00:02
XCrossing、英語でスクランブル交差点を意味します。 趣味も世代も、住んできた町も違う3人が、スクランブル交差点で出会うように、様々な話題を聞かせる、おしゃべりの交差点です。 今日のXCrossingであなたが出会うのは、どんな話題でしょう?
こんにちは、上野美香です。 マーケティングとプロダクトマネジメントをやっているフリーランスです。
ニューヨークから、関信浩がお届けします。 現在は、スタートアップの投資を中心にやっていますが、色々やっている何でもいいやつなのです。
今回も、及川さんお休みの回です。 ちょっとしばらくお休みだったり、出られるときあったりありますが、今日は2人でやっていきましょう。
なかなか市販機が忙しい方が多いので、参加するのも結構難しいですよね。
ゲームキャラクターの声と表情の不一致から生まれる違和感
ちょいと話の方向が変わりますけど、 私最近、ゲームの新作が出てて、ずっと実況というか、メインストーリーをつなぎ合わせたビデオを見るのが趣味なんですけど、それを見てるんですよ。
何回か言ってますけど、龍が如くというゲームが大好きで、それを見てるんですけど、1本あたり、1作品あたり18時間くらいあって、すごい長さなんですけどね。
そこが素晴らしいストーリーなので、引き込まれてずっと見ちゃう。
ゲームは、人をキャプチャーしてキャラクターにするっていうのもそうですけど、オリジナルのキャラをCGで作って、そこに声優さんが声を当てるっていう、そういう作り方なんですね。
だから完全に架空のオリジナルキャラっていうのに声優さんが声を当ててるパターンと、声優さんじゃなくて俳優さんが声を当ててる場合もあります。
実在する本物の俳優さんをキャプチャーして、それを取り込んで、そこにご本人が声を当てるっていうパターンといくつかあるんですけど。
龍が如くだと、架空のキャラなんですけど、3割くらいは実在の俳優さんが出てくるんですよ。
その俳優さん本人で、もちろん一流の役者さんとかね。
そういう人が出てきているのにも関わらず、ストーリー見てると声の演技がついてこないというか、声と本人の3Dの見た目、ビジュアルが合ってなくて、すごい違和感を覚えるっていうか、すごい声だけ浮いてる感を感じるっていうのがちょっとあって。
今回の最新作もそうなんですが、過去作にもそれ何回もあって、見ててやっぱり自覚的になっちゃったんですよね。
それがどんな名優であっても、若くてもキャリアがある人でも関係なくて、顔の表情がすごい細かく動くようになったんですよね、今の。
たぶんアンリアルエンジン5だと思うんですけど、なったんですけど、リアルな3Dモデルだからものすごい没入しやすくはなってる。
なってんだけど、声が乗ってこないと、そこにフッて現実に戻されるっていうか、全然合ってないみたいな感じになっちゃってるっていうのがすごい感じることがあって、今回もそれはあったんですね。
でも一番ひどかったっていうか、一番違和感感じたのは、実在の俳優さんがやってるやつだったんですよ、過去作でね。ものすごい名優さん。
それって架空のキャラクターに声優さんが当てるんでも、本人の取り込みに、本人のアバターに本人が当てるんでも関係なくですか?
それともリアルに顔の表情ができるようになったから逆に違和感ができたっていう話?
