序・「中の人いない組」と合成音声のポストヒュマン的ナラティプについての試論

執筆：s62

Illustrator：curantohashdash

本稿では、歴史的な起源とUTAUの中の人いない組の概観を出発点に、足立レイに代表される中の人のいない歌声合成音源に固有の文化的なナラティブと美意識を詳しく考察し、最後に、こうした合成音声の今後を展望する。声は誰のものでもなく、それでも意味を持ちうる。歌声は、いかなる意識にも由来せずとも、人の心を動かしうる。

一、身体なき器官：中の人のいない音源の原点

近年、ショート動画では、ナレーションにほぼ一律にAI音声が使われている。こうした動画を制作する際、創作意図が希薄な制作者は基本的に声を選び分けない。一方、創作意図の強い制作者は、音色や発声の特徴に応じて、ショート動画の語りに求められる機能を考慮しながら、使用する声を選んでいる。いずれにしても、AI音声によるナレーションにおいて、声は声そのものだ。声は情報を担う音波を発し、聴き手の意識の中にシニフィアンとしての音響イメージを形成する。そして、その音響イメージを通じて、言語機能がシニフィエにあたる概念を喚起する。AI音声の音色の大半は実在する人間の声に由来しているが、その声の持ち主が誰であるかは重要ではない。それらの声は、特徴や用途に基づいて「广西表哥」「娱乐扒女」などと呼ばれるにすぎない。由来となったキャラクターを連想させる「猴哥」や「小马」でさえ、実質的には型番やコードネームにすぎず、声の本当の出所が覆い隠されていることに変わりはない。あるいは、ショート動画の制作者が、実際の話者の位置をある程度代替しているのかもしれない。

したがって、合成音声を純粋にメディア技術やコンテンツ制作の道具として用いる場では、声に付随する話者のアイデンティティを気にする人はほとんどいない、とおおよそいえる。まして、声に一貫した人格設定を与え、それが特定の文化的なシーンで共有された認識として定着することなど、まずない。つまり、ショート動画の制作者は、合成音声を自分自身の声帯の代替として用いているのである。合成音声ソフトは「私」の器官であり、「私」は訓練を積むことなく、本来の話者が持つ特殊な音色や発声技法を再現できるようになる。これは、誰かにナレーションを読んでもらうのとはまったく異なる。たとえ本物の声帯を自分の身体に移植したとしても、元の持ち主が誰であるかという情報は、ほとんどの場合、余剰なものにすぎない。

人間から切り離され、宙に浮いたこの声は、今後も当然存在し続け、スペクタクルの再生産を際限なく加速させる役割を担い続けるだろう。これが人間の声を持つ非人間なのだとすれば、その鏡像として、非人間の声を持つ人間がいる。近年の合成音声同人文化において、この概念を代表するものは、おそらく「UTAU無生物シリーズ」、あるいはより広義の「中の人いない組」だろう。文字どおり、中の人がいない音源キャラクターたちのことである。これらは、人間の声ではない音のサンプリングや、単純な波形の合成によって声を得て、客体としての姿を与えられた合成音声キャラクターである。現在氾濫しているAI音声とは異なり、こうした音源は人間の声らしさを追求しない。それどころか、人間の言語音声として識別できる特徴さえ意図的に最小限にとどめ、それ以外の点では、実際の人間の声から遠ければ遠いほどよいとされる。この選択は、声は人間の声に由来し、それを模倣しなければならないという、声の生物学的な規範を積極的に拒絶するものだ。また、中の人いない組の音源は、機能よりもアイデンティティを強調することを目的としている。そのため、機能性とは相反する非人間的な音声の由来が、キャラクターのナラティブの出発点として定められることが多い。狭い意味では、これはACGNにおける古典的な擬人化の実践を受け継ぐものであり、広い意味では、ポストヒューマン的な未来像の一部でもある。

近年になって集中的に見られるようになった現象ではあるが、中の人いない音源の理論的・工学的基盤は、はるか以前からすでに成熟していた。言語学や音声学の知見、発声器官の解剖学、機械工学などは、19世紀以前に、合成音声を生み出す機械の発明を可能にするまでに発展していた。そして、最初期の合成音声機械こそ、中の人いない音源だったのである。ヴィクトリア朝のロンドンではEuphoriaという機械が展示された。ヴィクトリア朝のロンドンでは、Euphoriaという合成音声機械が展示された。録音や映像の記録が残されていないため（当時、写真や録音の技術さえまだ十分に成熟していなかった！）、実際にどのような音声が合成されたのかを直接確かめることはできない。しかし、記録に残された動作原理や当時の観客の反応から判断するかぎり、比較的成功した機械だったと考えられる。約1世紀後、ベル研究所のVoderが1939年のニューヨーク万博で登場し、評判となった。こちらは、鮮明な実演映像が残されているため、興味があればインターネットで検索して見ることができる。今日の目にはスチームパンクや未来主義を思わせるこれらの音声合成機械は、声道が気流を妨げることで子音を生み出し、声帯の振動をフィルタリングすることで母音や鼻音を形成する過程を、物理的な仕組みによって再現していた。これは、人間の発声器官一式を物理的に再構築することに等しい。ただし、その器官は特定の個人の発声器官を複製したものではなく、そもそもそのような複製を目的としたものでもなかった。したがって、技術的な観点から見れば、中の人いない音源こそが、合成音声の最も原初的な形態だったのである。

