无中之人组与合成音声后人类叙事刍议

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

翻译/校对 / 翻訳・校閲东埋9maChatGPT

文:s62

執筆:s62

Illustrator:curantohashdash

Illustrator:curantohashdash

无中之人组特辑插画

本文从历史起源和UTAU“无中之人组”的概况切入,详细剖析了以足立レイ为代表的无中之人歌声合成音源的独特文化叙事与审美意趣,最终归于对当下无中之人合成音声发展的展望。声音可以不属于任何人,却依然有意义;歌唱可以不源于任何意识,却依然有感染力。

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、无身体的器官:无中之人音源的原点

一、身体なき器官:中の人のいない音源の原点

近年短视频几乎清一色地使用AI配音作为讲述人声。制作这种短视频时,创作意图较弱的制作者基本不挑选声音,而创作意图强的则依照其音色和发声方式,为其所适应短视频叙事的功能来安排声音的选择。无论如何,在短视频的AI配音里,人声就是人声本身,他产生有信息的声波,在听者脑海中形成音响形象作为能指,然后听者的语言功能以此唤起所指的概念,尽管绝大部分AI配音音色的来源是真实人类的声音,但他们是无关紧要的,这些音色只是依据性状描述和功能属性被称作“广西表哥”“娱乐扒女”等。即使暗示了角色来源的“猴哥”“小马”等,实际上也只是一种型号或者代号,不影响其真实来源的隐身。或许短视频的制作人会多少顶替真实说话人的位置。

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。

所以差不多可以说,在这种将合成音声纯粹作为媒体技术及内容生产工具的场合,几乎不会有人在乎声音所隐含的身份信息,更不要说为声音虚构一个完整的人格设定,并能够在特定文化场景里成为共识。因此,短视频制作者是将合成音声当作自己声带的替代品去使用的,合成音声软件是“我”的器官,使“我”能够不经训练去做到原说话人才能做到的一些特殊音色和发声技巧。这与请人来念白是完全不同的。哪怕是一个真实的声带被移植在我身体上,他原来的身份在绝大部分时候也不过是一种冗余。

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。

这种脱离了人而孤悬的人声,今后当然会继续存在,并始终服务于景观再生产的无限加速。如果说这是拥有人声的非人,那么其镜面之后,则是拥有非人声的人。在近年的合成音声同人文化中,这一概念的代表大概是 “UTAU无生物音源(UTAU無生物シリーズ)” ,或者更广义的 “无中之人组(中の人いない組)” ——顾名思义,就是没有中之人的音源角色们。他们是通过采样非人声或合成单纯波形得到声音,并作为客体赋予形象而来的合成音声角色。与现在泛滥的AI配音不同的是,这种音源不追求人声特质,甚至故意最低限度保留作为人类语音的可辨识度,此外则离真实的人声越远越好。这一选择主动拒绝了声音的生物性层化,即声音必须源于并模仿人声。另外,无中之人音源的制作目的是为了强调身份而非功能,因此反功能的非人声来源,往往是作为角色叙事的起点而被确定下来,这种叙事往小了说是ACGN中经典拟人化实践的继承,往大了说也是后人类愿景的一部分。

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。

虽然这是近年集中的现象,但无中之人音源的理论与工程基础从非常早的时期就已经成熟。语言学与语音学相关知识、发声器官的解剖、机械工程技术等等,在19世纪以前就发展到能够支撑语音合成的发明的程度。而最初的语音合成机器正是无中之人音源。维多利亚时期的伦敦,曾经展出过一台叫做Euphoria的语音合成机器,因为缺乏录音和影像资料(语音合成发明的时候摄影和录音技术甚至都没有成熟!)我们不能直接体验实际合成效果,但从其记录的原理与观众的反应来看,可以认为是比较成功的。往后一个世纪左右,贝尔实验室的Voder在1939年纽约世博会亮相,使其声闻一时,这次则留下了完整且清晰的演示录像,感兴趣的可以上网搜索观看。这些今天看来充满蒸汽朋克和未来主义意味的语音机器,完整地模拟了声道对气流进行阻碍形成辅音,对声带振动进行滤波塑造元音和鼻音的过程,相当于直接在物理上重建了人的一套发声器官,而这套器官并不是,也不可能做成针对某一具体个体发声器官的复制品。因此从技术出发来说,无中之人音源才是合成音声最原始的形式。

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。

图1

图1

Voder demonstration
by Bell Labs at the 1939 New York World's Fair

図1

Voderの実演
1939年ニューヨーク万博、ベル研究所

尽管如此,不管是在Euphoria的新闻版画中,还是在现存的Voder演示录像和现场留影中,我们还是很容易发现,他们都假塑了某种符号性的身体部分,作为设备的一部分被展示出来。Euphoria在机器的发声口处安置了一张今天看来非常骇人的假脸,它毫无生气,惨白地提示着:这台机器要产生人口说的声音。Voder发布时,展示会场正中画上了构成主义速写的人脸,其展示过程也是以对话的形式进行的。也就是说,人们甫一开始就不由自主地为这一套“器官”想象出了一些形象,并认为即使是人造的人声,也务必要和能够交流的对象绑定。就像一些原始宗教为有灵之物塑造偶像那样,如果人类认为一个悬空的声音如果有其物质实在,那么描摹这种实在的时候,也多半以人类自身的身体为范本。