これはリアルになってればなってるほどってあんまり関係ない感じがしてて、もう10年以上前の過去作からずっとそれは感じてたので、あんまりリアルだからっていうのは、私の場合ですけどね、あんまりそこは大きな要因ではないかもしれない。
この最新作もものすごいリアルだからなんですけど、本人のキャプチャーに本人が声を当ててるのにすごい浮いてる感っていうか、とこがあるのは変わらないですね、やっぱり。
それって本人の表情とか逆に想像ができて、要するにもう細かく見えるわけじゃないですか。だからこんな時にこんな動きをするって想像できちゃって、それとのズレがどうしても出るじゃないですか、ほんのちょっとでも。
だから違和感があって、架空の場合はそれがないから割と違和感なく感じるってそんなことなんですかね。
どうなんだろうな。表情が豊かにテレビドラマとか映画とか実写の映画みたいにこの目の動き、表情筋の動き、髪の動きってすごい微妙なものが動くじゃないですか、ドラマとかって。
あとは体も動くし、それから出てくるオーラっていうんですか、そういうのもあると思うんですけど、ゲームのキャラになった場合はものすごく細かく目とか口周りとか動くようになったんですよ。
それが今作のすごいところなんですけど、それがあってもなんかやっぱり完璧に実在ではないから、そこをカバーするために声の演技でものすごくちょっと大げさにするところってあるじゃないですか、声優さんの演技とかって。
ものすごくはっきり抑揚も言うし、そこの部分で架空のキャラにドーンって没入できるのは、やっぱり一流の声優さんの演技だなと思ったんですよね。
過去作の時はもっと荒いわけですよ。3Dのキャプチャーとか、ものすごくリアルでなんですけど、本当にバッチって止まってるキャプチャーなので、
そっちの方が断然すごいリアルなキャプチャーできてるけど、動きになった時にはやっぱり表情まだついてこないなーって思うとかたくさんあるんですけど、
でもそれでもそんなところじゃなくてストーリーに吸い込まれちゃうとかすごいたくさんあったんで、声の演技とかね、あるんだろうなと思いますよ。
やっぱりアニメとかって全然追従しないですね、顔の表情とかって。
だからそれでも逆に声の演技でストーリーに引き込むっていうことができている。
対してやっぱり表情とかがあまりにリアルだと、それに合ったような声とかっていうのが逆に微妙なズレがすごい違和感になっちゃうみたいな。
そんな感じなのかもしれない。
ズレは、例えばリップシンクできてないとか、口の動きに言葉が合ってないとか、そのリップシンクとか動きっていう点のズレ、ディレイっていうのは多分ほぼなくて、
言葉に乗ってくる感情っていうですかね、その部分な気がするんですよね。
ディレイとか動きの一致ではなくて、アニメとか3Dキャプチャーで推察するにこんな状況だからこんな感情ってなるわけじゃないですか。
それの乗せ方な気がすごいするんですよね。
演技の言いたいわけじゃ全然ないんだけど、すごい名優さんがシリアスなところやってても、なんでこんな棒読みなの?みたいに思うところがあるんですよ。
全然欲弱がないっていうか、たぶんその名優さんは実写の映画になった時は、
たぶん動きとか顔の表情とかいろんなもので表現してると思うんですね。
その方が実写になった時のその場面とアニメとか3Dキャラとかにそれに声を当てた時っていうのはこんなにも違うんだっていう。
声に乗る感情と文化的なコンテキストの重要性
それってよくロボットで不気味の谷とか言うじゃないですか。
あまりに人間近くなってくると逆に気持ち悪くなっちゃうみたいな。
それとちょっと似てるような人間のリアクションというか。
そうですね。
人間の脳が反応するところはここなんだなっていう感じがします。
特に私は声が好きだっていうのもあるんですけど、全ての声優さんが素晴らしいってそういうわけじゃなくて、本当に一流の人たちの演技が本当にすごいからびっくりしたんですよね。
その俳優さんとかとの違いっていうのはめちゃくちゃびっくりしたのはこの作で特に思いました。過去から思ってて。
聞きたい音が入ってくる、注意が向く音が入ってくるっていうのはこの作品もそうなんですけど、この収録とか他のビデオ会議やってた時も背景の騒音で、
例えば工事の音ですとか、空港のザーッという音ですとか、街の雑踏ですっていうところはまだいいんですよね。
でもそこから後ろに人の声が聞こえますとか、オフィスの中でよくあると思うんですよ。
