音の出だしを削ると楽器は別の楽器に聞こえるか

何を確かめる実験か

確かめる問いは一つです。同じ録音から先頭を削った音を、聞き手は元の楽器だと答えられるか、という問いです。

変える条件は「削る長さ」だけです。音高、音量、録音環境、再生機器、聞く人は固定します。見る指標は「正解の楽器を選べた割合」と「答えの確信度」の2つです。

先に自分の予想を書いておくと、結果の読み方が楽になります。たとえば次のように、楽器ごとに予想を立てます。

• 打鍵や撥弦のように立ち上がりが鋭い楽器は、削ると答えにくくなるはずです。
• 息や弓で音を保つ楽器は、削っても持続部分で答えられるはずです。
• 削る長さが短いうちは差が出ず、ある長さを超えると急に答えにくくなるはずです。

予想は外れてもかまいません。外れた箇所が、この実験でいちばん学べるところです。

準備するもの

音源

楽器の単音を3〜5種類用意します。たとえば撥弦（ギターなど）、打鍵（ピアノなど）、吹奏（フルートなど）、擦弦（バイオリンなど）のように、音の立ち上がり方が異なる種類を混ぜると、差が見えやすくなります。

音源は自分で録音するか、再配布や加工が許可されている素材を使います。ライセンスの扱いは素材ごとに違うため、利用条件は配布元の表記で確認してください。加工した音を人に聞かせるだけでも、公開や配布を伴う場合は特に注意が必要です。判断に迷う場合は、公式情報や専門家に確認するのが確実です。

そろえる条件は次のとおりです。

• 音高は全楽器でそろえます（たとえば同じ高さのド）。
• 長さは1〜2秒程度にそろえます。
• 音量は聞こえ方がおおよそ同じになるよう調整します。
• 形式はWAVを推奨します。MP3などの圧縮形式は、先頭に変換由来の短い空白が入ることがあり、削る長さの基準がずれます。

先頭の無音を取り除く

録音ファイルの先頭には、演奏が始まる前の無音が含まれていることがよくあります。波形を表示できる音声編集ソフトで、音が立ち上がる直前までを切り取り、立ち上がりがファイルの先頭ちょうどに来るようにそろえます。

この作業を省くと、「50ミリ秒削った」つもりでも実際には無音を削っただけ、ということが起こります。実験の条件が崩れる原因の筆頭です。

再生用の小さなページ

次のHTMLを trim.html として保存し、ブラウザで開きます。音声ファイルを選び、削る長さ（ミリ秒）とフェードイン、音量を指定して再生できます。サーバーも外部ライブラリも不要です。

<!doctype html>
<meta charset="utf-8">
<input type="file" id="file" accept="audio/*"><br>
削る長さ(ms) <input type="number" id="cut" value="0" min="0" step="10"><br>
フェードイン(ms) <input type="number" id="fade" value="5" min="1" step="1"><br>
音量(0〜1) <input type="number" id="vol" value="0.8" min="0" max="1" step="0.05"><br>
<button id="play">再生</button>
<pre id="info"></pre>
<script>
const ctx = new AudioContext();
let buf = null;
const $ = id => document.getElementById(id);
$('file').onchange = async e => {
  const f = e.target.files[0];
  if (!f) return;
  buf = await ctx.decodeAudioData(await f.arrayBuffer());
  $('info').textContent = '長さ: ' + Math.round(buf.duration * 1000) + 'ms';
};
$('play').onclick = async () => {
  if (!buf) return;
  await ctx.resume();
  const cut = Math.min($('cut').value / 1000, buf.duration - 0.1);
  const fade = Math.max($('fade').value / 1000, 0.001);
  const src = ctx.createBufferSource();
  const g = ctx.createGain();
  src.buffer = buf;
  const t = ctx.currentTime + 0.05;
  g.gain.setValueAtTime(0, t);
  g.gain.linearRampToValueAtTime($('vol').value, t + fade);
  src.connect(g).connect(ctx.destination);
  src.start(t, cut);
};
</script>

src.start(t, cut) の第2引数が、音源の先頭から何秒目の位置で再生を始めるかを表します。ここが「削る」操作の本体です。フェードインは、途中から再生するときに出る「プツッ」というクリック音を避けるためのものです。

条件の組み方と手順

削る長さは、0ミリ秒（元のまま）を基準に、短い値から長い値へ段階的に並べます。たとえば 0、10、30、100、300 ミリ秒の5段階です。楽器によって立ち上がりの長さが違うため、最初は広めに取り、差が出る範囲が見えてから細かく刻み直すと効率的です。

フェードインは全条件で同じ値に固定します。ここを変えると、「削った効果」と「立ち上がりをなだらかにした効果」が混ざってしまいます。0ミリ秒の条件にも同じフェードを適用し、基準の音もフェードありで統一してください。

