---
title: "音声特徴量まとめ（フォルマント / MFCC / スペクトログラム）【G検定対策】"
description: "音声特徴量まとめについて、G検定で問われる特徴量・教師なし学習分野の観点から、特徴の捉え方、データの分布、教師なし学習で何を判断するかを整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/speech-features/"
section: "gk"
---

## まず結論
- **スペクトログラム**：音声を「時間 × 周波数」で可視化したもの  
- **フォルマント**：スペクトログラム上に現れる「重要な周波数ピーク」  
- **MFCC**：人の聴覚特性を考慮して数値化した「音声特徴量」

👉  
**可視化 → ピーク → 数値特徴**  
という関係でつながっている。

## 直感的な説明
音声特徴量は役割が違う。

- スペクトログラム：  
  「音の地図」を描く
- フォルマント：  
  「地図の山（目立つピーク）」を見る
- MFCC：  
  「人間の耳っぽく要約した数値」に変換する

## 定義・仕組み

### スペクトログラム
- 音声信号を短時間FFTで変換
- **横軸：時間 / 縦軸：周波数 / 色：強さ**
- 音の変化を視覚的に確認できる

📌 特徴  
- 可視化ツール  
- 学習用の直接入力というより「理解・前処理用」

---

### フォルマント
- スペクトログラム（またはスペクトル包絡）上の**ピーク**
- 口・喉の形によって強調される周波数帯
- 母音の違いを決定づける

📌 特徴  
- F1, F2, F3 が特に重要  
- 「ピーク」という言葉が出たらフォルマント

---

### MFCC（Mel-Frequency Cepstral Coefficients）
- 周波数を**メル尺度**に変換
- 人間の聴覚に近い形で特徴抽出
- 音声認識で最もよく使われる特徴量

📌 特徴  
- 数値ベクトル（機械学習向き）  
- スペクトログラムをそのまま使わない

## いつ使う？（得意・不得意）

### スペクトログラム
- 音声の可視化
- 特徴の直感的理解
- CNN入力として使う場合もある

### フォルマント
- 母音分析
- 音声学・音声工学
- 音色・発話特徴の理解

### MFCC
- 音声認識
- 話者認識
- 機械学習・深層学習の入力特徴

## 比較表（試験用まとめ）

| 項目 | スペクトログラム | フォルマント | MFCC |
|---|---|---|---|
| 役割 | 可視化 | 周波数ピーク | 数値特徴量 |
| 形 | 画像 | 周波数値 | ベクトル |
| 人の聴覚考慮 | × | △ | ◎ |
| ML入力向き | △ | △ | ◎ |
| 試験キーワード | 時間×周波数 | ピーク | メル尺度 |

## G検定ひっかけポイント（★最重要）

### ❌ フォルマント = メル周波数
- メル周波数：尺度
- フォルマント：ピーク

### ❌ スペクトログラム = MFCC
- スペクトログラム：画像
- MFCC：数値特徴量

### ❌ MFCCは可視化手法
- MFCCは **学習用の特徴量**

### ⭕ 即判断ルール
- 「ピーク」→ フォルマント  
- 「時間×周波数」→ スペクトログラム  
- 「人の耳・メル尺度・係数」→ MFCC  

## まとめ（試験直前用）
- スペクトログラム：音の地図
- フォルマント：地図の山
- MFCC：耳に近い数値要約
- **用途・役割の違いを意識する**