スマホから聞こえる相手の声が「なんか違う？」　ドコモが語る、からくりに「噂じゃなかった」「すごい仕組み」

※写真はイメージ

なぜそのまま声を届けないのかというと、「音声を音声波形の情報のまま送ろうとすると、情報量が非常に大きくなってしまうから」とのこと。

元の声をそのまま届けるとなると、情報量が大きくなりすぎてしまい、１つのエリア内で通話をできるユーザの数が少なくなってしまいます。

上記のような処理を行うことで、音声の情報量を小さく圧縮でき、１つのエリアで通話できるユーザ数を十分に確保できるとのことです。

膨大な情報から似た音声を生成

生成された音声とはいえ、注意して聞いてみても相手の声そのままのように感じますよね。

では、どうやって似た音声にしているのでしょうか。また、音声はどのくらいのパターンがあるのでしょうか。

NTTドコモに聞いたところ、下記のような回答がありました。

何パターンという具体的な数字でいうのは難しいです。４Ｇの音声通話では、２０ミリ秒ごとに２５３ビット、理論的には２の２５３乗個のパターンの情報を表すことができます。『２の２５３』乗は０が７６個付くぐらいの数字。ちなみに１兆は０が１２個です。

これだけの膨大な情報を２０ミリ秒ごとに送信し、音声を生成しているので、どんな人の音声でも非常に近い音声として聞くことができます。