Loading article…
ボコーダー（/ ˈvoʊkoʊdər /、voiceとencoderの合成語）は、音声データの圧縮、多重化、音声暗号化、または音声変換のために人間の音声信号を分析および合成する音声符号化のカテゴリです。
ボコーダーは、人間の音声を合成する手段として、 1937年にベル研究所のホーマー・ダドリーによって発明されました。 [ 1 ]この研究は、伝送時の帯域幅を節約するための音声符号化の電気通信用音声コーデックとして使用されるチャネルボコーダーへと発展しました。
制御信号を暗号化することで、音声伝送を傍受から保護することができる。この方式の主な用途は、安全な無線通信である。この暗号化方式の利点は、元の信号は一切送信されず、帯域通過フィルタのエンベロープのみが送信される点にある。受信側は、元の信号スペクトルを再合成するために、同じフィルタ構成に設定する必要がある。
ボコーダーは電子楽器としても広く利用されている。ボコーダーのデコーダー部分はボーダーと呼ばれ、音声合成のために単独で使用することもできる。
人間の声は、声帯による声門の周期的な開閉によって生成される音で構成されており、多くの倍音を含む音響波形が生成されます。この最初の音は、鼻、口、喉の動き（声道と呼ばれる複雑な共鳴管システム）によってフィルタリングされ、倍音成分（フォルマント）の変動が制御された方法で生成され、会話で使用されるさまざまな音が生成されます。無声音と破裂音と呼ばれる別の音群があり、これらは声道で発生するさまざまな音生成気流の乱れによって生成または変化します。[ 2 ]
ボコーダーは、音声のスペクトルエネルギー分布特性が時間とともにどのように変動するかを測定することで音声を分析します。この分析の結果、時間的に平行なエンベロープ信号のセットが生成され、それぞれがユーザーの音声の個々の周波数帯域の振幅を表します。言い換えれば、音声信号は複数の周波数帯域に分割され（この数が多いほど分析精度が高くなります）、各周波数帯域で同時に発生する信号レベルがエンベロープフォロワーによって測定され、時間経過に伴うスペクトルエネルギー分布を表します。このエンベロープ振幅信号のセットは「モジュレーター」と呼ばれます。音声を再現するために、ボコーダーは分析プロセスを逆に行い、初期の広帯域ノイズ（「ソース」または「キャリア」とも呼ばれます）を、モジュレーターからのエンベロープ振幅信号のセットによってリアルタイムで制御されるバンドパスフィルターのセットを通過させることで、可変フィルタリングします。
デジタル符号化処理では、変調器のマルチバンドエンベロープ振幅セットそれぞれについて周期的な解析が行われます。この解析により、デジタルパルス符号変調ストリームの読み取り値セットが得られます。次に、各バンドのパルス符号変調ストリーム出力がデコーダに送信されます。デコーダは、これらのパルス符号変調を制御信号として、出力フィルタチャネルの対応するアンプに適用します。
音声信号の基本周波数に関する情報（スペクトル特性とは区別される）は破棄されます。これは、ボコーダーが暗号化補助として本来の用途で使用されていたため、保持する必要がなかったからです。ボコーディング処理のこの非人間的な側面こそが、ポピュラー音楽やオーディオエンターテイメントにおける特殊音声効果の作成に役立っている理由です。
ボコーダー処理では、波形を逐一再現するのではなく、音声モデルのパラメータのみを通信回線経由で送信します。パラメータは元の音声波形に比べて変化が緩やかなため、音声伝送に必要な帯域幅を削減できます。これにより、無線回線や海底ケーブルなどの通信回線を、より多くの音声チャネルで利用できるようになります。
アナログボコーダーは通常、入力信号を複数の周波数帯域または範囲に分割することで信号を分析します。信号を再構成するために、搬送波信号がこれらの調整済みバンドパスフィルタの連続を通して送られます。典型的なロボット音声の例では、搬送波はノイズまたはノコギリ波です。通常、8～20の帯域があります。
各分析帯域における変調器の振幅は、対応する搬送波帯域の増幅器を制御するために使用される電圧を生成する。その結果、変調信号の周波数成分は、各周波数帯域における離散的な振幅変化として搬送波信号上にマッピングされる。
多くの場合、無声帯または歯擦音チャンネルが設けられています。これは、通常の音声の分析帯域外にあるものの、音声において重要な周波数帯域です。例えば、s、f、chなどの文字で始まる単語や、その他の歯擦音などが挙げられます。この帯域を使用すると、やや機械的な響きはあるものの、認識可能な音声が得られます。ボコーダーには、基本周波数の代わりにノイズジェネレータを使用して無声音を生成する第2のシステムが搭載されていることがよくあります。これは、明瞭度を高めるためにキャリア出力と混合されます。
チャネルボコーダーアルゴリズムでは、解析信号の2つの成分のうち、振幅成分のみを考慮し、位相成分を単純に無視すると、不明瞭な音声になる傾向があります。これを修正する方法については、位相ボコーダーを参照してください。
