ピアノ録音におけるコムフィルタ効果と音響解析 ～究極のトレードオフをいかにして乗り越えるか～
はじめに
ピアノ録音において、コムフィルタリングほど重要でありながら、理解と制御が難しい現象はありません。マイクロホンの配置や壁面反射など、複数の経路から同じ音が到達する限り、この現象は物理法則として必然的に発生します。つまり、録音とはコムフィルタリングを完全になくす技術ではなく、それをいかにマネジメントするかを追求する技術だと言えます。
しかし実際には、経験則だけで語られることも多く、理論と現場の間には大きな隔たりがあります。コムフィルタリングは単なる周波数特性の問題ではなく、時間差、位相差、空間知覚、さらには人間の聴覚特性まで関わる極めて複雑な現象です。そのため、物理的に正しいことと、音楽的に自然な録音が一致するとは限りません。録音エンジニアは、常にそのトレードオフと向き合うことになります。
本稿では、波動音響学やステレオ収音理論、空間聴覚の視点から、この現象を改めて整理します。さらに、その試行錯誤の中から生まれ、現在筆者が実際のレコーディングで運用している「サイレントボール」を用いた収音手法についても紹介します。コムフィルタリングを避けるのではなく、積極的に設計・制御するという新たな視点から、ピアノ録音の可能性を考えていきます。
コムフィルタリングの物理的発生メカニズムと数響的特性
コムフィルタリング（櫛形フィルタ効果）は、同一の音源から放射された音響信号が、極めて短い時間差、一般に 1 ms 未満から約 25 ms の遅延を伴って電気的または音響的に合算された際に発生する物理的な干渉現象です。この時間遅延 がもたらす位相差により、特定の周波数が相互補強あるいは相殺を繰り返し、その結果として生じる周波数応答特性が髪を梳く「櫛（コーム）」の歯のようになることからこの名が与えられています。
複数マイクへの時間差入力（電気的合算）において、第1相殺周波数がまず現れ、以降は奇数倍の周波数（3倍、5倍、7倍...）で相殺が発生します。しかし、硬質な壁面や大屋根（リッド）などの物理的境界からの初期反射音がマイクカプセルに混入する音響的合算においては、反射境界での位相反転現象に起因して、奇数倍のみならずすべての整数倍（1倍、2倍、3倍...）の周波数において相殺が生じるという、より複雑な干渉パターンを形成します。この干渉現象が顕著に知覚されるためには、合算される2つの信号レベル差が 10 dB 以内であることが物理的条件となります。
さらに、心理音響学的な知見によれば、直接音に続く最初の 15 ms 以内に到達する遅延信号（反射音または第2のマイクによる回り込み音）は少なくとも 15 dB、20 ms 以内の遅延音は少なくとも 20 dB 以上減衰されていなければ、音色の不自然なカラーレーション（彩色）として人間の聴覚に検知されます。遅延時間が 1 ms 程度の場合、音色は明瞭に彩色され、遅延時間が増大するにつれて「ロボット的」な非人間的音色へと変化し、50 ms から 100 ms を超えると、聴覚はこれを音色の変化ではなく独立した「エコー（反響音）」として分離して認識するようになります。
ピアノの構造特性と音場における時間・空間的相関
アコースティックピアノは、音響学的に極めて特異な物理構造を有しています。ピアノ弦の振動は駒（ブリッジ）を介して大面積の木製響板に伝達され、響板の多様な分割振動モードが空気中に複雑な音場を放射します。近距離において、ピアノは単一の弦に近い領域では線音源（距離の倍増に対し音圧レベルが 3 dB 減衰）のように振る舞いますが、実際の演奏時には多数弦と響板全体が同時に振動するため、その挙動は平面音源（距離による減衰が理論上極めて小さい）に近接します。このため、グラジエント（指向性）マイクを響板近くに配置しても近接効果による低域の過度な強調が発生しにくいという物理的利点があるものの、響板の各部位から放射される波面が複雑に干渉し合うため、マイク配置による位相干渉のリスクが常に伴います。
