Hacker Newsのユーザー（EA-3167）は、Webブラウザ内で仮声帯（false vocal folds、真声帯の上にある補助発声構造）の位置を調整してみました。解剖学的に適切な形状を作ると、モンゴルやトゥバ地域の伝統的な喉鳴り発声であるホーメイ（Khoomei）特有の倍音が実際に鳴り響きました 1。低い音域のカールギラ（Kargyraa）は実装できませんでしたが、高い音域のシギト（Sygyt）はなかなかそれらしく再現できました 1。
指先で声帯や気道の形状を変えて音を出すこのツールは「Chimera Vocal Synth」です。名前から、超音波やMRIで実際の声帯を撮影して見せる機器だと誤解される可能性があります。しかし、Chimeraはユーザーの喉を直接照らす鏡ではありません。代わりに、空気が仮想的な咽頭を通り抜けるプロセスをコンピュータで計算し、リアルタイムの3D画面で表示する物理シミュレーションです。つまり、「自分の喉が現在どのような状態か」を診断するためというよりも、「この形状であればこの音が鳴る」ということを即座に実験できる練習相手に近いものです。
撮影ではなく計算、仮想的な気道が生み出す音
Chimeraを開発した開発者jamesondh氏は、GitHubリポジトリでこのプロジェクトの核心を明確に整理しています。ここで生成されるすべての音は、事前に録音されたサンプルではなく、肺・声帯・分岐した声道・唇・鼻で構成される仮想的な気道を通過する空気から作られます 2。エンジンはRust言語で記述され、WebAssembly技術に変換され、ブラウザ内で音をリアルタイム処理するAudioWorklet方式で動作します 2。
重要なのは、音が再生されるのではなく「作られる」という点です。ユーザーが舌の位置をわずかに変えれば、仮想的な気道の形状が変わり、空気が通る通路が変化するため、音の高さと共鳴音が即座に変化します。このエンジンはFDTD（Finite-Difference Time-Domain、空気の流れを時間と空間の格子に分割して計算する数値手法）に基づいて動作します 2。空気が狭い隙間を通るときにどのような圧力が生じるか、声帯がどれほど速く振動するか、その波が口や鼻でどのように響くかを、コンピュータが一つずつ計算して出力するわけです 2。
したがって、Chimeraはテキストを入力すると声が出る一般的なAI音声合成器とは異なります。英語の単語（CMUdict辞書ベース）やIPA（国際音声記号）を入力すると、その発音を作るために舌や唇がどのように動くべきかを示す「調音ジェスチャー」を画面に表示します 2。発音の結果ではなく、過程を視覚化するのです。
画面で見え、手で調整できるもの
音高、呼吸圧、声帯を締め付ける強度（Pressed）、ビブラートを調整する音声制御項目が画面に併せて提供されます 3。
特に目を引く機能は、声帯の動きを100倍スローで表示することです 3。実際の声帯は毎秒数十回から数百回振動するため、裸眼で形状を区別することはできませんが、これを100倍に引き延ばして表示すれば、声帯が互いに接触し、離れる微細な動作まで観察できます。声門（声帯間の隙間）から唇までの管領域や共鳴スペクトル、母音の主要な共鳴周波数であるF1/F2領域も併せて表示されます 3。
初期設定画面では、音高110 Hz（A2音符）、呼吸圧8.0 cmH₂O（空気圧を水柱の高さで表す単位）、Pressed 50%、ビブラート0セントなどの数値が確認できます 3。これらの値を調整すると、画面の共鳴曲線や気流グラフがリアルタイムで連動して変化します 3。男性・女性・子どもの身体的特性を連続的に混ぜて適用することも可能です 2。
| ユーザーが調整する項目 | 画面で一緒に変化する要素 |
|---|---|
| 舌・唇・顎の位置 | 3D断面図の気道形状、気流および音圧の流れ |
| 音高・呼吸圧 | 声帯の振動速度、共鳴スペクトルの変化 |
| Pressed（声帯の締め付け） | 声帯の接触状態、波形の変化 |
| 母音の選択 | F1/F2共鳴周波数表示領域の移動 |
口の形を目で確認しながら学ぶ発声
このツールが持つ実質的な価値は、視覚的フィードバックにあります。Hacker Newsのトランスジェンダーユーザーgoodmythical氏は、「『auntのaの音にもっと近づけてみてください』という口頭指示よりも、視覚的なデモンストレーションの方がはるかに具体的で案内しやすい」と評価しました 1。性同一性に応じた声のトレーニング、歌、言語学習に有用だろうという説明です 1。
従来の発声指導は、「口をもっと開けなさい」「喉から声を出しなさい」といった抽象的な言葉に頼ることが多くありました。Chimeraはこうした指示を解剖学的な形状に変換して表示します。同じ母音であっても、舌の位置や顎の開き具合によってF1/F2共鳴曲線がリアルタイムで動くため、ユーザーは「この形がこの音を生む」という対応関係を視覚的に確認しながら調整できます。
全体的なユーザー事例もこの方向性を裏付けています。hankbond氏は、赤ちゃんを寝かしつけるために喉鳴り発声（throat singing、喉を響かせて倍音を出す発声）を学んでおり、自分で出す音を合成器でも同じように再現するには口や喉の各部分がどのような形であるべきかを把握する面白さがあると記しました 1。nxobject氏は、オーストラリア式の「o」母音を習得するために舌をあれこれ動かす予定だと共有し、muglug氏はPDFの楽譜をAI（Claude）に読ませた後、合成された結果の音を実際の音に合わせて数時間かけて手動でチューニングしたと伝えました 1。
シミュレーションの限界と検証努力
シミュレーションがすべての条件を完璧に再現するわけではないことも、ユーザーの観察を通じて確認されています。odo1242氏は、舌を一番下左側へ、唇を閉じて後ろへ最大限に引く、喉頭を最上部へ、口蓋を最下部へ調整した場合、物理的に正確ではない非人間的な叫び声が鳴ると報告しました 1。正常な操作では検出されない微細な設定誤差が、極端な条件下では歪みとして現れているように思われるという推測です 1。
開発者jamesondh氏は、こうした差異を検証するための手順を文書化しています。chimera CLI（コマンドラインツール）でオフラインレンダリングと測定を実行し、Children's Song Datasetの実歌手の声と比較採点し、TSP音声データベースの実話者23名と音素別に対照します 2。また、鼻漏れ、フォルマント（共鳴周波数成分）、帯域幅、ピッチを分析する診断機能も提供します 2。
仮声帯の位置を変えると音は変わるのか？ 仮想的な気道の物理モデルでは、実際変わります。EA-3167氏がシギトの倍音を作り出したことと、odo1242氏が極端な位置で不自然な音を体験したことが、その両面を示しています。Chimeraは自分の声を診断する医療機器ではなく、「どのような口の形がどのような音を作るか」を視覚的に探求できる実験室です。
参考文献
- Chimera Vocal Synth | Hacker News · news.ycombinator.com↩
- GitHub - jamesondh/chimera-vocal-synth: the ultimate vocal synthesizer - sing, speak, beatbox, and more · github.com↩
- Chimera Vocal Synth - 기도 시뮬레이션으로 소리를 만드는 음성 합성기 | GeekNews · news.hada.io↩
