Oikeassa nuotissa pysyminen on keskeinen osa onnistunutta lauluesitystä. Vaikka säväyttävimmät tulkinnat ovat usein tarkka sekoitus täydellistä sävelkorkeutta ja tarkoituksenmukaista inhimillisyyttä, jatkuva nuotin vierestä laulaminen johtaa helposti epämiellyttävään lopputulokseen.
Tietokoneiden ja digitaalisen signaalinkäsittelyn edistyksen myötä tarkka sävelkorva ei kuitenkaan enää ole kynnyskysymys laulajan uralla. Tohtori Harold A. Hildebrand julkaisi vuonna 1997 ohjelman, joka kiinnitti välittömästi musiikkialan ammattilaisten huomion. Auto-Tune oli ensimmäinen ohjelma maailmassa, joka pystyi korjaamaan laulusuoritusten pienen epävireisyyden, ja vieläpä reaaliajassa. Ohjelman toiminta oli niin huomaamatonta, että maltillisesti käytettynä lopputulos ei herättänyt kuuntelijoissa epäilystäkään äänitteen aitoudessa. Vuonna 1998 Auto-Tune alkoi kerätä merkittävää julkisuutta, kun yhdysvaltalainen laulaja Cher käytti teknologiaa huomiota herättävällä tavalla hittikappaleessaan Believe. (Crockett 2016.)
Vaikka Auto-Tune ja muut samankaltaiset myöhemmin julkaistut ohjelmat ovat herättäneet huomattavaa kritiikkiä, on teknologia löytänyt kuitenkin paikkansa nykypäivän musiikkialalla. Vireenkorjausohjelmat säästävät studioiden resursseja vähentämällä tarvittavien äänityskertojen määrää, ja artistit voivat keskittyä enemmän esimerkiksi sanojen painotukseen sekä tulkintaan.
Miten vireenkorjaus toimii?
Vuosituhannen vaihteesta lähtien monet alan yritykset ovat kehittäneet oman versionsa kaiken aloittaneesta Auto-Tunesta. Teknisiä lähestymistapoja ohjelman toteutukseen on monenlaisia. Fourier-muunnoksen avulla laulajan äänisignaali voidaan muuntaa sen sisältämiin taajuuskomponentteihin, jolloin sävelkorkeuden tunnistaminen voidaan suorittaa tarkasti. Operaatio kuitenkin vaatii huomattavasti laskentatehoa ja tulokset saadaan viiveellä, mikä voi olla haitaksi reaaliaikaisissa sovelluksissa.
Ilman Fourier-muunnosta toimivat aika-aluemenetelmät sopivat paremmin reaaliaikaisiin käyttötarkoituksiin mutta voivat olla haastavampia toteuttaa. Käyttämällä autokorrelaatiota sisääntulosignaalin jaksollisuuden tunnistamiseen ja rengaspuskuria sävelkorkeuden muuttamiseen voidaan saavuttaa hyvinkin korkealaatuinen lopputulos. Autokorrelaatio, eli operaatio vireenkorjausalgoritmin keskiössä, toimii tarkastelemalla kahta peräkkäistä signaalin jaksoa usealla eri pituudella toistuvien rakenteiden löytämiseksi. Vaikka teoriassa lähestymistapa on yksinkertainen, laadukas ja luonnollisenkuuloinen ulostulo vaatii kuitenkin algoritmin täsmällistä jalostusta.
Vainonen (2024) kehitti opinnäytetyössään vireenkorjausohjelman käyttäen edellä mainittua aika-aluemenetelmää. Lopputuloksena oli kilpailukykyinen vaihtoehto muille samankaltaisille, usein maksullisille ohjelmille. Vainosen ääniliitännäisen voi kuka tahansa ladata ilmaiseksi opinnäytetyön toimeksiantajan Sixth Sample Ky:n verkkosivuilta. (Vainonen 2024.)
Kirjoittajat
Aapo Vainonen valmistui LAB-ammattikorkeakoulusta tieto- ja viestintätekniikan insinööriksi keväällä 2024. Hän on työskennellyt musiikkiohjelmistoyrittäjänä vuodesta 2021.
Matti Welin toimii tieto- ja viestintätekniikan yliopettajana LAB-ammattikorkeakoulussa. Hän on kiinnostunut ohjelmistoista ja digitaalisesta signaalinkäsittelystä ja toimi Vainosen opinnäytetyön ohjaajana.
Lähteet
Crockett, Z. 2016. The Mathematical Genius of Auto-Tune. Princeonomics 26.9.2016. Viitattu 27.4.2024. Saatavissa https://priceonomics.com/the-inventor-of-auto-tune/
Novak, A. 2020. Mikrofoni, Kuulokkeet, Musiikkia. Pixabay. Viitattu 29.4.2024. Saatavissa https://pixabay.com/fi/photos/mikrofoni-kuulokkeet-musiikkia-5046876/
Vainonen, A. 2024. Real-time pitch correction in C++. AMK-opinnäytetyö. LAB-ammattikorkeakoulu, tieto- ja viestintätekniikka. Lahti. Viitattu 29.4.2024. Saatavissa https://urn.fi/URN:NBN:fi:amk-202404288116