さらに、グランドピアノにおける大屋根（リッド）は、音波をリスナー方向へ指向させる反射板として機能しますが、マイクを筐体内部に置く近接配置においては、この大屋根からの初期反射音が強力なコムフィルタリングを発生させる主要因となります。また、ピアノ線の物理的性質（高炭素鋼製の重厚な弦）は、高次倍音における非調和性（インハーモニシティ）をもたらします。響板や弦の結合系においては、周波数によって音波の伝播速度（遅延時間）が微妙に変化する「分散現象」が生じますが、これは合成音源におけるオールパスフィルタ（AP Tune）のような位相のデチューン効果としてシミュレートされ、ピアノ特有の金属的で重厚な響き（特に最低オクターブの金属板のような質感）を形成しています。打鍵された瞬間の物理的なプロセスは、フェルトで覆われたハンマーが弦を叩くヒステリシスな非線形バネ系として定式化され、非励起弦の共鳴（シンパセティック・レゾナンス）を伴いながら、極めて複雑な過渡応答を生成します。
ステレオ録音において、ピアノの鍵盤（音高）に沿ったマイクの配置は、チャンネル間の信号相関（Correlation）を決定づけます。マイクをハンマーの打鍵位置（0 cm）から、弦の終端（テール端）方向へ平行に移動させた際の、2基のマイク信号間の相互相関値の減衰特性を以下に示します。
このデータが示すように、マイクの間隔を広げる、あるいは弦の異なる位置に配置することは、ステレオまたはイマーシブオーディオにおける「包み込まれるような広がり」を創出する上で有効ですが、それは同時にチャンネル間の位相コヒーレンスの喪失、すなわち合算時のコムフィルタリング耐性の低下を意味しています。
倍音の伸びとスペクトル構造への影響
アコースティックピアノは、美しく調和した豊かな倍音列によってその特徴的な音色が構成されています。しかし、録音時にコムフィルタリングが発生すると、ピアノ固有のスペクトル構造に対して物理的に固定された相殺ノッチが介入します。演奏される特定のキーの倍音成分が、この相殺周波数 に合致すると、その倍音エネルギーは急峻に減衰し、持続音（サステイン）における倍音の自然な伸びが阻害されます。例えば、30 cm 間隔の near-coincident（NOS方式など）やデッカ・ピアノテクニックを使用した場合、第1相殺周波数は 571.7 Hz 付近に現れ、これは鍵盤上の D5（第54鍵、587.3 Hz）の基音帯域とほぼ完全に一致します。この結果、D5 を打鍵した際、その基音が著しく減衰する一方で、第2倍音（1174.7 Hz）は第1強調ピーク（1143.3 Hz）に近いため約 6 dB もブーストされ、倍音のバランスが完全に崩壊します。この干渉は、ピアノのサステインに不自然なうねり（Beating）や、特定の倍音だけが急速に減衰する「ステップ状の減衰特性」を誘発し、サステインの豊かな伸びを著しく劣化させます。
さらに、ピアノの打鍵ベロシティ（強さ）は、ハンマーの物理的な硬さの変化を介して、放射されるスペクトル構造をダイナミックに変調させます。強打時には高次の倍音エネルギーが飛躍的に増大するため、コムフィルタリングによる高周波領域のノッチおよびピーク干渉がより明確に知覚されるようになり、演奏の強弱（ダイナミクス）によってピアノの「音色」そのものが不自然に変化してしまう現象を引き起こします。
アタックの明瞭度と過渡特性の時間的スミアリング
アタックの明瞭度は、ピアノ演奏の輪郭やダイナミズムを伝える最も重要な過渡的要素（トランジェント）です。ハンマーが弦に激突する瞬間の過渡信号は、極めて短い時間軸上に凝縮された、あらゆる周波数成分を含む広帯域パルスです。
