初音ミクを生んだ“革命的”技術を徹底解剖！ミクミクダンス、音声、作曲…

【この記事のキーワード】#技術, #初音ミク, #オタク

　これだけバラバラのものを、どうして「ボカロ」という言葉で、混乱なく併存できているのか不思議なのですが、本稿では、「（2）そのソフトウェアを使って創作された歌」
と暫定的に定義して使用します。

　次に、初音ミクです。初音ミクとは、クリプトン・フューチャー・メディアから発売されている音声合成・デスクトップミュージック（DTM）ソフトウェアの製品名、およびキャラクターとしての名称です【註1】

　わかりにくいので、私なりに、エンジニアとしての定義を試みます。

初音ミクとは、

（1）コンピュータによって作成されたメロディを伴う音声と、
（2）コンピュータによって作成された人間のように動き踊る映像とからなる、
（3）「歌手」という設定のキャラクターで具現化される、マルチメディアのコンピュータ出力の一態様であって、
（4）コンピュータ等によって作成された音楽と併せて表現されるもの

と定義できると思います。

つまり、初音ミクとは、

（1）コンピュータがプログラムに基づいて行った演算結果を、
（2）マルチメディア（音声と映像）に変換して、
（3）デバイス（ディスプレイとスピーカ）にアウトプットしたもの

にすぎません。

　なお、この初音ミクと同じ態様のアウトプットとして、現在36のキャラクターが存在しています。初音ミク「鏡音リン・レン」「がくっぽいど」「巡音ルカ」など、12年12月の段階で私が確認した範囲で、36あります。（以下、初音ミクは、これらのキャラクターの総括名称として扱います）

　つまり「『初音ミク』とは、『映画』の一態様にすぎない」ーーこれで正しいはずです。

　このようなメディアは、別段目新しいものではありません。アニメや映画も、つまるところ上記の定義で説明できます。

　しかしこの説明では、単なる映画にすぎない初音ミクに対して、なぜ「愛しているよー」と絶叫する、興奮した聴衆が存在するのか？　をうまく説明できません。

　そこで、このテーゼに対して、技術面からのアプローチと、心理面からのアプローチを試みます。

●初音ミクを支える技術

　まず、初音ミクをつくり出す技術について説明させていただきます。

＜第一の技術：歌唱音声技術＞

　歌唱音声技術とは、初音ミクに歌ってもらう技術です。この段階では、初音ミクの独唱（ソロ）をつくることになります。初音ミクが踊っている姿も、楽曲の演奏も生成されません。

　特許庁の検索エンジンで、「ヤマハ」「音声」で検索をかけたら、ボーカロイド技術に関する発明は5つありました。注目すべきは、「特許公開2002ー202790 歌唱合成装置」であり、これこそが、現在の初音ミクを成立させる技術と考えられます（2008年1月に日本国の特許権が成立済み）。

　初音ミクの歌唱は、コンピュータがつくる声ではなく。現実の人間の声を使って生成されています。具体的には、生の人間の音声をバラバラにパーツ化して、データベース化してあらかじめ保存しておきます。そして、初音ミクに歌わせる時に、それらのパーツを素材として使って、再構成することで「歌」をつくり出すのです。この発明は、それらのパーツを連結する時に発生する「不自然さ」や「ノイズ」を除去するという技術に特徴があります。