フォルマントとは

フォルマントは、母音の聞き分けを支える音声の特徴です。高い声でも低い声でも同じ「ア」に聞こえるのは、フォルマントの位置がおおむね変わらないためです。

声が作られる仕組み

声は、声帯の振動で生まれた音が、のどから唇までの声道を通って出ていくことで作られます。声帯が1秒間に振動する回数を基本周波数といい、声の高さを決めます。一方、声道は筒のような共鳴器としてはたらき、特定の周波数を強めます。この見方をソース・フィルタモデルと呼びます。

声道で強められた周波数は、スペクトル包絡（周波数ごとの強さのおおまかな形）に山として現れます。この山がフォルマントです。周波数の低いほうから第1フォルマント（F1）、第2フォルマント（F2）と呼び、それぞれの周波数をフォルマント周波数といいます。

共鳴の周波数の目安

声道を、のど側が閉じて唇側が開いた長さLの筒とみなすと、共鳴の周波数はFn = (2n - 1) × c ÷ (4L)で近似できます。音速cを秒速340m、Lを0.17mとすると、F1は340 ÷ (4 × 0.17) = 500Hz、F2は1,500Hz、F3は2,500Hzです。これは、口や舌に力を入れないあいまいな母音での目安です。実際には舌や唇の動きで声道の形が変わり、フォルマントの位置が動きます。声道の短い子どもでは、全体に高い位置に現れます。

母音との対応

母音は、F1とF2の組み合わせでおおむね区別できます。F1は口の開きの大きさ、F2は舌の前後の位置とよく対応します。口を大きく開ける「ア」はF1が高く、舌を前に出す「イ」はF2が高くなります。

AIとの関係

音声認識では、フォルマントを含むスペクトル包絡の情報を、MFCCなどの特徴量として取り出して使います。音声合成でも、フォルマントを指定して音を作るフォルマント合成が、初期の代表的な方式でした。

覚え方

「高さは声帯、母音は声道の共鳴」と覚えます。