable et est mise en mémoire dans la variable «amp». Le
métronome fera avancer la séquence d’un pas dans la table à chaque nouveau clic.
Une note sera jouée et la valeur pigée dans la table servira d’amplitude pour toutes
les fonctions intégrées à la séquence.
La fonction sequencerPitchTable permet de spécifier une table de multiplica-
teurs de fréquence qui seront appliqués à tous les paramètres «pitch» présents
dans la séquence. De façon plus générale, la fonction seqParameterTable permet de
remplacer la valeur de n’importe quel paramètre d’une fonction faisant partie de la
séquence. Le pas de la séquence servira à spécifier quelle valeur dans la table doit
être utilisée pour remplacer la valeur initiale du paramètre.
ind = genDataTable([8,7,6,5,4,3,2,1,8,7,6,5,4,3,2,1])
pit = genDataTable([1,0,.5,0,1,0,.5,0,1,0,.5,0,1,0,.5,.5])
metro(bus=’metro’, tempo=132)
beginSequencer(input=’metro’, table=tt1)
# table de multiplicateurs, indexée par le pas, appliqués aux paramètres ’pitch’
sequencerPitchTable(pit)
beginSequencer(input=’metro’, table=tt1)
# table de valeurs, indexée par le pas, appliquées aux paramètres ’index’
seqParameterTable(’index’, ind)
freqMod(pitch=250, modulator=.502, duration=.5, index=4)
endSequencer()
La fonction beginSequencer contient des paramètres servant à démarrer ou arrêter

le séquenceur, permettant le mixage en temps réel de plusieurs séquences. Le pa-
ramètre «active» détermine l’état initial de la séquence, c’est-à-dire, si elle démarre
64
dès le début de l’exécution du script ou si elle attend un événement déclencheur. Si

la valeur donnée au paramètre «trigval» est envoyée sur le canal de contrôle spécifié
au paramètre «trigbus», la séquence bascule d’un état à l’autre.
3.4.3 Instrument Python
L’environnement permettant de créer des «instruments Python» est une des

caractéristiques les plus originales de Ounk. C’est par ce type d’instrument que
l’on pourra réellement utiliser Python à ses pleines capacités algorithmiques. L’ins-
trument Python est un groupe de fonctions, délimitées par les fonctions beginPy-
thonInst et endPythonInst, qui seront en attente d’un appel de Python pour lancer
leur processus. Cela permettra de construire des algorithmes entièrement dans l’en-
vironnement Python et d’envoyer des appels de notes à Csound durant l’exécution.
La fonction beginPythonInst ne prend qu’un seul argument, qui est le numéro de
l’instrument, une valeur arbitraire permettant de créer plusieurs instruments Py-
thon indépendants dans un même script. Voici un exemple très simple d’instrument
Python en attente d’un événement pour jouer une note de synthèse par modulation
de fréquence :
beginPythonInst(voice=1)
freqMod(pitch=250, modulator=.501, index=4, duration=1, out=’fm’)
endPythonInst()
lowpass(input=’fm’, cutoff=2000)
proc = startCsound()
À noter la valeur de retour de la fonction startCsound, jusqu’ici inutilisée. Cette

valeur, affectée à la variable «proc», contient le numéro du processus Ounk du
script. Comme plusieurs scripts Ounk peuvent être actifs en même temps, plusieurs
instances de Csound peuvent être présentes sur le système. Le numéro de processus
Ounk servira à identifier l’instance de Csound à laquelle s’adressent les appels
d’événements. Chaque instrument de chaque script en cours est donc indépendant.
65
On utilisera la fonction sendEvent, expliquée ci-après, pour effectuer les appels

d’événements. Cette fonction prend comme paramètre le numéro de l’instrument,
le numéro de processus ainsi qu’un dictionnaire7 où pourront être spécifiées, à
chaque nouvelle note, de nouvelles valeurs pour n’importe quels paramètres des
fonctions de l’instrument. Voici un appel à l’instrument ci-dessus où sont spécifiées
les valeurs de fréquence et d’index de la fonction freqMod :
# création d’un dictionnaire avec comme clé le nom de la fonction visée

dict = {’freqMod’: {}}
# affectation de valeurs
dict[’freqMod’][’pitch’] = 200
dict[’freqMod’][’index’] = 8
sendEvent(voice=1, dict=dict, process=proc)
Utilisée avec les fonctions de la catégorie Patterns, cette technique permet de

construire des algorithmes complexes et flexibles. La fonction pattern crée un objet
qui sert d’horloge dans l’environnement Python et qui appelle, à intervalles réguliers
ou selon une rythmique particulière, une fonction où sera généralement construit
le dictionnaire et effectué l’appel de notes.
def note()
dict = {’freqMod’: {}}
dict[’freqMod’][’pitch’] = random.randint(100,200)
pat = pattern(time=.125, function=note, pattern=[1,1,2])

pat.start()
pat.play()
Ce code permet d’envoyer des événements à l’instrument définit précédemment.

La fonction pattern crée une horloge qui appellera périodiquement, selon une vi-
tesse et un schéma rythmique, la fonction note. À chaque fois que la fonction note
7
Dans l’environnement Python, le dictionnaire est une table de données, définie entre accolades
{}, sur base de paires clé - valeur. Les paires sont séparées par des virgules et la clé est séparée
de sa valeur par le symbole deux-points ’ :’.
66
est appelée, un dictionnaire est créé avec une nouvelle valeur de hauteur et un
événement est demandé à l’instrument Python.
La catégorie Patterns contient un certain nombre de fonctions permettant
de modifier le comportement de l’algorithme en cours d’exécution. Des fonctions
témoins telles que getBeat, getBar et getTime permettent de suivre l’évolution
temporelle du jeu, et de modifier la structure de l’algorithme en conséquence. Il
est possible de modifier en tout temps la vitesse de l’horloge ou la séquence ryth-
mique utilisée avec les fonctions changeTime et changePattern. Ce module contient
aussi certaines fonctions spécialisées dans la génération de rythmes originaux et
cohérents.
3.4.4 Boucleur
L’environnement Boucleur permet de mettre en boucle des procédés sans avoir

à répéter plusieurs fois des groupes de commandes. En plaçant les éléments8 à
boucler entre les fonctions beginLoop et endLoop, ils seront automatiquement mis
en boucle pour toute la durée spécifiée à la fonction beginLoop. La durée de la
boucle de chaque fonction est dépendante de la durée spécifiée à son paramètre
«duration». Ceci permet de créer, simplement, des effets rythmiques en bouclant
des fonctions ayant différentes durées. Dans l’exemple ci-dessous, trois boucles de
longueurs différentes seront créées.
env = genAdsr()
beginLoop(starttime=0, duration=30)
sine(pitch=[200,300,400], duration=[.25,.33,.5], envelope=env)
endLoop()
Deux autres paramètres à la fonction beginLoop permettent de modifier le com-

portement de la boucle. La valeur du paramètre «amplitude» agira sur l’ampli-
tude globale de l’environnement, c’est-à-dire qu’elle affectera toutes les fonctions
8
Toutes les fonctions possédant les paramètres «starttime» et «duration» peuvent être mises
en boucle.
67
présentes. De façon similaire, la valeur du paramètre «legato» modifiera la durée

entendue des événements, sans changer la durée utilisée pour calculer le temps de
départ des événements. Si, au lieu d’une valeur seule, une liste de deux valeurs est
donnée à ces paramètres, une ligne droite, en partant de la première valeur jusqu’à
la deuxième, sera calculée sur toute la durée de la boucle. Ainsi, la valeur affectant
soit l’amplitude, soit la durée des processus subira un changement progressif sur
toute la durée de la boucle. Dans le prochain exemple, la boucle commence legato
puis se transforme progressivement en staccato tout en disparaissant graduellement.
env = genAdsr()
beginLoop(duration=30, legato=[1,.5], amplitude=[1,0])
sine(pitch=[300,400], duration=[.25,.5], envelope=env)
endLoop()
3.4.5 Instrument «Csound»
Il est pratiquement impossible de produire des fonctions pour toutes les possi-
bilités de chaı̂nes de traitement qu’offre Csound. Une solution devait être envisagée
qui ne limite pas la programmation aux seules fonctions offertes par Ounk. L’ins-
trument «Csound» à été créé afin de permettre à l’utilisateur d’écrire ses propres
instruments Csound et de les intégrer facilement à Ounk. Un instrument existant,
sous la forme d’un fichier texte, peut être appelé avec la fonction myInstrument, et
sera dès lors utilisé comme tout autre instrument produit par Ounk.
Une syntaxe spéciale permet de relier les paramètres d’initialisation des notes
ainsi que les canaux de contrôle de l’instrument Csound aux variables et aux «bus»
de Ounk. Le paramètre «argslist» de la fonction myInstrument attend une liste
de valeurs qui seront assignées, dans l’instrument Csound, aux paramètres d’ini-
tialisation p4 et les suivants. Les paramètres d’initialisation p1, p2 et p3, qui
représentent respectivement le numéro de l’instrument Csound, le temps de départ
et la durée de la note, sont pris en charge par Ounk, notamment par la biais
des paramètres «starttime» et «duration». Pour relier des canaux de contrôle, il
68
faut passer un dictionnaire au paramètre «vardict» de la fonction myInstrument.