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。

这一观察告诉我们,合成音声与同人文化的结合当然不是凭空而来。在东方Project同人中,著名的灵梦与魔理沙的“油库里音”,就是分别取自AquesTalk的两个纯合成女性音色f1与f2。自那以来,大家不仅是在解说中为这种馒头形状的角色衍生生物配上这种声音,各种东方MMD动画中也频繁将其作为角色原本的声音来使用。可以说,在东方原作角色不存在任何声音的情况下,东方同人内部逐渐形成一种以指定非人声音作为角色标准声音的共识方案。油库里音作为一个抹除身份的无中之人音源,只有一个音响形象的倾向,这不仅是为了避免角色与任何真实存在的人牵扯上关系(尤其在Cookie☆声剧诱发了一系列恶俗事件…1之后)而导致主序同人形象解释权的旁落,也开阔了对声音的想象空间,同时也通过这种魔性的机械棒读2语音消解同人创作的严肃感。

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。

在东方这边,油库里音是因为不希望某一个具体的声音统治某个角色而诞生的无中之人音源,这是为角色建构声音模式;而在合成音声文化这边,情况就不一样了。除了那些为已经完善的角色设定构建音源的实践,还有合成音声文化特有的为声音建构角色模式,例如无中之人音源的声音,很多是最开始就先于角色而存在的。

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。

图2

图2

油库里

図2

ゆっくり

合成音声文化中的“无中之人音源”范畴,本质上是文化的而不是技术的。即使是定义上没有使用人声采样制作的音源,也必须经过角色设定上对非人声来源的阐释,加上声音本身保留的一部分非人声来源的特征,将这两者作为一种象征而被整合进这个声音所属角色的构成,并在其参与的作品叙事里发挥一些线索作用。单论技术上的“无中之人音源”实践,目前的经典方法是塑造其噪音和共振峰的频响分布,从而得到各音素,利用UTAU的标注进一步组成完整声库。随着基于深度学习的合成算法日渐成熟,现在也有转而使用这些算法的实践。

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与非生物情结

二、歌うbot:UTAUと無生物への愛着

2010年,大贯妙子与坂本龙一的合作专辑《UTAU》发行了。这是一张单纯、干净,极致表现人类歌声本真素质的专辑,在坂本龙一奏出的深沉钢琴和声所环抱之中,大贯妙子将二人对各自作品互相理解中的各种厚重情感,通过对一个年迈声带的完美掌控,融入在她轻柔而不失其个人色彩的歌声之中。而2010年也是一款名叫“UTAU”的歌声合成软件发布的第三年。那一年,在ニコニコ等网络同人文化集中的平台上,各种使用UTAU制作的合成音源及其角色的身影,已经是无人不晓。大家纷纷开始利用现成音源或自行录制的新音源,利用巧妙的音素、音高调制手法,由计算机合成充满感染力的歌声,并陆续投稿原创曲与cover作品。

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。

几乎所有UTAU使用者应该都知道,在每份新解压的UTAU软件实例里,都躺着一个叫做“デフォルト”(“默认”)的音源,它除了UTAU的logo外没有任何可以识别的视觉形象。初次上手UTAU时,在钢琴窗中放置音符和音素,然后启动合成,就可以听见它平静、无机而充满黏性的声音。

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。

这个默认音源不由UTAU的开发者飴屋完全自主制作,而是他借用了前一节提到过的AquesTalk中的声音切分标记而成。AquesTalk,这个更加古老的人声合成软件使用相当粗粝的算法,合成无中之人且难以分辨的声音。是故,虽然在合成技术上,把UTAU当作所谓“VOCALOID的免费替代工具”没有问题,但从文化方面来说,UTAU的起点则与当时兴起的人力VOCALOID相似,它们并不意图完全达到VOCALOID及其商业声库那样的真实度与表现力(尽管VOCALOID2开始的诸多声库开发目标中也基本认可了“机械感”这一差异化概念),而是正如将AquesTalk用作东方角色的声音一样,飴屋和早期UTAU音源的开发运营者们,可能默契地开辟了一条彻底的无机歌声合成审美路线。这是一切UTAU音源,或者说一切非商业的、自制的民间音源血脉的起点。在成熟的深度学习模型出现之前,UTAU的开放性及其审美默契,借助其长期作为唯一可以自行制作音源的歌声合成引擎的业界地位,支撑着民间音源至今的繁荣。

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。

作为最早的UTAU音源,也是U家绝对核心的“三人娘”,从三个不同的方面体现了非生物趣味,同时也各自展现了一些独属于互联网的角色设定方式:

