En lingüística , síntesis de voz y música , el contorno de tono de un sonido es una función o curva que rastrea el tono percibido del sonido a lo largo del tiempo. El contorno de tono puede incluir múltiples sonidos que utilizan muchos tonos y puede relacionar la función de frecuencia en un momento dado con la función de frecuencia en un momento posterior.
Es fundamental para el concepto lingüístico de tono , donde el tono o el cambio de tono de una unidad de habla a lo largo del tiempo afecta el significado semántico de un sonido. También indica la entonación en los idiomas con acento tonal .
Uno de los principales desafíos de la tecnología de síntesis de voz , en particular para los idiomas no tonales, es crear un contorno de tono que suene natural para el enunciado en su conjunto. Los contornos de tono no naturales dan como resultado una síntesis que suena "sin vida" o "sin emociones" para los oyentes humanos, una característica que se ha convertido en un estereotipo de la síntesis de voz en la cultura popular.
En música , el contorno de tono se centra en el cambio relativo del tono a lo largo del tiempo de una secuencia primaria de notas tocadas. El mismo contorno se puede transponer sin perder sus cualidades relativas esenciales, como cambios repentinos de tono o un tono que sube o baja con el tiempo. La metodología de Michael Friedmann [1] para analizar el contorno de tono, que suele utilizarse en el análisis de la música post-tonal, asigna valores numéricos para indicar dónde cae cada tono en relación con los demás dentro de una línea musical; al tono más bajo se le asigna "0" y al tono más alto se le asigna el valor de n-1, en el que n = el número de tonos dentro de la segmentación. Por lo tanto, un contorno que sigue la secuencia de bajo, medio, alto, se etiquetaría como clases de contorno 0, 1 y 2.
Los tonos puros tienen un tono claro, pero los sonidos complejos, como el habla y la música, suelen tener picos intensos en muchas frecuencias diferentes. Sin embargo, al establecer un punto de referencia fijo en la función de frecuencia de un sonido complejo y luego observar el movimiento de este punto de referencia a medida que la función se traslada, se puede generar un contorno de tono significativo y coherente con la experiencia humana.
Por ejemplo, la vocal [e] tiene dos formantes primarios , uno con un pico entre 280 y 530 Hz y otro entre 1760 y 3500 Hz. Cuando una persona pronuncia una oración que incluye múltiples sonidos [e] , los picos se desplazarán dentro de estos rangos, y el movimiento de los picos entre dos instancias establece la diferencia en sus valores en el contorno de tono.