Dans ce dictionnaire, les clefs correspondront aux noms des variables à contrôler
telles qu’elles apparaissent dans l’instrument Csound (sans le [k])9 , tandis que la
valeur associée à cette clef sera le nom donné au paramètre «bus» d’une fonction
de contrôle préalablement définie dans le script. Voici un exemple d’instrument
Csound, soit un simple oscillateur avec une enveloppe et une variation de fréquence :
instr 1
kenv linseg 0,.1,1,p3-.1,0
asig oscili p4*kenv, p5*kpit, p6
out asig
endin
Et voici comment cet instrument peut être intégré à Ounk :
wave = genWaveform()
# variations de fréquence
randomi(bus=’pitch’, mini=.95, maxi=1.05, rate=5)
fichier = ’path_vers_mon_fichier.txt’
# p4 = 5000, p5 = 200, p6 = wave
myInstrument(fichier, duration=1, argslist=[5000,200,wave],
vardict={’pit’: ’pitch’}, out=’toRev’)
Dans cet exemple, la variable «kpit» de l’instrument Csound est asservie au canal
de contrôle «pitch» et les paramètres d’intialisation p4, p5 et p6 sont passés via
le paramètre «argslist». Comme pour les fonctions standards, on assigne la sortie
audio par le biais du paramètre «out».
Cette technique devient particulièrement utile lorsqu’utilisée à l’intérieur d’un
instrument Python. Par exemple, dans le script ci-dessous, un instrument Csound
est définit à l’intérieur d’un instrument Python et la fonction note servira à effec-
tuer les appels d’événements en modifiant les valeurs p3 et p5 à chaque nouvel
événement :
9
En Csound, une variable de contrôle débute obligatoirement par la lettre [k]. Dans l’exemple
suivant, la variable «kpit», qui multiplie la fréquence d’un oscillateur, sera référencée dans le
dictionnaire par la clé «pit».
69
beginPythonInst(voice=1)
myfile = os.getcwd() + ’/Resources/examples/myOrch.txt’
myInstrument(myfile, duration=1, argslist=[...], vardict={...})
endPythonInst()
def note():
dict = {’myInstrument’: {}}
dict[’myInstrument’][’p3’] = random.randint(2,8)
dict[’myInstrument’][’p5’] = random.randint(50,200)
3.4.6 Interface graphique
Un groupe de fonctions servent à construire une interface graphique, permettant

la manipulation de certains paramètres du script. La fonction beginGUI commence
par construire un cadre, c’est à dire une fenêtre où l’on pourra placer des objets
d’interface. Des fonctions tels makeSlider, makeButton et autres seront utilisées
pour construire l’interface. En plus des paramètres de configuration, ces fonctions
prennent un autre paramètre qui spécifiera quelle fonction sera appelée chaque
fois que l’objet sera manipulé. Ce dernier point est essentiel, car c’est la fonction
donnée en argument qui recevra, par exemple, la valeur du potentiomètre ou le
signal du bouton. De cette fonction, les valeurs peuvent être utilisées directement
dans Python, ou passées à Csound, via le protocole OSC.
def onPlay():
sendOscTrigger(value=1, adress=’/play’, port=8000)
def handleSlider(val):
sendOscControl(value=val, adress=’/s1’, port=8000)
def handleSlider2(val):
sendOscControl(value=val, adress=’/s2’, port=8000)
frame = beginGUI(size=(260,300))
p1 = makeButton(frame, label=’Play’, pos=(90,20), function=onPlay)
s1(frame, mini=-24, maxi=24, pos=(50,50), function=handleSlider)
s2(frame, mini=-24, maxi=24, pos=(50,120), function=handleSlider2)
endGUI(frame)
70
Ce script construit une interface graphique contenant trois objets, un bouton et

deux potentiomètres. Chaque fois qu’un objet change d’état, il appelle sa fonction
dédiée et lui passe, s’il y a lieu, sa valeur en paramètre. Cette valeur est ensuite
acheminée vers Csound par le biais des fonctions sendOscControl et sendOscTrig-
ger.
CHAPITRE 4
LE CYCLE DES VOIX : TRAVAUX ET MÉTHODES
4.1 Contexte
Ce cycle musical a été entièrement composé à l’aide d’outils développés au

cours des cinq dernières années. Les modèles de synthèse de la voix chantée et
du didjeridu ont été utilisés pour générer la quasi-totalité des matériaux sonores
utilisés, et la composition des pièces a été réalisée dans le logiciel de programmation
musicale Ounk, présenté au chapitre précédent. Chaque composition, à l’exception
d’une seule, existe sous la forme d’un script Python, générant un processus musical
exécuté par Csound, qui peut être joué en temps réel ou en temps différé. Quelques
scripts sont donnés en annexes. Ce cycle a été conçu pour pouvoir être diffusé aussi
bien en version stéréophonique qu’en version multiphonique.
Le choix de n’utiliser que les modèles de synthèse pour la composition de tout le
cycle fut motivé par trois raisons. Premièrement, l’utilisation limitée de matériaux
a forcé l’exploration en profondeur des possibilités qu’ils offraient sur le plan du
timbre et de la qualité sonore. Deuxièmement, ce choix m’a permis de me concen-
trer entièrement sur l’écriture de la musique, en fonction d’une instrumentation
fixe, donc avec une pleine connaissance des textures et des modes de jeu dispo-
nibles. Enfin, la nature des instruments proposait une certaine cohérence timbrale
de l’oeuvre.
72
4.2 Musique
Le Cycle des voix est une suite musicale constituée de sept compositions consis-
tant chacune en un seul geste musical. Choeurs, la dernière pièce du cycle, est une
synthèse des gestes musicaux explorés explorés durant la composition du cycle et
regroupe presque tous les matériaux sonores utilisés dans les pièces précédentes.
Bien que les pièces aient été composées pour être diffusées dans un ordre précis
en fonction de l’évolution dramatique de l’oeuvre, chaque composition peut exister
indépendamment du cycle. Les sections suivantes expliquent la structure des pièces
constituant le Cycle des voix.
Drone
Drone est la pièce d’ouverture du cycle. Utilisant les deux modèles de synthèse
décrits dans le présent ouvrage (synthèse de la voix et du didjeridu), l’élément
principal de cette pièce est composé pour un didjeridu solo dont la source d’ex-
citation est une voix de synthèse. Explorant un univers très sobre et introspectif,
Drone ouvre le cycle avec une longue trame exploitant le côté organique des sons
graves générés par le didjeridu. La pièce évolue très lentement, s’attardant sur les
différentes textures résonantes générées par le chant dans le didjeridu.
La chaı̂ne de traitements dans ce processus est complexe et riche en possibilités.
La synthèse vocale est d’abord générée sur différentes hauteurs et différents timbres,
puis elle est modulée par l’action des lèvres à l’entrée du didjeridu. Le résultat de ce
traitement est ensuite transformé par les qualités spectrales du didjeridu, composé
de 45 modes de résonances. La fréquence centrale de chaque mode est en constante
évolution, simulant un didjeridu dont la longueur et la forme changent au cours du
temps. Une distorsion est également ajoutée à certains événements de la voix de
synthèse, ainsi qu’une modulation en anneau, permettant de simuler des cris dans
l’instrument. Ces événements servent d’une part à modifier la richesse du spectre
de façon marquée et, d’autre part, à moduler la dynamique générale de la pièce en
73
créant de grandes vagues entre les sections douces et les sections fortes.
La pièce est jouée en temps réel dans l’environnement Ounk car le jeu de la
synthèse vocale est produit par des algorithmes écrits en Python et transmis à
Csound sous la forme d’événements indépendants. En parallèle, des changements
continus sont appliqués aux paramètres du didjeridu. Le déplacement du formant
principal de la bouche crée une résonance qui balaie le spectre, la modification de
la longueur du tuyau déplace les résonances de l’instrument et une variation de la
pression des lèvres modifie la richesse harmonique du timbre.
Paysages
Paysages explore le paradoxe entre les sons de la nature et la synthèse sonore.
Dans cette pièce, des sons à connotation naturelle très forte, tels des grillons et
des rafales de vent, ont été simulés avec le modèle de synthèse de la voix. Ces
textures évoquant la nature cohabitent avec des sons purement synthétiques, tels
que la note de basse constituée d’une forme d’onde simple. Ce paysage sonore sert
de toile de fond à une exploration libre des possibilités timbrales offertes par le
modèle de synthèse de la voix. Pour la génération des voix principales de cette
pièce, les paramètres de contrôle sont explorés dans les registres extrêmes afin de
générer des textures sonores complètement différentes de la voix chantée.
Une version particulière du modèle de synthèse vocale, offrant la liberté de
modifier en temps réel certains paramètres de contrôle, a été créée spécialement
pour générer les voix solos de cette pièce. Par exemple, dans le modèle de synthèse
de la voix généralement utilisé, les fréquences centrales des formants sont générées
automatiquement en fonction de la voyelle à synthétiser. Dans cette version du
modèle, une variation aléatoire appliquée à chacun des formants permet de déplacer
les filtres selon des trajectoires complètement différentes de celles présentes dans
l’articulation de phonèmes. À certains moments de la pièce, la vitesse et l’amplitude
du vibrato sont modifiées de façon à obtenir des sons se situant entre la synthèse
74
vocale et la modulation de fréquence.