ステレオマイクアレイにおける時間遅延が存在する状態でこの過渡信号を合算すると、時間軸上での「スミアリング（時間的なにじみ）」が不可避的に発生します。パルスの立ち上がり特性（オンセット）が鈍化し、鋭い過渡パルスが二重または多重に引き伸ばされるため、打鍵の瞬間の「コリッ」とした明瞭な輪郭や、物理的なアタックの硬質感が失われてしまいます。
心理音響学においては、2つの同一の過渡信号が極めて短い時間内に到達する際、その時間差に応じて異なる知覚現象が生じることが実証されています。
時間差の範囲 | 心理音響学的知見および知覚現象 | ピアノ録音への具体的な影響 |
1 ms 未満 | 定位の融合（Summing Localization） | 2つの音響信号が完全に融合し、時間差に応じた強烈な周波数カラーレーション（コムフィルタ）を生成します。アタックは金属的または空洞的な音に変化します。 |
1 ms 以上 2 ms 以下 | コムフィルタ検知の極大化 | 人間の聴覚において、スペクトルの歪みと音質劣化が最も鋭敏に検知される臨界帯域であり、打鍵時の質感が著しくパサついたものになります。 |
1 ms 超 10 ms 以下（パルス音） 1 ms 超 30 ms 以下（持続音） | 先行音効果（Precedence / Haas Effect） | 音像の定位は最初に到達したマイク方向に完全に固定されます（融合は維持されます）が、スペクトルの彩色や音像の肥大化、明瞭度の後退が生じます。 |
10 ms 超（パルス音） 30 ms 超（持続音） | エコー閾値の超過（Echo Perception） | 融合が完全に崩壊し、打鍵音が物理的に「二重」に聴こえます（ダブルアタック現象）。明瞭度は完全に破壊されます。 |
このように、 1 ms から 2 ms という極めて微小な時間差が、ピアノのアタックの明瞭度に対して最も破壊的な音質劣化（コムフィルタリングによるスペクトル歪み）をもたらします。
音の芯のボケと低中音域における実在感の減退
ピアノ録音における「音の芯」とは、主に中低域（ 100 Hz 〜 1 kHz ）のコヒーレンスによって維持される、定位の安定性と音響エネルギーの密度の濃さを意味します。マイクの間隔を 50 cm から 1 m 以上に広げる spaced pair（AB方式）では、第1ノッチ周波数が 343 Hz や 171.5 Hz という中低域にまで降下します。この帯域はピアノの豊かさや暖かみを司る「ボディ感」の基盤ですが、この重要帯域で相殺が発生すると、ピアノの「芯」が完全に中抜けし、スカスカとした（Hollow）実在感のない響きに変貌します。
音響心理学の研究においては、コムフィルタリングの知覚閾値について重要な事実が明らかにされています。スピーカー再生時においては、左右のスピーカーがわずかでも空間的に分離（方位角でわずか 10° 以上のセパレーション）されていれば、人間の両耳聴効果（binaural de-coloration / echo suppression）によって、コムフィルタリングに伴うスペクトルカラーレーションの知覚は大幅に緩和されます。しかし、この空間的セパレーションによるカモフラージュ効果は、録音信号が「モノラル」に合算された瞬間に完全に消失します。
研究によれば、遅延信号（lag source）の許容可能なレベルは、時間差と空間的セパレーションの組み合わせに深く依存します。例えば、時間差が 10 ms で空間セパレーションが 30° の場合、許容される遅延信号のレベルは -6.7 dB まで低下（これより大きいと極めて不快な音質劣化として知覚される）する一方、時間差 1 ms / 空間セパレーション 10° の条件下では、不快と判断される閾値は -2.2 dB となります。モノラル加算（空間セパレーション 0° ）が行われると、これらの許容限界はさらに厳しくなり、僅かな時間遅延であってもピアノ全体の音響エネルギーが物理的に相殺され、音像中央のファントムイメージが「完全にボケて霧散する」という破滅的な結果をもたらします。
