スマホで通話していて、相手の声がいつもとちょっと違う気がした——そんな経験はありませんか。私は正直、電波のせいくらいにしか思っていませんでした。
ところがこれ、単に「機械を通しているから」で片づく話ではないんです。厳密にいうと、スマホや携帯電話から聞こえてくる声は、相手の声そのものが届いているわけではありません。手元の端末が“作り直した”声を聞いている、というのが実際のところなんです。
今まで友達や恋人の声だと思って聞いていたものが、じつは再現された音声だった。そう思うと、なんだか不思議ですよね。
関連記事：人のグループトークを覗き見れる「チャットログ」でLINEいじめの実態が明らかに？
携帯電話は「声の設計図」だけを送っている
人の声の波形はとても複雑で、そのまま電波に乗せて送ろうとすると情報量が多すぎます。通信の帯域には限りがあるので、声をまるごと運ぶのは効率が悪い。
そこで携帯電話が使っているのが、CELP（符号励振線形予測）と呼ばれる音声符号化の技術です。ざっくり言うと、声を「口や喉がどう震えているか」というパラメータに分解して、その“設計図”だけを送る仕組みになっています。
このとき活躍するのが「コードブック」という声の辞書。あらかじめ何千種類もの音のパターンが登録してあって、話し手の声に一番近いものを選び、その番号（インデックス）を送ります。受け取った側は、その番号をもとに声を組み立て直す。だから相手の声の波形が直接届いているのではなく、端末が近いパターンを選んで再合成しているわけです（参考：音声符号化 – Wikipedia／CELP方式の原理 – 日本キャステム）。
この方式のおかげで、たった数キロビット毎秒という少ない情報量でも、元の声とほとんど区別がつかない品質で通話ができています。声そのものではなく“特徴のパターン”を送っている、というのがポイントです。
つまり、あの甘い言葉も「再現された声」で届いている
そう考えると、電話ごしに「君の声を聞くと安心する」なんて囁かれても、耳に届いているのは厳密には再現された声。おだてられて悪い気はしなくても、その渋い声は、送られてきたパラメータから組み立て直された音だったりするわけです。
とはいえ、言われても信じられないくらい自然に聞こえるのが、この技術のすごいところ。数千種類のパターンの組み合わせで、世界中の人の声をここまで再現してしまうのですから、よくできた仕組みだなと感心します。
次に電話で誰かと話すとき、「いま聞いているのは本人そのものの声じゃなくて、設計図から作り直された声なんだよな」と思い出してみてください。いつもの通話が、ちょっとだけ違って聞こえるかもしれません。