Ce modèle est incorporé dans l’environnement Ounk avec la fonction myIns-
trument, permettant ainsi d’interpréter directement du code écrit en Csound (voir
chapitre 3.4.5). Les trajectoires de contrôle sont générées en Python et sont ensuite
dirigées vers les paramètres de l’instrument Csound via le protocole Open Sound
Control.
Déphasages
Première de deux pièces influencées par la musique de Steve Reich, la pièce
Déphasages explore les effets des déphasages rythmiques dans un contexte poly-
phonique. Sept voix de polyphonie sont introduites à tour de rôle tout au long de
la pièce, augmentant progressivement la densité de l’harmonie. Chacune des voix
chante de courts motifs musicaux, en boucle, sur un tempo commun. Les rythmes
de la pièces sont constitués de cellules ternaires de 2, 4 ou 8 temps, avec la croche
comme plus petite valeur temporelle. De façon périodique, certaines voix décalent
leur temps d’entrée d’une double-croche par rapport à la pulsation de base. Cela a
pour effet de créer une sensation de tempo deux fois plus rapide et de générer des
roulements de notes lorsque deux voix décalées l’une par rapport à l’autre jouent
dans un même registre. Après une certaine durée, le décalage temporel est annulé
et la rythmique de base est rétablie. Les voix recommencent à chanter en phase les
unes avec les autres, créant une sensation de repos après un moment de grande ac-
tivité rythmique. Pour marquer le moment où les voix se synchronisent à nouveau,
les cellules rythmiques et l’harmonie changent, et une voix est ajoutée au groupe.
Une mélodie ajoutée au tiers de la pièce et chantée par des voix de basse vient
soutenir le tempo en marquant les temps. Cette voix n’est jamais décalée dans le
temps, assurant une présence sur les temps forts de la mesure afin de garder une
pulsation bien sentie. Cette ligne mélodique ajoute de la couleur à l’harmonie des
voix en imposant une note fondamentale très présente.
75
Cette pièce exploite un élément particulier du logiciel Ounk : l’environnement

step sequencer. Cet environnement permet de placer n’importe quel processus ou
chaı̂ne de traitements dans un instrument répondant à la pulsation d’un métronome.
Une ou plusieurs tables de rythmes peuvent être définies pour chaque séquenceur
et tous les paramètres des fonctions, à l’intérieur de la séquence, peuvent aussi être
modifiés par la lecture cyclique de tables désignées. L’environnement step sequencer
permet de construire des cellules musicales hautement évolutives, respectant une
pulsation très précise, tout en exécutant un processus sonore arbitraire.
Les rythmes et les mélodies sont générés par des algorithmes élaborés avec le
langage Python dans le cadre du développement de la suite de logiciels TamTam1 ,
et adaptés à l’environnement Ounk.
Modulo
La pièce Modulo est construite sur une harmonie constante de douze notes,
chantées par des voix de synthèse. Afin d’éliminer le caractère vocal des sons,
chaque voix est modulée par un oscillateur à basse fréquence, faisant graduellement
apparaı̂tre et disparaı̂tre la voix. Comme chaque oscillateur modulant possède une
fréquence différente, l’harmonie entendue est en mouvement constant selon les croi-
sements provoqués par les apparitions et les disparitions des différentes voix. Cette
toile de fond donne un caractère très aérien à la pièce. La dynamique de mouve-
ment est construite à partir de modules de distorsion, associés chacun à une voix,
et possédant chacun leur propre oscillateur à basse fréquence affectant leur ampli-
tude respective. Les douze voix et distorsions, réparties de façon fixe dans l’espace,
créent des effets de déplacement par l’apparition et la disparition des éléments.
Afin d’accentuer ce phénomène, les distorsions, dont les emplacements dans l’es-
pace sont associés à chacune des voix, reçoivent en entrée audio le total des douze
1
La suite de logiciels TamTam a été développée par une équipe de l’Université de Montréal,
sous la direction de Jean Piché, dans le cadre du projet One Laptop Per Child.
http ://tamtam4olpc.wordpress.com/
76
voix de synthèse. Ceci crée l’effet d’une voix entendue en un point de l’espace alors
que cette même voix, traitée, apparaı̂t en un autre point de l’espace, créant des
jeux de mouvement intéressants.
Chorus morph
La pièce Chorus morph explore le fondu progressif d’un timbre sonore vers
un autre. La musique commence avec une de très nombreuses voix, des sopranos
chantant des notes extrêmement aiguës et des basses chantant à des fréquences
fondamentales inférieures à 20 Hz, créant une masse sonore très dense, difficile
à associer à la voix chantée. Au fur et à mesure que la pièce évolue, les sons
s’identifient de plus en plus à la voix chantée, alors que de longs glissandos appliqués
aux fréquences fondamentales font converger les notes vers une fréquence médiane
où toutes les voix se rejoignent à la fin, créant un chorus sur une seule note. Chorus
morph est donc une masse sonore en constante transformation, partant d’un spectre
complexe vers un spectre simple.
Dans cette pièce, seuls les registres sont importants, les notes chantées doivent
être le plus éloignées possible d’une quelconque tonalité ou harmonie. Les fonda-
mentales sont obtenues à l’aide de générateurs de nombres aléatoires contrôlés de
type Weibull, illustré par l’équation 4.1, dont la distribution est fonction de deux
paramètres, λ, le centre de gravité et K, la forme de la distribution.
(1/K)
1
x = λ log (4.1)
1 − random(0, 1)
Les figures 4.1 et 4.2 illustrent les densités de distribution aux quatre endroits
pivots de la pièce.
Comme cette pièce nécessite une grande quantité de voix pour créer la masse
sonore, plusieurs processeurs sont requis pour générer la musique en temps réel.
Comme les algorithmes sont gérés dans l’environnement Python, qui envoie en
77
Fig. 4.1 – Densités des distributions Weibull pour les voix de basse.
Fig. 4.2 – Densités des distributions Weibull pour les voix de soprano.
78
temps réel des événements à jouer aux instruments Csound, le rendu en temps
différé ne peut être utilisé pour cette pièce. Les capacités multi-processeurs de
Ounk sont utilisées pour lancer, au même moment, plusieurs scripts semblables
mais possédant leurs propres générateurs de nombres aléatoires propres, générant
des masses légèrement différentes. Chaque script appelle une nouvelle instance de
Csound, qui prendra le premier processeur disponible. Les flux sonores de chacune
des instances sont enregistrées dans des fichiers séparés et sont ensuite mixées en
un seul fichier son.
Reich
Cette deuxième pièce influencée par l’oeuvre de Steve Reich est construite en
deux parties. La première partie, plus lente, installe un style musical constitué de
courtes cellules binaires chantées en boucle dans une harmonie à sept voix. Sept voix
sont utilisées afin d’obtenir une octophonie où chaque voix n’est pas exactement
située dans un haut-parleur, mais plutôt dans un espace situé entre deux haut-
parleurs. Une table de probabilité, qui gère la longueur des cellules rythmiques,
appelle une longueur métrique différente à chaque nouvelle mesure. Des cellules de
quatre notes ont la plus forte probabilité d’être pigées, tandis que des cellules de
huit ou seize notes viendront parfois étendre les lignes mélodiques, contrebalançant
l’effet de répétition. La deuxième section de la pièce applique le même principe
mais sur un tempo beaucoup plus rapide avec des changements d’harmonie plus
fréquents, créant une section plus dynamique. Une mélodie très présente à la basse
vient accompagner les mélodies aux voix supérieures.
Voici comment l’environnement Step sequencer de Ounk a été utilisé pour créer
les mélodies de la pièce Reich :
s1 = setRhythm(1, TAP, 60,85,70)
metro(bus=’metro’, tempo=132, tap=TAP, tempoVar=’tempVar’,