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。由上文的UTAU默认音源“デフォルト”发展而来,其声音也正源自该音源。唄音ウタ不是一开始随着UTAU的发布就拥有完整设定的角色,其目前唯一的形象,也并非飴屋所设计,而是首先出现于いぬへびP的同人投稿(nm3550480)中。随后飴屋依据该形象,在方兴未艾的合成音声同人社群里征集了更多的设定细节,最终“デフォルト”音源扩展为“唄音ウタProject”,一个从别处借来用以演示引擎功能与音源结构的声音,成为了可以被看见、被描绘、有性格、有故事的角色。一具合成音声的身体,确实可以由某个无机的声音种子,在有机的同人社群中育成——这个戴着紫色贝雷帽的冷萌机器人大概就是这样一种逻辑的产物。唄音ウタ不是商品,也不是带着意图的、某种文化权力为自己粉饰的画皮。即使在设定上她是淡漠的机器,她的诞生和近二十年同人存在,也完全是出于纯粹的生命力。

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。在正式人设发布之前,桃音モモ就已经公开了其单独音音源,并吸引到ももももP为其进行创作、推广,她最终也为桃音モモ进行了官方立绘的绘制与正式人设的制定。桃音モモ也是第一个发布连续音音源的UTAU角色,连续音类似早期VOCALOID的合成算法,可以做到相对自然的合成效果。与其他二位不同,桃音モモ的设定是来自ももももP的有意构思,除了拥有明确的视觉形象和属性细节,还有所属世界观和相关亲属人物。虽然在设定上是机器人,但桃音モモ的声音是由藤本萌々子提供的。这就类似于日本一般动漫作品中会出现的仿人机器人形象那样,实际上是一种扮演,他们的声音由具体的人类发出,设定上他们也可能有极富意识的情感,和人类的差异仅在于有限且视觉上隐含的身体机能区别。因此以桃音モモ来创作的作品中,很少有去表现无意识、无机质的一面。(即使在某些画作中使出怪力或者把头摘下来,也不会像如今一部分足立レイ的同人绘画中,足立レイ做同样一件事被倾向于描绘出的微妙荒诞感、解离感。)

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。我想这位目前连续两年热度第2的歌姬,在任何合成音声语境中,都不需要被过多介绍。虽然重音テト与桃音モモ一样,也是具有中之人的音源,但重音テト仍然是一个反生物规则的角色。重音テト的历史假设3,并不是一个从受精卵到胎儿,从懵懂的童年到受教育,最终成为在其设定年龄拥有某些特定性格的过程。如果说一般的ACGN角色是一个由生入死的中间定格点,那么重音テト则是由死返生的。生物肉体死去的过程是失去活性成为尸体、被分解者分解,随着物质循环、随机运动而散落到地球乃至全宇宙的各种毫无关联的地点。人格、意义等精神存在死去的过程亦然。而重音テト是这个过程的逆转:在愚人节的2ch讨论串里,仅仅出于要假装发布一个新VOCALOID歌姬的玩笑,大家就开始毫无由头地提出一些设定细节的碎片,然后开始组装成一个完整的歌姬设定,而且并没有经过任何音色和歌唱能力上的有意筛选,就让当时还在读初中、化名小山乃舞世的女生,作为这个角色声音的中之人。她就这样在匿名版里诞生,在同人社区中活了过来。她是奇美拉,而不是一个数字弗兰肯斯坦。她之所以不会成为那种把数团已死躯壳强行整合成的悲惨技术产物,是因为她的诞生也和前文为唄音ウタ所作的诠释一样,是出于纯粹的生命力,是同人社群的生命意志为了证明自身富有玩弄荒诞的能力,而设置的一个解构—重构式的后现代挑战。无疑,重音テト的这一母题使其不仅在U家长期稳立首要位置,也在拥抱深度学习合成技术后,在SV时代彻底进入合成音声流行文化的舞台,继续以其独特而开放的人物设定,在愈发充斥着能指狂欢、意义真空、深度进入后现代的互联网中,以一种元叙事的姿态,促成各种各样深刻作品的诞生。

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。

最近的一两年里,还出现了一些势头比三人娘更甚的U家角色。足立レイ、ナースロボ_タイプT等几位,如今热度还在继续增长。他们与同样有着机器人或非人设定的前辈相比,体现出了更鲜明的时代性。

