「最近、冷蔵庫の音がいつもと違う。」誰もが一度は似たようなことを口にしたことがあり、そしてそれが報告としていかに役に立たないかを思い知ったことがあるはずです。どう違うのか？音が大きくなったのか？高くなったのか？これまでのうなり音に加えて、新たにガタガタという音が混ざっているのか？人間の耳は何か変化があったことに気づくのには極めて優れていますが、それが何であるかを説明するのは非常に苦手です。音の記憶は数時間で薄れ、音に関する言葉での説明は、一度他人に伝言されるだけでほとんど原型を留めません。

まさにこのギャップを埋めるために存在するのがSpectrumツールです。スマートフォンを持続音（家電製品のうなり音、モーター、ファン、空調の吹き出し口、アイドリング中のエンジンなど）に向け、数秒間録音するだけで、その周波数の指紋（どの周波数が存在し、それぞれの強さがどのくらいか）を取得できます。この指紋は、発生元の機械の下に分類して保存し、来月のデータと比較することができます。

なぜスペクトルが「音が大きくなった」という主観に勝るのか

マイクのレベルメーターが回答できるのは、「音の総量がどれくらいか」という1つの問いだけです。しかし、機械に関して重要な情報のほとんどは、その合計値の中には現れません。洗濯機のモーターのうなり音、ドラムのベアリング、そして共振してガタついている緩んだパネルの音はすべて、同じ「音の大きさ」という単一の数値に合算されてしまいます。そのため、どれかひとつの音に生じた重大な変化が、別の音のわずかな変化の陰に隠れてしまうことがあります。

スペクトルはこれらを分解します。回転機械は周波数領域において驚くほど正直です。一定の速度で回転するモーターは、その回転速度に応じたトーン（音）と、その基本周波数のきれいに整数倍となる倍音をその上に積み重ねるように発生させます。ファンであれば、さらに回転速度にブレード数を掛け合わせたブレード通過音が加わります。商用電源で動作する機器は、電源周波数とその倍数の商用電源ハムを伴います。それぞれの機械的プロセスが、それぞれの周波数で独自のピークを形成し、スペクトルはそれらを並べて描き出します。

これこそが、診断を可能にする理由です。「音が大きくなった」というのは、単一の数値が変動しているだけにすぎません。しかし、「モーター周波数の3倍の場所に新しいピークが現れた」、あるいは「かつては狭かったピークが今では広がり、サイドバンド（側帯波）に囲まれている」といった情報は、特定の部品が特定の挙動を示していることを指し示します。ガタガタ音は、澄んだトーンではなく、多くの周波数ににじむように広がる広帯域のエネルギーとして現れます。これは耳で聞いて不快なだけでなく、スペクトル上でも一目瞭然であり、その下にあるうなり音とは明確に区別されます。

ありのままに録音する

スマートフォンがデフォルトで使用する音声経路では、こうした分析は一切機能しません。その経路は通話用に構築されているからです。録音の途中で音量を書き換える自動ゲイン制御や、一定のトーンを消去するようにトレーニングされたノイズ抑制など、コンプレッサーのうなり音は、通話用のパイプラインにとってまさに排除すべきノイズそのものです。そのような音声経路からスペクトルアナライザーに信号を入力しても、分析しているのは実際の音ではなく、「スマートフォンがその音をどう解釈したか」になってしまいます。

そのため、Spectrumツールはプラットフォームの未処理の経路を通じて録音します。生のサンプリングデータ、48 kHz、モノラル、ゲイン自動調整なし、強調処理（エフェクト）なし。OSなら消去してしまっていたであろう持続的なうなり音も、ありのままに届きます。したがって、スペクトルに現れるピークはパイプラインによるものではなく、機械そのもののピークなのです。

指紋が異なるスマートフォン間でも共有できる理由：デバイスが異なれば、同じ機械の音であっても異なる音量や音色で聞き取られるため、ピークの絶対的な高さはマイクの特性にある程度左右されます。しかし、ピークがどこに現れるか、そしてそれらが互いにどのように関係しているか（倍音の階段、それまで存在しなかった場所に新たなピークが出現するなど）は、機械そのものの性質です。すべてのツールに共通する設計ルールは同じです。絶対的なレベルではなく、相対的で励起に左右されにくいロバストな特徴に基づいて構築すること。これにより、デバイスごとのキャリブレーションを行うことなく、デバイス間で測定値を比較できるようになります。

本当に意味を持つのは、2回目の測定値です

見慣れない機械のスペクトルが1つあるだけでも興味深いものですが、同じ機械のスペクトルが2つあれば一気に実用的になります。機械が初日から大きな音を立てて突然故障することは滅多にありません。少しずつ変化していくのです。ベアリングの表面が荒れ、マウントが緩み、ファンの羽根がバランスを崩し、耳で聞いて異常がわかる何週間も前に、フィンガープリント（音の特徴）に変化が現れます。

ここでカタログ機能が真価を発揮します。録音したデータはすべてオブジェクト（この冷蔵庫、あの送風機など）に分類して保存でき、時間の経過とともにその下に繰り返し測定値が蓄積されていきます。機械が正常な状態のときに録音しておきましょう。それが基準値（ベースライン）となり、必要な時間はわずか10秒です。「最近、音が違う気がする」と思ったら、同じオブジェクトの下で再び録音し、2つのフィンガープリントを並べて比較します。「以前どんな音だったか、誰か覚えている？」と悩む必要はもうありません。「どのピークが動いたか？」を確かめるだけです。

測定器の性能よりも重要なのは、測定方法の一貫性です。ほぼ同じ場所、ほぼ同じ距離から、機械が同じ運転状態のときに録音してください。ここで求められているのは絶対的な測定値ではなく、比較の正確さです。そうすることで、火曜日のスペクトルと今日のスペクトルの違いが、そのまま機械の状態の変化を意味するようになります。

そして問題が解決したとき（技術者が摩耗したベアリングを見つけた、あるいは騒音の原因がドラムに入り込んだ硬貨だったと判明したときなど）、その測定値に事後的に実測値（グランドトゥルース）のラベルを付けることができます。スペクトルと実際の原因の組み合わせが「ラベル付きデータ」となり、多くの機械や多くのスマートフォンから十分な数のデータが集まることで、音による診断技術の精度は向上していくのです。

保存したスペクトルを再び聴く

フィンガープリントが可能にするもう一つのこと。それは、これが単なる録音データではなく音の「記述」であるからこそ、再び音に戻せるということです。ビューアーアプリは、保存されたスペクトルのピークを可聴音として再合成できます（「再構築を再生」）。これにより、先月取得した測定値を、今日その機械の横で、音の変化を判断する人の耳で直接聴き比べることができます。これは元の録音ではありません。フィンガープリントを歌い直したものです。「これは以前測定したのと同じハミング音か？」という問いに対して、人間の耳に直接確認させるためのまさに最適なアプローチです。

活用できる場面

スペクトルは、ハミング音、うなり音、持続的なガタガタ音など、持続する音に対して威力を発揮します。ノック音のように一度鳴ってすぐに消える音には、別の分析アプローチが必要です。タップテストは、定常音が何を含んでいるかではなく、短い共振がどのように減衰していくかを分析します。また、音を立てるよりも大きく揺れる機械の測定には、マイクでは捉えられない低周波の動きを感知できる加速度センサーが適しています。

これらはすべてオンデバイスで動作します。分析はスマートフォン上でのオフライン処理であり、測定値はあなたのものです。スマートフォンのセンサーで測定できることの全体像を知るには、まずツールの概要をご覧ください。