ヴォコーダー

ヴォコーダー（英：vocoder）、あるいはボコーダーとは「ヴォイス」（voice）と「コーダー」（coder）を合わせた言葉で、電子楽器やエフェクターの一種。シンセサイザーの一種に分類されることもある。

本来の意味は通信用の音声圧縮技術で、携帯電話などの多くの機器で使用されている。音声の波形を直接送るのではなくパラメータ化して送り、受信側ではそれらのパラメータから元の音声を合成する。音楽用のヴォコーダーはこの技術を応用したものである。

ヴォコーダーと呼ばれるものには古典的なチャネルヴォコーダーと、比較的新しいフェーズボコーダがあるが、これらは使用分野が異なる。音楽分野における昔ながらの「ヴォコーダー」エフェクトはチャネルヴォコーダーを指し、フェーズボコーダは「タイムストレッチ/ピッチシフト」に用いられる^[1]^[2]^[3]^[4]。本項目では主に古典的なチャネルヴォコーダーについて記述する。

効果[編集]

言葉や効果音を楽器音として使うことができる。一般的には、言葉をマイクによって入力し、ストリングスなどの楽器音に置き換えて合成するため、その言葉を聞き取ることができ、「独特な機械的な声」や「楽器音として和音で喋っている声」のように使われることが多かった。

なお、歌などの音程修正や多重コーラスとしての機能は、フェーズボコーダによるピッチシフター・ハーモナイザーの実用化を待たねばならなかったが、ごく稀に（音色が大きく変化することを承知で）チャネルヴォコーダーで代用する場合があった。

歴史[編集]

もともとのヴォコーダーは音声通信での音声圧縮技術として生まれたもので、アメリカのベル研究所のホーマー・ダッドリー（Homer Dudley）によって1928年に基本的なアイデアが発案された。当時の電信用大陸間横断ケーブルが伝送可能な周波数帯域はせいぜい100Hz程度で、3000～4000Hzの帯域を持つ音声を直接送ることができず、音声をより狭い帯域で送るために考え出された^[5]。

人間の声は、音源である声帯の音の特性や有声・無声の区別と、咽喉と口腔、鼻腔、舌、歯、唇などの調音機構の共鳴による周波数選択特性でモデル化できる。音声波形はかなり早い振動成分を含むが、調音機構などの動きはそれと比べると比較的緩やかであり、それらを適切にパラメータ化することができれば、必要な帯域を大幅に減らすことができる。

ダッドリーはこの考え方を元に、音声の周波数スペクトルを複数のチャネルに分けバンドパスフィルタで分析して、声帯の音の基本周期（ピッチ）や有声・無声の区別と共に送り、受信側で音声を合成するチャネルヴォコーダーを1939年に発表した^[6]^[7]。また、音声を合成する部分と鍵盤とを組み合わせ、鍵盤演奏型のスピーチシンセサイザーであるヴォーダー（voder）として1939年のニューヨーク・ワールドフェアで一般公開した。チャネルヴォコーダーは、当時の技術水準では大掛かりな装置となってしまい、また音声の品質が悪く機械的な声になってしまうため、民間で使われることはなかったが、第二次世界大戦中の1943年、チャーチル首相とルーズベルト大統領の秘密会談用の秘話通信システム SIGSALY として実用された^[5]。チャネルヴォコーダーはその後デジタル信号処理の技術進歩により、線形予測符号化方式（LPC）やCELP符号化方式などに発展した^[5]。

音楽の分野では、通信の分野とは反対に、チャネルヴォコーダー特有の機械的な音質（ロボットボイス）を活かし新しい楽器やエフェクターとして利用するために開発が行われた。それ以前から小型のスピーカをのどに取り付けてヴォコーダーのようなエフェクトを実現する Sonovox があり、1940年代には映画やコマーシャルなどで使用されていた^[8]。ヴォコーダーの利用はそれより遅く1960年代以降で、最初はごく一部の電子音楽スタジオでのみ利用された。ミュンヘンのシーメンス電子音楽スタジオ（Siemens-Studio für Elektronische Musik）はその一つで、軍事用に使われていた通信用ヴォコーダーを音楽用に改造し利用していた^[9]。半導体技術を用いたヴォコーダーの最初の例はロバート・モーグによるもので、1968年にバッファロー大学の電子音楽スタジオ用に作成された^[8]。

音楽用ヴォコーダーが一般に使用されるようになったのは、機械が小型化され普通の音楽スタジオやライブで他の機器と一緒に使用できるようになった1970年代後半で、初期のものとしてはEMS Vocoder や Sennheiser VSM201、Bode Model 7702 などが知られている^[8]。国内でも1970年代末にコルグ VC-10 やローランド VP-330 が発売された。

原理[編集]

入力はキャリア（ベーシックな音色）とモジュレータ（変調する音色・音声スペクトル）の2系統。一般的な使い方としては、キャリアにストリングスなどの楽器音を、モジュレータに声を入力する。これによって楽器音を声のスペクトルデータで変調させる。しかし、使用する側としては、声を楽器音として変化させている感覚である。この時の動作は、声の型を取り、楽器音を押し込んでいるようなものである。

まず、モジュレータ（声）を多数のバンドパスフィルタで分解し倍音構成を得る。この倍音構成（帯域毎の量）こそが言葉(「あ」「い」「う」「え」「お」などの音）の特長といえ、固有の音として聞き分けられる。そのため、この倍音構成は「音の特徴を示すデータ」であるといえる。一方、キャリアもまた、モジュレータ同様のバンドパスフィルタで分解され、モジュレータで得られた帯域毎の量に整えられる。結果として、キャリアの特長である音階入力に従った音程と音色にモジュレータ（声）の特徴が反映され、楽器音の声となって出力される。この際、帯域幅を細かく分割、つまりバンド数が多いボコーダーほど言葉が明瞭に聞こえる。

なお、そもそもキャリアが倍音構成に乏しい（究極には純音〔=正弦波〕である）場合には、前述の特性から音の特徴を抽出できないこともある。従って、入力用の音階には多様な倍音を含むもの（三角波・矩形波・ノコギリ波など）を使う場合が多い。また、ホワイトノイズをキャリアとした場合は、ヒソヒソ声に似た声が出力される。

殆どの場合は、キャリアはストリングス系、モジュレータは声であるが、機能としてはこの組み合わせである必要はなく、ストリングスとドラムマシンなどの組み合わせであっても変調は行われる。

代表的な使用例[編集]

ヴォコーダーの使用例としてわかりやすいのは、ロボットボイスである。この独特な音を利用してディスコ音楽でも使用されている事が多い。

イエロー・マジック・オーケストラは、ライブステージでの挨拶をボコーダーボイスで行っている。幾つかのライブ盤で確認できる。