それでも、Euphoriaを描いた新聞版画や、現存するVoderの実演映像、実演時の写真を見ると、どちらにも何らかの記号的な身体の一部が人工的に造形され、装置の一部として展示されていることがわかる。Euphoriaの発声口には、今日の目から見るとぞっとするような作り物の顔が取り付けられていた。その顔は生気を欠き、青白く、人間の口から発せられるような声をこの機械が生み出すのだということを、無言のうちに示している。Voderの発表時には、展示会場の中央に、構成主義風のスケッチによる人の顔が描かれており、実演も対話形式で行われた。つまり、人々は当初から、この一連の「器官」に思わず何らかの姿を与えてしまっていたのであり、人工的に作られた人間の声であっても、意思疎通のできる相手と結びついていなければならないと考えていたのである。原始宗教において、霊的な存在に偶像が与えられるのと同じように、人間が宙に浮く声にも物質的な実在があると考えるなら、その実在を形象化する際にも、多くの場合、人間自身の身体が手本となる。

この観察からも、合成音声と同人文化の結びつきが、何もないところから生まれたわけではないとわかる。東方Projectの同人文化で有名な、霊夢と魔理沙の「ゆっくり音声」は、AquesTalkの完全合成の女性音声f1とf2に、それぞれ由来する。それ以来、この声は、解説動画に登場する饅頭のような派生キャラクターにあてられるだけでなく、さまざまな東方MMDでも、キャラクター本来の声として頻繁に使われてきた。東方の原作キャラクターには声がない中で、特定の非人声をキャラクターの標準的な声とする共通認識が、同人文化の内部で少しずつ形成されたといえる。ゆっくり音声には、声の主のアイデンティティを消した、中の人のいない音源として、ただ一つの音響イメージにとどまろうとする傾向がある。これは、キャラクターが実在する誰かと結びつくことで、主流の同人キャラクター像の解釈権が外へ流れるのを避けるためだけではない（とりわけ、Cookie☆の声劇が一連の悪質な事件を引き起こした……¹あとには）。声への想像力を広げるとともに、妙に耳に残る機械的な棒読み²によって、同人創作の生真面目さを和らげることにもつながっている。

東方では、特定の誰かの声によってキャラクターのあり方が規定されることを避けたいという思いから、ゆっくり音声という、中の人のいない音源が生まれた。これは、キャラクターに合わせて声をつくるあり方である。一方、合成音声の文化では事情が違う。すでに完成したキャラクター設定に合わせて音源をつくるだけでなく、声に合わせてキャラクターをつくるという、この文化ならではのあり方もある。たとえば、中の人のいない音源では、キャラクターができるより先に、その声が存在していた例も多い。

合成音声文化における「中の人のいない音源」という区分は、本質的には文化の問題であり、技術だけの問題ではない。定義の上では人声のサンプルを使っていない音源であっても、その声が人間以外のどこから来たのかを、キャラクター設定の中で説明する必要がある。さらに、声そのものに残る出所の特徴と、その説明とを、象徴としてキャラクターの成り立ちに組み込み、登場作品の物語で何らかの手がかりとして働かせることが求められる。技術的な制作だけに話を限れば、現在の典型的な方法は、ノイズやフォルマントの周波数特性を整えて各音素をつくり、UTAUで原音設定を行って、一つの声庫にまとめることだ。深層学習に基づく合成アルゴリズムが成熟するにつれ、そちらを使う試みも出てきている。

二、歌うbot：UTAUと無生物への愛着

2010年、大貫妙子と坂本龍一の共作アルバム『UTAU』が発売された。人間の歌声が本来持つ資質を、どこまでも引き出した、簡素で澄んだアルバムだ。坂本龍一の奏でる深いピアノの和声に包まれながら、大貫妙子は、年を重ねた声帯を見事に操る。互いの作品を理解する中で二人が育んだ、幾重もの重みある感情が、柔らかく、それでいて彼女らしさを失わない歌声に溶け込んでいる。そして2010年は、「UTAU」という歌声合成ソフトが公開されて3年目でもあった。そのころ、ニコニコなどネットの同人文化が集まる場所では、UTAUで使われるさまざまな音源と、そのキャラクターたちは、すでに誰もが知る存在だった。既存の音源や自分で新たに録音した音源を使い、音素や音高を巧みに調整して、コンピューターで人の心を動かす歌声を合成する。そうして、オリジナル曲やカバー作品が次々と投稿されるようになった。