PCとかバーンと広げて全部音拾っちゃうみたいな。
あんな時に人の声が入ってくるっていうと、その声に全部耳が持っていかれて、普通の雑音とだと全然比べ物にならないぐらい自分が集中できなくなっちゃうっていう経験で、
人の声が聞こえるように脳はできてるんじゃないかなって思う時はありますよね。
なんとなくそのコア色でその人の表情とかも想像してますよね。
怒ってるんじゃないかとか笑ってるんじゃないかとかって電話とかでも想像できるじゃないですか、多少は。
だからその想像してるものと実際に出てきてる表情がちょっとずれてるっていうのがすごい気持ち悪いんじゃないかなって思ったんですよね。
要するにアバターとかでも目しかありませんとか、こういうキャラクターですみたいになると、それってあまりに外れてるから全然構わないんだけど、
妙に近くなってきた時になんかすごいちょっとだけずれてるってすごい違和感あるじゃないですか。
逆に言うと、この人いつもとちょっとだけ表情のつぶやきが違うなとか、だから嘘ついてるんじゃないかとか思ったりするわけじゃないですか。
だからそういうことが逆に人間ってよくわかるようになってたりするのかなと思うんですよね。
ほんのちょっといつもと違うみたいな。
背景音もそうだと思うし、声に乗っかってくるものとか人間の声の色別とかって結構大きいなっていうのを感じてるのと、
ついこの間、人に教えてもらったんですけど、日本のNTTが開発している日本語の大規模言語モデルのがあって、
それのシリーズ、TSUZUMIっていうらしいんですよ。ローマ字でパンパンと届くこのTSUZUMIって書くんですけど、
それが一連のシステムになってて、その中で聴覚があるAIみたいな表現してたんですね。
ウェブサイトかな。聴覚とか視覚があるAI。
何のことかなと思ってわからなくて、説明のビデオを見たんですけど、動画を見たんですけど、
そこには、例えば私がAIに話しかけるときに、まだプレゼンテーションしたのできてないんだよねって言うとAIが答えると。
その答えのパターンが2つあって、このTSUZUMIの感情、聴覚を理解するAIの場合は、
大丈夫ですよ、まだ時間もあるし、うまくやればきっとできますっていうのを先に返してくると。
パターン2の場合は、プレゼンテーションの場合は、
シンプルなタイトルをつけてアウトラインを何とかでみたいな、至って真っ当なことを返してくると。
聞きたいことはこれじゃないみたいなね、そういう答えだったらしいんですけど。
その発話者の声のトーンに何が乗っているのかっていうのまで理解した上で、それを返してくるっていうことらしいんですね。
それがなんか聴覚があるAIって表現してたんですけど、声に乗ってるものが何かっていうのを理解するっていうのを理解したときに、
それで感情のトーンを音で聞き分けて、それに合ったようなのを返すっていうことなんですね。
ちょっと不安に思っている声とか、欲望がないですとか、欲望がありますとか、
そういうことで、この人やる気なんだとかやる気ないんだとか、そういうのを全部コア色から察知するっていうのは、
それがつづみのポイントなんですかね。
そうですね。聴覚があるっていうところがちょっと引かれたんで、そこしかまだ見てないんですけど。
確かに今見てると視覚と、つづみは視覚や聴覚といったモーダルに対応しって書いてあるから。
そう、マルチモーダルっていうのを標本してますよね。
その声に乗っかってくるってやつは、聴覚というか、声に乗ってるものを理解するっていうのはものすごい大事だと思うんだよね。
特にボイスでやり取りする場合になったときは、その人が何を言ってるのかって多分声のトーンで全く変わったりするじゃないですか。
こんにちはって言うときと、こんにちはって言うときって全然違うと思うし、
プレゼンまだなんだよねっていうのと、プレゼンまだなんだよねでもねっていうふうに言うときと多分違うと思うので、
そこはすごく大事でポイントだなとも思う一方で、
これってものすごい文化的なというか、その言語が持ってるコンテキスト、すごい入ってるコンテキストのものを理解した上でのことになるから、
すごい情報量だろうし、全世界で共通っていうのはそんなに多くないんだろうなっていうのは思いました。
各言語で、各地域で扱われてる感情というか表現というか、そういうのがあった上でのことだと思う。
そういう感情とか文化の差みたいなやつって、結構統計とかにもすごい出るじゃないですか。
