Common Media Application Format(CMAF)とは?
共通メディアアプリケーションフォーマット(CMAF)は、ISO/IEC 23000-19 として規定された MPEG 標準で、分割されたメディアを fragmented MP4 としてエンコードし、パッケージ化します。HLS と DASH が同じメディアオブジェクトを参照できるよう、トラック構造、暗号化、メディアプロファイルを規定しています。
Common Media Application Format(CMAF)の仕組み
CMAF が定義するのはメディアオブジェクトであり、マニフェストや配信プロトコルではありません。プレゼンテーションは、HLS と DASH の両方が実装する抽象的なアプリケーションモデルに委ねられています。CMAF トラックは動画、音声、字幕のいずれか一種類のメディアを保持し、デコーダーを初期化する CMAF ヘッダーと、それに続くフラグメントで構成されます。同じコンテンツを異なる設定でエンコードしたもののうち、プレーヤーがフラグメント境界で切り替えられるものが、スイッチングセットを構成します。同じメディア種別のスイッチングセットは、言語やコーデックが異なるものも含め、選択セットを構成します。プレゼンテーションは、同期された選択セットを組み合わせたものです。配信時には、フラグメントをセグメントにまとめるか、チャンクに分割します。HLS メディアプレイリストは一つのトラックのセグメントを列挙し、EXT-X-MAP でそのヘッダーを参照します。DASH MPD も同じファイルを参照できます。
要点
- CMAF トラックはそれぞれ一種類のメディアを格納するため、音声と動画は別々にパッケージ化され、リクエストされます。Apple の HLS ガイダンスでは、一般に CMAF セグメントに複数のメディア種別を含めることはできず、CMAF トラックごとに一つのメディアプレイリストを用意するべきとしています。また、各セグメントには、トラックの CMAF ヘッダーを指す
EXT-X-MAPタグが必要です。そのため、多重化されたトランスポートストリームのセグメントは、名前を変更するだけでは不十分で、再パッケージ化する必要があります。プレーヤーがセグメントをデコードするには、対応するヘッダーを事前に取得する必要があります。 - セグメントは一つ以上の完全なフラグメントで構成され、チャンクは一つのフラグメント内の連続するサンプルの部分集合です。フラグメントは独立してデコードでき、プレーヤーはフラグメント境界で代替メディアを切り替えます。チャンクは遅延を減らすためのもので、フラグメントが完成する前に公開できます。ただし DASH-IF は、チャンクはビットレートの切り替えやランダムアクセスのために生成されるものではないと説明しています。配信経路とプレーヤーの連携も必要です。DASH-IF の低遅延ガイダンスでは、パッケージャーへの取り込みから CDN エッジまで HTTP チャンク転送エンコーディングを使用することを求め、低遅延クライアントについては別の要件を定めています。HLS はチャンクをプレイリスト内の部分セグメントとして公開し、部分セグメント、ブロッキング型プレイリスト再読み込み、プリロードヒントの併用を低遅延モードと定義しています。
- CMAF を使っても、一つの暗号化済みコピーですべてのデバイスに対応できるわけではありません。CMAF は、非暗号化コンテンツ、
cbcs暗号化、cenc暗号化のプレゼンテーションプロファイルを定義しています。Apple は、HLS が対応するのは非暗号化とcbcsのみとしています。Microsoft の文書では、PlayReady はクライアントバージョン 4.0 以降で、オプション機能としてcbcsに対応し、それ以前のクライアントはcencのみに対応すると説明しています。したがって、cbcsのコピーでは 4.0 より前の PlayReady デバイスに対応できず、cencのコピーでは Apple の HLS プレーヤーに対応できません。単一の暗号化済みコピーでの配信を計画する前に、対象デバイスの DRM クライアントバージョンを確認してください。 - HLS で CMAF を配信するには、fragmented MP4 に対応するプレーヤーが必要です。Apple によると、HLS 仕様が fMP4 セグメントに対応したのは 2016 年9月です。それ以前の改訂に基づくクライアントでは CMAF コンテンツを処理できない可能性が高いとし、対応が見込まれる最初の Apple リリースとして iOS 10、macOS 10.12、tvOS 10 を挙げています。プロトコルバージョンについては、HLS 草案は I フレーム専用ではないメディアプレイリスト内で
EXT-X-MAPを使用する場合、互換性バージョン 6 以上を要求しています。一方、FFmpeg の HLS マルチプレクサーの文書では、fMP4 セグメントは HLS バージョン 7 以降で使用でき、トランスポートストリームのセグメントはすべての HLS バージョンと互換性があると説明しています。Apple の一覧は同社のプラットフォームのみを対象としているため、引き続き対応する必要がある他のデバイスでも fMP4 の再生をテストしてください。fMP4 を再生できない HLS クライアントには、CMAF 版に加えて、トランスポートストリーム形式の代替メディアも引き続き必要です。
Common Media Application Format(CMAF)が重要になる場面
同じコンテンツを HLS と DASH の両方のプレーヤーに配信し、ストレージと CDN キャッシュにセグメントを二組ではなく一組だけ保存したい場合は、CMAF を使用します。効果が得られるのは、対象プレーヤーの対応範囲が重なる場合に限られます。すべてのクライアントがフラグメント化 MP4 を再生し、選択したコーデックをデコードできる必要があります。保護されたコンテンツでは、同じ暗号化方式への対応も必要です。CMAF はマニフェストを提供しないため、共有セグメントを参照する HLS プレイリストと DASH MPD は、引き続きそれぞれ公開する必要があります。
Common Media Application Format(CMAF)での Transloadit の活用
Transloadit の Robot /video/adaptive には、technique パラメーターの値として cmaf があります。文書では、同じ fMP4 セグメントを参照する MPEG-DASH と HLS の両方のマニフェストを伴う、FFmpeg ベースの CMAF 出力と説明されています。この方式では、playlist_name が DASH マニフェストの名前を、hls_playlist_name が HLS マスタープレイリストの名前を指定します。この Robot は通常、代替メディアを生成する /video/encode の後で使用します。
文書によると、cmaf では、すべての音声が最初の音声言語をラベルとする一つのアダプテーションセットに格納され、既知の音声言語が複数ある入力では Assembly に警告が追加されます。多言語音声には、technique: "hls" と audio_group: true の併用を推奨しています。Robot ページには、コンテンツ暗号化や低遅延チャンクのオプションに関する記載はありません。
出典
- MPEG:MPEG-A 第 19 部、分割メディア向け共通メディアアプリケーションフォーマット(CMAF)(ISO/IEC 23000-19 の各版)
- Apple:HTTP Live Streaming(HLS)で使用する共通メディアアプリケーションフォーマットについて
- IETF draft-pantos-hls-rfc8216bis-22:HTTP Live Streaming 第 2 版(第 2 節「概要」、第 3.1.2 節「フラグメント化された MPEG-4」、第 3.2 節「部分セグメント」、第 8 節「プロトコルバージョンの互換性」)
- DASH-IF の IOP v4.3 変更要求:DASH の低遅延モード(2020)
- Microsoft Learn:PlayReady のコンテンツ暗号化モード(クライアントバージョン別の cenc と cbcs 対応)
- FFmpeg フォーマットドキュメント:dash マルチプレクサー、hls マルチプレクサー(hls_segment_type)、cmaf movflag
- Shaka Packager の課題 #1475:出力ごとに異なる保護方式を使用する方法についての質問