tapVar=’tapVar’, starttime=SEQSTART, duration=SEQDUR)
79
beginSequencer(input=’metro’, table=s1)
seqParameterTable([’pitch’, ’duration’, ’fadeout’],
[sop1, notedur, fadedur])
setVoice(vowel=0, amplitude=.4, voicetype=3, vibratoamp=0, out=’v1’)
endSequencer(starttime=SEQSTART, duration=SEQDUR)
Deux fonctions (setRhythm et setVoice) sont définies au début du script et per-

mettent respectivement de générer des cellules rythmiques et des timbres de voix.
La fonction seqParameterTable permet d’utiliser des tables préalablement créées à
l’aide d’algorithmes de génération aléatoire, pour modifier certains paramètres de la
synthèse vocale à chaque temps de la mesure. Les tables, qui évoluent dans le temps
en exécutant un fondu sur plusieurs listes de valeurs, viennent modifier respective-
ment la hauteur, la durée ainsi que le temps de chute de chaque note. Ce système
permet de créer des boucles introduisant des changements de comportement sur
toute l’étendue de la pièce.
Choeurs
Cette pièce incorpore presque tous les types de timbres possibles avec le modèle
de synthèse vocale. Choeurs a été composée en parallèle à la création du logiciel
Ounk. C’est la seule pièce du cycle qui a été mixée de façon traditionnelle dans
un séquenceur multipistes. Les matériaux utilisés proviennent principalement de
générateurs algorithmiques, que ce soit pour les motifs rythmiques, pour les motifs
mélodiques ou pour les contrôles des paramètres de sons vocalement impossibles.
Bien que la première version de cette pièce ait été composée avec Max/MSP, une
grande partie des matériaux ont été refaits avec Ounk.
Choeurs est construite en trois parties. La première section présente les matériaux
développés au cours de la pièce : des accords denses, des sons de vent créés avec le
modèle de synthèse de la voix et des événements très brefs dans le registre aigu.
La section centrale installe une trame rythmée comme fond sonore pour un choeur
de sopranos et fait le lien avec la section finale. Celle-ci est constituée d’un choeur
d’environ quarante voix, créant un fond harmonique dense, au dessus duquel se
80
démarque une voix de soprano solo. Cette section utilise plusieurs matériaux déjà
utilisés aux deux premières sections de la pièce afin de faire de brefs rappels. Pour
mener au point culminant du cycle, la finale propose une atmosphère très planante
composée d’une harmonie riche et complexe.
Choeurs profite de l’élimination de la contrainte de la génération en temps
réel pour exploiter des matériaux d’une grande densité. Par exemple, la section
rythmique a été générée dix fois, chaque génération incluant plusieurs voix aux
timbres et aux comportements différents, et mixée afin de produire une pulsation
en constante évolution.
Le but de cette pièce était d’utiliser au maximum les qualités expressives du
modèle de synthèse de la voix chantée sans aucune contrainte de programmation.
Les seuls effets audio-numériques utilisés dans cette composition consiste en une
réverbération par convolution ainsi que quelques filtres d’égalisation.
CONCLUSION
Dans le domaine de la synthèse sonore, la voix chantée constitue probablement

le dernier défi qui n’a pas encore trouvé de solution élégante. Le modèle développé
au cours de ce projet vise à offrir aux compositeurs une synthèse de bonne qualité
sonore, simple à manipuler et peu gourmande en ressources, que ce soit en puissance
de calcul, en espace disque ou en mémoire vive. Une attention particulière a été
portée aux micro-modulations des paramètres, éléments essentiels pour conférer un
caractère le plus naturel possible aux sons de synthèse. Aussi, ce modèle s’avère
efficace pour produire des phonèmes incorporant des consonnes, particulièrement
les consonnes plosives. Le modèle génère une synthèse vocale naturelle, riche et
versatile. Il a été spécifiquement développé à l’intention des compositeurs.
Le modèle de synthèse du didjeridu décrit dans cette thèse, bien que relati-
vement simple dans son implémentation, constitue un module de traitement aux
sonorités intéressantes. Le didjeridu, par sa forme conique, génère des modes de
résonance dans un rapport non-harmonique, créant ainsi une structure modale
riche et complexe. Les paramètres de contrôle, simples à manipuler, en font un
instrument particulièrement utile pour la génération ou le traitement de signaux
audio. Utilisé de pair avec le modèle de synthèse vocale, il permet de simuler un
réel joueur de didjeridu ainsi que les différents modes de jeu de l’instrument.
Afin de fournir un environnement de contrôle agréable et versatile aux modèles
décrit ci-dessus, un logiciel de programmation musicale, Ounk, a été développé.
Ce logiciel allie la puissance du langage de programmation Python à la qualité
du moteur audio Csound. Il permet l’écriture de scripts effectuant des traitements
sur des signaux audio ou la composition de pièces musicales complètes, de nature
générative ou non. Il offre le choix entre le rendu en temps réel ou le rendu en temps
différé, ce qui permet de composer à basse résolution, sans délai d’attente à l’écoute,
et de générer une version haute définition de la pièce lorsque celle-ci est au point. Les
82
modèles de synthèse de la voix et du didjeridu sont complètement intégrés à Ounk,

notamment par l’ajout de valeurs par défauts à tous les paramètres. Ceci simplifie
le contrôle des instruments, puisque l’utilisateur n’a qu’à spécifier les variables qu’il
désire contrôler.
Le Cycle des voix est une oeuvre pour synthèse vocale et didjeridu entièrement
composée dans le logiciel Ounk. La contrainte de n’utiliser que ces sources de
matériaux pour la construction de la musique avait pour but de forcer une ex-
ploration exhaustive des multiples textures sonores possibles avec ces modèles
de synthèse. La provenance restreinte des sources confère aussi une certaine ho-
mogénéité à l’ensemble des pièces constituant le Cycle des voix.
Cette recherche ouvre la voie à la composition générative à l’aide du langage de
programmation Python. Ce langage est complet, simple à maı̂triser et lorsqu’allié
au moteur audio Csound, il devient un puissant outil pour la gestion d’algorithmes
musicaux. La création du Cycle des voix démontre que le développement du logiciel
Ounk en est à un état suffisamment avancé pour être utilisé dans la gestion de
projets musicaux complexes. La prochaine étape dans le développement du logiciel
consistera à permettre à l’utilisateur de jouer sur un nombre illimité de canaux de
sortie. Ce développement sera appuyé par un projet de composition d’une oeuvre
générative à 32 voix pour un dôme de haut-parleurs.
SOURCES DOCUMENTAIRES
Bilmes, J. (2003). Lecture 1. EE516 Computer Speech Processing. University of

Washington, Dept. of Electrical Engineering.
Blumstein, S. and Stevens, K. (1979). Acoustic invariance in speech production :

evidence from measurements of the spectral characteristics of stop consonants.
Journal of the Acoustical Society of America, 66 :1001–1017.
Bélanger, O. (2008). Ounk - an audio scripting environment for signal processing

and music composition. In Proc. International Computer Music Conference, pages
399 – 402, Belfast, Irlande du Nord.
Bélanger, O. and Traube, C. (2005). Modélisation du didjéridou et de ses modes de

jeu. In Proc. Conference on Interdisciplinary Musicology, pages 21–23, Montréal,
Canada.
Bélanger, O., Traube, C., and Piché, J. (2007). Designing and controlling a source-
filter model for naturalistic and expressive singing voice synthesis. In Proc. Inter-
national Computer Music Conference, pages 328 – 331, Copenhagen, Danemark.
Chafcouloff, M. (2004). Voir la parole. Travaux Interdisciplinaires du Laboratoire

