前のキーワード「フォルマント」が声道の共鳴で生まれるスペクトルのピークだとすると、そのピークが「何Hzにあるか」を表すのがフォルマント周波数です。この記事では、F1・F2という2つの代表値が発音のどの動きに対応するのかを軸に整理します。
📖 ひと言でいうと
フォルマント周波数とは、音声のスペクトルに現れる共鳴のピーク（フォルマント）が位置する周波数の値のことです。低い方から第一フォルマント（F1）、第二フォルマント（F2）と呼び、F1は口の開き具合、F2は舌の前後位置に対応します。
例えるなら、フォルマントが地図上の「山」だとすれば、フォルマント周波数はその山の「住所（座標）」です。山があること自体と、山がどこにあるかは別の情報で、母音の聞き分けに効くのは後者の「どこにあるか」なのです。
🖼 1枚でわかるフォルマント周波数
📘 公式テキストの説明
音声信号の周波数スペクトル上で特定の周波数帯域が強調される現象を指す。これらの周波数帯域は、声道の共鳴特性によって形成され、各母音や子音の識別に重要な役割を担う。具体的には、第一フォルマント（F1）は口の開き具合、第二フォルマント（F2）は舌の前後位置に対応し、これらの組み合わせによって異なる音素が特徴づけられる。音声認識システムでは、フォルマント周波数の分析を通じて音素の識別を行い、正確な音声認識を実現している。
公式テキストのいちばんの要点は「F1は口の開き具合、F2は舌の前後位置」という対応関係です。母音を発音するときの口の構えは、大きく分けると「どれだけ口を開くか」と「舌をどれだけ前に出すか」の2軸で決まります。この2つの身体的な動きが、それぞれF1とF2という2つの数値に翻訳される、と理解しましょう。
🔍 しっかり理解する
F1とF2──2つの数値が発音を写し取る
フォルマント周波数の中でも、母音の識別に決定的なのがF1とF2です。それぞれが対応する口の動きを対比して整理します。
- スペクトルの最も低いピークの周波数
- 口の開き具合に対応
- 口を大きく開ける「あ」でF1は高くなる
- 口をすぼめる「い」「う」でF1は低くなる
- 下から2番目のピークの周波数
- 舌の前後位置に対応
- 舌が前に出る「い」でF2は高くなる
- 舌が奥に引っ込む「う」「お」でF2は低くなる
この2軸を組み合わせると、日本語の5母音はF1・F2平面上でそれぞれ別の場所に位置づけられます。つまり、母音の発音とは「F1とF2の組み合わせを口の構えで作り分ける行為」だと言い換えられるのです。
なぜ2つの数値だけで母音が分かるのか
不思議に思えるかもしれませんが、理由は発音の自由度にあります。母音を作るときに動かせるのは主に「顎（口の開き）」と「舌（前後位置）」の2つで、この2自由度がほぼそのままF1・F2の2つの値に反映されます。だからこそ、たった2つの数値の組み合わせで母音の種類がほぼ特定できるのです。
もちろん実際の音声には第三フォルマント（F3）以降も存在し、音色の細かな個性や子音の特徴に関わります。しかし試験対策としては「母音の識別はF1とF2の組み合わせ」という点を確実に押さえておけば十分です。
音声認識での使われ方
音声認識システムは、入力音声のスペクトルを分析してフォルマント周波数を推定し、その値のパターンから「今の区間はどの音素か」を識別します。フォルマント周波数は話者の年齢や性別（声道の長さ）によって全体的に上下しますが、母音ごとの相対的な位置関係は保たれるため、音素識別の頑健な手がかりになります。子どもの高い声でも大人の低い声でも「あ」を「あ」と認識できるのは、絶対値ではなくこの相対的なパターンを手がかりにしているからです。
また、フォルマント周波数は一瞬ごとの静的な値だけでなく、時間的な変化のパターンも情報を持ちます。母音から母音へ滑らかに移る区間では、F1・F2が連続的に軌道を描いて変化するため、その軌跡を追うことが音素の並び（つまり単語）の認識につながります。実際のシステムでは、フォルマントの情報を含むスペクトルの概形を、MFCCなどの特徴量として抽出して利用するのが一般的です。
💡 具体例で考える
口を大きく開けて「あー」と言いながら、そのまま徐々に口をすぼめて「うー」に変えてみてください。口の開きが小さくなるにつれてF1が下がっていき、音色が連続的に変わっていくのが分かります。次に「うー」から舌だけを前に滑らせて「いー」に変えると、今度はF2が上がっていきます。この「口の動き＝フォルマント周波数の変化＝母音の変化」という三位一体の関係が、このキーワードの本質です。
また、ヘリウムガスを吸うと声が変わる「ヘリウムボイス」もフォルマント周波数の例です。ヘリウム中では音速が速くなるため声道の共鳴周波数（フォルマント周波数）が全体的に高い方へずれ、声帯の振動数（声の高さの基本）はほぼ変わらないのに、音色だけがあの独特な声に変わります。フォルマント周波数が「音色・母音の性格」を握っていることがよく分かる現象です。
⚠️ よくある誤解・紛らわしい用語
- 「フォルマント」との違い — フォルマントは声道の共鳴で強調された帯域＝スペクトルの「ピークそのもの」を指す言葉、フォルマント周波数はそのピークが「何Hzにあるか」という値に注目した言葉です。前の記事(フォルマント)が「山がなぜできるか」を扱うのに対し、本記事は「山がどこにあるか」を扱う、表裏一体の関係にあります。
- F1・F2の対応の取り違え — 「F1=舌の前後、F2=口の開き」と逆に覚えてしまうミスが典型です。「F1=口の開き具合、F2=舌の前後位置」が正しい対応です。番号の小さいF1が、より大きな動きである「顎の開閉」に対応する、と関連づけて覚えましょう。
- 基本周波数（声の高さ）との混同 — 声の高い・低いを決めるのは声帯の振動数（基本周波数）で、フォルマント周波数とは別物です。カラオケでキーを上げても「あ」が「い」に化けないのは、基本周波数が変わってもフォルマント周波数の構造が保たれるからです。
📝 試験でのポイント
- 「F1は口の開き具合、F2は舌の前後位置に対応する」という対応関係の正誤を問う出題が最も想定されます。逆にした誤り選択肢に注意しましょう。
- 「フォルマント周波数の組み合わせによって音素（特に母音）が特徴づけられる」という趣旨の記述は正しい説明として扱われます。
- 声の高さ（基本周波数）の説明とすり替えた選択肢は誤りです。「声道の共鳴」というキーワードが含まれているかを確認しましょう。
📚 まとめ
- フォルマント周波数は、声道の共鳴で強調される周波数帯域の位置を表す値です。
- 第一フォルマント（F1）は口の開き具合、第二フォルマント（F2）は舌の前後位置に対応します。
- F1とF2の組み合わせが母音などの音素を特徴づけ、音声認識の音素識別に活用されます。
- 「フォルマント＝ピークそのもの」「フォルマント周波数＝ピークの位置の値」という軸の違いを意識して整理しましょう。
