スペクトル包絡

人間の声は、楽器の音色のように様々な音の要素が複雑に混ざり合ってできています。この複雑な音の構成を理解する上で重要な役割を果たすのが「フォルマント」です。音は空気の振動であり、様々な周波数の波が組み合わさってできています。この音のエネルギーがどのように分布しているかを示したものが、音のスペクトル包絡と呼ばれる曲線です。この曲線には、まるで山の峰のように、いくつかの突出した部分があります。このエネルギーのピークとなる周波数こそがフォルマントです。 フォルマントは、音の指紋のようなものだと考えることができます。同じ「あ」という母音を違う人が発音しても、声の高さや大きさは異なります。しかし、それぞれの人の声には、共通のフォルマント周波数が存在します。この共通点があるため、私たちは異なる声であっても「あ」という同じ母音として聞き分けることができるのです。 例えば、「あ」という母音の場合、第一フォルマントと第二フォルマントという二つの主要なフォルマントが存在します。第一フォルマントは口の開きの大きさに、第二フォルマントは舌の位置の前後に関係しています。これらの周波数の組み合わせが、「あ」の音色を決める重要な要素となります。「い」や「う」など、他の母音もそれぞれ特有のフォルマントの組み合わせを持っています。このように、フォルマントは母音を区別する上で重要な役割を担っています。また、フォルマントは母音だけでなく、子音の音色の特徴付けにも関わっています。 このように、フォルマントは私たちが言葉を聞き分け、理解する上で欠かせない要素なのです。音の分析を通して、フォルマントの働きを理解することは、音声認識や音声合成といった技術の進歩にもつながっています。

音は、空気が震えることで生まれます。この空気の震え方は、波のように表現することができます。池に石を投げ込んだ時に広がる波紋のように、音も波の形で伝わっていきます。ただし、音の波は、単純な波紋とは異なり、複雑な形をしていることが多く、様々な大きさの波が重なり合っています。 この複雑な波を詳しく見ていくと、様々な速さの震えが混ざり合っていることが分かります。この震える速さを「周波数」と呼び、単位はヘルツ（回／秒）で表します。１秒間に何回空気が震えるかを表しているのです。音はこの様々な周波数の成分が組み合わさってできています。それぞれの周波数の成分がどれくらいの強さを持っているかを調べることで、音の高さや音色の違いが分かります。 音の高さは、最も低い周波数の成分「基本周波数」によって決まります。基本周波数が高い音は高く聞こえ、低い音は低く聞こえます。例えば、太鼓の音は基本周波数が低いため低く聞こえ、笛の音は基本周波数が高いため高く聞こえます。 同じ高さの音であっても、楽器や人の声によって音色が違うのはなぜでしょうか。これは、「倍音」と呼ばれる周波数成分が関係しています。倍音とは、基本周波数の整数倍の周波数を持つ成分のことです。例えば、基本周波数が100ヘルツの音の場合、200ヘルツ、300ヘルツ、400ヘルツ…といった周波数の成分が倍音となります。それぞれの倍音がどれくらいの強さを持っているかによって、音色が変わってきます。例えば、フルートの音は倍音が少なく澄んだ音色に聞こえますが、トランペットの音は倍音が多く華やかな音色に聞こえます。 この倍音の強さの分布をグラフで表したものを「スペクトル包絡」と言います。スペクトル包絡を見ると、特定の周波数帯域で音が強くなっている部分が見られることがあります。この強くなっている部分を「フォルマント」と呼びます。フォルマントは、特に人の声の音色を特徴づける重要な要素です。