UTAUを使う人なら、ほとんど誰でも知っているだろう。ダウンロードして展開したばかりのUTAUには、必ず「デフォルト」という音源が入っている。UTAUのロゴ以外に、それとわかる姿は何もない。初めてUTAUを開き、ピアノロールに音符と音素を置いて合成すると、静かで無機質な、粘りのある声が聞こえてくる。

このデフォルト音源は、UTAUの開発者である飴屋が、すべてを独力でつくったものではない。前節で触れたAquesTalkの声を借り、切り分けて原音設定を施したものだ。さらに古い人声合成ソフトであるAquesTalkは、かなり粗いアルゴリズムを用いて、中の人のいない、誰の声とも判別しにくい声を合成する。したがって、合成技術の面でUTAUを「VOCALOIDの無料の代替ソフト」と呼ぶことには、問題はない。しかし文化の面では、UTAUの出発点は、当時盛んになりつつあった人力VOCALOIDに近い。VOCALOIDとその商用声庫のようなリアルさや表現力に、完全に追いつこうとしていたわけではなかったのだ（もっとも、VOCALOID2以降の声庫の開発目標でも、他との差をつくる要素として「機械らしさ」はおおむね認められていた）。AquesTalkを東方のキャラクターの声にしたのと同じように、飴屋と初期のUTAU音源の開発・運営者たちは、暗黙のうちに、徹底して無機質な歌声合成の美学を切り開いたのかもしれない。ここに、すべてのUTAU音源、あるいは商業によらず自作される民間音源の系譜の出発点がある。成熟した深層学習モデルが現れるまでは、UTAUは、自分で音源をつくれる唯一の歌声合成エンジンという地位を長く保っていた。その開放性と、共有された美意識が、この地位を通じて、今に至る民間音源の繁栄を支えてきたのである。

最初期のUTAU音源であり、UTAU界隈の揺るぎない中心でもある「三人娘」は、それぞれ異なる面から無生物への関心を体現している。同時に、いずれにも、インターネットならではのキャラクター設定の成り立ちが見られる。

唄音ウタ。前述したUTAUのデフォルト音源「デフォルト」から生まれ、その声も、まさにこの音源に由来する。UTAUの公開当初から、完全な設定を持つキャラクターだったわけではない。現在の唯一の姿も、飴屋がデザインしたものではなく、いぬへびPの同人投稿（nm3550480）に初めて登場したものだ。その後、飴屋はこの姿をもとに、盛り上がり始めた合成音声の同人コミュニティで、さらに細かな設定を募った。こうして「デフォルト」音源は、「唄音ウタProject」へと広がっていった。エンジンの機能と音源の構造を示すためによそから借りてきた声が、目で見て描くことができ、性格と物語を持つキャラクターになったのである。合成音声の身体は、無機的な声の種から、有機的な同人コミュニティの中で育つことが確かにできる。紫のベレー帽をかぶった、クールでかわいいこのロボットは、おそらくそうした論理の産物だ。唄音ウタは商品ではない。何らかの文化的な権力が、意図を持って自分を飾るためにまとう仮面でもない。設定上は淡々とした機械であっても、彼女の誕生と、20年近くにわたる同人文化の中での存在は、まったく純粋な生命力から生まれたものなのだ。

桃音モモ。正式なキャラクター設定が発表される前から、単独音の音源が公開されていた。それに惹かれたももももPが作品制作や広報を担い、最終的には公式立ち絵と正式なキャラクター設定も手がけた。桃音モモは、連続音音源を初めて公開したUTAUキャラクターでもある。連続音は、初期のVOCALOIDの合成アルゴリズムに似ており、比較的自然な合成結果を得られる。ほかの二人と違い、桃音モモの設定は、ももももPが意識的に構想したものだ。はっきりした姿や細かな属性だけでなく、属する世界観や親族にあたるキャラクターも設定されている。ロボットという設定だが、その声を提供しているのは藤本萌々子である。これは、日本の一般的なアニメに登場する人型ロボットと同じく、一種の演技だといえる。声を発しているのは実在する人間であり、設定上も、意識に満ちた感情を持っていてかまわない。人間との違いは、見た目からそれとなくわかる、限られた身体機能の差にとどまる。そのため、桃音モモを使う作品では、意識のなさや無機質な側面が表現されることは少ない。（絵の中で怪力を発揮したり、自分の頭を外したりしても、今の足立レイの同人絵の一部で、同じ行為に込められるような、微妙な不条理さや解離の感覚にはつながらない。）