空間情報の担保とステレオイメージのトレードオフ
ピアノ録音において、広大で美しいステレオイメージ（空間情報の担保）を得ることと、モノラル互換性を確保（コムフィルタの完全排除）することは、物理的・心理音響学的に表裏一体のトレードオフ関係にあります。
各録音アレイの物理パラメータと、それらがピアノの響きに与える影響の比較を以下の表に示します。
このように、ORTFやNOSといった near-coincident（近接対照）方式は、コムフィルタリングによる周波数干渉を「高音域（主に 1 kHz 以上）の微小な位相の揺らぎ」に限定することで、人間の脳に「空気感」や「奥行き」を感じさせつつ、実用的なモノラル互換性を両立させるという、高度な心理音響学的妥協点の上に成立しています。
マイクロ多孔質吸音球体バッフル（サイレントボール）を用いたバッフル型ABステレオ方式の音響的分析
従来のAB方式（離隔無指向性ペア）は、低音域における豊かな空間表現を提供する一方で、中高域における定位の曖昧さ、およびクロストーク（回り込み反射音）に起因するコムフィルタリング干渉（サミング時の位相相殺）が常に最大の課題でした。この物理的・知覚的弱点を解決し、再生スピーカーにおいて極めて自然かつ高精度なステレオ定位を得るためのアプローチとして、STUDIO 407が開発した独自のマイクロ多孔質吸音球体バッフル（通称「サイレントボール」）を用いたABステレオ録音システムのコンセプトをご紹介します。
1. 物理的構成とハイブリッド定位メカニズム
本システムの基本仕様は、無指向性ステレオペア（プロトタイプでは、表裏2つのダイヤフラムを備え指向性を連続可変可能なEhrlund EHR-Tマイクの無指向性設定を採用）の間隔 S を 36 cm に設定し、その中央に直径 D が 24.6 cm のマイクロ多孔質吸音球体を配置した構造です。
このシステムは、周波数帯域によって定位の手がかりを時間差（ITD）からレベル差（ILD）へと動的にクロスオーバーさせる、独自の「ハイブリッド定位原理」を体現しています。
低域（約 1.4 kHz 未満）：音響波長 λ が球体の物理直径 D に対して十分に大きいため（λ＞D）、音波は球体の影響を受けずに滑らかに回り込み（回折）、マイクに到達します。この領域では、マイク間隔 36 cm に由来する時間差（ITD）が定位決定の主たるパラメータとなります。音源が真横 90° 方向から入射した際の最大ITDである τmaxは、音速を C としたとき以下のように計算されます。
この計算結果は、約 1.05 ms となります。この値は、人間の頭部サイズが生成する最大ITD（約 0.65 ms 〜 0.75 ms）に近く、スピーカー再生において極めて自然なステレオ幅と強固なファントムセンターを両立し、「中抜け現象」を根本から緩和します。
中高域（約 1.4 kHz 以上）：音の波長が球体直径より短くなるため（λ＜D）、球体が物理的な遮蔽壁となり、その背後に「音響陰影（Acoustic Shadow）」を形成します。これにより、左右マイク間に心理音響学的に有効なレベル差（ILD/IID）が生成されます。このILDの立ち上がり特性を決定づけるバッフルステップ効果のカットオフ周波数 fc は以下の関係式で記述されます。
この計算結果は、約 1394 Hz となります。この 1394 Hz という周波数は、人間の定位知覚がITD（低域支配）からILD（高域支配）へと遷移するクロスオーバー帯域（1.5 kHz 〜 2.5 kHz）の直前に極めて精密に位置づけられており、高音域の旋律（特にピアノのC5以上の帯域）における定位フォーカスを格段に強化します。
2. クリーピング波の制御とエッジ回折フリーによるスペクトル上の優位性
本システムが、従来の仕切り型バッフル（Jecklin Diskなど）に対して物理的に著しく優越する点は、バッフル自体が生成する二次的な干渉波の極小化にあります。
