フォルマント周波数

フォルマント周波数とは

フォルマントは、声道によって増幅される周波数帯のことです。フォルマント周波数は、その帯の中心がどの周波数にあるかを具体的な値で表したものです。フォルマントが生じる仕組みについては、フォルマントの項目で扱います。

音声を時間と周波数の図(スペクトログラム)にすると、フォルマントは暗い帯として現れます。1つの時点のスペクトルでは、周波数の山(スペクトルのピーク)として現れます。フォルマントは周波数の低い方から数え、最も低いものを第1フォルマント(F1)、下から2番目を第2フォルマント(F2)と呼びます。

母音ごとのF1とF2の値

フォルマントの位置は母音によって変わります。3つの母音[ih]・[ae]・[uh]を比べると、F1は[ih]では低く、約470Hzを中心としています。[ae]と[uh]ではそれより高く、約800Hzのあたりにあります。一方、F2は[ih]で最も高く、[ae]では中ほど、[uh]で最も低くなります。F1とF2は、母音によって違う順に並ぶということです。

具体的な値の例として、ある音声の[ae]には930Hz・1860Hz・3020Hzの3つのフォルマントがありました。母音[iy]では、第1フォルマントが540Hzで、[ae]の第1フォルマントよりかなり低くなります。第2フォルマントは2581Hzで、[ae]の第2フォルマントよりかなり高くなります。このように、母音にはそれぞれフォルマントが現れる特徴的な位置があるため、スペクトルを見れば母音どうしを区別できます。

母音の識別と話者による違い

最初の2つのフォルマント、つまりF1とF2の位置は、どの母音かを決めるうえで大きな役割を果たします。ただし、同じ母音でもフォルマントの値は話者ごとに異なります。そのため、F1やF2の値を1つの決まった数値として覚えるのではなく、母音どうしの相対的な位置関係として捉えることが大切です。

また、3番目以降の高次のフォルマントは、個々の母音よりも、話者の声道の一般的な特徴によって生じる傾向があります。低い方のフォルマント(F1とF2)は主に母音の違いを表し、高次のフォルマントには話者の特徴が表れやすい、という役割の違いがあります。音声認識で母音を見分ける手がかりとしてF1とF2の組み合わせが重視されるのは、このためです。