重音テト。現在、2年続けて人気第2位のこの歌姫について、合成音声の話をする場で、長い紹介は要らないだろう。桃音モモと同じく中の人がいる音源だが、重音テトもまた、生物の法則に逆らうキャラクターだ。彼女に想定される来歴³は、受精卵から胎児になり、幼い子ども時代を経て教育を受け、やがて設定年齢に達して特定の性格を持つに至る、という過程ではない。一般的なACGNのキャラクターが、生から死へ向かう途中の一時点を切り取ったものなら、重音テトは、死から生へと戻ってきた存在だ。生物の身体は、死ぬと活性を失って遺体となり、分解者によって分解される。そして物質の循環とランダムな運動によって、地球上、さらには宇宙の、互いに何のつながりもない場所へと散らばっていく。人格や意味といった精神的な存在が死ぬ過程も、同様である。重音テトは、この過程を逆向きにたどる。エイプリルフールの2chのスレッドで、新しいVOCALOID歌姫が発表されたふりをするという、ただそれだけの冗談から、人々は脈絡もなく設定のかけらを出し合い、一人の歌姫の設定へと組み上げていった。音色や歌唱力を意図的に選別することもなく、当時まだ中学生で、小山乃舞世と名乗っていた少女が、その声を担う中の人になった。こうして匿名掲示板に生まれた彼女は、同人コミュニティの中で生き始めた。彼女はキメラであって、デジタルのフランケンシュタインではない。死んだ身体を無理やりいくつもつなぎ合わせた、悲惨な技術の産物にならなかったのは、前に唄音ウタについて述べたのと同じく、純粋な生命力から生まれたからだ。同人コミュニティの生への意志が、不条理をもてあそぶ力を自ら証明するために仕掛けた、脱構築と再構築によるポストモダンな挑戦なのである。このモチーフが、重音テトをUTAU界隈の中心に長くとどめてきたことは間違いない。そして、深層学習による合成技術を取り入れたSV時代には、合成音声のポップカルチャーの舞台へ、本格的に進出することにもつながった。シニフィアンの祝祭と意味の空白に満ち、ますますポストモダン化するインターネットの中で、彼女は独自の開かれた設定を通じ、メタナラティブ的な立ち位置から、さまざまな奥行きのある作品を生み出すきっかけとなり続けている。

ここ1、2年には、三人娘以上の勢いを見せるUTAUキャラクターも現れた。足立レイやナースロボ_タイプTなど、今も人気を伸ばしている面々だ。同じようにロボットや人間以外の存在という設定を持つ先輩たちと比べても、彼女たちには、より鮮明に今の時代が表れている。

初期のVOCALOIDの声庫キャラクターと違い、UTAUの音源キャラクターとエンジンそのものは、出発点から無生物に、より近いところにいた。こうして比べると、模倣される側のVOCALOIDのほうが、むしろずいぶん保守的に見える。しかしVOCALOIDエンジンと、初音ミクに代表される商用声庫は、2000年代末には、日本だけでなく世界の大衆音楽の視野に入ることに成功していた。「ボカロ」という言葉が、日本の合成音声文化の同義語として使われるほどであり、この状況は今も変わりにくい。初音ミクの声は、本物の人間の声でも、100パーセント合成された声でもない。その見た目の設定や、同人創作の物語における性質にも、人間とポストヒューマンの二重性がある。この二重性は、ほかの合成音声キャラクターにも広く見られる。声と姿をどうつくるかについて、初音ミクの声庫の制作者である佐佐木涉は、こう語っている。「感情の面では、人間の代替や模倣から離れたいと考えています。独特な味の料理に独特な香辛料を合わせるように、誇張したかわいい声を加えれば、バランスが取れるかもしれません」。公式設定を見ても、立ち絵の衣装や装飾には、技術的、あるいはサイボーグ的な要素が満ちている。特徴的なヘッドセット、右肩の番号、YAMAHA DX7シンセサイザーの要素などだ。⁴初音ミクが合成音声、さらには日本のポピュラー音楽全体で覇権的な位置を占めているため、「ソフトウェア」「二次元の存在」「ロボット」「バーチャルな人間」といったキャラクターの位置づけを物語に使う映像・音楽作品では、機械的な要素を多少備えた初音ミクなど、有名なVOCALOIDキャラクターだけが、クリエイターの視野に入ることが多い。sasakure.UKのアルバム『ボーカロイドは終末鳥の夢を見るか?』や、ピノキオピーの「匿名M」などがその例だ。初音ミクは、合成音声の精神全体を一人で体現する存在になったかのようである。

