Hey das wird mir zu wissenschaftlich.
Es ist halt so.
Wenn ein Sprecher spricht. Dann in einer bestimmten Grundfrequenz, die etwa bei 130 Hz liegt, bei Frauen etwas höher.
Wenn du sprichst regt die Luft, die du ausatmest ja deine Stimmbänder zum Schwingen an, dann geht das alles durch die Luftröhre, den Mund, den Rachen, durch die Nase, aber auch dein Kopf schwingt mit.
Diese Teile sind deine Resonanzräume, die ebenfalls zum Mitschwingen angeregt werden.
Und diese zusätzlich erzeugten Schwingungen, ergeben ein gesamtes Spekrum deiner Stimme.
Und da, wo die Schwingungen am stärksten auftreten, das sind deine Formanten. Die sind ausschlaggebend für die Verständlichkeit es gesprochenen Vocals oder Umlauts.
Wenn du z.B. ein A sprichst dann sind Schwingungen etwa bei 1000 Hz und 1400 Hz am stärksten ausgeprägt.
Wenn du ein A sprichst öffnest du auch deinen Mund, deine Muskeln spannen etwas an und somit sind nur bestimmte Resonanzräume in der Lage zum Schwingen. Wenn du dann z.B. denn Eq hier einsetzt, hebst du diesen Effekt noch etwas hervor, oder senkst ihn, wenn er zu stark ausgeprägt ist.
Je höher du singst desto mehr öffnet der Sänger seinen Mund. Das hab ich im Gesangunterricht auch gelernt. Durch dieses Öffnen des Mundes (in der Wissenschaft: Formanttuning) spannst du bestimmte Bereiche in deinem Gesicht und im Rachen. Somit erhöhen sich die Formanten auch etwas, da bestimmt Bereiche dann schneller schwingen. Weil wenn du höher singst als die [g=349]Frequenz[/g] des ersten Formanten von "E" z.B. dann würdest du das eh nicht mehr verstehen.
Natürlich schwingen andere Bereiche auch mit aber die Formanten beschreiben ja nur den Bereich, in dem die Schwingungen am Stärksten sind. Näselt dir ein Sänger zuviel kannst in dem Bereich dann etwas absenken, um den Effekt nicht zu stark zur Geltung kommen zu lassen.
Das kannst du ja in der Tabelle von Wikipedia entnehmen.
Allein nur Obertöne machen eine Stimme nicht aus. Sie setzt sich ja aus vielen Teilaspekten zusammen.
Auch die Stimme denke ich mal ist aus einem zeitlichen Verlauf zusammengesetzt, dem Einwschingvorgang, dem quasistationären Schwingungszustand und dem Ausklingen. Sie besitzt eine bestimmte Sprachmelodie, um es natürlich klingen zu lassen. Naja aber du hast schon recht, die ersten Sprachcomputer beruhen auf der Formantsynthese.
Im Moment werden aber Samples verwendet.
Wenn das so einfach wäre, dann würden sie subtraktive Synthese verwenden, bei den ganzen Sprachprogrammen.