Technologia przetwarzania mowy, która obejmuje modelowanie, syntezę, kodowanie i rozpoznawanie mowy, wywodzi się z technik parametrycznych wprowadzonych przez Homera Dudleya w późnych latach trzydziestych i wczesnych czterdziestych XX wieku. Metody te są „parametryczne” w tym sensie, że budują model właściwości akustycznych ludzkiego traktu głosowego, a następnie analizują mowę poprzez określenie wartości parametrów tego modelu. Poniżej przedstawiono podstawowy model z pracy Dudley’a z 1940 roku, zatytułowanej „The Carrier Nature of Speech”, opublikowanej w The Bell System Technical Journal.

Na Targach Światowych w Nowym Jorku w 1939 roku Bell Labs zademonstrowało tę zasadę za pomocą urządzenia zwanego „Voder”, pokazanego poniżej w działaniu.

Voder jest obsługiwany przez wysoko wykwalifikowanych techników (którzy w tamtych czasach byli nazywani „dziewczynami”). Technik manipulował zestawem analogowych (ciągłych) kontrolek, które wytwarzały dźwięki przypominające mowę, jak w zdaniu „witam wszystkich”:

Gdybyś mógł uruchamiać aplety, byłby tu jeden.

Woder jest starannie zaprojektowany, aby dopasować ograniczenia ludzkiego operatora do potrzeb modelowania mowy. Jest to pokazane na poniższym schemacie:

Dziesięć „klawiszy spektrum” kontroluje wzmocnienia dziesięciu filtrów pasmowych (ponieważ jest dziesięć palców).To w przybliżeniu określa zawartość spektralną sygnału mowy (zauważ, że normalny ludzki operator może kontrolować tylko najwyżej dziesięć klawiszy jednocześnie).Pasek nadgarstka przełącza pomiędzy wzbudzeniem okresowym („energia typu buczenie”) i wzbudzeniem białego szumu („energia typu syczenie”).Pobudzenie okresowe jest używane do wytwarzania dźwięków dźwięcznych (takich jak „aaaaa”), podczas gdy pobudzenie biało-szumowe jest używane do wytwarzania dźwięków bezdźwięcznych (takich jak „sssss”).Pedał nożny kontroluje częstotliwość pobudzenia okresowego, co pozwala kontrolować fleksję.

Posłuchaj kompletnej demonstracji Vodera:

Gdybyś był w stanie uruchamiać aplety, byłby tu jeden.