Parole et Langage d’Aix-en-Provence, 23 :23–65.
Coleman, R. (1971). Male and female voice quality and its relationship to vowel
formant frequencies. Journal of speech and hearing research, 14 :565–577.
Cook, P. (1991). Identification of control parameters in an articulatory vocal tract

model with applications to the synthesis of singing. Phd thesis, Stanford University.
D’Alessandro, N., d’Alessandro, C., Le Beux, S., and Doval, B. (2006). Real-time
calm synthesizer, new approaches in hands-controlled voice synthesis. In Proc.
International Conference on New Interfaces for Musical Expression, pages 266 –
271, Paris, France.
84
Delattre, P. (1970). Des indices acoustiques aux traits pertinents. In Procee-

dings of the 6th International Congress of Phonetic Sciences, pages 35–47, Prague,
Tchécoslovaquie.
Delattre, P., Liberman, A., and Cooper, F. (1955). Acoustic loci and transitional
cues for consonants. Journal of the Acoustical Society of America, 27 :769–773.
Delattre, P., Liberman, A., Cooper, F., Harris, K., and Hoffman, H. (1958). Ef-
fect of third-formant transitions on the perception of the voiced stop consonants.
Journal of the Acoustical Society of America, 30 :122–126.
Delvaux, V., Demolin, D., Soquet, A., and Kingston, J. (2004). La perception
des voyelles nasales du français. In Proc. Journée d’Étude sur la Parole, pages
157–160, Fès, Maroc.
Everest, A. (1989). The Master Handbook of Acoustics. TAB BOOK Inc., second
edition.
Fletcher, N. (1996). The didjeridu (didgeridoo). Acoustics Australia, 24 :11–15.
Fletcher, N., Hollenberg, L., Smith, J., and Wolfe, J. (2001a). Didjeridu acoustics.
Technical report, University of New South Wales, Sydney, Australia.
Fletcher, N., Hollenberg, L., Smith, J., and Wolfe, J. (2001b). The didjeridu and
the vocal tract. In Proc. International Symposium on Musical Acoustics, pages
87–90, Perugia, Italie.
Henrich, N., Doval, B., and D’Alessandro, C. (2003). The voice source as a
causal/anticausal linear filter. In ISCA ITRW VOQUAL, pages 15–19, Geneva,
Suisse.
Iturbide, M. R. (nil). La synthèse granulaire et la synthèse par formants.

http ://www.artesonoro.net/tesisgran/cap4/cap4.html.
Jackson, P. (2001). Acoustic cues of voiced and voiceless plosives for determining
place of articulation. In Proc. Workshop on Consistent and Reliable Acoustic Cues
for Sound Analysis, pages 19–22, Aalborg, Denmark.
85
Joliveau, E., Smith, J., and Wolfe, J. (2004). Vocal tract resonances in singing :
The soprano voice. Journal of the Acoustical Society of America, 116 :2434–2439.
Lee, E. (nil). Parametric speech synthesis. http ://pto-

lemy.eecs.berkeley.edu/ eal/audio/voder.html.
Lisker, L. (1975). Is it vot or a first-formant transition detector ? Journal of the

Acoustical Society of America, 57 :1547–1551.
Lu, H.-L. (2002). Toward a high-quality singing synthesizer with vocal texture
control. Phd thesis, Stanford University.
Martin, P. (2000). identification des sons du français.

http ://www.lli.ulaval.ca/labo2256/illust.htmlvoyaco.
McCartney, J. (1998). Continued evolution of the super-collider real time envi-

ronment. In Proc. International Computer Music Conference, pages 133 – 136,
Ann Arbor, USA.
Niyorgi, P. and Ramesh, P. (1998). Incorporating voice onset time to improve

letter recognition accuracies. In Proc. IEEE International Conference on Acoustics
Speech and Signal Processing, pages 13 – 16.
Rodet, X. (1984). Time-domain formant wave-function synthesis. Computer Music

Journal, 8 :9–14.
Rodet, X., Potard, Y., and Barrière, J.-B. (1984). The chant project : From
synthesis of the singing voice to synthesis in general. Computer Music Journal,
8 :15–31.
Smith, J. O. (2005). Virtual acoustic musical instruments : Review of models and

selected research. In Proc. IEEE Workshop on Applications of Signal Processing
to Audio and Acoustics, Mohonk Mountain House, New Paltz, New York.
Sundberg, J. (1977). The acoustics of the singing voice. Scientific American,

Mars :82–91.
86
Verfaille, V., Guastavino, C., and Depalle, P. (2005). Perceptual evaluation of

vibrato models. In Proc. Conference on Interdisciplinary Musicology, pages 149–
151, Montréal, QC, Canada.
Wang, G. (2008). A comment on many-core computing and real-time audio soft-

ware systems. In Proc. International Computer Music Conference, Belfast, Irlande
du Nord.
Wessel, D. (2008). Reinventing audio and music computation for many-core pro-
cessors. In Proc. International Computer Music Conference, Belfast, Irlande du
Nord.
Wright, M. and Freed, A. (1997). Opensound control : A new protocol for commu-
nicating with sound synthesizers. In Proc. International Computer Music Confe-
rence, pages 101 – 104, San Francisco.
Annexe I
Trajectoires de formants (Delattre, 1970)

Annexe II
Libraire de fonctions Ounk
Fonctions servant à écrire le fichier Csound
Catégorie Functions
Analysis attackDetector, centroid, pitchAmp, rms
Controls busMix, busScale, expsegr, keyPressed, lfo, lfo2, linsegr, metro, midiCtl,
midiTrigger, midiTriggerInc, mouse, oscReceive, oscSend, oscTriggerSend,
printMidiCtl, rando, randomChoice, randomh, randomi, readTable, spline,
trigEnvelope, trigRandom, vibrato, weightedRandomChoice
Custom Inst myInstrument
Effects compressor, delay, didjeridu, distortion, flanger, fold, harmonizer, phaser,
resonator, ringMod, vdelay, vocoder
Filters bandpass, bandreject, dcblock, eqFilter, highpass, lowpass, resFilter
GenTables genAdsr, genDataTable, genExpseg, genLineseg, genRhythmTable,
genSoundTable, genWaveform, genWindow, reGenAdsr, reGenDataTable,
reGenExpseg, reGenLineseg, reGenSoundTable, reGenWaveform,
reGenWindow, recordBuffer, tableMorphing
General clear, getAudioAttributes, getImpulsePath, getMidiPath, getSoundInfo,
getSoundList, getSoundPath, getSoundfontPath, onStop, setAudioAttributes,
setAudioDevice, setChannels, setGlobalDuration, setImpulsePath,
setMidiDevice, setMidiPath, setSoundPath, setSoundfontPath, speakersConfig
Loops beginLoop, endLoop
Midi Synth beginMidiSynth, endMidiSynth, midiSynthCtl, midiSynthGetBus,
readMidiFile, splitKeyboard, splitVelocity
Output createLadspaPlugin, directOut, getPid, recordPerf, route,
startCsound, stopCsound, toDac, udpAudioReceive, udpAudioSend
Python Inst beginPythonInst, endPythonInst
Reverbs convolveReverb, infiniteReverb, reverb, waveguideReverb
Sampling recordAndLoop
Sequencer beginSequencer, endSequencer, seqParameterTable, sequencerPitchTable
Sources bell, freqMod, inputMic, pinkNoise, playSound, pluckedString, sawtooth, sine,
soundfont, soundfontMidi, square, train, voiceSynth, waveform, whiteNoise
Spatialisation pan1to2, pan1to4, pan1to8, pan2to4, pan2to8, pan4to8, panner, spat1to4
Spectral arpegiator, blur, crossSynth, fftBandpass, fftBandreject, freeze,
maskFilter, reSynth, smooth, transpose
Table process granulator, granulator2, granulator3, looper, soundTableRead, warper
Trigged Inst beginTrigInst, endTrigInst
89
Fonctions servant à écrire des algorithmes en Python
Catégorie Functions
Algorithmic chord, droneAndJump, drunk, getValue, line, loopseg, mapper, markov,
midiToHertz, midiToTranspo, mkChangeOrder, mkRecord, mkSetList,
mkStartPlayback, mkStartRecord, next, oneCall, repeater, scale
GUI beginGUI, endGUI, makeButton, makeCircleSlider, makeMenu,
makeMultiSlider, makeSlider, makeSpin, makeToggle, makeXYSlider
Patterns changePattern, changeTime, getBar, getBeat, getTime, pattern, regenerate,
rhythmPattern, sendCsoundMsg, sendEvent, sendOscControl, sendOscTrigger
Annexe III
Reich
########################################################################
########################################################################
### R E I C H ###
### Voice synthesis music ###
### Ounk script ###
### 2008, Olivier Belanger ###
########################################################################
########################################################################
import random
#setAudioDevice(onumber=3)
octoSetup(1,2,6,5,8,3,7,4)
RES = ’high’
CHANNELS = 8
DUR = 330
TAP = 16
setGlobalDuration(DUR)
setAudioAttributes(samplingrate=22050, controlrate=2205, sampleformat=16)
else:
setChannels(1)
def setRhythm(v, tap, p1, p2, p3):