よく調査してて、日本人は例えば満足度が最低ですとかってよく出たりするんだけど、
それってじゃあ、あとネットプロモータースコアとかみたいなやつも日本ってすごい低く出るんですよね。
ネットプロモータースコアだと10か9じゃないとプラスにならないとかってあるじゃないですか。
だいたい日本人って普通にやると8つけるから、そもそもプラスにならないとかっていうのがあったりとか。
だからそういう評価って、実はそのキャリブレーションしないといけないんじゃないの。
キャリブレーションしない状況でやっぱり比較しちゃうと、極端なものをつけないっていうカルチャーの場合は、
極端なものをつけるところに比べて数字が出にくいようなのか。
でもやっぱり国際的にバーンと比較すると、国ごとによって違うのはそういうのはだいたい考慮されずになるんで、
それって本当に意味がなくはないと思うんだけど、
実際に比較するときにどう比較したらいいのかみたいなところはまだやらないといけないところがあると思うんですけど、
このまさに音声とか感情とか、そういったもののマルチモーダルごとの評価の仕方とかっていうの。
同じ英語だと多分アメリカとイギリスで全然違ったりするみたいなところもあるんで、
これって多くすればするほど丸まっちゃうじゃないですか。最大公約数みたいになっちゃって。
でもすごい特化したときに、それとそれじゃない、その対象とその対象じゃないところをどうやって比較するのかみたいな。
なんかそういうところがね。
そこはありますね。
ちょっと前にマーケルの友達とかとNPSの話をしてて、
NPSのネットプロモータースコアでよく皆さんアンケートとかやると思うんですよ。
これを友人に勧めたいですか?1から10みたいなね。
10が最高、1が最低。
基本的には9と10をつけないと進めっていう風に分析的にはならないんで、
それを知ってる人とかマーケルの人たちはだいたい全部、悪くないんじゃないって言ったら全部9から10つけるんですけど、
日本人は必ず真ん中からちょっと上ぐらいしかつけないと。
それは本当にそうで、これのチューニングは必要だよねっていう話はしたりしてましたね。
多分やってるところもあると思います。
さらに前だと、アップストアとかの評価もそうで、
自分が働いていた前の会社とかだと、
日本はとにかく欲しい1個低く、1個が1.5とか低く出る可能性はあって、文句があるときしかコメント書かないとかね。
だから評価を低く出る傾向があるっていうのはよくあった話で、
そこは北米の本社とかでも、他の地域とかでもほぼ常識になりかけてたんですよ。
ジャパンはちょっと低く出るみたいな感じで。
そこはちゃんと通常のエネルギーの何倍もの強さで説明していかなきゃいけないので、ものすごい骨折れるんですけど、
ユーザーの方の傾向っていうのはありますね、すごくね。
文化によるコミュニケーションスタイルの違いと評価の難しさ
あとこれは評価じゃなくて、普通のコミュニケーションもそうで、
アメリカとか北米の人とか他の地域、ヨーロッパとか、
ああいう人たちと話すときも、普段の自分の自信とか、あと元気っていう、
これが例えば自分が100%ですごい元気って思ってるところの倍以上のエネルギーで話さないと、
今日何か調子悪いの?とか、彼女はどうした?って言われてしまうので、
自分の倍の元気で倍以上でっていうのはすごい疲れるんですけど、
そういう普段のコミュニケーションが違うというのはありますね。
それも声とかボディランゲージとかそういうものにいろんなものが乗ってるからだと思うんですけどね。
前、結構前にこの話って、ちょっとこのコードキャストにもしたかもしれないんですけど、
The Culture Mapっていう本があって、国によってこの本だと10個ぐらいパターンがあって、
要はトップダウンかボトムラップかとか、直接的に批判するか間接的に批判するかとか、
そういういろんな国によってパターンが違いますよね。
ハイコンテキストですかローコンテキストですかって言うんですけど、
その本の結構冒頭に出てくるこんなことが複数の国をまたがってありますよっていう例として出てくるのが、
フランス人のインターンか若い人がアメリカ人の上司について仕事をしていて、
仕事があれでいくとフィードバックするじゃないですか。
フィードバックしたときに、この上司の人は確かインシアルのプロフェッサーか何かなんですけど、
もともとアメリカ人で今フランスから住んでるんですけど、
そういう国際マルチナショナルな国のエグゼクティブとか、