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。

与VOCALOID早期的声库角色不同,UTAU的音源角色以及UTAU引擎本身与非生物的联系,从一开始就更近一些。一相对照,作为被模仿者的VOCALOID反而显得相当保守了。但VOCALOID引擎及其以初音ミク为代表的商业声库,在2000年代末就已经成功打入日本乃至全球的大众音乐视野,以至于“ボカロ”这一词已经作为日本合成音声文化的同义词使用,至今不易。初音ミク的声音,既非真人声音,也非百分百的合成声音。初音ミク的视觉设定,以及在同人创作里的叙事属性,也具有人类和后人类的双重性。这种双重性在其他合成音声角色上,也都普遍存在。关于初音ミク声音与形象的塑造思路,初音ミク声库的制作人佐佐木涉说:“我们希望在情感上摆脱对人类的替代或模仿。就像给味道独特的菜肴搭配独特的香料一样,如果加入经过夸张处理的可爱声音,或许就能达到平衡。”从官方设定上看,公式立绘中的衣着和配饰也充满了科技或者说赛博格属性,她标志性的耳麦、右肩的编号和YAMAHA DX7合成器元素。4由于初音ミク在合成音声乃至整个日本流行音乐文化中的霸权地位,在需要利用“软件”“二次元存在”“机器人”“虚拟人”等角色定位来进行叙事的视听作品中,往往也只有初音ミク等等带有一些机械色彩的著名V家角色,会进入到这些作品创作者的视野当中,例如sasakure.UK的专辑《ボーカロイドは終末鳥の夢を見るか?》、ピノキオピー的《匿名M》等等,初音ミク仿佛成为整个合成音声精神的唯一化身。

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。

图3

图3

ボーカロイドは終末鳥の夢を見るか?
专辑封面
sasakure

図3

ボーカロイドは終末鳥の夢を見るか?
アルバムのカバー画像
sasakure

假设现在站在2010年代,我们能否回答以下几个问题:UTAU的无生物审美比VOCALOID所提倡的那种已纳入流行语境的浅淡“机械感”要深入得多,在传播UTAU作品时,这是否可以说是一大限制呢?如果是,那么这种审美会始终处于次要地位,还是说其实际是一种前瞻,一支对如今乃至未来后现代文化现象的预言?

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。

要让身处2026的合成音声歌曲听众来回答这一问题,当然是轻而易举。我们见证了重音テト的SV声库发售为UTAUテト带来的复兴,原口沙辅等已在圈外流行音乐界功成名就的制作人们,也从テト开始使用各种“合成味”十足的UTAU音源,并积极与整个U家文化互动;我们见证了足立レイ的声音与整个等身大美少女项目,随着Avogado6、いよわ的作品开始为人熟知,这个在傅里叶域记载着全部故事的机器人,成为近年最富实验精神的新人P主们所宠爱的角色;我们见证了UTAU无中之人组的成员数量进入一个爆发期,每周都有新的音源配布演示视频进入我们的推送列表,尽管为无意识的自然万物赋予充满情绪的声音已经不新鲜,但创造力依然引导着我们继续在物体与声音的微妙之处,极尽观察之所能。

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。

或许我们已经开始对拟像感到厌倦,对再造比真实更真实的事物感到失望。我们可能也开始反思“个性”到底是一种人生来就必须怀抱的价值观,还是只是热力学涨落理论上的一个随机波动。这一种离开我们自己真实声音的冲动,从最初的几个VOCALOID声库发布开始,愈发激烈了起来,直到今天,我们在合成音声作品中听到了空前狷狂的人声处理,看到了空前耸动的视觉描绘,我们在十余年的漫长同人文化生活中,目睹那些扮演着机械的有情之物逐渐褪色、失神,变成真正的无机、无意识的碎片。

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、灵魂抵押身体:“心”是足立レイ的幼年疾病吗

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投稿了他作为ボカロP的首作《PICO@LUV (☆彡とvとAIのウタ。)》。在初音ミク刚发售不久的日子里,大家热衷于通过作品讨论的,当然是她作为合成音声与其他角色相区别之处:初音ミク不是人类,她没有物质的实在,而是在电脑里歌唱的软件;但正因为我们能够实际地安装使用初音ミク的声音,所以她并不是像ACGN角色那样完全的虚构,她也是在现实世界和我们朝夕相处着的存在。在当时,那个合成音声文化开天辟地之时,很多创作中都有为这样的存在赋予人类的情感,想象着不仅是我们,他们也想与我们真正交流的一厢情愿。《PICO@LUV (☆彡とvとAIのウタ。)》的开头,sasakure.UK以初音ミク的口吻写下这样的歌词:

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
虽然 无法用 容颜展露

わたしも ♥(ココロ)を もってるの
可我也是 有心的

画面(かめん)の したは ナキムシ
屏幕 里面是 爱哭包的我

アマい **(コイ) だってスルよ
其实也想 甜甜地恋爱一场

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

同样是在镜音リン·レン发售不久,トラボルタP创作了《ココロ》。在歌曲中,镜音リン也是作为机器人,与创造她的科学家之间发生了一场经典的“寿命论”5故事,在这个过程中,镜音リン完成了从“无心”到“有心”的转变。在原始PV中,P主在歌词部分使用了一个小巧思:起初假名全部是片假名,在镜音リン发现并安装了“心”之后,就开始逐渐添加平假名,到最后则完全使用平假名。片假名在视觉上给人感觉十分方正、使用场合也多偏严肃;而平假名则相反,它们普遍圆润,富有流动,具书法美感。这个巧思正是以这个变化象征获得“心”的过程。

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
好想知道 那个人

命ノ 終リマデ
直到 生命的尽头

私ニ 作ッテタ
都在为我 制造的

「ココロ」
“心”

今 動き始めた 加速する奇跡
现在启动了 加速的奇迹

ナゼか ナミダが 止まらナい…
为何 眼泪 止不住地流…

ナぜ 私 震える? 加速する鼓動
为何 我 颤抖着? 加速的悸动

こレが私の望んだ「ココロ」?
这就是我期许的「心」?