rlist = [genRhythmTable(tap, p1, p2, p3) for i in range(2)]
randomh(bus=v, rate=random.uniform(.05,.2), portamento=1)
table = tableMorphing(rlist, v, tap)
return table
def setVoice(vowel, amplitude, voicetype, vibratoamp, out):

consonant = random.randint(1,3)
vowelarti = .75 #random.random() * .3 + .8
formantres = random.random() * .15 + .5
91
brilli = random.random() * .1 + .8
if voicetype == 2:
glotalres = 2
rough = .05
else:
glotalres = .3 #random.random() * .5 + .3
rough = random.random() * .05 + .1
voiceSynth(amplitude = amplitude, vowel = vowel, consonant = consonant,
fadeout = 0.05, duration = .25, voicetype = voicetype,
vowelarticulation = vowelarti, formantresonance = formantres,
brilliance = brilli, glotalresonance = glotalres,
vibratoamp = vibratoamp, roughness = rough, out = out)
scl = [scale(’Cm’, format=’hertz’), scale(’C’, format=’hertz’),

scale(’Dm’, format=’hertz’)]
# global amplitude
linsegr(’globalamp’, .85, DUR-41.570, .85, 10, 1.1, .01, 0, 32.429, 0)
# TIMES #
SEQSTART = 0
SEQDUR = DUR
SEQ1DUR = 182.1
SEQ2DUR = SEQDUR - SEQ1DUR
# Rhythm tables
a1 = setRhythm(3, TAP, 70,70,70)
a2 = setRhythm(4, TAP, 65,80,80)
t1 = setRhythm(5, TAP, 85,70,75)
t2 = setRhythm(6, TAP, 90,80,60)
b1 = setRhythm(7, TAP, 95,70,40)
# pitch generators
seq = loopseg(37, 43) # soprano
seq2 = loopseg(35, 40) # alto
dro = loopseg(28,36) # tenor
rep = loopseg(40, 45) # bass
# lists of pitch tables

pitsop1 = []
pitsop2 = []
pitalto1 = []
92
pitalto2 = []
pittenor1 = []
pittenor2 = []
pitbass1 = []
for i in range(10):
scnum = random.randint(0,2)
pitsop1.append(genDataTable([scl[scnum][seq.next()] for i in range(TAP)]))
pitsop2.append(genDataTable([scl[scnum][seq.next()] for i in range(TAP)]))
pitalto1.append(genDataTable([scl[scnum][seq2.next()] for i in range(TAP)]))
pitalto2.append(genDataTable([scl[scnum][seq2.next()] for i in range(TAP)]))
pittenor1.append(genDataTable([scl[scnum][dro.next()] for i in range(TAP)]))
pittenor2.append(genDataTable([scl[scnum][dro.next()] for i in range(TAP)]))
pitbass1.append(genDataTable([scl[scnum][rep.next()] for i in range(TAP)]))
randomChoice(bus=[’pitvar’, ’pitvar’],
choice=[0,.111,.222,.333,.444,.555,.666,.777,.888,.999],
rate=[0,.05], starttime=[SEQSTART, SEQSTART+SEQ1DUR],
duration=[SEQ1DUR,SEQ2DUR])
sop1 = tableMorphing(pitsop1, ’pitvar’, TAP)

sop2 = tableMorphing(pitsop2, ’pitvar’, TAP)
alto1 = tableMorphing(pitalto1, ’pitvar’, TAP)
alto2 = tableMorphing(pitalto2, ’pitvar’, TAP)
tenor1 = tableMorphing(pittenor1, ’pitvar’, TAP)
tenor2 = tableMorphing(pittenor2, ’pitvar’, TAP)
bass1 = tableMorphing(pitbass1, ’pitvar’, TAP)
# sequencer note duration

linsegr(bus=’notedur’, i1=1, dur1=SEQ1DUR, i2=0, dur2=0,
i3=1, starttime=SEQSTART, duration=SEQDUR)
notedur1 = genDataTable([.5]*TAP)
notedur2 = genDataTable([.2]*TAP)
notedur = tableMorphing(tablelist=[notedur1, notedur2], indexVar=’notedur’,
length=TAP, starttime=SEQSTART, duration=SEQDUR)
linsegr(bus=’fadedur’, i1=1, dur1=SEQ1DUR, i2=0, dur2=0,

i3=2, starttime=SEQSTART, duration=SEQDUR)
fadedur1 = genDataTable([.075]*TAP)
fadedur2 = genDataTable([.075]*TAP)
fadedur = tableMorphing(tablelist=[fadedur1, fadedur2], indexVar=’notedur’,
length=TAP, starttime=SEQSTART, duration=SEQDUR)
93
# metronome
linsegr(bus=’tempVar’, i1=.5, dur1=SEQ1DUR, i2=.5, dur2=0, i3=1,
dur3=SEQ2DUR, i4=1, starttime=SEQSTART, duration=SEQDUR)
randomChoice(bus=’tapVar’, choice=[.125,.25,.25,.25,.25, 1], rate=.2)
metro(bus=’metro’, tempo=132, tap=TAP, tempoVar=’tempVar’,

tapVar=’tapVar’, starttime=SEQSTART, duration=SEQDUR)
# SEQUENCES
# soprano voices
seqParameterTable([’pitch’, ’duration’, ’fadeout’], [sop1, notedur, fadedur])
seqParameterTable([’pitch’, ’duration’, ’fadeout’], [sop2, notedur, fadedur])
# alto voices
beginSequencer(input=’metro’, table=a1)
seqParameterTable([’pitch’, ’duration’, ’fadeout’], [alto1, notedur, fadedur])
beginSequencer(input=’metro’, table=a2)
seqParameterTable([’pitch’, ’duration’, ’fadeout’], [alto2, notedur, fadedur])
# tenor voices
beginSequencer(input=’metro’, table=t1)
seqParameterTable([’pitch’, ’duration’, ’fadeout’], [tenor1, notedur, fadedur])
setVoice(vowel=4, amplitude=1.5, voicetype=0, vibratoamp=0, out=’v5’)
beginSequencer(input=’metro’, table=t2)
seqParameterTable([’pitch’, ’duration’, ’fadeout’], [tenor2, notedur, fadedur])
setVoice(vowel=4, amplitude=1.5, voicetype=0, vibratoamp=.01, out=’v6’)
# bass voices (now soprano colorature)

beginSequencer(input=’metro’, table=b1)
94
seqParameterTable([’pitch’, ’duration’, ’fadeout’], [bass1, notedur, fadedur])

setVoice(vowel=0, amplitude=.4, voicetype=3, vibratoamp=.001, out=’v7’)
# EFFECTS #
# harmonic pad
PADSTART = SEQSTART
PADDUR = SEQ1DUR - .1
pit = [scl[0][i] for i in range(20, 56, 5)]
amp = [.2,.15,.12,.09,.05,.03,.02,.01]
typ = [2,2,0,0,1,1,3,3]
vib = [.01,.01,.005,.005,.003,.003,.001]
linsegr(bus=’sinusbass’, i1=0, dur1=.01, i2=1, dur2=SEQ1DUR-.02,
i3=1, dur3=.01, i4=0, starttime=PADSTART, duration=PADDUR)
for i in range(7):
voiceSynth(pitch=pit[i], amplitude=amp[i]*.85, duration=PADDUR,
starttime=PADSTART, fadein=0.0001, fadeout=.1, brilliance=.8,
voicetype=typ[i], vibratoamp=vib[i], out=str(i+1))
sine(pitch=[32.7033, 48.9997], amplitude=[.03,.009],
amplitudeVar=’sinusbass’, out=str(i+1))
# bass drone
DRONESTART = SEQSTART + SEQ1DUR - .02
DRONEDUR = SEQ2DUR
bassmult = [1, 1.12246, 1.33484, 0.89089889, 1, 1.12246, 1.49831, 1.33484,

