このところ、YouTubeで落語をよく聞いている。元々好きなのだけど、たべものラジオの原稿を書くに当たって、いろいろと勉強させてもらっているんだ。次のシリーズは、落語が描く世界から時代背景を紐解いていくという構成にするつもり。
まぁ、落語というライブ感たっぷりの演芸を文字起こしするという野暮なことをしているわけだけれど。これが、意外と大変なのだ。
最近では、自動で文字起こしをしてくれる機能が搭載されたから、それを使えばある程度は上手いこといくのじゃないかと思ったんだよね。ところが、だ。音声認識による文字起こしだと、江戸っ子のべらんめぇ調は難しいらしい。それに、一人で何役も演じ分けているというところも認識を難しくさせているのかもしれない。
AIによる音声認識がどうなっているのか、よくわからない。不思議なもので、ぼくらは一人の人が演じているにも関わらず、なんとなく複数の人物がいるように錯覚しながら落語を楽しんでいる。立川志らくさんによると、落語というのは芝居みたいに演技しちゃいけないらしい。そんなに感情を込めてしまうと、全体的にわざとらしく、臭い芝居みたいになっちゃうんだとか。だとすると、余計に聞き分けるのが難しい気がする。
ぼくみたいな素人でも分かりやすいのは、音の高低。登場人物が二人いるときは、単純に音の高低だけでも演じ分けが出来そうだ。若い人だったり、威勢のよい人を表現するときは高めの声で話す。大家さんとかご隠居さんといった年配、それから「時そば」みたいな演目だったら蕎麦屋さんも、少しばかり低いトーンで演じているような気がする。
視覚的には、首を左右に向けたり、視線でもって身長の違いなんかを表している。それを見ればよりわかりやすくなるのだけれど、声だけ聞いていても違いが分かるのだから凄い。
凄いというのは、落語さんの「ワザ」ももちろんなのだけれど、人間の認知能力も凄いと思うんだ。ある意味、自分から錯覚しようとしている節がある。それにしても、ストーリーもオチも知っているような有名な古典落語を聞いていると、本当にうまい落語家さんが演じる場合は、わかっているのに笑ってしまう。その世界観に思い切り引き込まれてしまう。
テンポというか、リズムもあるんだろうな。普段、あまり意識することがないだけで、実はひとりひとりの話すリズムが違うように思う。全体的に早い人。ゆっくり喋る人。そういう違いもある。それから、「あのー」とか「えーっと」というフィラーが入るタイミングも違う。無言の間もあるし、逆に相手の言葉に被せることもある。アクセントやボリュームの変化もリズムを生み出す要因だろう。
ひとつずつ取り上げていくと、とても細かい部分で違いが生まれているように見える。10人くらいの人を集めて、それぞれの会話を楽譜に書き起こしたらどうなるのだろうか。言葉そのものが持つ意味を消した時、なにか面白い特徴が見えてきそうだ。
ポッドキャストのような音声コンテンツで、ぼくらは「どうやって聞き分けている」のだろうね。人間の頭の中が、どんな働きをしているのかと考えると面白い。仮に、上記に上げたように細かなポイントをいくつも複合して判断しているとしたら、なにも意識していないのに、脳が勝手にそれを行っているということになる。
演じる人は、それを感覚で再現している人もいるだろう。一方で、こうした細かいところをひとつひとつ理解して、うまく使っている人もいるのだろう。
そういう意味では、落語の文字起こしという野暮な作業も無駄ではないのかもしれない。ぼくは落語家ではないけれど、可能なら少しくらいはその「ワザ」を身に着けたいものだと思う。
よく、「会話は聞くのが8割で、話すのが2割」という話を聞く。ぼくみたいに、放っておく喋りまくってしまうタイプにとっては、自重するためにはそのくらいの心構えが良いのだろう。ただ、二人で会話しているときに8対2のバランスにすると、結局相手が8割話さなくちゃいけないことになるでしょう。もし相手が喋りたい人なら良いけれど、そうじゃない場合はその役割を自分で引き受けなくちゃいけない。だったらさ。どうせ喋らなくちゃいけないんだから、面白くて聞きやすい方が良いと思うんだ。
たべものラジオでは、ぼくが解説する役割をになっているわけじゃないですか。で、ぼくが8割聞き手に回ってしまったら、コンテンツが成立しないのだ。落語の場合は、一人でずっと喋り続ける。つまり10割。それでいて、ちゃんと人の心を掴んで、ちゃんと楽しませて、ちょっとためになるし、豊かな時間を過ごせる。ほんとに凄いことだ。
今日も読んでくれてありがとうございます。落語が好きで凄いよねっていう話に終止してしまった。なんというか、こうね。少しばかりは良いところを取り入れて使いこなせるようになる。っていうことになると、いい塩梅なんだが。うまいこといかねぇなあ。