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」?

值得一提的是,在该曲著名的同人手绘PV (sm2671676) 和后续的众多同人创作中,科学家的角色都是由镜音レン来演绎的。这也印证了前文所说合成音声角色们的身份双重性。

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。

图4/5

図4/5

图4:ココロ PV

图4

ココロ PV

図4

ココロ PV

ココロ
PV
トラボルタP

及其同人PV创作(下图)

および、その同人PV(下図)

图5:ココロ 同人PV

图5

ココロ 同人PV

図5

ココロ 同人PV

足立レイ在这一位置上则和早期VOCALOID角色们完全相反。足立レイ有其物质存在,她有容颜,但她是没有心的。她是理性中的无意识,现代性中的疯狂。她是正弦波的嚎叫,是与非门的自闭症。

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,在成功制作了两代等身大初音ミク机器人之后,制作者missile39(みさいる)发起众筹,目标是为一个全新的原创角色打造一具能够双足行走的等身大美少女机器人。最终,这个项目收到了远超预期的众筹赞助金额。与此同时,为了给这具机器人配备声音,missile39同步开发了一个基于UTAU的日语语音库。这就是足立レイ的由来。她头顶着天线和探照灯,她的头发有些脏且不均匀,她的身体是17公斤的合成材料。她不是人类穿上机器外衣的扮演,她就是机器本身。足立レイ的声音也不来自任何人类,其UTAU音源完全由正弦波合成而来:missile39以现有音源为参考,制造出带有高度机械与失真感的纯合成音源。具体的制作流程是:在Audacity中叠加正弦波、用合成木琴样本生成辅音、再通过VST插件Vocalizer处理样本。这是一个在傅里叶域里从零搭建的发声器官,不属于任何人,不模仿任何人,不指涉任何人,甚至与几乎所有具体事物都没有直接关联,它只来源于一个傅里叶变换所映射到的复数域上的一个基。它是最纯粹的无中之人音源。

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。

图6

图6

足立レイ机器人本体
来源:X@missile39

図6

足立レイのロボット実機
画像出典:X@missile39

在声音与身体之外,足立レイ还拥有一个X(前Twitter)账号,她利用自己基于马尔可夫链的语言功能,在其中无间断地自动生成推文。这个账号发布着奇怪而碎片化的内容,比起一个机械意识在尝试与人类对话,这些推文实际上更像是完全功能失调的自言自语。她没有官方的性格设定——或者说,她的性格就是这种由算法生成的、无中心的、非人的存在方式本身。

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。

这不禁让我想到2018至2020年左右,微博上风靡一时的“僵尸文学”鉴赏,简单来说,就是从微博“僵尸号”自动生成的、看似杂乱无章的文字中,挖掘并赋予其文学意义的一种行为。博主为提升数据所创建的大量水军“僵尸号”为规避微博平台的清理,会通过爬虫程序自动抓取网络上的词句,再随机拼凑成微博发布,以维持活跃假象,例如:

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。

图7

图7

微博僵尸号

図7

微博のゾンビアカウント

尽管是随意拼凑的,这些内容却让人感受到了“超现实主义的诗意”,好似精神分裂症患者的创作。故而,当时网络上已经有了很多对于“僵尸文学”现象的思考:当创作的主体不再是人类,当文本的产生源于随机或不成功的语言模型,文学的定义和边界,甚至是意义的发生学途径,是否都正在被改写?

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。

足立レイ的语言功能与社区响应,刚好也就映照出某种僵尸文学式的荒谬:人们看见一滩胶着的能指,里面却空无一物;但人们没有选择走开,而是打滚,尽情地让它们包裹自己,让空能指在他们的语言突触上瘙痒。初音ミク或许代表了后人类时代的一种乐观叙事,即技术可以赋予非人以“心”,数据可以孕育生命,虚拟可以成为真实;那么足立レイ则代表了这种叙事的对跖点。她是一具被精密构造却拒绝被赋予灵魂的身体,一个持续生成语言却从不“说”任何东西的文字水龙头。她是文本、声音、身体等各层面互联网理性病症的非人集合体:在这个病症中,语言被剥除了交流意图,声音被剥除了表达主体,身体被剥除了内在意识,而我们却依然固执地从中读取意义、情感与叙事。