円盤型のバッフルは、その鋭利な境界端部（エッジ）において「エッジ回折」を引き起こし、これが微細なピークやディップ（リップル）として周波数特性を乱し、音色に着色（カラーレーション）をもたらします。これに対し、本システムの「サイレントボール」は端部を持たない滑らかな球体であるため、音波は「表面回折（クリーピング波 / Creeping Wave）」として球面に沿って規則的に伝播します。さらに、吸音性マイクロ多孔質素材は表面の反射エネルギー自体を効果的に吸収・抑制するため、左右チャンネル間の高域クロストーク（回り込み反射）が遮断され、高域のノイズフロアが劇的に改善されます。
32bit Float/96kHzでの実証スペクトログラム分析によると、球体バッフルを外した従来のAB配置では、反射干渉によるコムフィルタリングが原因で「倍音ラインの途切れ（チェッカーボード状のディップ）」や「トランジェントの滲み（スミアリング）」が確認されたのに対し、サイレントボールを導入したシステムでは、極めて滑らかで連続性の高い倍音構造が維持され、打鍵アタックの立ち上がり（過渡特性）を示す垂直ストリエーションが極めてシャープかつクリアに描写されることが実証されています。
3. 「音響的脆弱性ギャップ」とOSS標準との比較
一方で、本方式における音響心理学的な注意点として、標準Jecklin Disk（ディスク直径 35 cm、マイク間隔 36 cm）が達成している「ITDとIIDの完全な同期（OSS：最適ステレオ信号）」との乖離（ミスマッチ）が挙げられます。
Jecklin Diskでは、モノラルサミング時に最初のノッチが発生するヌル周波数（f_null1 ）と、ディスクによる遮蔽開始周波数（ f_ILD_onset ）が、以下の関係式にのっとって計算されます。
ディスク直径 35 cm の場合、第1ヌル周波数は約 476 Hz、遮蔽開始周波数は約 490 Hz となり、これらがほぼ完全に一致します。これは、コムフィルタリングの悪影響が出始める帯域で、すぐにIIDによるレベル差が音像の定位を助け始めることを意味し、これがJecklin Diskの安定したステレオイメージの理由となっています。
これに対し、サイレントボール方式のプロトタイプは球体直径が 24.6 cm と小型化されているため、遮蔽効果の開始周波数が高域側へシフトしています。この結果、983 Hz 〜 1400 Hz（または 476 Hz 〜 697 Hz）の周波数帯において、ITDによる時間差情報が曖昧化しているにもかかわらず、IIDによるレベル差補正がまだ十分に立ち上がっていない「音響的脆弱性ギャップ（Acoustic Vulnerability Gap）」が理論上出現します。この帯域はピアノの旋律において最も耳につきやすい中高域に合致するため、特定の音高で音像定位のフォーカスが僅かに揺らぐ、あるいは打鍵時に僅かな音痩せとして知覚されるリスクがあります。
しかし、実際の運用およびシミュレーションによれば、この脆弱性ギャップの存在を考慮しても、サイレントボールがもたらす「高域セパレーションの劇的な向上」と「エッジ回折ゼロの圧倒的な透明感」は、実用上極めて優位であり、アコースティックピアノ特有のダイナミックで高忠実な響きを完全に担保しています。さらに、今後の発展的なアプローチとして、サイレントボールの直径をOSS標準相当の 35 cm に拡大することで、この脆弱性ギャップを完全に解消し、理想的な物理特性を持つ次世代バッフルABシステムへと進化させるロードマップも提示されています。
4. 能動的聴取とエナクティビズム（身体化された空間認知）の連関
現代の認知科学における「エナクティビズム（Enactivism）」の視点に立てば、人間の空間認知とは、外界に固定された客観的現実を受動的にマッピングする行為ではなく、自己の身体（運動）と環境との動的な相互作用を通じて、世界を自ら「生成（Enact）」していく熟練した行為（スキル）です。
