202324700

人声のピッチを単純に上げ下げすると不自然な音になる理由は、よく「フォルマント周波数も同時に変わってしまうから」と説明される。一方で、フォルマント周波数の個人差はけっこう大きいらしい。

Pythonによるフォルマント分析と音声認識 #Python - Qiita

フォルマント推定誤差によって分散が大きくなっている可能性はあるけれど、それにしても 20 % 程度のピッチ変化で声が不自然になる説明になっているのかなあ。