Loading article…
音声科学と音声学では、フォルマントは人間の声道の音響共鳴によって生じる広いスペクトル最大値です。[ 1 ] [ 2 ]音響学では、フォルマントは通常、スペクトルの広いピーク、または局所最大値として定義されます。[ 3 ] [ 4 ]倍音の場合、この定義では、フォルマント周波数は共鳴によって最も増幅される倍音の周波数とされることがあります。これら 2 つの定義の違いは、「フォルマント」が音の生成メカニズムを特徴付けるのか、生成された音自体を特徴付けるのかという点にあります。実際には、スペクトルピークの周波数は、偶然にも倍音が共鳴周波数と一致する場合、またはささやき声やボーカルフライのように音源がほとんど非倍音である場合を除いて、関連する共鳴周波数とわずかに異なります。
部屋には、共鳴、つまり音が壁や物体から反射する仕組みによって、その部屋特有のフォルマントが存在すると言えます。このような部屋のフォルマントは、特定の周波数を強調し、他の周波数を吸収することで互いに増幅し合います。例えば、アルヴィン・ルシエは作品「I Am Sitting in a Room」でこの特性を利用しています。音響デジタル信号処理では、フォルマントの集合（例えば部屋）が信号に与える影響をインパルス応答で表すことができます。
音声においても室内においても、フォルマントは空間の共鳴特性を表す特徴的な要素である。フォルマントは音声などの音源によって励起され、音源の音を整形（フィルタリング）するが、それ自体が音源ではない。
音響学的観点から、音声学は声道の有効長が母音を変えるという考え方に深刻な問題を抱えていた。[ 5 ]実際、声道の長さが変わると、口腔によって形成されるすべての音響共鳴器がスケーリングされ、共鳴周波数も変化する。そのため、例えばバス歌手とソプラノ歌手のように声道の長さが異なる話者が、同じ音声カテゴリーに属すると認識される音を生成できる場合、母音がどのように周波数に依存するのかは不明であった。母音のアイデンティティを支えるスペクトル情報を正規化する方法が必要だった。ヘルマンは1894年にこの問題の解決策を提案し、「フォルマント」という用語を造語した。彼によれば、母音は、特別な部分音、つまり「フォルマント」または「特性」の断続的な生成に依存する特別な音響現象である。「フォルマント」の周波数は、母音の特性を変えることなくわずかに変化する可能性がある。例えば「長いe」（eeまたはiy）の場合、最低周波数の「フォルマント」は、 同じ人でも350～440Hzの間で変化する可能性があります。[ 6 ]
フォルマントは、音声、楽器[ 8 ]、歌唱によって生成される音響信号の固有の周波数成分です。人間が音声を区別するために必要な情報は、周波数スペクトルのピークを指定することで、純粋に定量的に表現できます。これらのフォルマントのほとんどは管やチャンバーの共鳴によって生成されますが、いくつかのホイッスル音は、ベンチュリ効果による低圧領域の周期的な崩壊から生じます。[ 9 ]
最も周波数の低いフォルマントはF 1、2番目はF 2、3番目はF 3などと呼ばれます。声の基本周波数またはピッチはF 0と呼ばれることもありますが、これはフォルマントではありません。ほとんどの場合、最初の 2 つのフォルマントF 1とF 2で母音を識別するのに十分です。知覚される母音の質と最初の 2 つのフォルマント周波数の関係は、クリック トレイン (声門パルス トレインをシミュレートするため) を一対のバンドパス フィルター (声道共鳴をシミュレートするため) に通して生成される「人工母音」を聞くことで理解できます。前舌母音はF 2が高く、低母音はF 1が高くなります。唇を丸めると、後舌母音ではF 1とF 2が、前舌母音ではF 2とF 3が低くなる傾向があります。[ 10 ] F 3の低下は、 r 音色の母音の主要な特徴でもあります。[ 11 ]
鼻音子音は通常、約2500Hz付近にフォルマントが追加されます 。流音[l]は通常1500Hzにフォルマントが追加されます が、英語の「r」音（[ɹ]）は非常に低い第3フォルマント（2000Hzをはるかに下回る）によって区別されます 。
