⑤ ディープラーニングの応用例／ 28. 音声処理

フォルマント周波数とは

フォルマント周波数とは、各フォルマントが出現する周波数で、話者固有の音声特徴を反映します。

この用語はG検定シラバスの「28. 音声処理」に含まれます。章全体の用語は用語解説⑤（全133語）にまとまっています。

フォルマントの山が現れる周波数の位置。人によって違いが出ます。

なぜ人によって違うのか

フォルマントは声道の共振で生じます。声道の長さや形は個人差が大きいため、同じ「あ」を発音してもフォルマント周波数は人ごとに異なります。

一般に、声道が長い人ほどフォルマント周波数は低くなります。大人と子ども、男女で差が出るのはこのためです。

同じ特徴量が「何を言ったか」と「誰が言ったか」の両方に使える点が興味深いところです。

第1・第2フォルマント周波数を2軸に取って母音を打点すると、「あいうえお」がきれいに分かれた領域に分布します。

この図は音声学の基本であり、母音が2つの数値でほぼ特定できることを視覚的に示しています。

フォルマント周波数は声道（口から喉までの空間）の長さに強く依存します。管が長いほど共振する周波数は低くなる、という物理的な性質によるものです。

そのため成人男性は低く、子どもは高い値になりやすくなります。同じ母音でも人によって数値が変わるのはこのためです。

音声認識では、この個人差を吸収する処理が必要になります。逆に話者識別ではこの差こそが手がかりになります。