マイク録音における静的なコムフィルタリングが「不自然な着色」として聴覚に不快感を与えるのは、それがリスナーの頭部運動と無相関に固定された非身体的なフィルターであるからに他なりません。これに対し、生物学的な頭部伝達関数（HRTF）によるフィルタリングは、微細な頭部運動（能動的聴取）に伴ってITDやILDが絶え間なく変化する「センサーモーター随伴性（SMCs）」に完全に適合しているため、脳はこれを音色の変化ではなく「三次元空間の安定性」として極めて自然に解釈します。
本システムは、人間の頭部の幾何学的特性に近い「エッジのない球体」を物理バッフルとして用いることで、スピーカー再生時において、能動的な聴き手が自然に頭部を動かした際にも、物理的に一貫し、かつ自己運動の予測（随伴性）と調和するILD/ITDの動的パラメータを提供します。それゆえに、このシステムは単なる信号収録を超えて、アコースティックなピアノの響きが録音空間に「そこにある（実在する）」という確固たる聴覚的リアリティの生成に寄与しています。
録音・音響設計におけるコムフィルタリングの制御と検証手法
これまでの科学的分析に基づき、最先端のレコーディング現場では、コムフィルタリングの弊害を物理的・電気的に制御するための手法が実践されています。
まず、複数マイク配置における基本原則である「3:1ルール」の適用があります。これは、特定の弦や響板領域を狙うスポットマイクを設置する際、マイクAとマイクBの物理的距離を、それぞれが狙う音源（打鍵点など）からの距離の3倍以上に設定する手法です。これにより、相互の回り込み音（スピル）は物理的に -15 dB から -20 dB 以上減衰され、合算時の位相干渉に伴うスペクトルディップの振幅を聴覚上無視できるレベル（ 3 dB 未満）にまで抑え込むことができます。
次に、デッカ方式のようなクラシカルな spaced array を用いる場合、大屋根からの物理的な初期反射音の位相関係を最適化するための極めて精密な物理チューニング（ミリメートル単位のマイク変位）が行われます。大屋根プロップを用いて開口角度を広く固定し、マイクカプセルを大屋根の傾斜面より物理的に低い位置（インサイド・ザ・リッド）に収めることで、反射音と直接音の時間差を極小化し、低域の「フェイジー（Phasey）」な音痩せを排除します。また、無指向性マイクを使用するデッカ・ピアノテクニックにおいては、ピアノ後方（テール端）での自然な高域減衰を補償するため、あらかじめ高音域に緩やかな物理的・音響的ブーストを持つ特殊マイク（歴史的にはNeumann KM83やKM53、あるいはSchoeps MK2Sなど）が厳選して投入されます。
さらに、アップライトピアノの録音においては、前面からのハンマーノイズ、ペダルアクション、ダンパーの機械的雑音を完全にシャットアウトしつつ豊かな共鳴を捉えるため、木製パネルをすべて取り外した上で、響板の背面（裏側）から 60 cm（約2フィート）の間隔を空け、23 cm（約9インチ）の距離で spaced pair を対向配置するという高度な配置アプローチが実践されています。
最後に、録音時のトラブルシューティングツールとして、エンジニアは mono ボタン、フェーズコヒーレンスメーター、およびリアルタイム・スペクトラムアナライザーを網羅的に併用します。マイクを設置した状態で、一時的に片方のマイクの極性を反転（Polarity Inversion）させ、信号をモノラルに合算します。この状態で演奏を行った際に、ピアノの音が最も「不自然に痩せ細り、中域が完全にコムフィルタリングされた状態（最大相殺）」になる位置を物理的に探索し、その状態で極性を正相（元の状態）に戻すことにより、物理的に完璧にフェーズが整合された、ソリッドで「芯」のあるピアノサウンドが構築されます。
コメント