⑤ ディープラーニングの応用例／ 28. 音声処理

フォルマントとは

フォルマントとは、音声スペクトル中の共振ピークです。第1・第2フォルマントは母音識別に特に重要とされます。

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。

音声の周波数成分に現れる山。どの母音かを決める重要な手がかりです。

なぜ山ができるのか

声帯で作られた音は、口や喉の空間（声道）を通って外に出ます。このとき声道の形に応じて特定の周波数が強められます（共振）。

その結果スペクトルに山ができます。これがフォルマントです。口の形を変えれば山の位置も変わる——だから母音の判別に使えるのです。

低いほうから順に第1フォルマント（F1）、第2フォルマント（F2）と呼びます。この2つの組み合わせでほぼ母音が特定できます。

F1は口の開き具合、F2は舌の前後位置に対応するとされ、「あ・い・う・え・お」はこの2次元平面上で異なる位置に分布します。各フォルマントの出現位置がフォルマント周波数です。

共振によって特定の周波数が強まる現象は楽器でも同じです。楽器ごとの音色の違いも共振の特性で決まります。

「同じ高さの音でも楽器によって聞き分けられる」のはこの違いによります。音の物理としては人の声も楽器も同じ原理です。