そういう人たちのコンサルをしている。
実際に会った今日が、さっき言ったアメリカ人の男性の上司とフランス人の女性のジュニアの人があったかな。
どういうパターンかというと、両方にコンサルの人がインタビューしたら、
上司は直してほしいことがいっぱいあると部下の人に伝えました。
でも部下の人の聞き取り調査をしたら、
すごい上司が私のことを買ってくれてるっていう評価で、
評価が全く逆になった。
どういうことかというと、アメリカ人って本当に言いたいことを最後に言うじゃないですか。
最初すごい褒めて、あんたこういうこといいですね、いいとこすごい言って、
最後にレトリック上、バッとしてないんだけど、
最後に言いたいことが出てきて、特にシリアスでペンガティブなことって後に持ってくるんですけど、
フランス人って逆らしいんですよ。
最初にダメなこと、あんたこれはダメだと言うらしくて、
フランス人からすると最初にすごい褒められたから、後の方聞いてません。
この上司は私のことを最高に買ってるって思いました。
上司はあれだけ伝えたんだから100%伝わってるはずだって言ってるわけですね。
要するにこういうの直してほしいっていうのを、すごいちゃんと伝えた。
あれだけ言って分からなかったら分かるわけね。
俺どうすればいいんだみたいなことを思ってました。
でも実はそれって説明の仕方のレトリックじゃないですか。
それ違いね。
これ文化の差だから、みたいなことが頻繁に起きますよね、みたいな話をしてて。
昨日とかもタクシーとかウーバーみたいなやつで、
最近ここ数年ニューヨークテスラYしか走ってない全部電気自動車っていう、
ニューヨークローカルのウーバーみたいなやつがあるんですけど、
それに乗ったら終わった後の評価で5段階あるんですけど、
5段階で一番上はインクレデモとか書いてあるんです。
グレート、グレート、グッドみたいなのが書いてあって、
星が何もなく1から5個だと、よっぽど文句ない限り5にするわけですよね。
4とか3ぐらい、4とかになるとすでにどこをインプローブしたらいいですかと聞かれちゃうわけですよ。
そうですね。
だから基本的に文句なかったら5じゃないですか。
でもインクレデモって書かれちゃうと、
インクレデモ、グレート、グッドとかになっちゃうと、
ちょっとこの人インクレデモじゃないよね、みたいな。
可もなく不可もなくだから普通のウーバー基準だと5なんだけど、
ちょっとこの人そこまでじゃないよね、普通のナイスドライバーだよねって思った時に、
これって4か3を付けろって言ってんだよね、みたいな形容詞で言うのを感じたりして、
これで5を付けるって結構難しいよね、とか思ったんだけど、
でもこれアメリカ人関係ないのでピッと押したりするのかな、とか言うのあって、
すっごい悩んで5、4、ずっと行ったり来たり来たりして、
とりあえず5にしたんですけど、
でもなんかね、すごいそういう感じましたね。
ちょっとだけここの部分はあんまり言わないから、
少しだけぼかしておこうなんていう感じで、
1on1の面談、例えば人事の人とかとの面談で、
とりあえずポジティブに見せた方がいいし、
特に問題ないよみたいな感じで伝えた方がいいんだけど、
ここの部分だけちょっと控えておこうかな、なんていう感じで日本人が望んだら、
それがだいたい伝わるんですよね。
そうするとシーバーズ・リザーブドとか言われちゃうわけですよ。
全然私はそんなこと言ってないのに、
そう伝わったんだ、みたいな感じはいろんな失敗とかありますね。
僕だって部下でも言われますからね、リザーブドって。
やっぱりあるんですよね、出ちゃうんですよね、そこのとこね。
少しだけでもカバーしておこうとかっていうように思うと、
言葉とか多分表情とかいろんなものにそれが乗っかってくるんだと思うんですよね。
だからここは言わないでおこうじゃなくて、
ここを喋ろうっていう風に意識をそっちに持っていくと、
多分いいんだろうな、ちょっと演技っていうかね、それも入ってくるんだと思うんだけど。
それもそのフィードバックしてくれてる人はアメリカ人じゃないんですよ。
だからアメリカ人だとこっちもアメリカ人と思ってやるじゃない。
でも国がいろんなバックグラウンドでいるから、
微妙に外国人でアメリカに暮らしてる人とか、
外国人で日本に暮らしてる人とか、そういうパターンが僕の部下でも多いんで。
だからストレートにその人のパターンじゃなくて、