破裂音（および、ある程度は摩擦音）は、周囲の母音のフォルマントの位置を変化させます。両唇音（「ball」や「sap」の/b/や/p/など）はフォルマントを低下させます。スペクトログラムでは、軟口蓋音（英語の/k/や/ɡ/ ）は、軟口蓋音の前にF2とF3が「軟口蓋ピンチ」で結合し、軟口蓋音が解放されると同時に同じ「ピンチ」から分離することがほぼ常に示されます。歯茎音（英語の/t/や/d/）は、隣接する母音のフォルマントに体系的な変化をあまり引き起こさず、どの母音が存在するかによって部分的に異なります。これらの母音フォルマント周波数の変化の時間経過は、「フォルマント遷移」と呼ばれます。
通常の発声では、声帯によって生じる基本的な振動は、倍音を豊富に含む 鋸歯状の波形に似ています。基本周波数、あるいは（より一般的には）倍音のいずれかがシステムの共振周波数よりも高い場合、共振は弱く励起されるだけで、その共振によって通常もたらされるフォルマントはほとんど失われます。これは、母音が非常に聞き取りにくくなるほど高い音域で歌うソプラノ歌手の場合に最も顕著に現れます。
共鳴の制御は、倍音歌唱として知られる発声法の重要な要素であり、この歌唱法では、演奏者は低い基本音を歌い、鋭い共鳴音を作り出して特定の高調波を選択することで、複数の音が同時に歌われているような印象を与える。
スペクトログラムはフォルマントを視覚化するために使用できます。スペクトログラムでは、歌唱時に自然に発生する倍音とフォルマントを区別するのは難しい場合があります。しかし、ボーカルフライなどの無調的な技法を用いることで、母音の形の中に自然なフォルマントを聞き取ることができます。
フォルマントは、声道の音響共鳴として、あるいはバンドパスフィルターのように音声スペクトルの局所最大値として捉えられる場合、その周波数とスペクトル幅（帯域幅）によって定義されます。
この情報を取得するにはさまざまな方法があります。音響定義におけるフォルマント周波数は、スペクトログラム（図中）またはスペクトルアナライザーを使用して、音の周波数スペクトルから推定できます。ただし、音声録音から声道の音響共鳴（つまりフォルマントの音声定義）を推定するには、線形予測符号化を使用できます。中間的なアプローチは、基本周波数を中和してスペクトル包絡線を抽出し、[ 12 ]その後でスペクトル包絡線内の局所最大値を探すことです。
最初の 2 つのフォルマントは母音の質を決定する上で重要であり、開口-閉口 (または低-高) と前-後方向 (従来、舌の形と位置に関連付けられてきた) に対応するとよく言われます。したがって、最初のフォルマントF 1 は、[a]のような開口または低母音では周波数が高く、 [i]や[u]のような閉口または高母音では周波数が低くなります。また、2 番目のフォルマントF 2 は、 [i]のような前母音では周波数が高く、 [u]のような後母音では周波数が低くなります。[ 13 ] [ 14 ]
母音には、ほとんどの場合、4 つ以上の区別可能なフォルマントがあり、6 を超える場合もあります。しかし、最初の 2 つのフォルマントは母音の質を決定する上で最も重要であり、母音図では互いに比較してプロットされることが多いですが、[ 15 ]この単純化では、円唇化などの母音の質のいくつかの側面を捉えることができません。[ 16 ]
多くの著者が、フォルマント図上の母音の位置と従来の母音四辺形上の母音の位置との最適な一致を見つける問題に取り組んできました。Ladefoged [ 17 ]の先駆的な研究では、メル尺度がヘルツで表される基本周波数の音響的尺度よりもピッチの聴覚的尺度により近いと主張されたため、メル尺度が使用されました。メル尺度の 2 つの代替案は、バーク尺度とERB レート尺度です。[ 18 ]広く採用されているもう 1 つの戦略は、水平軸にF 2ではなくF 1とF 2の差をプロットすることです。
訓練を受けた話者やクラシック歌手、特に男性歌手の周波数スペクトルの研究では、 3000 Hz (2800 ～ 3400 Hz の間)付近に明確なフォルマントが存在することが示されています が、これは訓練を受けていない話者や歌手の音声やスペクトルには存在しません。これは、声道のより高い共鳴の 1 つ以上に関連していると考えられています。[ 19 ] [ 20 ]歌手がオーケストラ の中で聞き取られ、理解されるのは、3000 Hz でのこのエネルギーの増加によるものです。このフォルマントは、例えば、いわゆるvoce di stregaまたは「魔女の声」[ 21 ]と呼ばれる練習など、声楽訓練によって積極的に発達し、声道の一部が共鳴器として機能することによって生じます。[ 22 ]クラシック音楽や声楽教育では、この現象はsquilloとしても知られています。