ＶＯＣＡＬＯＩＤ入門

コントロールトラック　その１

　コントロールトラックと合成される音声の関係を実際の分析結果に沿って説明します。とは言え、合成は多くの条件を総合して行われますので、場合によってはここに示すものとは異なる動作を行います。

ベロシティ

　ベロシティーは子音を短く弱く発音することで、声の立ち上がりを早くします。
　同時に、ピッチの遷移速度を上げ、早いフレーズに対応可能な発声を行います。
　通常のＭＩＤＩ信号ではノートオンベロシティは音量を決める要素です。しかし、初音ミクでは音量は変化せず、子音の発音やピッチの遷移、音の立ち上がりを指定し、フレーズの速に追従するための要素となります。

「さ」をベロシティを変化させながら発声（０、３２、６４、９６、１２８）
　上の例ではベロシティーを０から１２９まで全範囲で可変しながら「さ」を発声しています。
　母音部の振幅には大きな変化は発生していませんが、先頭部の子音[s]には、ベロシティーによる変化が見られます。エンベロープで見ると、ベロシティーが小さい程、子音部の振幅は大きく、長さも長くなり、逆に、ベロシティーが大きくなると、子音部の振幅は小さくなり、長さが短くなります。
　スペクトルで見ても、ベロシティーが大きい程、子音部（先頭部の高域のノイズ成分）が短く、弱くなっているのが分かります。　つまり、ベロシティーは音量を変化させるのではなく、子音を短く、弱く発音することにより、歯切れの良い、立ち上がりの良い発音を行わせるためのパラメータです。

「え」をベロシティを変化させながら発声（０、３２、６４、９６、１２８）
　ベロシティは子音に影響するため、母音には大きな影響を与えません。上図は母音「え」を０～１２８のベロシティで発音させたものですが、エンベロープ、スペクトルともに大きな変化は見られません。（ベロシティ０の場合だけ、振幅が少し小さくなっているが、これは、初音ミクが歌い出しの音を小さめに発音するためです）

　音程を変化させながらベロシティの影響を観察すると、ベロシティーがピッチ遷移速度をコントロールしている様子が分かります。

ベロシティ：０
聞いてみる

ベロシティ：１２７
聞いてみる
歌の一節を異なるベロシティーで発声

　上の実験データでは、ポルタメント設定はＯＦＦとなっています。(ベンドの長さは２０)しかしながら、ベロシティが小さくなると、ピッチの変化速度が遅くなり、大きなポルタメントが生じます。逆に、ベロシティを最大にすると、殆どポルタメントは感じられず、瞬時に後続音の音程に到達します。
　エンベロープを見ると、ベロシティーが大きい方が、音の立ち上がりやアタックが強調されていることが分かります。

ダイナミックス

　ダイナミックスは音量を設定すると同時に、中高音域を増強し、聴感上の発声強度を指定します。エンベロープやピッチには影響を与えません。

「しょ」をダイナミクスを変化させながら発声（０、３２、６４、９６、１２８）
　ダイナミクスを変化させると、値に従って素直に音量が変化します。ダイナミクス０では発音が止まります。上図は母音「しょ」を０～１２８のダイナミクスで発音させたものですが、エンベロープを見ると、最初の音の発音がありません。

　ダイナミクスで音量以外の要素がどのように変化しているのかを調べるため、ダイナミクスを変化させて発音させたデータの音量が同じになるように、レベル調整した上で分析しました。

「しょ」をダイナミクスを変化させながら発声（０、３２、６４、９６、１２８）
すべての音の最大振幅が同じになるように、ツールにてレベル調整
　図に赤丸で示す中音域がダイナミクスの増大によって強調されています。高音域の強調は僅かです。子音は、主に高音域にエネルギーが分布しているため、ダイナミクスの増大にによって増強される程度は低いと言えます。