ボコーダーの開発は、1928年にベル研究所のエンジニア、ホーマー・ダドリーによって開始され、[ 6 ] 1939年3月21日[ 7 ]と1937年11月16日[ 8 ]に特許が付与されました。
デコーダー部の音声合成能力を実証するために、 voder（音声操作デモンストレーター）[ 9 ]が1939年から1940年のニューヨーク万国博覧会のAT&Tビルで一般公開されました。[ 10 ] voderは、ピッチのある音の音源である電子発振器とヒスノイズ発生器、それぞれ可変ゲインアンプで声道として制御される10バンドの共振器フィルター、フィルター制御用の感圧キーと音のピッチ制御用のフットペダルを含む手動コントローラーで構成されていました。[ 11 ]キーで制御されるフィルターは、音とヒスノイズを母音、子音、および語尾変化に変換します。これは操作が複雑な機械でしたが、熟練したオペレーターは認識可能な音声を生成することができました。[ 10 ] [メディア1 ]
ダドリーのボコーダーは、1943 年にベル研究所のエンジニアによって構築されたSIGSALYシステムで使用されました。SIGSALY は第二次世界大戦中に暗号化された音声通信に使用されました。KO-6 音声コーダーは 1949 年に少量リリースされ、1200 ビット/秒で SIGSALY に非常に近いものでした。1953 年に、KY-9 THESEUS [ 12 ] 1650 ビット/秒の音声コーダーは、ソリッドステート ロジックを使用して、 SIGSALY の55 ショートトン (50,000 kg)から565 ポンド (256 kg)に重量を削減し、1961 年に HY-2 音声コーダーは 16 チャンネル2400 ビット/秒システムで、重量は100 ポンド (45 kg)であり、安全な音声システムにおけるチャンネル ボコーダーの最後の実装でした。[ 13 ]
その後、この分野ではデジタル音声符号化が用いられるようになった。最も広く用いられている音声符号化技術は線形予測符号化（LPC）である。[ 14 ]もう一つの音声符号化技術である適応型差分パルス符号変調（ADPCM）は、1973年にベル研究所のP. Cummiskey、Nikil S. Jayant、James L. Flanaganによって開発された。 [ 15 ]
複数の周波数と無声音を録音する必要があるにもかかわらず、ボコーダーシステムの圧縮は印象的です。標準的な音声録音システムは 、音声で使用される周波数のほとんどが含まれる約 500 ～ 3,400 Hz の周波数をキャプチャし、通常は 8 kHz (ナイキスト周波数 よりわずかに高い) のサンプリング レートを使用します。サンプリング解像度は通常、サンプルあたり 8 ビット以上で、データ レートは64 kbit/sの範囲ですが、優れたボコーダーは、わずか5 kbit/sのデータで音声のかなり良いシミュレーションを提供できます。
ITU G.729などの高音質音声コーデックは、多くの電話網で使用されています。特にG.729は、8kbit/sの最終データレートで優れた音声品質を実現します。G.723は、5.3kbit /sおよび6.4kbit/sのデータレートで、やや劣る品質となります。多くの音声ボコーダーシステムはより低いデータレートを使用しますが、5kbit/sを下回ると音声品質が急速に低下し始めます。
NSAの暗号化システムでは、いくつかのボコーダーシステムが使用されています。
現在、通信機器や音声保存装置で使用されている最新のボコーダーは、以下のアルゴリズムに基づいています。
ボコーダーは現在、精神物理学、言語学、計算神経科学、人工内耳の研究などにも利用されている。
1970年代後半以降、ほとんどの非音楽用ボコーダーは線形予測を用いて実装されており、その方式では、全極IIRフィルタによって対象信号のスペクトル包絡線（フォルマント）が推定されます。線形予測符号化では、全極フィルタが前身のバンドパスフィルタバンクに取って代わり、エンコーダで信号をホワイトニング（つまりスペクトルを平坦化）するために使用され、デコーダで対象音声信号のスペクトル形状を再適用するために再び使用されます。
このタイプのフィルタリングの利点の1つは、線形予測器のスペクトルピークの位置が対象信号によって完全に決定され、フィルタリング対象の時間範囲で許容される限り正確に設定できることです。これは、スペクトルピークの位置が使用可能な固定周波数帯域によって制限される、固定幅フィルタバンクを使用したボコーダーとは対照的です。LPフィルタリングには、構成周波数の数が多い信号の場合、線形予測フィルタで表現できる周波数の数を超える可能性があるという欠点もあります。この制限が、LP符号化が高圧縮音声コーダーでほぼ常に他の方法と併用される主な理由です。
波形補間（WI）ボコーダーは、 1995 年頃に WB Kleijn によってAT&T ベル研究所で開発され、その後、国防総省のセキュア ボコーダー コンペティションのために AT&T によって低複雑度バージョンが開発されました。WI コーダーの注目すべき改良は、カリフォルニア大学サンタバーバラ校で行われました。AT&T は WI に関連するコア特許を保有しており、他の研究機関が追加の特許を保有しています。[ 25 ] [ 26 ] [ 27 ]