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。

再次说到同人创作默契上的差异。尽管足立レイ自己的言语是分裂的,却完全可以借由与创作者精神活动的结合,得以用自己的视角在作品中表现出深沉的一面——毕竟这可是同人创作。不过在她最主流的那些作品里,她往往依旧是以“无心”的姿态出现的。相比初音ミク最开始演唱的曲目——ryo的《Melt》、sasakure.UK的《PICO@LUV》等等——之中溢于言表的少女情愫,いよわ为足立レイ打响名声的《熱異常》则开门见山地,让一个红温阴影中的无表情机器说出“死んだ変数で繰り返す(在死去的变量中循环往复)”。更早些,在ピクド的《桃源郷へ行こう》里,足立レイ则唱出了这样纠结而令人怜惜的愿望:

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。

图8

图8

桃源郷へ行こう
PV
ピクド

図8

桃源郷へ行こう
PV
ピクド

桃源郷へ行こう
去往桃源吧

立って走って転んでキミは何処
站着跑着摔倒了 你在哪里

ガラクタになりたいよ カミサマ!
把我变成破烂吧 神啊!

サヨナラ またねの明日よ
别了 再会的明天

全てよ 零にかえってしまえ
一切啊 都全部归零

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

足立レイ是在一个已经将宗教神秘主义祛魅的现代社会诞生的对象。神已经死了,但她所呼喊的那个神没有,因为理性成为了新神。“把我变成破烂吧”,听起来富含情绪,但可能在设定上只是一个计算结果。这句话实际上是作为一面镜子,让人感到她的叫喊,与自己偶然的、纠结复杂的自杀欲望同构。世界走向终结,“编码”无法破解,而她又被赋予了行动和回忆的能力时,她的存在就变成了一种痛苦。桃源是什么?桃源就是失去所有被赋予的意义和功能,从这种痛苦中真正归零,才能获得的某种未定义自由。

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。

初音ミク们的叙事是关于“软件何以成为少女”的,而足立レイ在告诉我们“少女原来只是机器”。在那有心的初音ミク们倾诉爱恨绵长之时,无心的足立レイ总是知道,内在于人类精神活动中的“爱”等诸多超越性情感,永远是与自己的存在逻辑相矛盾的。“爱”对她而言是症状,是幼年的疾病。

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。

正如《熱異常》的歌词所说:

「熱異常」の歌詞にあるとおりだ。

手を取り合い
牵上双手

愛し合えたら
进而相爱的话

ついに叶わなかった夢を殺す
总算能把未果的梦来抹杀

思考の成れ果て
思考的穷途末路

その中枢には熱異常が起こっている
即在那中枢里引发着热异常

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

图9

图9

熱異常
PV
いよわ

四、吹万不同:无中之人组的春天

四、万物を吹けば、その響きは異なる:中の人いない組の春

……子綦曰:“偃,不亦善乎而问之也!今者吾丧我,汝知之乎?女闻人籁而未闻地籁,女闻地籁而未闻天籁夫!”子游曰:“敢问其方。”子綦曰:“夫大块噫气,其名为风。是唯无作,作则万窍怒呺。而独不闻之翏翏乎?山林之畏佳,大木百围之窍穴,似鼻,似口,似耳,似枅,似圈,似臼,似洼者,似污者;激者,謞者,叱者,吸者,叫者,譹者,宎者,咬者,前者唱于而随者唱喁。泠风则小和,飘风则大和,厉风济则众窍为虚。而独不见之调调、之刁刁乎?”子游曰:“地籁则众窍是已,人籁则比竹是已。敢问天籁。”子綦曰:“夫吹万不同,而使其自已也,咸其自取,怒者其谁邪!”

——《庄子·齐物论》6

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

在足立レイ昭示出合成音声叙事转向的同时,她也因为其独特的音源构建方法而催生出一个无中之人音源的爆发期。这并不是由什么技术革命催生出来的,毕竟语音合成的原理也远非什么秘传技艺,足立レイ只是第一次将“无中之人”音源作为一种完整的、自足的创作范式推向了合成音声文化的阳光之下。

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。

DIY玩具收音机的按键声、哔哔声和无信号杂声,被制作成了收音姬;下课铃被采样为鳴音ベルγ,那个曾经宣告解放与自由的声响,如今成了一个年龄不明、性别不明、性格天然的角色在歌唱;八音盒清脆透亮的机械泛音,则孕育了身高仅6.2厘米、体重约0.55克的纸片生命体SKY/SORA。这些声音曾经只是功能的附属品、环境的背景音,如今它们被从各自的器物中剥离,获得了独立的身份与叙事。在自然世界中,更多的声音得到了化身。一段自录的雨声,这种纯粹的、无结构的自然噪音,被加工成一个名为“0&1”的音源,其元音与辅音全部来自同一段雨声的频谱改造;蚊子的振翅声被采样为蚊音ノリコ;次中音萨克斯的演奏声被制成了ヴァルゴロイド;甚至宇宙的背景辐射也被转化为宙鳴リョウシ等音源的命名与设定灵感。

