Вокодер работает как динамический многополосный эквалайзер, через который пропускается носитель. Вы говорите в микрофон, ваша речь раскладывается на несколько полос и каждая из них анализируется. То есть в реальном времени вы получаете набор сигналов, который управляет эквалайзером, и когда вы произносите гласные звуки а, о, у или и, которые отличаются друг от друга соотношением гармоник, настройки у этого эквалайзера будут разными, и с согласными то же самое, только изменения происходят быстрее и с большим участием высоких частот. Ну а через этот динамический эквалайзер вы можете пропустить любой синтезаторный звук, желательно, более богатый гармониками, чтобы было что обрабатывать, сыграть нужную ноту, зажать аккорд, и получится вот этот самый роботский голос.
Это то, как эта система работает в аналоге, чтобы понять принцип действия. А в цифре все получается еще проще реализовать - там есть Фурье-преобразование и свертка, и не нужно городить все эти достаточно сложные устройства. И оно тоже работает почти в реальном времени, с задержкой в несколько миллисекунд, которые нужны для работы алгоритма.
Спасибо, понятно)