voice-shift-scope という Windows のアプリを作って公開しました。マイクの声のピッチとフォルマントを別々に変えて出力し、変える前と後の声の F0・F1〜F4・倍音を 1 つの画面に並べて表示するアプリです。
F3 の話
男性が女性のような声を出すことについて話すとき、私はフォルマントの 3 つ目(F3)を女性の声に近い所まで上げることが一番重要だと感じています(あくまで個人の感覚値です)。
ただ、これは言葉では伝えにくく、声で実演しようとしても、自分で出し分けるのも、他の人に聞き分けてもらうのも、割と難しいです。
今までの勧め方
そこで、自分の声からフォルマントだけを変えた声をソフトウェアのボイスチェンジャーで作って聞き、その声に近づくには口や喉の中をどう変えればよいかを試行錯誤してもらう、というやり方をよく勧めています。
ですが、そのためのソフトウェア、というものは特に無く、録音した wav ファイルを恋声に入れてみたり、音声の波形を見てなんとなく判別したりするくらいしかできません。そのやり方を口頭で解説するのも難しく、時々課題に思っていました。
作ったきっかけ
ここ数か月で、仕事でも Claude Code などのコーディングエージェントを使ってプロダクトを作って出したり、バイブコーディングでちょっとしたものを作ったりすることに慣れてきて、その環境も整ってきました。そこで、練習と課題解決の実益を兼ねて、勧めていることに特化した道具を作ってみることにしました。
作り方
基本は Claude Code に仕様と設計をまとめさせてから実装させ、画面の見た目は Codex に試作の画像を出させて検討して反映する、ということを繰り返しました。動作は Windows の自動テストで確かめつつ、自分の Windows の PC で使って試しました。
できたもの

左の列でピッチ(半音)とフォルマント(倍率)を別々に変え、右に変える前(ORIGINAL)と変えた後(SHIFTED)の声を左右に並べて表示します。上の段は F1〜F4 と倍音の動き、下の段は今の瞬間のスペクトルと数値の表です。左右の図は同じ高さが同じ周波数になるようにしてあり、どこが動いたかを見比べられます。
表示は、全体、変える前だけ、変えた後だけを別々に止められます。フォルマントを変えた声の表示を止めて目標にし、自分の声の出し方を変えながら、数値や図が近づくかを見比べる使い方を考えています。変えた声は出力の機器に流すので、VB-CABLE などの仮想のオーディオ機器を使えば、通話や録音のアプリにマイクとして渡せます。
結果として、差を比較的分かりやすく比べられ、単純にソフトウェアのボイスチェンジャーとしてもまあまあ使えるものになったので、公開して共有することにしました。
自分で使ってみた感じ、フォルマントが判別しにくい声のときや、F3・F4 が意図せず上下するときに、口の中のどこに力が入っているか/いないかという感覚と結びつけるのに、少し役立っている気がします。
向かない使い方
AI ボイスチェンジャーではないので、これだけで自然な声が出せるものではありません。また、wav ファイルを入れて波形を見るような作りでもなく、マイクから声を入れて、その音を見たり加工したりするものです。そのため、用途は限られるかもしれません。
署名と Windows の警告
今はコード署名をしていないので、Windows に怪しいソフトとして弾かれやすく、試せる環境のある人は限られるかもしれません。ある程度実績がついたら、OSS のソフトウェアとして無料で署名をつけてもらえるかもしれません。追々検討します。
つかえんく、という感じなので、試せる環境があれば試してみてください。BOOTH に置いています。