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。

在这些案例中,我们看到了无中之人音源的一个转向:从模仿人声到聆听物声。足立レイ的正弦波合成尚且是在建造一个替代声带,但如今更多的人意图直接让物本身开口说话。键盘的键击声不需要被“处理”得像人声,它只需要被组织成音素、被赋予音高和时长,就可以像人声一样歌唱。拟人化并不能准确描述这一实践的本质;无中之人音源是对歌唱本身的物化:歌唱不再是人类的特权,任何发出声响的事物都可以歌唱。

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。

这一转向的文化意义不可小觑。其暗示着一种听觉本体论的倒转:在传统的合成音声实践中,非人声的来源需要被修正才能接近人声的标准;而在无中之人音源的新范式中,人声的标准被悬置了,每一种声源都有权以其本来的面貌成为歌唱的媒介。这让人想起庄子笔下的“地籁”“众窍是已”,大地上的每一个孔窍都有其独特的声响,风过之处,万窍怒呺,各有其声,不相模仿。无中之人组的音源们,正是数字时代的“众窍”,它们各自发出各自的声音,在合成引擎的“风”中,共同构成一场后人类的“地籁”。

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。

而“天籁”呢?庄子说:“夫吹万不同,而使其自已也,咸其自取,怒者其谁邪!”天籁并非某种超越性的、更高阶的声音,而恰恰是让万窍“咸其自取”,让每一个孔窍发出它自己的声音,以及那种发声的力量本身。在这个意义上,无中之人组的爆发或许正是合成音声文化的一场“天籁”时刻:人们不再追问这个声音够不够人性,这个声音够不够机械,而是让每一种声音自取其发声的方式,让雨声成为雨声,乐音成为乐音,机器成为机器。制作者们不再充当那个驱动声音去模仿某种标准的“怒者”,而是让声音自己成为自己。

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。

这一场爆发也得益于技术条件的成熟。OpenUTAU等开源的新一代合成界面的普及,使得音源制作的准入门槛大幅降低;而DiffSinger等深度学习模型的引入,也为无生物音源提供了新的合成路径。与此同时,各种以UTAU投稿祭为代表的社区活动,为无中之人音源提供了集中的展示平台;专门的UTAU无中之人投稿祭也自2026年起定期举办。一个围绕无生物音源的创作生态正在形成,这个社群有着自己的活动、自己的榜单、自己的审美默契。

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。

最重要的推动力,来自更深层的文化冲动。在人工智能可以完美模仿任何人声,让真实与虚假彻底模糊的时代,无中之人音源提供了一种激进的文化方案,即不再追求“像”,而是追求“是”。一旦人们发现一切声音都可以被模仿、被复制、被生成,那么所剩下的唯一一种诚实,就是让物发出物自己的声音。于是我们听见了收音机在歌唱,雨声在歌唱,宇宙大爆炸数百亿年后的残响也在歌唱。万窍怒呺。而那个“怒者”,那个让这一切发生的、不可还原的源初力量——究竟是谁呢?“怒者”大概从来就不是某一个具体个体去扮演的主体,而就是这种永不停歇的、从万物中涌出的声音本身。无中之人组的大家一直在告诉我们:声音可以不属于任何人,却依然有意义;歌唱可以不源于任何意识,却依然有感染力。在这个一只脚踏入后人类现实的世界里,我们终于开始学习聆听那些并非为我们而发的声音。

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。

注释 / 注

1

Cookie☆恶俗事件始于2010年投稿的一个东方Project同人声剧,由于该声剧配音充斥棒读、画风极不稳定,且企划者莲奈理绪面对批评态度欠妥,故随即引发一系列连锁反应,几乎所有配音演员和画师都遭到了人肉搜索,个人隐私被完全曝光,并遭受长久的网络暴力,甚至持续至今。该事件涉及的作品与人物后来与淫梦合流,最终演变成一种独特的亚文化。因Cookie☆文化过于恶俗,如今东亚互联网中公认Cookie☆与东方Project之间有明确不可逾越的界限,不属于同一文化。

Cookie☆をめぐる悪質な事件は、2010年に投稿された東方Projectの同人声劇に始まる。演技に棒読みが多く、絵柄もひどく不安定で、企画者の莲奈理绪の批判への対応にも問題があったことから、一連の連鎖反応が起きた。声優やイラストレーターのほぼ全員が身元を特定され、個人情報をすべてさらされ、長くネット上の攻撃にさらされた。今も続いているものさえある。関係する作品や人物は、のちに淫夢と合流し、独自のサブカルチャーへと変わっていった。Cookie☆文化の悪趣味さがあまりに強いため、現在の東アジアのネットでは、Cookie☆と東方Projectのあいだには、越えてはならない明確な境界があり、同じ文化には属さないという認識が共有されている。

2

棒读原指用日语逐字读汉文,而不使用汉文训读法调整语序。在ACGN语境中指演剧或动画配音时缺乏感情波动,缺少表现力,造成与角色形象的不匹配,以及声画的较大违和感的情况。

