音声コーデックとは?
音声コーデック(coder/decoder)は、音声を圧縮・展開するアルゴリズムです。音声の保存・配信方法、一定の音質でのファイルサイズ、再生できるデバイスを決定します。適切なコーデックを選ぶには、忠実度、ビットレート、レイテンシー、互換性のバランスを考慮します。
コーデックとコンテナーの違い
コーデックとコンテナーは異なるものです。コンテナー(MP4、MKV、WebM など)は、一つ以上の音声・動画ストリームとメタデータを格納できる入れ物です。コーデックは、そのコンテナー内で実際に使用される圧縮方式です。たとえば、MP4 ファイルには AAC 音声が含まれることが多く、WebM ファイルには通常 Opus または Vorbis 音声が含まれます。
音声コーデックの仕組み
未加工のデジタル音声は、通常 PCM(パルス符号変調)で保存されます。PCM は正確ですが、サイズが大きくなります。コーデックは圧縮によってサイズを削減します。可逆コーデックは情報を失わずに PCM を圧縮します。非可逆コーデックはさらに、人間の耳では聞き取りにくい細部を削除します(心理音響モデル)。そのため、音質が多少低下する代わりに、ファイルサイズを大幅に削減できます。
非可逆・可逆・非圧縮
- 非可逆:データを削除してファイルを小さくする方式。サイズが重要なストリーミングや一般的なリスニングに最適。例:MP3、AAC、Opus
- 可逆:すべての情報を保持しながら圧縮する方式。マスタリング、アーカイブ、プロ向けワークフローに最適。例:FLAC、ALAC
- 非圧縮:圧縮せずに PCM エンコーディングを使用する方式。圧縮のオーバーヘッドをなくす必要がある編集パイプラインに最適。PCM は一般に WAV または AIFF コンテナーに保存されますが、これらのコンテナーはコーデックではありません。
音質とサイズに影響する主な設定
- ビットレート:サイズと音質を最も直接的に調整する設定。通常、ビットレートが高いほど音質も向上します。可変ビットレート(VBR)は音声の複雑さに応じて変化し、固定ビットレート(CBR)は予測しやすい特性を持ちます。
- サンプルレート:1秒あたりのサンプル数(例:44.1 kHz、48 kHz)。高いほど細部を捉えられますが、サイズも増加します。
- チャンネル:モノラル、ステレオ、マルチチャンネル。チャンネル数が多いほどサイズも大きくなります。
- ビット深度:主に可逆・非圧縮音声に関係する設定(例:16ビットと24ビット)
主な音声コーデックと用途
- AAC:音楽や一般的な再生の標準として有力な選択肢。MP4 での互換性が非常に高い
- MP3:レガシー形式ながら、現在も幅広くサポート。同じビットレートでは AAC や Opus より効率が低い
- Opus:通話、リアルタイム用途、低ビットレートのストリーミングに最適。小さいサイズでも優れた音質
- FLAC:高音質の音声のアーカイブや配布に適した可逆圧縮
- PCM:編集パイプラインやデータ交換向けの非圧縮音声エンコーディング。一般に WAV または AIFF コンテナーに保存
適切なコーデックの選び方
- ストリーミングやポッドキャスト:必要なデバイス対応に応じて AAC または Opus
- 通話やリアルタイム用途:低レイテンシーと効率性に優れた Opus
- アーカイブやマスタリング:FLAC、または WAV コンテナーに格納した非圧縮 PCM
- 互換性を最優先:レガシーデバイスでは依然として MP3 が優位。ただし AAC も幅広くサポート
Transloadit による音声エンコーディング
当社の 🤖 /audio/encode Robotを使うと、少数のパラメーターで音声を一般的なコーデックに変換できます。以下は、アップロードしたファイルを 128 kbps の MP3 に変換する最小限の例です。
保存用の Step では、名前を付けた Amazon S3 の Template 認証情報を作成し、YOUR_AWS_CREDENTIALS をその保存名に置き換えます。S3 Block Public Access を有効にした非公開バケットを使用し、ACL ヘッダーや grant ヘッダーは指定しないでください。bucket-default の設定は、生成される ACL ヘッダーを省略するもので、バケットを非公開にするものではありません。非公開の結果を読み取るには、別途読み取り権限が必要です。返された URL 自体にアクセス権を付与する効果はありません。
{
"steps": {
"encode_mp3": {
"robot": "/audio/encode",
"use": ":original",
"preset": "mp3",
"bitrate": 128000
},
"store": {
"robot": "/s3/store",
"use": "encode_mp3",
"credentials": "YOUR_AWS_CREDENTIALS",
"acl": "bucket-default"
}
}
}
可逆形式で出力するには、適切な可逆プリセットを選択してください。bitrate を大きくしても、非可逆コーデックが可逆になるわけではありません。サンプルレートを変更する場合は、sample_rate を目的の値に設定します。
音声エンコーディング
High-quality FLAC encoding
(English)音声エンコーディング
Loudness Normalization
(English)次のステップ
- 音声エンコーディングの詳細と、🤖 /audio/encodeのドキュメントをご覧ください。
- コーデック選びでお困りの場合は、hello@transloadit.com までお問い合わせください。