1.12246, 1.33484, 0.89089889, 1, 1.12246, 1, 0.89089889, 1.33484,
1.12246, 1, 1.49831, 1.12246, 1, 0.89089889, 1.12246, 1]
bassstarts = [0, 7.2727, 10.90905, 14.5454, 21.8181, 25.45455, 32.72715, 36.3635,
43.6362, 47.27255, 50.9089, 58.1816, 61.81795, 69.09065, 72.727,
79.9997, 83.63605, 87.2724, 90.90875, 98.18145, 101.8178, 109.0905,
112.72685, 116.3632]
bassdurs = [7.2727, 3.63635, 3.63635, 7.2727, 3.63635, 7.2727, 3.63635, 7.2727,
3.63635, 3.63635, 7.2727, 3.63635, 7.2727, 3.63635, 7.2727, 3.63635,
3.63635, 3.63635, 7.2727, 3.63635, 7.2727, 3.63635, 3.63635]
for j in range(24):
for i in range(7):
bstart = DRONESTART + bassstarts[j]
if j < 23:
bdur = bassdurs[j]
fade = .075
else:
bdur = 30
fade = 25
95
basspit = [32.7033,32.7087,65.4068,65.4013,32.7011,32.6999,65.41]
bassmu = bassmult[j]
voiceSynth(pitch=basspit[i]*bassmu, amplitude=2.5, voicetype=2, fadein=.04,
fadeout=fade, brilliance=.8, starttime=bstart, glotalresonance=1,
duration=bdur, out=’bass%d’ % (i+1))
expsegr(’sinamp’, 0.001, .04, 1, bdur - .23, 1, .2, 0.0001,
starttime=bstart, duration=bdur)
pit = random.uniform(.997, 1.003) * 32.7033
sine(pitch = pit*bassmu, amplitude = .07, starttime=bstart, duration=bdur,
amplitudeVar=’sinamp’, out=’bass%d’ % (i+1))
lowpass(input=’bass%d’ % (i+1), amplitude=1, cutoff=1000,
starttime=bstart, duration=bdur, out=str(i+1))
# high pitch delta

DELTASTART = SEQSTART + SEQ1DUR - 30 # 30.5
else:
DELTASTART = SEQSTART + SEQ1DUR - 30.07
DELTADUR = 48
delta = genExpseg([0.001, 29.25, .15, .75, 1, .005, .1, 17.995, .001])
readTable(bus=’delta’, table=delta, starttime=DELTASTART, duration=DELTADUR)
for i in range(7):
n = [1,2,3,4,5,6,7][i]
hpit = scl[0][52:59][i]
voiceSynth(pitch=hpit, starttime=DELTASTART, duration=DELTADUR,
amplitude=.4, voicetype=3, vowel=4, fadeout=0,
vibratoamp=0, brilliance=.8, out=’vnoise%d’ % n)
route(input=’vnoise%d’ % n, starttime=DELTASTART,
duration=DELTADUR, amplitudeVar=’delta’, out=str(n))
# high pitch delta 2

DELTA2START = SEQ1DUR + 116.3432 - 30 # 30.8
else:
DELTA2START = SEQ1DUR + 116.3432 - 30.34
DELTA2DUR = 60
delta2 = genExpseg([0.001, 29, .15, 1, 1, .005, .05, 29.995, .001])
readTable(bus=’delta2’, table=delta2, starttime=DELTA2START, duration=DELTA2DUR)
for i in range(7):
n = [1,2,3,4,5,6,7][i]
hpit = scl[0][54:61][i]
voiceSynth(pitch=hpit, starttime=DELTA2START, duration=DELTA2DUR,
amplitude=.3, voicetype=3, vowel=4, fadeout=0,
96
vibratoamp=0, brilliance=.7, out=’vnoise2%d’ % n)

route(input=’vnoise2%d’ % n, starttime=DELTA2START,
duration=DELTA2DUR, amplitudeVar=’delta2’, out=str(n))
# Noisy
NOISEDUR = SEQ1DUR
noisetable = genLineseg([0,1,1,5,1,20,.2,1000,.1, 1000, 0])
randomi(bus=’lfo’, mini=.5, maxi=1.4, rate=.2, duration=NOISEDUR)
lfo2(bus=’noise’, table=noisetable, frequency=.1136363636,
offset=0, frequencyVar=’lfo’, duration=NOISEDUR)
for i in range(7):
voiceSynth(amplitude=1.25, voicetype=random.randint(0,3),
vowel=random.randint(0,6), fadein=.001, fadeout=10,
roughness=1, formantresonance=.15, vibratoamp=0.0005,
duration=NOISEDUR, out=’noisy%d’ % (i+1))
route(input=’noisy%d’ % (i+1), amplitudeVar=’noise’,
duration=NOISEDUR, out=str(i+1))
# Amplitudes
randomh(bus=[’var1’,’var2’,’var3’,’var4’,’var5’,’var6’,’var7’],
mini=0.5, maxi=1.3, portamento=0.25, rate=[.2,.28,.23,.43,.47,.52,.58])
busMix(’amp1’, ’globalamp’, ’var1’, ’times’)

route(input=’v1’, amplitudeVar=’amp1’, out=’7’)

# output, reverb and panoramisation

for i in range(7):
route(input=str(i+1), amplitude=.75, out=’rev%d’ % (i+1))
else:
if CHANNELS == 2:
97
for i in range(7):
route(input=str(i+1), amplitude=.4, out=’rev%d’ % (i+1))
elif CHANNELS == 8:
for i in range(7):
convolveReverb(input=str(i+1), impulse=’ORTFFloorR10_m48.wav’,
amplitude=.8, mix=.025, out=’rev%d’ % (i+1))
if CHANNELS == 2:
pan1to2(input=’rev1’, pan=0)
pan1to2(input=’rev2’, pan=0.166)
elif CHANNELS == 8:
startCsound()
else:
startCsound(file=’Reich’)
Annexe IV
Chorus Morph
########################################################################
########################################################################
### C H O R U S M O R P H ###
### Voice synthesis music ###
### Ounk script (part 1) ###
### 2008, Olivier Belanger ###
########################################################################
########################################################################
import random, math

import chorus_setup
reload(chorus_setup)
#setAudioDevice(onumber=3)
octoSetup(1,2,6,5,8,3,7,4)
if chorus_setup.RES == ’low’:
elif chorus_setup.RES == ’high’:
setGlobalDuration(-1)
beginPythonInst()
voiceSynth(pitch=220, duration=45, vowel=4, fadeout=5, pitchglissando=20,
vowelglissando=20, brilliance=.96, glotalresonance=1,
vibratoamp=0.001, roughness=0, out=’voice’)
endPythonInst()
if chorus_setup.RES == ’low’:
reverb(input=’voice’, revtime=1.5, mix=.3, amplitude=.5, out=’rev’)
elif chorus_setup.RES == ’high’:
convolveReverb(input=’voice’, mix=.03, out=’rev’)
if chorus_setup.CHANNELS == 2:
toDac(input=’rev’, amplitude=1.7)
elif chorus_setup.CHANNELS == 8:
pan2to8(input=’rev’, pan=0)
setChannels(8)
99
if chorus_setup.RECORD:
recordPerf(’Chorus_Morph-1’)
proc = startCsound()
def sc(i, mi=1, ma=6):