手順は次のとおりです。

1. 出題者が、楽器と削る長さの組み合わせの一覧を作ります。楽器4種類 × 削る長さ5段階なら20通りです。
2. 一覧の順番をランダムに並べ替えます。カードに書いて混ぜてもかまいません。
3. 回答者には画面と一覧を見せず、再生だけを聞かせます。出題者は回答者に背を向けて操作します。
4. 各回の再生は1回までにします。聞き直しを許すと、条件間の差が曖昧になります。
5. 回答者は、選択肢（実験に使った楽器の名前を並べた紙）から1つを選び、確信度を1〜5で答えます。
6. 回答のたびに、出題者が記録します。

回答者は、できれば3人以上に協力してもらいます。出題者自身は音源を知っているため、回答者にはなれません。一人で行う場合は、数日置いてから、自分で作った一覧を見ずに再生順を決める方法もありますが、完全には記憶を消せません。その限界は結果の解釈に織り込んでください。

始める前に、各楽器の元の音を一度ずつ聞かせるかどうかを決めます。聞かせると手がかりが増えて正答率が上がり、聞かせないと楽器の名前だけで判断することになります。どちらにするかを全員で統一し、記録に残してください。

記録の取り方

1回の回答を1行として、次の項目を記録します。

• 回答者、内容：名前でなく記号（A、B、C）で記録します
• 試行番号、内容：再生した順に1から振ります
• 楽器（正解）、内容：出題者だけが知っている欄です
• 削った長さ、内容：ミリ秒で記録します
• 回答、内容：選んだ楽器です
• 確信度、内容：1〜5
• 備考、内容：「クリック音が気になった」などの自由記述です

集計は2段階で行います。

• 正答率は、削った長さごと、楽器ごとに「正解数 ÷ 出題数」を出します。
• 誤答の行き先は、楽器ごとに、どの楽器と答えたかを数えます。

試行数が少ないと、1回の偶然で割合が大きく動きます。楽器と削る長さの1組につき、最低でも回答者3人 × 各1回の3回分は集めたいところです。余裕があれば、同じ組み合わせを別の日にもう一度聞いてもらうと、安定度が分かります。

結果の読み方と誤りやすい点

結果の読み方

まず、偶然で当たる確率を計算します。選択肢が4つなら25%です。削る長さ0ミリ秒の条件でも正答率がこの水準に近いなら、音源の選び方か選択肢の作り方が難しすぎて、実験が成立していません。音源を差し替えてやり直すのが先です。

基準が十分高いことを確認できたら、削る長さを増やしたときの動きを楽器ごとに見ます。判断の目安は次のとおりです。

• 削るにつれて正答率が偶然の水準へ近づくなら、その楽器は出だしが大きな手がかりです。
• 長く削っても正答率が高いなら、持続部分だけで足りるか、もともと他の楽器と区別しやすい音です。
• ある段階で急に落ちるなら、その長さの前後に手がかりが集中している可能性があります。刻みを細かくして追加で確かめます。

誤答の行き先も重要です。たとえば、削ったある楽器の音がいつも同じ別の楽器と答えられるなら、その2つは持続部分が似ていて、出だしの違いに頼って区別されていたと考えられます。ゲームの音づくりでは、「出だしを削ってよい音」と「出だしを残すべき音」の分類にそのまま使えます。

確信度は、正答率と別に見ます。正答率が同じでも、確信度が下がっているなら、迷いながら当てているということです。

人数が少ない実験では、傾向は分かっても断定はできません。「この実験の範囲ではこう見える」と留めておくのが妥当です。

誤りやすい点

• 削った後の音量が変わる問題があります。アタックには音量の山があることが多く、削ると全体が静かに聞こえます。音量差を手がかりに答えられてしまうため、聞こえ方がそろうよう音量欄で調整してください。
• クリック音が混入することがあります。フェードインの値を短くしすぎると出やすくなります。回答者の備考にクリックへの言及が多いときは、フェードを少し伸ばして全条件を取り直します。
• 録音の部屋鳴りが違うと、楽器以外の理由で区別できてしまいます。録音環境はそろえてください。
• 順番の学習効果があります。削る長さが短い順に並べて聞かせると、前に聞いた音を手がかりにできます。必ずランダム順にします。
• 聞く環境の違いも影響します。スピーカーとイヤホンでは低音や立ち上がりの聞こえ方が変わります。回答者全員が同じ機器で聞くようにしてください。
• 長時間続けると耳が疲れます。20回前後ごとに休憩を入れます。

次の行動

まず1種類の楽器だけで、0ミリ秒と100ミリ秒の2条件を、ランダムな順で友人に聞いてもらってください。それで手応えが得られたら、楽器と段階を増やします。

この実験の結果は、ゲームの効果音やBGMの先頭を何ミリ秒まで削ってよいか、判断する基準として使えます。再生ページ自体も、音声ファイルを同梱して相対パスで読み込むようにすれば、アソバースに作品として投稿する材料になります。サイズや形式の条件は、投稿画面の案内で確認してください。