こっちもこっちでこの人はどういう風に言ったら彼女、彼的な感じで、
僕の言ってることが伝わるのかって考えながら喋ったりするんで、
それが合わない時とかっていうのは全然上手く伝わらない時とかも多分あると思うんですけど。
笑い取る時なんか多分めちゃくちゃ苦労するでしょうね。
3D空間における音の重要性と聴覚の限界
それこそコンテキストが分かってないと笑いにならないっていうのがいっぱいあると思うんですよ。
映画とかなんか特に。
翻訳者さんのインタビューかなんかで読んだことがあります。
ジョークとか笑いの時がすごい大変。
しかも文字数とか伝えるタイミングが間が決まってるから。
多様性と効率性、そして体験価値
だから笑いがずれる時ありますよね。
笑ってるタイミングが先に日本人が笑って、その後外国人が笑うとか逆のパターン。
ありますね。
ここまででもコントロールできないですよねって思って見てますけどね。
それが言語の違いと文化の違いであって、
グローバルにはならないっていうか、そこまでになる必要ないと思うんですけど。
それはやっぱりその言葉の言葉で理解しないとそこは埋められないですよね。
そうですね、本当そう思います。
言葉だけじゃないですからね。文化もね。
ロンドンに留学してた時にプログラムマネージャーの人はアメリカ人でしたけど、
もう10年くらい経ってたんですね。
プログラムの中で1日体験でコメディスクールに1日体験するっていうのがあったんですね。
それってアントリプレナーシップスクールだったんですけど、
要はプレゼンテーションの司会とかそういうのを学ぶために1日コメディスクールに入るってなって、
それはなんかエグゼクティブクラスのみくらしいんですよ。
結構すごい高いのが行けるんだから絶対行った方がいいって言われて、
普通にやると1日50万円とか取られるらしいよって言われて、
それはラッキーと思って行ったんですけど、
アメリカ人のプログラムマネージャーと話したら、
いやもう私も10年いるんだけど、
なんでここでみんな笑うのか分からないんだよねって言ってて、
笑いのコンテキストね。
だからその笑いのコンテキストが分からないから、
もちろん言葉では笑いにしないようにするのもあって、
言葉を発せずにこれを表現してくださいとか、
ジェスチャーとなんとかだけでこれで笑いを取ってくださいみたいなやつもあるんですね。
やっぱり言葉だけでは伝わらないっていう中で、
どうやってエグゼクティブとして演技をしましょうみたいなところもあって、
そういうのがあって、
イギリスもいろんなカルチャーの人がいっぱい来てる場所でもあるんで、
そういうことを意識してやってるんだろうかね。
イギリスとアメリカで既に伝わんないんだから、
それは普通に言葉で言ったら伝わんないし、笑いも伝わんない。
でもやっぱりそれをどうやってなるべく伝えるようにするのかって、
大英帝国は考えているんでしょうねとか思いながら授業を受けてました。
楽しいですよ、でもね。
最近、ペーパルの本が出たんですよ。
1年くらい前だったと思うんですけど、
ペーパルってどんな2年、3年だったかって、
そんなディテールに書いてある本はなかったんですけど、
その本がすごいディテールに書いてあって、
その中で結構外国人の人もいるわけじゃないですか、
イーロン・マスクもそうだし、
デイビッド・ザックも南アフリカ人だったりしてて、
なんで外国人がアントレプレナーとして強いのかっていうと、
今みたいに何もコンテクションが通じないところで
すごい苦労をどうやって解決していくのかっていうのを
いつもやってるじゃないですか、いつもやることになるじゃないですか。
まさにさっきの通じないとか、
通じないけど誰も助けてくれないみたいな局面がすごく多くて、
解決していくっていうのは新しいチャレンジに対して、
イッシュに対して自分なりにいろんなパターンで
なんとかして解決していこうっていうのとすごい似てるから、
それは外国人がやっぱり外国に暮らして、
そこで新しいことをしましょうっていうのは、
既に日頃の生活の中でそういうことをやってて、
蓄積がある人とそうじゃない人にやっぱり差があるのは
当然なんじゃないみたいなことを書いてあって、
コミュニケーションの中でやっぱり、
ちょっと無理やり自分のスタートアップの話になっちゃうんだけど、
企業ってそういうもんだよなってちょっと、
今までコンフォートゾーンじゃないところに入ってくるわけですよ、基本的に。
それは今言ってたいろんなパターン、