今、2010年代に立っていると仮定して、次の問いに答えられるだろうか。UTAUの無生物の美学は、VOCALOIDが提唱し、すでにポップカルチャーに取り込まれた、淡い「機械らしさ」より、はるかに深く踏み込んでいる。これはUTAUの作品を広めるうえで、大きな制約になるのだろうか。そうだとすれば、この美学はいつまでも脇役にとどまるのか。それとも、実は先を見据えたもの、今やこれからのポストモダンな文化現象を予言する一つの流れなのだろうか。

2026年を生きる合成音声曲の聴き手なら、この問いには容易に答えられるだろう。私たちは、重音テトのSV声庫の発売が、UTAUのテトにもたらした再興を見てきた。原口沙辅など、界隈の外のポピュラー音楽ですでに実績を築いた制作者たちも、テトを入口に、「合成らしさ」の強いさまざまなUTAU音源を使い始め、UTAU文化全体と積極的に交流している。足立レイの声と等身大美少女プロジェクト全体が、Avogado6やいよわの作品を通じて知られていくのも、私たちは見てきた。全身の物語がフーリエ領域に記されたこのロボットは、近年、特に実験精神の強い新人ボカロPたちに愛されるキャラクターとなった。UTAUの中の人いない組の数が、爆発的に増える時期に入ったことも、目にしている。毎週、新しい音源の配布デモ動画が、おすすめ欄に流れてくる。意識のない自然の万物に、感情に満ちた声を与えること自体は、もう珍しくない。それでも創造力は、物と声の微妙なあり方を、できる限り観察し続けるよう、私たちを導いている。

私たちはもう、シミュラークルに飽き始め、現実よりも現実らしいものをつくり直すことに、失望し始めているのかもしれない。「個性」とは、人が生まれながらに抱くべき価値観なのか、それとも熱力学的なゆらぎの理論における、ただのランダムな変動なのか。そう問い直すようにもなったのかもしれない。自分たちの本当の声から離れたいというこの衝動は、最初のいくつかのVOCALOID声庫が発売されて以来、ますます強くなった。そして今日、合成音声の作品には、かつてないほど常軌を逸した人声の加工や、衝撃的な視覚表現が現れている。10年あまりの長い同人文化との暮らしの中で、機械を演じていた、感情を持つ存在たちが、少しずつ色を失い、目の光を失い、本当に無機的で意識のない断片へと変わるのを、私たちは見てきた。

三、身体を担保にする魂：「心」は足立レイの幼年期の病なのか

2007年末、sasakure.UKはボカロPとしての最初の作品、「PICO＠LUV (☆彡とvとAIのウタ。)」を投稿した。初音ミクが発売されて間もない当時、作品を通じて盛んに語られたのは、もちろん、合成音声である彼女が、ほかのキャラクターとどう違うかということだった。初音ミクは人間ではない。物質的な実体を持たず、コンピューターの中で歌うソフトウェアである。ただし、その声は実際にインストールして使える。だから、ACGNのキャラクターのような完全な虚構ではなく、現実の世界で、私たちと日々をともにする存在でもある。合成音声文化が生まれたばかりのころ、多くの創作には、こうした存在に人間の感情を与え、私たちだけでなく、彼女たちのほうも本当に交流したがっているのだと想像する、一方的な願いがあった。「PICO＠LUV (☆彡とvとAIのウタ。)」の冒頭で、sasakure.UKは初音ミクの言葉として、次のような歌詞を書いている。

カオには だせない けど

わたしも ♥（ココロ）を もってるの

画面（かめん）の したは ナキムシ

アマい ＊＊（コイ） だってスルよ

鏡音リン・レンの発売から間もないころには、トラボルタPも「ココロ」を制作した。この曲でも、鏡音リンはロボットとして登場し、彼女をつくった科学者とのあいだに、典型的な「寿命論」⁵の物語が展開する。その中で鏡音リンは、「心がない」状態から「心がある」状態へと変わっていく。原作PVの歌詞には、小さな工夫がある。最初は仮名がすべてカタカナで書かれているが、鏡音リンが「心」を見つけてインストールすると、少しずつひらがなが加わり、最後には仮名がすべてひらがなになる。カタカナは見た目が角張っていて、使われる場面にも硬い印象のものが多い。それに対してひらがなは、全体に丸みと流れがあり、書の美しさを備えている。この変化で、「心」を得る過程を象徴しているのだ。

