最終更新日:2026年9月24日
gk speech signal_processing
まず結論
- スペクトログラム → 時間×周波数の表現
- フォルマント → 声道の共鳴に対応するスペクトル包絡のピーク
- MFCC → メル尺度を使ったケプストラム特徴
G検定では、何を表しているかで切り分けます。
直感的な説明
スペクトログラムは、音が時間とともにどの周波数成分を持つかを表します。
フォルマントは、声道の形によって強調される共鳴周波数です。
MFCCは、スペクトル包絡の特徴を、人の聴覚特性を考慮した形で少数の係数へ要約します。
定義・仕組み
スペクトログラム
STFTなどから得られる時間×周波数×強度の表現です。
可視化だけでなく、CNNなどのモデル入力として直接使われることもあります。
フォルマント
特に母音では、声道の共鳴によってスペクトル包絡に現れるピークが重要です。
F1・F2などは母音の識別と強く関係します。
スペクトル上のすべてのピークをフォルマントと呼ぶわけではありません。
MFCC
代表的には、周波数分析 → メルフィルタバンク → 対数 → DCTを経て係数を求めます。
音声認識で歴史的に広く使われてきましたが、深層学習ではメルスペクトログラムや生波形なども使われます。
いつ使う?(得意・不得意)
- スペクトログラム → 時間周波数パターン
- フォルマント → 母音・声道特性
- MFCC → コンパクトな音響特徴
G検定ひっかけポイント
- スペクトログラムは可視化専用ではない
- フォルマントは単なる最大ピークではない
- MFCCは代表的特徴量の1つであり、常に最適とは限らない
まとめ(試験直前用)
- スペクトログラム=時間×周波数
- フォルマント=声道共鳴
- MFCC=メル尺度+ケプストラム
- 役割で切り分ける