すれ違い、不気味さ、気持ち悪さ、
みたいなものをどうやって折り合いつけて、
それなりに対処していってそこそこの結論を出すのかみたいな、
そういうのに近いんだろうなっていうのもちょっと。
ハイコンテクストの日本だとなかなかそこに入っていくのを
良しとしないっていうのは、
それはね、入っていかないでいいんだったら
入っていかないほうがいいわけですよ、楽だもんと思ってて。
共通にできる土台が多いですからね、
文化とかそういうところがね。
でもこれからまたいろいろ、多様性とか言われてるんだけど、
いろんな人たちも、国の人たちも、文化の人たちもいるから、
緩やかに変わってくるんじゃないですか。
アメリカほどガーンっていうカットとかじゃなくて、
緩やかに変わってくるんじゃないかなって思いますけどね。
多様性ないと楽ちんだし、すごいいいと思うんだけど、
これはよく、疫病の発生とかのパターンじゃないんだけど、
大多数が持っているものが本当に価値が崩れるときに、
全員総崩れになっちゃうんじゃないですか。
だからダイバーシティやると、
普段はすごい効率悪いんですけど、
ニューヨークとかもすごい効率悪いんだけど、
何か起きたときに99%それに負けるみたいな人はいない。
そういうオーディエンスないんですよね。
みんなバラバラなことやってるから、
その人たち全員に悪影響を与えられるようなものって
そんな多くなくて、このパーティーには
すごいネガティブに働くけど、
このパーティーはあんまり影響を受けませんよみたいなやつが結構
多いから多分、生き残りやすい。
新しいものが来たときに、生き残った人たちがガーッと伸びていく
ということができる。
全員がうまくいっているときはずっとうまくいっているけど、
全員の人たちに対してネガティブなやつが来ると
全員倒れちゃうみたいなのがあるじゃないですか。
それがバブル。
全部当たったみたいな感じでワーッときてて、
すごい伸びてて、でも世の中が変わったときに、
そっち側のパターンは全く誰一人想像してませんでした。
急にダメになるみたいな。
そういうのがやっぱりモノカルチャーのところでは起きやすいんだろうなと思います。
もう一個ね、今ね、
途中で思い出して入れる場所ないなと思ったんですけど、
とりあえず言っておいていい?
音のね、人間の脳が聞きたいものを聞くっていう
話に関連なんですけど、別に声だけを
聞きたいわけではなくて、音で判断していることって
すごい人いっぱいあって、もうなくなっちゃいましたけど
ホロレンズってあったじゃないですか、マイクロソフトの。
ホロレンズのチームがカンファレンスで一番最初に
そのUIとか発表しているときに、
開発者の人たちがすごい強調してたのが、
音をめちゃくちゃ大事にしろって言ってたんですよ。
ビジュアルの表現も、きれいな表現も、もちろんそれも大事なんだけど、
これを動かすときに、例えばカチッとする音とか、
何かを触ったときの音とか、音で表現するものが
この3D空間の中ではすごくポイントになるから、
そこにめちゃくちゃ気遣えみたいなことを
プレゼンティベロッパーカンファレンスで言っているのがあって
へーとか思ったんですけど、実際自分が3D空間とかで
体験してみると、確かそうなんですよね。
ボタンを押すというときに、何の空間の多度を
手をパカパカしているだけだから、何のフィードバックもないわけですよね、触覚の。
そこに音がカチッと入るとか、
ビジュアルでは平面を押したときに、
指がそこに吸いつくような感じがするだけでも全然違うじゃないですか。
そこで音が、人間の脳が規定している
音のフィードバックっていうのが必ずあるなっていうのを感じたので、
後になってようやくアフロレンズのスタジオに行ったら
こういうことなんだっていうのを思いましたね。
あとゲームとか映画とかの効果音でも、
実際にはほぼ聞こえないんだけど、すごい大げさに出る効果音
っていうのがあるらしいんですよ。
ワイヤードの前、プロだけどなんか聞くことあるみたいな動画で
言ってたんですけど、例えば手を握るときに、
手を握るときって音ほとんどしないじゃないですか。
ギューッと音するのあったらずっと思ってたよね。
ゲームとか。あと銃を取り上げるときの音とか。
あれもほとんどしないんだけど、結構大きめに入れてるとか。
っていうのを裏側やってて、
なるほど、確かにって思ったんだよね。
すごい面白かったっていう話。
僕今ちょっと左耳があんまり聞こえてないんですよ。
大丈夫?
