合成音声のスペクトログラムを見てみよう

　スペクトログラムというのは、音声のスペクトルに時間軸付け足してビジュアライズしたものです。これを見ると合成音声の性質がちょっと見えてくるぞ。

・人間の生声

　これはUTAUの原音ですね。綺麗。

・VOCALOID

　結構人に近い気もする。ピッチの整ってる感は人工な感じ。

・UTAU

　かなり息成分が出ている。子音も見やすい。UTAUは全体的に息成分が生きやすい気がする。ちなみにエンジンはfresamp14。

・CeVIO

　超低音域が結構出ている。ONEの特徴かと思いきや、CeVIOは大体この100Hz以下の低音が強め。

　拡大してみると、息成分がだいぶ整っていることが分かる。

・VOICEROID（歌ボ）

　息成分少な目。子音は明瞭。子音以外にたまに入っている縦線は歌ボ特有の「－伸ばし」によるもの。

・Sinsy

　Sinsyも息成分が少なめ。案外高音域が弱め。

　Sinsyのスペクトログラムはかなり特殊な感じ。息成分に「X」のような模様がよく出る。これのせいというわけじゃないだろうが、息成分だけ取り出すと結構ゴワゴワした音であることが分かる。

・SynthV

　低音も含め息成分がまんべんなくしっかりと出ている。

・Alter/Ego

　息成分あまりなし。高音はあんまり出てない。

・Aquestone（無印）

　中域・中高域の息成分が案外ある。高音はさっぱり出てない。子音以外の縦線はシンセでいうところのアタック部分。

・LaLaSong

　高音域は足りてないながらも結構健闘している。基本周波数と低めの倍音当たりの幅がなぜか広い。

・MUTA

　システムやUIはCeVIOに似ているけど、音は別に似ていない。

・OpenUTAU

　UTAUと同様、息成分がだいぶ正しく出ている感じ。

・Sharpkey

　息成分はあんまりない。