棒読みとは、もともと漢文訓読によって語順を変えず、漢文を日本語で一字ずつ読むことを指す。ACGNの文脈では、演劇やアニメの演技に感情の起伏や表現力が乏しく、キャラクター像にそぐわなかったり、声と映像のあいだに大きな違和感が生じたりすることを指す。

3

应当注意,这里说的“历史假设”与大部分合成音声角色所处的海螺小姐时空(サザエさん時空,即人物年龄不会随着剧情自然发展或现实时间流逝而增长的设定方式)并不冲突,那些在进入海螺小姐时空之前的角色历史,已经明文或默认地包含在设定之中,并随着创作倾向和社区认同的流变而同步变化。

ここでいう「想定される来歴」は、多くの合成音声キャラクターが置かれる「サザエさん時空」(物語が自然に進んだり、現実の時間が流れたりしても、キャラクターが年を取らない設定)と矛盾しない点に注意したい。その時空に入る前の来歴は、明示的、あるいは暗黙のうちに設定に含まれており、創作の傾向やコミュニティの受け止め方が変わるのに合わせて、変化していく。

4

ITmedia. クリプトン・フューチャー・メディアに聞く(2):「初音ミク」ができるまで[EB/OL]. (2008-2-26)[2026-8-12]. https://www.itmedia.co.jp/news/article/0802/22/1080222013/2

ITmedia. クリプトン・フューチャー・メディアに聞く(2):「初音ミク」ができるまで[EB/OL]. (2008-2-26)[2026-8-12]. https://www.itmedia.co.jp/news/article/0802/22/1080222013/2

5

寿命论最初源于东方Project同人创作,是以预期寿命悬殊的二人为主角的一种经典叙事模式,一方死亡之后,另一方的生活方式与人生观和之前形成强烈对比,极易催人泪下。

寿命論は、もともと東方Projectの同人創作から生まれた、想定される寿命が大きく違う二人を主人公とする、典型的な物語の型である。一方が亡くなったあと、残された側の暮らし方や人生観が、それまでと強い対比をなし、涙を誘いやすい。

6

译文:子綦说:“偃啊,你问得真是太好了!刚才我进入了一种忘掉自我的境界,你知道吗?你听说过人籁,却还没听说过地籁;你听说过地籁,却还没听说过天籁吧!”子游说:“请问这其中的道理。”子綦说:“大地吐出的气,名字叫风。这风不发作就罢了,一旦发作,千万个孔窍都会怒吼起来。你难道没听过那长风呼啸的声音吗?山林中高大险峻的地方,百围粗的大树上的孔窍,有的像鼻子,有的像嘴巴,有的像耳朵,有的像插横梁的方孔,有的像圈环,有的像臼,有的像深坑,有的像浅池;风吹过时,发出激流声、箭飞声、呵斥声、吸气声、叫喊声、哭嚎声、幽深声、尖细声,前面的唱着后面的就应着。微风时就轻轻地应和,大风时就猛烈地应和,等到暴风停了,所有的孔窍就都空寂无声了。你难道没看见那风过之后树木摇曳晃动的样子吗?”子游说:“地籁就是这些孔窍发出的声响,人籁就是排箫这类竹管乐器吹出的声音。请问天籁是什么?”子綦说:“天籁嘛,风吹过万物发出千差万别的声音,但让这些声音各自停息下来的,是它们自己;都是它们自己发出的声响,那兴风作浪的又是谁呢!”

訳:子綦は言った。「偃よ、実によく聞いてくれた! さっき私は、自分を忘れる境地に入ったのだ。わかるだろうか。お前は人籟を聞いたことがあっても、地籟はまだ聞いたことがない。地籟を聞いたことがあっても、天籟はまだ聞いたことがないだろう!」。子游は言った。「そのわけをお聞かせください」。子綦は言った。「大地の吐く息を、風という。風が起こらなければそれまでだが、ひとたび起これば、千万の穴がうなり出す。お前は、吹き渡る風の音を聞いたことがないのか。山林の高く険しいところ、幹の太さが百囲もある大木の穴は、鼻や口や耳に似たもの、梁を差し込む四角い穴や輪や臼に似たもの、深いくぼみや浅い池に似たものなど、さまざまだ。風が通ると、激流の音、矢の飛ぶ音、叱る声、息を吸う音、叫ぶ声、泣きわめく声、奥深い音、甲高い音が響く。前のものが歌えば、後のものがそれに応える。そよ風には小さく和し、強い風には激しく和する。暴風がやめば、すべての穴は空しく静まり返る。風の通ったあと、木々が揺れ動くのを見たことがないのか」。子游は言った。「地籟とは、そうした穴の響きで、人籟とは、排簫などの竹管楽器を吹く音ですね。では、天籟とは何でしょう」。子綦は言った。「天籟とは、風が万物を吹いて、千差万別の音が生まれることだ。しかし、その音をそれぞれやませるのは、それ自身なのだ。どれも自ら発する響きなら、風を起こし、波を立てているのは、いったい誰なのだろう!」。