学問コラム

動画が倍速でも、どうして声が高くならない?

動画を2倍速にすると、話す人の口は早く動くのに、声の高さが普段とあまり変わらないことがあります。録音をそのまま半分の時間に詰め込めば、声の高さも上がるはず。再生機がしているのは、声の「何秒で話すか」と「1秒に何回振動するか」を分けて処理することです。

映像編集室のモニター
関連問題のイメージ

1秒に入る波の数が変わる

元の問題は、1秒で440回振動する音を、高さ補正なしで半秒に詰め込みます。振動する回数は440回のままなので、1秒あたりでは880回。振動数は2倍で、音楽でいう1オクターブ上になります。音量は音の大きさに関する別の量です。速さの変更で高く聞こえる理由を考えるなら、波の縦の高さより、隣の山までの時間がどれくらい縮んだかに注目します。

再生機は「時間」と「高さ」を分けている

ウェブの動画・音声を扱うHTML標準では、再生速度を表す playbackRate と、高さの補正を有効にする preservesPitch が別々に定義されています[1]。補正の仕組みをイメージする一例は、音声を短い断片に分け、その断片の中では波の間隔を保ちながら、似た部分が重なるようつなぐ方法です。音声全体を短くしても、特徴的な周期を残せれば、声の高さは元に近く聞こえます。どの方法を使うかは再生ソフトごとに異なります[2]。

声の高さが同じなら、演技の印象も同じ?

同じセリフでも、間を取ってから言うのと、すぐ言うのでは印象が変わります。倍速では声の高さを保っても、言葉の間や映像の動きの時間は縮みます。映画や動画制作では、編集後に「何を言ったか」に加えて「どんな調子に聞こえたか」も重要です。自分の短いセリフを録音して、等速、倍速の補正あり、補正なしで聞き比べてみましょう。聞こえ方の違いを「高さ」「間」「言葉の聞き取りやすさ」に分けてメモすると、速度を変えたときに何が残り、何が変わるのか観察できます。

図で考えるなら、同じ間隔で並んだ波を描いた紙に目盛りを入れます。紙を横に半分の長さへ縮めたときは、波の山どうしの間隔も半分です。別の方法として、波が似ている箇所を探し、何周期かを切り取って重ねると、全体は短くなっても残った山の間隔をほぼ保てます。実際の声には音の高さが変わる箇所や、破裂音のように急に波形が変わる箇所もあるので、どこで自然につなげるかが処理の難しさです[2]。

出典

  1. WHATWG「HTML Standard — Playing the media resource」
  2. Driedger & Müller「A Review of Time-Scale Modification of Music Signals」Applied Sciences(2016)

出典確認・更新