음성 생성에서 소스‑필터 결합의 한계와 모델링 고찰

본 논문은 음성 합성 및 음성 생산 메커니즘 연구에서 핵심적인 소스‑필터 결합의 비선형성을 체계적으로 검토한다. 서론에서는 전통적인 선형 소스‑필터 이론이 음성 합성기에 소스와 필터를 독립적인 두 단계로 모델링한다는 점을 소개하고, 이러한 가정이 실제 인간 음성, 특히 여성·어린이 음성이나 고음역대 노래와 같이 기본 주파수(F0)가 성도 형식주파수(F1, F2 등)와 근접할 때는 크게 틀린다는 최신 연구 결과를 인용한다. 2절에서는 비선형 소스‑필터 상호작용의 개념을 정의하고, 성도 임피던스 변화가 성대 진동에 미치는 영향을 ‘왜곡, 절단, 분산, 중첩’ 등 네 가지 현상으로 정리한다. 선형 모델은 시간 영역에서 소스와 필터의 컨볼루션, 주파수 영역에서 곱셈으로 표현되지만, 실제 생리학적 시스템은 비선형이며, 특히 F0가 형식주파수와 겹치는 경우 급격한 동적 변화를 야기한다. 이러한 상황에서는 성대 진동의 분기 현상, 급격한 F0 변동, 에너지 전달 효율 변화 등이 관찰된다. 3절에서는 구체적인 모델들을 소개한다. 먼저 성대(소스) 모델로는 1‑질량, 2‑질량, 그리고 body‑cover 3‑질량 lumped‑element 모델을 논의한다. 1‑질량 모델은 단일 질량‑스프링 시스템으로, 인덕티브 부하(형식주파수보다 낮은 F0)에서는 정상적인 발성을 재현하지만, 캐패시티브 부하(형식주파수와 근접하거나 높은 F0)에서는 자가진동을 유지하지 못한다. 이는 질량 하나만으로 상부·하부 성대 가장자리의 위상 차이를 구현할 수 없기 때문이다. 2‑질량 모델은 각 성대에 두 개의 질량을 배치해 위상 차이를 제공함으로써 인덕티브·캐패시티브 부하 모두에서 지속적인 자가진동을 가능하게 한다. 그러나 이 모델은 횡단면에서만 질량을 이산화해 성대의 다층 구조(피질·근육·바디)를 반영하지 못하고, 스프링 강성값을 근육 수축과 직접 연결시키기 어렵다. Ishizaka와 Flanagan의 실험에 따르면, 2‑질량 모델은 첫 번째 공명 주파수에서 F0 점프가 발생하지만, 인간 음성에서는 그보다 높은 주파수에서 점프가 일어나 실제와 차이가 있다. body‑cover 3‑질량 모델은 두 개의 ‘커버’ 질량에 ‘바디’ 질량을 추가해 성대의 층구조를 근사한다. 바디 스프링 강성을 조절하면 모델을 2‑질량 형태로 축소할 수 있어 유연성을 제공한다. 그러나 여전히 횡단면 이산화와 근육‑스프링 매핑의 한계가 남아 있다. 필터(성도) 모델로는 Kelly‑Lochbaum 파이프 모델을 중심으로 논의한다. 이 모델은 성도 단면을 다수의 원통형 파이프를 연속적으로 연결해 근사한다. 디지털 파형 가이드 구현에 유리하지만, 각 파이프 길이가 동일해야 하고 파이프 접합부가 급격히 변하는 등 구조적 제약이 있어 형식주파수 정확도에 영향을 준다. 이러한 제한은 비선형 소스‑필터 결합을 정밀히 시뮬레이션하려는 경우 큰 장애가 된다. 4절에서는 연구 결과를 종합한다. 소스‑필터 상호작용은 발성 유형(노래, 숨소리, 남성·여성, 고·저음)마다 크게 달라지며, 성도 형상 변화가 성대 진동과 글롯 흐름에 직접적인 영향을 미친다. 따라서 정확한 발성 시뮬레이션을 위해서는 성도 형상 변화를 실시간으로 측정하고, 피드백 채널을 통해 성대 모델에 반영하는 것이 필수적이다. 저자는 2‑D 유한 차분 시간 영역(FDTD) 파형 솔버와 동적 경계 조건을 결합한 접근법을 제안한다. 이는 성도 벽이 발성 중에 동적으로 변형될 때도 수치적 안정성을 유지하면서 음향 파형을 전파할 수 있게 하며, 기존 1‑차원 파이프 모델이 제공하지 못하는 공간적 비선형성 및 급격한 형상 변화를 포착할 수 있다. 마지막으로, 연구는 NSERC와 CIHR의 지원을 받았으며, 향후 연구 방향으로는 고정밀 성도 형상 측정 기술(예: MRI, 전자기 트래킹)과 보다 정교한 근육‑스프링 매핑을 통한 생리학적 타당성 향상이 필요함을 강조한다.