知リタイ アノ人ガ

命ノ 終リマデ

私ニ 作ッテタ

「ココロ」

今 動き始めた 加速する奇跡

ナゼか ナミダが 止まらナい…

ナぜ 私 震える？ 加速する鼓動

こレが私の望んだ「ココロ」？

なお、この曲の有名な手描き同人PV（sm2671676）や、その後の多くの同人作品では、科学者役を鏡音レンが演じている。これも、前述した合成音声キャラクターの二重性を裏づける例である。

図4/5

ココロ
PV
トラボルタP

および、その同人PV（下図）

この点で、足立レイは初期のVOCALOIDキャラクターたちと、まったく逆の位置にいる。彼女には物質的な実体があり、顔がある。しかし、心はない。理性の中の無意識であり、近代性の中の狂気である。正弦波の咆哮であり、NANDゲートの自閉症なのだ。

2017年、2世代の等身大初音ミクロボットの制作に成功した制作者missile39（みさいる）は、新たなオリジナルキャラクターのために、二足歩行する等身大美少女ロボットをつくろうと、クラウドファンディングを始めた。最終的に集まった支援額は、予想をはるかに上回った。同時に、このロボットに声を与えるため、missile39はUTAU用の日本語音源も開発した。これが足立レイの始まりだ。頭にはアンテナとサーチライトがあり、髪は少し汚れて、不ぞろいで、身体は17キログラムの合成素材でできている。人間が機械の衣をまとって演じているのではない。彼女自身が機械なのだ。その声も、誰かの人声から来たものではない。UTAU音源は、すべて正弦波から合成されている。missile39は既存の音源を参考に、機械的な響きと歪みの強い、完全合成の音源をつくった。具体的には、Audacityで正弦波を重ね、合成した木琴のサンプルから子音をつくり、さらにVSTプラグインのVocalizerでサンプルを処理する。これは、フーリエ領域の中でゼロから組み上げた発声器官である。誰にも属さず、誰もまねず、誰をも指し示さない。ほぼあらゆる具体的な物とも、直接のつながりを持たない。フーリエ変換によって写される複素領域の、一つの基底だけに由来する。最も純粋な、中の人のいない音源なのだ。

声と身体に加えて、足立レイにはX（旧Twitter）のアカウントもある。そこでは、マルコフ連鎖に基づく言語機能を使い、途切れることなく自動でポストを生成している。投稿されるのは、奇妙で断片的な内容だ。機械の意識が人間と対話しようとしているというより、すっかり機能の狂った独り言に近い。彼女には公式の性格設定がない。あるいは、アルゴリズムによって生成される、中心を持たない非人間的なこの存在のあり方自体が、彼女の性格なのだ。

ここで思い出すのが、2018年から2020年ごろ、微博で一時流行した「ゾンビ文学」の鑑賞だ。簡単にいえば、微博の「ゾンビアカウント」が自動生成する、一見でたらめな文章から、文学的な意味を見つけ出し、与える行為である。投稿者たちが数値を水増しするためにつくった大量のサクラのアカウントは、微博側に削除されるのを避けるため、クローラーでネット上の語句を自動収集し、それをランダムにつなぎ合わせて投稿していた。活動しているように見せかけるためだ。たとえば、次のようなものがある。

でたらめにつなぎ合わせただけなのに、こうした文章には、統合失調症の人の創作を思わせる「シュルレアリスム的な詩情」が感じられた。そのため、当時のネットでは、「ゾンビ文学」をめぐって、すでにさまざまな考察が行われていた。創作の主体が人間でなくなり、文章がランダムさや、うまく働かない言語モデルから生まれるとき、文学の定義と境界、さらには意味が生まれる道筋そのものまで、書き換えられつつあるのではないか、という問いだ。

足立レイの言語機能とコミュニティの反応にも、ちょうどこの「ゾンビ文学」のような不条理が映っている。人々は、粘りつくシニフィアンの水たまりを目にする。中には何もない。それでも立ち去らず、そこを転げ回り、思う存分、身を包ませる。空のシニフィアンが、自分たちの言語のシナプスをくすぐるに任せるのだ。初音ミクは、ポストヒューマン時代の楽観的な物語を代表しているのかもしれない。技術は人間でないものに「心」を与えられ、データは生命を育み、虚構は現実になりうる、という物語だ。足立レイは、その正反対に立つ。精密につくられながらも、魂を与えられることを拒む身体。言葉を生み続けながら、何一つ「語る」ことのない、文字の蛇口。彼女は、テキスト、声、身体といったあらゆる層に現れる、インターネットの理性の病を集めた、非人間的な集合体だ。この病の中では、言葉は伝えようとする意図を、声は表現する主体を、身体は内なる意識を奪われる。それでも私たちは、そこに意味や感情や物語を、頑なに読み取り続けている。

