NAM の Up/Dp パワー比

 そこで図 4.11 に単独サンプルのF0 値をもとに Up/Dp パワー比曲線の有 声音部区間だけを取り出し，F0とUp/Dpパワー比の散布図を描き，相関係 数を求めてみた．相関係数は0.683であり高い相関を示した．

図4.11  BTOSにおけるF0とUp/Dpパワー比の相関

  BTOSについてはSOL 法によるUp/Dp 曲線は有声音部においてF0と相 関の高いパラメータであり，どれくらい高さの声を出そうとしているかを表 現する別の指標となりうると言える．

音声は同時録音ができないため，基準となる F0 が得られない．別に収録し た必ずしも同じ発話でない通常音声のF0と比較せねばならない．

図4.12 縦アレイNAMマイクロフォンでステレオ収録した上下NAM音

 先程のBTOSと同内容の文章「一週間ばかりニューヨークを取材した」を NAM 発話で読み上げ，縦アレイ NAM マイクロフォンで上下ステレオ同期 収録を行った．BTOS 音と NAM 音ではパワーがかなり異なるため，NAM 音サンプリングに適した出力レベルに調節した．図4.12は上下NAMマイク ロフォン（UとD）で収録したNAM音のスペクトラムとパワーである．

  図 4.13は，NAMの Up/Dpパワー比曲線である．上部 NAMマイクロフ ォンから得られたNAM音のスペクトラム，パワー，F0プロットと同期させ

て表示した．当然のことながらNAMではF0曲線は描出不能である．

図4.14に先程のBTOSでの同内容発話のUp/Dpパワー比曲線を比較のた めに再掲する．NAMとBTOSで，同内容発話時に極端値，特異値も含めて ほぼ同じパターンの曲線が描けているのがわかる．

図4.13  NAMのUp/Dpパワー比曲線

図4.14 同内容発話のBTOSのUp/Dpパワー比曲線

NAMのUp/Dpパワー比曲線において無音部の極端値や無声子音の特異値 はBTOSのそれと同様であるが，NAMでは「z」のような有声子音にあたる 音素でも特異値をとっている．「sh」や「k」等の無声子音はそれぞれ再現性 をもって特異値をとっていることがわかる．これらの有声・無声子音による 特異値や，ポーズや促音による極端値が，従来の「F0のとぎれ」の部分に相 当し，これらをのぞいたUp / Dpパワー比曲線が，喉頭部上下動の相対的位 置，すなわちNAM発話時のピッチ準備状態，韻律意図，もしくは同内容を BTOS発話したときの喉頭上下動の「クセ」を表現しているものと考えられ，

これを元にしてNAM発話のピッチ予測が可能ではないかと思われる．

図4.15  NAMのUp/Dpパワー比のドット表示とBTOSのF0との比較

図4.15にこのUp/Dpパワー比をドットでプロットしたものも掲げるが，

有声音に当たる部分はドットが集約しているため，擬似 F0 曲線として見や すいものとなる．図4.15の下段のBTOSでの同内容発話のF0曲線の形状と

比較して，この例ではその相似を視認できる．ただしNAMとBTOSは同時 発話ができないため，同内容発話とはいっても時間伸縮の問題があり，意識 的に同じスピードで読み上げてはいるが，単純に相関を数値的に表すことは 難しい．

 通常音声での読み上げとNAMでの読み上げは，話速を一致させることは 不可能であり，また単独NAM音情報からのでのピッチ情報がなく，また本 当に通常音声発話時と同じ韻律，同じ喉頭の上下動で読み上げているかを判 別できないため，ここでは単純に相関をとることをやめ，同じ音素バランス 文 4 個ずつを，二人の男性が NAM と通常音声で読み上げたものを用いて，

通常音声のF0とNAMのUp/Dpをプロット表示で比較した例を掲げるに止 めることにする．たまたまうまく行った例で数値的相関をひねり出すよりも，

できるだけ多くの例を見てもらう方が，この手法の将来のために大切である と考えたからである．

図4.16 がF0とUp/Dp プロットの計8個の比較であるが，上は通常音声 のF0，下がUp/Dpである．話者はNAM発声のベテランである筆者N（左 列）とNAM発話収録経験のない男性話者H（右列）である．なおNAM発 話収録内容をリアルタイムでヘッドフォン聴取せず，発声に明確なフィード バックがかからぬようにした．その方がむしろ通常音声発話時の喉頭部上下 動のクセが反映されると考えたからである．NAM マイクロフォンは上を最 適装着位置に固定し，マイク間隔は二人ともマイク中心の間隔で3cm，同じ NAM マイクロフォンセットを用いて実験を行った．比較的通常音声との形 が似ていると感じられるUp/Dpプロットもあるが，そうでないものもある．

極端値や特異値は収録の条件によって大きく異なるが，無音部が極端値，

子音相当部は極端値の原則はほぼ再現されている．むしろ有声音部のプロッ トが散らばって特異値に見えてしまう部分もある．有声音部にあまりばらつ きが多いと視認では曲線としての上下動がわからなくなる．いずれにせよ，

NAMのピッチ予測が，SOL法で可能かということに関して，今の段階で結 論めいたことは言えない．

図4.16 男性二話者による通常音声のF0とUp/Dp比