return (i - mi) / ((ma - 1.) - (mi - 1))
# soprano voices
numv1 = chorus_setup.NUMHIGH
v1 = 1
def voice1():
global v1
proc
curtime = pat1.getTime()
pat1.changeTime(random.randint(5000,10000)*0.001)
if curtime <= 60:
p1 = 10
p2 = mapper(curtime,0,60,40,10)
elif curtime <= 200:
p1, p2 = 1, 40
p1 = mapper(curtime,220,260,1,.89)
p1, p2 = .89, 80
else:
p1, p2 = .89, 80
pat1.play(False)
pat2.play(False)
pat3.play()
return
pitch = random.weibullvariate(p1,p2) * 250
if pitch < 500: amp = .3
else: amp = .03
dict = {}
dict[’voiceSynth’] = {}
dict[’voiceSynth’][’duration’] = -1
dict[’voiceSynth’][’voicetype’] = 1
dict[’voiceSynth’][’amplitude’] = amp
dict[’voiceSynth’][’pitch’] = pitch
100
dict[’voiceSynth’][’vowel’] = random.randint(0,11)
dict[’voiceSynth’][’voicenumber’] = v1
dict[’voiceSynth’][’vowelglissando’] = random.uniform(2,5)
dict[’voiceSynth’][’pitchglissando’] = random.uniform(2,5)
dict[’voiceSynth’][’formantresonance’] = random.uniform(.75,1)
dict[’voiceSynth’][’brilliance’] = random.uniform(.9,.96)
dict[’voiceSynth’][’vibratospeed’] = random.uniform(2.,6.)
dict[’voiceSynth’][’vibratoamp’] = random.random() * 0.015
dict[’voiceSynth’][’pan’] = sc(v1,1,numv1)
sendEvent(1, dict, proc)
v1 += 1
if v1 > numv1: v1 = 1
# bass voices
numv2 = chorus_setup.NUMBASS
v2 = 1
def voice2():
global v2
curtime = pat2.getTime()
pat2.changeTime(random.randint(5000,10000)*0.001)
if curtime <= 80:
p1 = 0.03
p2 = 20
p1 = mapper(curtime,80,140,.03,.3)
p2 = 20
p1 = .3
p2 = 20
p1 = mapper(curtime,220,260,.3,.89)
p1 = .89
p2 = 80
else:
pass
pitch = random.weibullvariate(p1,p2) * 250
if pitch < 30:
amp = 1.5
rough = .99
gliss = .05
elif pitch < 60:
amp = 1.2
101
rough = .8
gliss = 1
elif pitch < 100:
amp = .9
rough = .3
gliss = 2
else:
amp = .7
rough = .05
gliss = 3
dict = {}
dict[’voiceSynth’][’duration’] = -1
dict[’voiceSynth’][’voicetype’] = 2
dict[’voiceSynth’][’pitch’] = pitch
dict[’voiceSynth’][’vowel’] = random.randint(0,6)
dict[’voiceSynth’][’voicenumber’] = v2 + 100
dict[’voiceSynth’][’fadein’] = 10
dict[’voiceSynth’][’vowelglissando’] = gliss
dict[’voiceSynth’][’pitchglissando’] = 5
dict[’voiceSynth’][’roughness’] = rough
dict[’voiceSynth’][’formantresonance’] = random.uniform(.75,1)
dict[’voiceSynth’][’glotalresonance’] = 1
dict[’voiceSynth’][’brilliance’] = random.uniform(.9,.96)
dict[’voiceSynth’][’vibratoamp’] = 0.015
dict[’voiceSynth’][’pan’] = 1 - sc(v2,1,numv2)
v2 += 1
if v2 > numv2: v2 = 1
# final
v3 = 1
def final():
global v3
if v3 <= numv1:
voix = v3
vtype = 1
amp = .3
pan = sc(voix,1,numv1)
else:
voix = v3 - numv1 + 100
vtype = 2
amp = .7
102
pan = 1 - sc(v3-numv1,1,numv2)
dict = {}
dict[’voiceSynth’][’voicenumber’] = voix
dict[’voiceSynth’][’voicetype’] = vtype
dict[’voiceSynth’][’pan’] = pan
v3 += 1
if v3 == numv1 + numv2 + 1:
pat3.play(False)
pat1 = pattern(time=5, function=voice1)

pat2 = pattern(time=5, function=voice2)
pat3 = pattern(time=.25, function=final)
pat1.start()
pat2.start()
pat3.start()
pat1.play()
pat2.play()
voice1()
voice2()

Belanger These Udem2008

Transféré par

Droits d'auteur :

Formats disponibles

Belanger These Udem2008

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Belanger These Udem2008

Transféré par

Droits d'auteur :

Formats disponibles

Université de Montréal

Le cycle des voix

Thèse présentée à la Faculté des études supérieures

c Olivier Bélanger, 2008.

Cette thèse intitulée:

Le cycle des voix

a été évaluée par un jury composé des personnes suivantes:

M. Michel Longtin, président-rapporteur

Thèse acceptée le: . . . . . . . . . . . . . . . . . . . . . . . . . . .

Un merci spécial à Jean et Caroline pour la générosité, la patience, la tolérance

Mots-clés : synthèse vocale, didjeridu, composition électroacoustique, program-

Keywords : voice synthesis, didjeridu, electroacoustic composition, musical pro-

TABLE DES MATIÈRES . . . . . . . . . . . . . . . . . . . . . . . . . . viii

LISTE DES FIGURES . . . . . . . . . . . . . . . . . . . . . . . . . . . . xii

LISTE DES TABLEAUX . . . . . . . . . . . . . . . . . . . . . . . . . . xiv

LISTE DES ANNEXES . . . . . . . . . . . . . . . . . . . . . . . . . . . xv

CHAPITRE 1 : MODÈLE DE VOIX CHANTÉE EN MODE SOURCE-

1.4 Le modèle source-filtre . . . . . . . . . . . . . . . . . . . . . . . . . 11

CHAPITRE 2 : MODÈLE DE SYNTHÈSE DU DIDJERIDU . . . 25

CHAPITRE 4 : LE CYCLE DES VOIX : TRAVAUX ET MÉTHODES 71

1.1 Schéma de production d’un signal vocal voisée . . . . . . . . . . . . 4

2.1 Dimensions importantes d’un cône tronqué . . . . . . . . . . . . . . 26

2.11 Spectres d’amplitude en cascade de l’excitation des modes supérieurs 40

3.1 Interface d’édition du logiciel Ounk . . . . . . . . . . . . . . . . . . 50

4.1 Courbes de distributions Weibull, voix de basse . . . . . . . . . . . 77

1.1 Table des formants pour la voyelle [o] . . . . . . . . . . . . . . . . . 18

2.1 La série harmonique . . . . . . . . . . . . . . . . . . . . . . . . . . 26

Annexe I : Trajectoires de formants (Delattre, 1970) . . . . . . 87

Annexe II : Libraire de fonctions Ounk . . . . . . . . . . . . . . . 88

Annexe III : Reich . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

Annexe IV : Chorus Morph . . . . . . . . . . . . . . . . . . . . . . 98

du moteur audio Csound, cet environnement permet de construire des algorithmes

MODÈLE DE VOIX CHANTÉE EN MODE SOURCE-FILTRE

Dans ce chapitre seront exposées différentes méthodes de synthèse de la voix

1.1 Acoustique de la voix

La voix est produite par l’interaction de deux systèmes indépendants : une

créant une montée de pression, et le relâchement soudain de l’air. Cette source

1.2 Synthèse de la voix chantée : Quelques modèles importants

Fig. 1.3 – Circuit schématique du Voder. (Lee, nil)

inspiré le milieu de la musique électronique.

1.2.2 Synthèse par Forme d’Onde Formantique

1.2.3 Modélisation physique du conduit vocal

SPASM est un modèle physique de la voix chantée développé au début des

1.2.5 Onde glottique dérivée

Au début des années 2000, Hui-Ling Lu, du CCRMA à Stanford, propose un

LF glottal wave and LF derivative glottal wave

• Better for intuitively parametrized expressive synthesis

composante bruitée de l’excitation sont obtenus par la transformée en ondelette

1.2.6 CALM Synthesizer

En 2006, Nicolas D’Alessandro, de la Faculté Polytechnique de Mons, présentait

contrôle, telles qu’une"spectral

Figure 1: Voice production mechanisms : vocal Figure 3: Time-domain representation of derivated

Causal first order filter :

Dans le cadre de ce projet de recherche doctorale, nous avions pour objectif

caractère le plus naturel possible aux voix de synthèse.

1.4 Le modèle source-filtre

Le modèle de synthèse source-filtre n’est pas nouveau en soi, mais il permet

1.5 Modélisation de l’excitation glottique