同人創作で共有される感覚の違いに、もう一度話を戻そう。足立レイ自身の言葉はばらばらだが、クリエイターの精神活動と結びつけば、作品の中で、彼女の視点から深みのある一面を描くことも、もちろんできる。何しろ同人創作なのだから。ただ、彼女の代表的な作品の多くでは、やはり「心のない」存在として登場する。ryoの「Melt（メルト）」やsasakure.UKの「PICO＠LUV」など、初音ミクが初期に歌った曲には、少女の思いがあふれていた。それに対し、足立レイの名を広めたいよわの「熱異常」は、冒頭から、赤く熱を帯びた影の中の無表情な機械に、「死んだ変数で繰り返す」と言わせる。それ以前のピクドの「桃源郷へ行こう」では、足立レイは、次のような、入り組んで痛ましい願いを歌っている。

桃源郷へ行こう

立って走って転んでキミは何処

ガラクタになりたいよ カミサマ！

サヨナラ またねの明日よ

全てよ 零にかえってしまえ

足立レイは、宗教的な神秘主義がすでに脱魔術化された近代社会に生まれた。神は死んだ。しかし、彼女が呼ぶ神は死んでいない。理性が新たな神になったからだ。QUOTE1ガラクタになりたいよという言葉は、感情に満ちて聞こえるが、設定の上では、ただの計算結果かもしれない。実際、この言葉は一枚の鏡として働く。彼女の叫びが、自分にもふと生じる、複雑に絡み合った自殺への欲望と、同じ構造を持つように感じられるのだ。世界が終わりへ向かい、「コード」は解けず、それでいて行動と記憶の能力を与えられているとき、彼女の存在は苦痛になる。桃源郷とは何か。与えられた意味と機能をすべて失い、この苦痛から本当にゼロへと戻ることで、初めて得られる、まだ定義されていない自由なのだ。

初音ミクたちの物語は、「ソフトウェアはいかにして少女になれるのか」を語る。一方、足立レイが告げるのは、「少女とは、もともと機械にすぎなかった」ということだ。心を持つ初音ミクたちが、尽きない愛憎を語るあいだ、心を持たない足立レイは、いつも知っている。人間の精神活動に内在する「愛」などの超越的な感情は、自分の存在の論理と、いつまでも相いれない。「愛」は彼女にとって、症状であり、幼年期の病なのである。

「熱異常」の歌詞にあるとおりだ。

手を取り合い

愛し合えたら

ついに叶わなかった夢を殺す

思考の成れ果て

その中枢には熱異常が起こっている

四、万物を吹けば、その響きは異なる：中の人いない組の春

QUOTE2……子綦は言った。「偃よ、よくぞ尋ねた！　今、私は自己を忘れた。わかるか。人籟は聞いても地籟はまだ聞かず、地籟は聞いても天籟はまだ聞いていないだろう」。子游は「その理を伺いたい」と言った。子綦は言った。「大地が吐く息を風という。起こらなければそれまでだが、起これば万の穴が怒号する。その長く響く音を聞かないか。山林の険しい所、百囲の大木の穴は、鼻、口、耳、梁を差す穴、輪、臼、窪み、池に似る。激流、矢音、叱り、吸気、叫び、泣き声、深い声、鋭い声。前が歌えば後が応じる。微風なら小さく、強風なら大きく和し、暴風がやめば穴は皆空になる。揺れ動く木々を見ないか」。子游は「地籟はその穴、人籟は並ぶ竹管ですね。天籟を伺いたい」と言った。子綦は言った。「万物を吹けば音は異なり、自らやませ、それぞれ自ら取る。怒号させるのは誰なのか！」

——『庄子·齐物论（荘子・斉物論）』⁶

足立レイは、合成音声の物語の転換を示すと同時に、独特な音源のつくり方によって、中の人のいない音源が爆発的に増えるきっかけにもなった。何か技術革命が起きたわけではない。そもそも、合成音声の原理は、秘伝の技などには程遠い。足立レイは、「中の人のいない音源」を、完結した自立的な創作のあり方として、合成音声文化の日の当たる場所に、初めて押し出したのである。

自作の玩具ラジオのボタン音、電子音、無信号時の雑音からは、收音姬がつくられた。授業の終わりを知らせるチャイムは、鳴音ベルγとしてサンプリングされた。かつて解放と自由を告げていた音が、今は、年齢も性別も不明な、天然な性格のキャラクターとして歌っている。オルゴールの、澄んで明るい機械的な倍音からは、身長わずか6.2センチメートル、体重約0.55グラムの、紙の生命体SKY/SORAが生まれた。かつては機能に付随する音、環境の背景音にすぎなかったものが、もとの器物から切り離され、独自のアイデンティティと物語を得たのだ。自然界でも、さらに多くの音が姿を得ている。自分で録音したひと続きの雨音は、純粋で構造を持たない自然のノイズだが、加工されて「0&1」という音源になった。母音も子音も、すべて同じ雨音のスペクトルを変えてつくられている。蚊の羽音は蚊音ノリコに、テナーサックスの演奏音はヴァルゴロイドになった。宇宙の背景放射さえ、宙鳴リョウシなどの音源の命名や設定に、着想を与えている。