ちょっと断腸なんですけど。
昨日、
子供の持ってるGPSのトラッカーが見つからなくて、
家の中にあるってことが分かって、
もう大体どの辺にあるか分かったんですけど、
音を鳴らしてピーって鳴らしてたんですけど、
初めて今の片耳しか聞こえないから、
この一角で鳴ってるって分かるんだけど、どこか分かんない。
だからこうやってやってこう動かしていっても、
5次元の方向しか分かんないですね。
だからこっちの方にやってこうやってやると聞こえなくなるんだけど、
それって物が1個裸で出てるんだったらいいんだけど、
服の中に入ってますみたいな感じだと、
当然音が反響するじゃん。
だからその反響で3Dでどこにあるのかっていうのが、
片耳だと分かんないんですよ。
本当に立体音響のやつですね。
ステレオの左右と後、奥行きとかあるんでしょうね。
ほら、目の時も片目だと奥行きが分かんないって言うじゃないですか。
でもだから完全に耳もそういう風になってて、
結局分かんなくて、
片方だけで探すんですか?
できるだけ見つからなかったんですよ。
ベビースタイルの人が知ってるだろうと思って電話して、
この辺りなんだけど、
どこか覚えてないって言ったら、
あのジャケットの胸ポケットですって言われて、
こうやって出したら出てきたんですけど、
それ鳴らしても見つからない。
面白いですね。
そこから音がいろんなところに反響しちゃってて、
複数から取れないじゃん。
一方向だと反射の方が大きく打たればそっちに聞こえちゃうんですよ。
でも複数反射があったら立体の位置が分かるんでしょうね。
立体音響とかね、
最近収録してくれるポッドキャスターさんもいたりするじゃないですか。
その時に鳥が
左奥から聞こえてくるっていうのとか、
そういうのを歩きながら聞いてると本当に危険なんですよ。
現実世界とあれ?って思ったりとか、
車が通り過ぎる音とか、
奥行きとか距離感が分かるとすごいなと思う。
でも話してる人の声は自分の脳の真ん中から聞こえますよね。
あそこだけが前方から聞こえてきたりとかっていうのはあったりするけど、
でも収録するときはマイクの中心に声があるから、
その通りだな、その通り再現されてるんですけど。
音はね、昔からまさに
ここに聞こえるんじゃなくて、ここに聞こえるようにするっていう。
テクノロジーとしてはあるけど、
そんなにずっと疲れてなかった。
サラウンドのスピーカーとかで聞いてると、
シアターモードにするといろんなところから聞こえるじゃないですか。
でも気が付くとそういう場所に自分を置いて聞くことが減っちゃってて、
一時期はテレビを置いて
7.1だとかやってやってたんだけど、
結局気が付くと普通のヘッドホンとかでやってると、
ある程度の効果はあってもそこまでの効果は得られないし、
対応してないよね。
そうするとやっぱりだからこそ
本当のライブに行くとか映画館に行くとかっていう体験と、
それ以外の体験っていうのはすごい大きく、
デジタルだから元のソースは一緒でも、
そのアウトプットの仕方で全然体験が変わる。
だからそこにお金を払うんですっていうのが
やっぱりこの10年20年の流れなんですよね。
感情が乗る声、音からのコミュニケーションの話ですね。
人と人のコミュニケーションから文化と文化のコミュニケーションの話ですね。