音楽用途では、基本周波数を抽出する代わりに、音源を搬送波として利用する。例えば、シンセサイザーの音をフィルターバンクへの入力として使用する方法があり、これは1970年代に普及した技術である。
電子音声合成に特別な関心を持つドイツの科学者ヴェルナー・マイヤー＝エプラーは、1948年に音響合成の観点から電子音楽と音声合成に関する論文を発表した。[ 28 ]その後、彼は1951年にケルンのWDR電子音楽スタジオの設立に尽力した。[ 29 ]
音楽制作にボコーダーを使用する最初の試みの1つは、1956年から1959年にかけてシーメンス電子音楽スタジオで開発されたシーメンスシンセサイザーでした。 [ 30 ] [ 31 ] [ media 2 ]
1968年、ロバート・モーグはバッファロー大学の電子音楽スタジオ向けに、最初のソリッドステート式音楽ボコーダーの1つを開発した。[ 32 ]
1968年、ブルース・ハックはマイケル・ファラデーにちなんでファラドと名付けたプロトタイプのボコーダーを製作した。[ 33 ] これは1969年にリリースされた「The Electronic Record For Children」で初めて使用され、その後1970年にリリースされた彼のロックアルバム「The Electric Lucifer」にも使用された。 [ 34 ] [メディア3 ]
ボコーダー効果は、電子音楽と特殊効果の両方で、より伝統的な楽器とともにミュージシャンによって使用されてきました。1969年、スライ＆ザ・ファミリー・ストーンはアルバム『スタンド！ 』に収録されている「セックス・マシーン」でこれを使用しました。他のアーティストは、全体的または長期間にわたって、ボコーダーを音楽の不可欠な部分としてきました。例としては、ドイツのシンセポップグループであるクラフトワーク、アメリカのファンクバンドであるミッドナイト・スター（「フリーク・ア・ゾイド」）、[ 35 ]スティーヴィー・ワンダー（「センド・ワン・ユア・ラブ」、「ア・シーズ・ア・スター」）、そして1970年代後半のジャズ/フュージョンキーボーディストのハービー・ハンコックが挙げられます。1982年、ニール・ヤングはアルバム『トランス』の9曲のうち6曲でゼンハイザーのボコーダーVSM201を使用しました。[ 36 ]マイケル・ジャクソンの「PYT（プリティ・ヤング・シング） 」のコーラスとブリッジには、セッションミュージシャンのマイケル・ボディッカーによるボコーダー（「プリティ・ヤング・シング／君は僕を歌わせる」）が使われている。
人間の声を模倣するためにボコーダーを最も一貫して使用したアーティストの一人がダフト・パンクで、彼らは最初のアルバム『Homework』（1997年）から最後のアルバム『Random Access Memories』（2013年）までこの楽器を使用しました。このデュオは、テクノロジーと人間の声の融合を「自分たちの音楽プロジェクトのアイデンティティ」と表現しました。[ 37 ]例えば、「 Around the World」（1997年）の歌詞は完全にボコーダー処理されており、「 Get Lucky」（2013年）は自然な人間の声と処理された人間の声がミックスされており、「Instant Crush」（2013年）ではジュリアン・カサブランカスがボコーダーに向かって歌っています。
ロボットボイスは20世紀のポピュラー音楽で繰り返し使われる要素となった。ボコーダー以外にも、この効果のバリエーションを生み出す方法はいくつかあり、ソノボックス、トークボックス、オートチューン、[メディア4 ]線形予測ボコーダー、音声合成、[メディア5 ] [メディア6 ]リング変調、コムフィルターなどがある。
ボコーダーは、テレビ制作、映画制作、ゲームで、通常はロボットやしゃべるコンピューターに使用されます。バトルスター・ギャラクティカのサイロンのロボットの声は、EMS Vocoder 2000 を使用して作成されました。[ 36 ]ピーター・ハウエルが編曲および録音したドクター・フーのテーマの1980 年版には、メインメロディーの一部が Roland SVC-350 ボコーダーによって生成されています。同様のRoland VP-330ボコーダーは、トランスフォーマーシリーズのキャラクターであるサウンドウェーブの声を作成するために使用されました。
研究物理学者ホーマー・ダドリーによって開発されたVocoder（Voice Operated reCorDER）とVoder（Voice Operation DEmonstratoR）... Voderは1939年にニューヨーク万国博覧会で初めて公開され（1時間ごとに実演された）、その後1940年にサンフランシスコで公開された。ピアノやオルガンなどの楽器のように機械を操作する「ガールズ」と呼ばれる20人の訓練されたオペレーターがいた... これは、指で14個の鍵盤を操作し、左手首でバーを操作し、右足でフットペダルを操作することによって行われた。
法は音声符号化で最も広く使用されている。
{{cite AV media notes}}: CS1 maint: その他、引用AVメディア（注釈）（リンク）