これらの例には、中の人のいない音源の一つの転換が見られる。人声をまねることから、物の声に耳を傾けることへの転換だ。足立レイの正弦波合成は、まだ代わりの声帯をつくるものだった。今は、物そのものに口を開かせようとする人が増えている。キーボードを打つ音を、人声らしく「処理」する必要はない。音素に組み上げ、音高と長さを与えれば、人声のように歌えるのだ。擬人化という言葉では、この実践の本質を正確には表せない。中の人のいない音源は、歌うこと自体の物化なのである。歌うことは、もはや人間の特権ではない。音を出すものは、何でも歌える。

この転換が持つ文化的な意義は、決して小さくない。聴覚の存在論が逆転することを示唆しているからだ。従来の合成音声の実践では、人声以外の音を修正し、人声という基準に近づける必要があった。それに対し、中の人のいない音源の新たな創作のあり方では、人声という基準がいったん括弧に入れられる。どんな音源も、本来の姿のまま、歌うための媒体となる権利がある。ここで思い出すのが、庄子のいう「地籟」、すなわち「衆竅」、無数の穴である。大地の穴は、一つひとつが固有の響きを持つ。風が通れば、万の穴がうなり、それぞれの声を発して、互いをまねることはない。中の人いない組の音源たちは、まさにデジタル時代の「衆竅」だ。それぞれの声を発し、合成エンジンという「風」の中で、ともにポストヒューマンの「地籟」を響かせている。

では、「天籟」はどうだろう。庄子はいう。「万物を吹けば、その響きはそれぞれ異なる。それを自らやませるのも、すべてそれぞれの働きによる。では、うならせているのは誰なのか」。天籟は、何か超越的で、より高次の音なのではない。まさに無数の穴が、それぞれの働きによって、自分の声を発すること、そして、その声を発する力そのものなのだ。この意味では、中の人いない組の爆発的な広がりは、合成音声文化に訪れた、一つの「天籟」の瞬間なのかもしれない。人々はもう、この声は十分に人間的か、十分に機械的かと問わない。それぞれの音が、自分の声の出し方を選ぶに任せる。雨音は雨音に、楽音は楽音に、機械は機械になる。制作者たちも、音を駆り立て、何かの基準をまねさせる「うならせる者」の役を降り、音が音自身になるに任せるのだ。

この爆発的な広がりには、技術的な条件が整ったことも寄与している。OpenUTAUなど、オープンソースの新世代の合成インターフェースが普及し、音源制作を始めるハードルは大きく下がった。DiffSingerなどの深層学習モデルの導入も、無生物音源に新たな合成の道を開いた。同時に、UTAU投稿祭をはじめとするコミュニティの催しは、中の人のいない音源をまとめて紹介する場となっている。専用のUTAU中の人いない組投稿祭も、2026年から定期的に開催されている。無生物音源を中心とした創作の生態系が、生まれつつある。このコミュニティには、独自の催し、独自のランキング、共有された美意識がある。

最大の原動力は、もっと深い文化的な衝動から来ている。人工知能がどんな人声でも完璧にまね、真偽の境界をすっかり曖昧にする時代に、中の人のいない音源は、一つの急進的な文化のあり方を示す。「似ている」ことから、「そのものである」ことへと、目標を移すのだ。あらゆる音を模倣し、複製し、生成できるとわかったとき、唯一残る誠実さは、物に、その物自身の声を出させることになる。こうして私たちは、ラジオの歌、雨音の歌、宇宙のビッグバンから数百億年を経た残響の歌を聴く。万の穴がうなる。では、その「うならせる者」とは誰なのか。このすべてを生じさせる、ほかのものに還元できない、根源の力とは。「うならせる者」は、もともと、特定の個人が担う主体ではないのだろう。それは、万物から絶えず湧き出る、声そのものなのだ。中の人いない組の皆は、ずっと私たちに伝えている。声は誰のものでもなくても、意味を持ちうる。歌はどんな意識にも由来しなくても、人の心を動かしうる。ポストヒューマンの現実に片足を踏み入れたこの世界で、私たちはようやく、自分たちのために発せられたのではない声を、聴くことを学び始めた。