約 250 の UST からわかる UTAU 音源の 3 つの要素。 (Pixiv Fanbox)

こんばんは。みなとです。

最近あつくてたいへんです。

UTAU の 3 つの要素

　この度、nmasao1 さんの ust を全部で 249 個お借りして、さまざまな集計を行いました。

　それに伴って改めてわかる、UTAU音源において重要なの 3 つの要素、

　「音階」 「歌詞」 「長さ」

　これらについて全３回分の記事で、以下の内容を書いていく予定です。

　後の記事を書いたあとに加筆・修正するかも。

０．前提

　０．１　ust の条件

１．音階　　　　　　　　　　　　　　　　←今回はここ

　１．１　音階の登場頻度

　１．２　音階の遷移の傾向

２．歌詞

　２．１　新しく制作したリスト 「頻度重み順 CV-VC(V)」

３．長さ

　３．１　最適な収録長

０．前提

　ust をお借りした、とは言いましたが、全てをそのままお借りしたわけではないです。

　おおむね以下の条件で除外や変更を加えています。

０．１　ust の条件

　・ハモリの ust は除外

　・セリフしかない、あるいは極端に短い ust も除外

　・特殊な音素は都度修正

　　└例） 「息」 などを 「R」 に置換

　…など完全にそのまま全部使用しているわけではないです。

　そもそも手動で ust を若干整えるのが地味にしんどいので、これくらいの数で勘弁してください。

１．１　音階の登場頻度

　まずは、というかこちらの図をご覧ください。

　これが全ての結果です。

　赤くしたところが、全 ust で最も使用されていた音階です。

　G4 で、9815 回使われていました。

　単純計算で、1 つの ust 内で 9815 / 249 ≒ 39.4 回 G4 で音源が使われるわけです。

　使用した ust は大抵女声キーの歌だったので、これはつまり

　「女声音源は最低でもG4は録っておけばOK」

　ということや、

　「男声音源はG4より上を録る意味はそんなにない」

　ということが分かります。

　あるいは、女声キーの歌をオクターブを下げての運用するという点においていえば

　「男声音源では最低でもG3を録っておいた方がいい」

　ということになるでしょう。

　※下方向の劣化を意識するのであれば2, 3音下げても良いと思います。

１．２　音階の遷移の傾向

　これは、ある音階からある音階への遷移を集計した図です。

　小さくて見づらいですが、

　例えば 60 (= C4) から 62 (=D4)へ移動した回数が 804 回だった。という図です。

　（drive で共有した方がいいかな・・・？)

　例として、67(G4) についてクローズアップして考察してみます。

　この行の合計値は 8081 なので、

　2017 / 8081 = 0.249... という算数から、

　(G4) → (G4) と移動する確率は 25 % くらいということが分かります。

　ここで 「UTAUにおいて、全音階程度の合成変形は誤差」 だということを考えると、

　全音の範囲まで含んで、 (1454 + 834 + 2017 + 634 + 1559) / 8081 = 0.804...

　つまり (G4くらい) → (G4くらい) と移動する確率は 80 %という風に考えることができます。

　これを逆に捉えて、

　「20 % くらいの登場頻度の音素の為だけに、音階を変動させる音源を録るのか？」

　ということを考えたかったのです。

　そして、ここで次回解説する予定の新しく制作したリスト 「頻度重み順 CV-VC(V)」 に繋がります。

　これは、質と量のバランスを備えたリストになっています。