鳴き声の分類の作り方

この辞典と分類を作った理由

犬の鳴き声から気持ちを当てるおもちゃ「バウリンガル」は2000年代からあったのに、鳥にはないのかな。そんな飼い主の疑問から、AIとりリンガルははじまったんだ。「鳥のほんやく」をうたうアプリはあるけれど、作者が調べた限りでは、研究の根拠を示して鳴き声の気持ちを判定するものは見当たらなかったよ。

そこで、セキセイインコの鳴き声の研究資料およそ30本を読んで、分類を組み立てたよ。この辞典は、その分類と根拠を公開するためのページなんだ。鳥の鳴き声を聞きわけるAIのちがいは、鳥の鳴き声を翻訳するAIはある？にまとめているよ。

気持ちを2つの軸で表す理由

感情を「快・不快」と「覚醒（落ち着き・興奮）」の2軸の円で表す考え方があるよ ^[1]。心地よいかどうかと、どれくらい落ち着いたり興奮したりしているかという見方なんだ。ペットの鳴き声の分析でも、決まった感情名ではなく、この2軸のつながった値で表す方法が提案されているよ ^[2]。

2軸にすると、同じ大きな声でも、快なら喜び、不快なら怒りや恐怖というように分けて表せるんだ。

興奮の度合いが声にあらわれるしくみは、種をまたいで共通しやすい一方、快・不快のあらわれ方は種ごとにちがうよ ^[3]。哺乳類の研究では、興奮が高いと、声が大きくなり、鳴く頻度が高くなり、声が高くなり、声の高さのゆれも大きくなるとされているんだ ^[4]。だからAIとりリンガルは、快・不快を音だけで決めず、声の種類と、そのときの場面から決めているよ。

鳥類では、ヒメウミスズメ（little auk）の研究で、快の場面の声は高く短く、不快の場面の声は低く長いと報告されているよ ^[5]。セキセイインコと同じ仲間の鳥ではないので、AIとりリンガルでは、「短く、澄んだ、高い声は快に傾く」という弱い手がかりとしてだけ使っているんだ。

声の荒さは、種をまたいで、高い興奮や感情の強さの目印としてもっとも安定しているよ。ただし、不快そのものの証拠としては弱いんだ ^[6]。AIとりリンガルでは、荒さを警戒や威嚇の場面と合わせたときに、不快の声の手がかりとして使うよ。

4つの区分と11種類

どれにもはっきり当てはまらないときは「分類不能」として、確度、つまり判定の目安の近さを示す表示を「低確度」にするよ。いちばん近い種類と、決めきれなかった理由を説明に書くんだ。くちばしをすり合わせる音と、声を出さなくなる沈黙は、音だけでは判定がむずかしいので、対象に入れていないよ。

コンタクトコールという短い呼び声は、場面によって意味が変わるよ。AIとりリンガルでは、鳴く間隔と場面から「興奮」「穏やか」「分離」の3つに分けたんだ。研究が、この3つを区分しているわけではないよ。

声ごとの根拠の強さ

声の種類ごとに、どんな研究に支えられているかはちがうよ。各ページの参考文献と合わせてたしかめられるように、主な根拠を一覧にしたよ。

録音から結果が出るまで

1. スマホで鳴き声を録音するよ。
2. スマホの中で、6つの音のとくちょうを0〜100の目盛りではかるよ。とくちょうと目盛りは、次の節で紹介するね。

3. 録音とはかった値を、GoogleのGeminiにわたすよ。Geminiはまず、セキセイインコの声かをたしかめるんだ。AIとりリンガルが目安にしているのは、エネルギー（音の大きさ）の山が、周波数という音の高さを表す値で2〜4kHzにあること。音の高さや大きさのゆれがあることと、声のまとまりのはじまりと終わりがはっきりしていることも、手がかりだよ。

   人の声は、声の高さが100〜400Hzにあり、口の形が変わると響きも移り変わるので、これを手がかりに見分けるよ。人が高い声で鳥のまねをしても、この響きの移り変わりが残るんだ。人の声や物音なら、「鳥の鳴き声が検出されませんでした」と返すよ。

4. セキセイインコの声なら、Geminiが11種類と「分類不能」から選ぶよ。快・不快は、声の種類と場面から決めるんだ。はかった値があれば、Gemini自身の聞き取りよりも、その値を優先させるよ。

5. 落ち着き・興奮と、画面に出る気持ちのことばは、プログラムが決めるよ。声の種類ごとの基準の段階を土台にして、はかった音がそろって基準から外れるときだけ、1段動かすんだ。

   はかった値がエネルギー30以下、帯域という音の高さの広がりの値が60未満、鳴く頻度も高くないという3つの条件がそろうと、1段下げるよ。エネルギー70以上で、帯域60以上か鳴く頻度が高いかのどちらかに当てはまると、1段上げるんだ。2段は動かさず、快・不快は変えないよ。

   餌乞い声だけは、中くらいを基準に、エネルギーで段階を動かすよ。はかったエネルギーが70以上なら興奮側、30以下なら落ち着き側に動かすんだ。

6. 確度は、はかった6つの値と、その声の典型パターンとして置いた目安の値との差の平均で決めるよ。差の平均が15以下で高確度、30以下で中確度、それより大きいと低確度になるんだ。「くわしく」をひらくと、はかった値と典型パターンを重ねた六角形のグラフを見られるよ。
7. 飼い主さんが「ちがう」で直したきろくは、同じ飼い主さんの次の判定で、直近20件まで参考としてAIにわたすよ。ほかの人のきろくは混ざらないんだ。

Geminiに任せるのは、あいまいな音の聞きわけと、場面を読み取ることだよ。落ち着き・興奮や気持ちのことば、確度のように数値で決められるものは、プログラムで決めるしくみ。同じ音なら同じ結果になるようにしているよ。

6つの音のとくちょう

AIとりリンガルは、次の6つのとくちょうをはかるよ。目盛りは、セキセイインコの声の範囲の中でくらべた値なんだ。あらゆる音の中での値ではないよ。

セキセイインコの声には、振幅変調という、音の大きさのゆれが含まれるよ。これを考えずに周波数だけで分析すると、ゆれから生まれる音を、倍音と取りちがえるおそれがあるんだ ^[7]。AIとりリンガルがAMをはかるのは、このためだよ。

スマホのマイクではかる音の大きさには、機種による差があるよ ^[8]。だから、AIとりリンガルは、エネルギーから鳥までの距離を推定しないんだ。

「ロンバード効果」は、周りがうるさいと声を大きくすることだよ。セキセイインコにも、この反応が見られるんだ ^[9]。周りの音が大きい録音では、声の大きさを興奮の強さと読みすぎないよう、判定の説明にそのことを書くよ。

まだわかっていないこと、できないこと

声には鳥ごとのちがいがあるよ。ペアや群れの中でコールはにていき ^[10][11]、歳をとっても声を学ぶ力はたもたれるんだ ^[12]。同じ種類の声でも、うちの子の声は典型パターンからずれることがあるよ。

擬音、つまり「ピッ」のように音をことばにした表し方は、聞く人によって変わるよ。この辞典の擬音は、近い声をさがす入口として使ってね。

AIとりリンガルは、病気や体調を判定しないよ。気になるときは、鳥を診られる動物病院に相談してね。

羽づくろい音や悲鳴のように、セキセイインコで研究が見つかっていない声は、各ページにそう書いているよ。悲鳴は、近い仲間のオカメインコの研究 ^[13] を目安にしているんだ。

判定の結果は目安だよ。「ちがう」で直してもらったきろくが、その飼い主さんの次の判定の参考になるんだ。