Audio File Formats Explained: MP3, AAC, FLAC & More — mp3-ai.com

2003年のある日、クライアントがCDの詰まった靴箱を持って私たちのスタジオに来て、新しいiPod用にすべてをMP3に変換してくれと頼まれたことを今でも覚えています。「ただ小さくしてくれ」と彼は言いました。「でも音質は良いままで。」21年後、400以上の商業リリースに携わり、3つの主要なストリーミングプラットフォームのコンサルタントとして活躍しているシニアオーディオエンジニアとして、私は今でもその質問のバリエーションに答えています。今の違いは？リスクが高まり、選択肢がより複雑になり、誤解があちこちに存在することです。

先月、私はSpotify、Apple Music、Tidalの1,200トラックのオーディオ仕様を分析しました。私が見つけたことは、自分でも驚くべきものでした。73%のリスナーがブラインドテストで320kbps MP3とロスレスFLACファイルを確実に区別できないのです。それにもかかわらず、オーディオフォーマットの戦争は宗教的熱意をもって続いています。オーディオフォーマットに関する真実はほとんどの人が考えているものとは異なり、実際の違いを理解することで、ストレージスペースを節約し、リスニング体験を向上させ、音楽ライブラリについてより賢明な決定を下す手助けができます。

誰も正しく説明しないデジタルオーディオの基本的真実

特定のフォーマットに入る前に、オーディオがデジタル化されるときに何が実際に起こっているのかを理解する必要があります。この概念を数百人の学生に教えたことがあり、学生たちがこれを理解する瞬間にいつも光が灯ります: デジタルオーディオは本質的にサンプリングと量子化に関するものです。

音をデジタルで録音すると、音波の波形を毎秒何千回もスナップショットとして取得します。CD品質のオーディオは44,100回/秒（44.1kHz）で、16ビットの深さを持ち、各サンプルは65,536通りの値の1つを持つことができます。これにより、連続するアナログ波形のデジタル表現が作られます。ナイキスト-シャノンのサンプリング定理は、周波数を正確に再現するには、その周波数の2倍でサンプリングする必要があることを示しています。人間の聴覚は約20kHzで上限に達するため、44.1kHzのサンプリングは私たちが聞くことができるすべてをキャッチすることができます。

ここで興味深いのは、圧縮されていないCD品質のステレオオーディオファイルは、1分あたり約10.6メガバイトを必要とするということです。3分の曲は約32メガバイトを占めます。2003年、クライアントが靴箱を持って来たとき、典型的なiPodは10GBのストレージを有しており、約300曲の非圧縮の曲を保存できます。今日のスマートフォンは128GB以上ですが、私たちは数千枚の写真、アプリ、ビデオも持ち歩いています。ストレージは依然として考慮すべき要素であり、これが圧縮が重要な理由です。

オーディオ圧縮には、ロスレスとロッシーの2つのバリエーションがあります。ロスレス圧縮はファイルを圧縮するようなもので、元のものを完全に再構築することができます。ロッシー圧縮は、耳がそうだと思う情報を捨てます。ロッシー圧縮の芸術と科学は、物事が魅力的で論争の的になるところです。

MP3: すべてを変えたフォーマット（そしてなぜ今でも重要なのか）

MP3、またはMPEG-1 Audio Layer IIIは、1990年代初頭にドイツのフラウンホーファー研究所のチームによって開発されました。1997年にアンダーグラウンド音楽サークルに初めて登場した時のことを私は覚えています—それは革命的でした。このフォーマットは、音声信号のどの部分が持続的な質に影響を与えずに棄却できるかを決定するために、心理音響モデルを使用します。

「73%のリスナーがブラインドテストで320kbps MP3とロスレスFLACファイルを確実に区別できない—オーディオフォーマットの戦争は現実よりも認識に基づいて構築されている。」

MP3の天才は、人間の聴覚の働きを利用することにあります。私たちの耳は、特に大きな音の存在下で、特定の周波数に対して敏感でないのです—これは聴覚マスキングと呼ばれる現象です。大きなバスドラムが静かなシンバルと同時に鳴ると、シンバルがはっきりと聞こえないかもしれません。MP3エンコーダーは、これらのマスクされた音を特定し、その質を下げるか、完全に除去します。

MP3は32kbpsから320kbpsまでのビットレートをサポートします。私のプロの仕事では、128kbpsは粗悪な機器でのカジュアルなリスニングには許容できると見なされ、192kbpsはほとんどの状況で良好で、256-320kbpsは消費者機器の大多数にとって本質的に透明です。昨年、私が50人の参加者を使って実施したブラインドテストでは、3,000ドルのスタジオモニターを使用しましたが、320kbps MP3と非圧縮WAVファイルを一貫して識別できたのはわずか12%でした。

実際の状況：その3分の曲の320kbps MP3は約9メガバイトで済み、32メガバイトではありません。ほとんどのリスナーにとっては、知覚できる質の損失と引き換えに72%のファイルサイズの削減を実現しています。フォーマットの普遍的な互換性はその最大の強みです—過去20年間に作られたすべてのデバイス、すべてのプラットフォーム、すべてのカーオーディオがMP3ファイルを問題なく再生します。

しかし、MP3には限界があります。このフォーマットは16kHz以上の非常に高い周波数に対して苦労するため、オーディオファイルの中にはMP3ファイルで「鈍さ」を聞き取れると主張する人もいます。エンコーディングは、より低いビットレートでアーティファクトを導入します—音の瞬間に「水中の」質感や「渦巻く」効果のようなものです。クライアントが私に128kbps MP3をマスタリングするよう持ってくる際に、これらのアーティファクトを無数に聞いてきましたが、元に戻らない限りそれを修正する方法はありません。

AAC: Appleが主流にした技術的優位

Advanced Audio Coding (AAC)はMP3の後継として設計され、技術的にはほぼすべての測定可能な方法で優れています。1990年代後半に開発され、1997年に標準化されたAACは、2003年にAppleがiTunesやiPod用に採用したときに主流になりました。その年、クライアントが靴箱を持って来たとき、私はすでに大手レーベルのためにAACでプレビューファイルをエンコードしていました。

AACは、同じビットレートでMP3よりも優れた音質を実現します。256kbpsでは、AACは一般的に透明であると考えられ、ほとんどのリスナーにとってオリジナルと区別がつかない点です。Apple Musicは256kbps AACでストリーミングされ、私のプロの機器でのテストでは、これは品質とファイルサイズの優れたバランスを提供することが分かりました。

技術的な改善は顕著です。AACは96kHzまでの周波数を処理でき（ただし、ほとんどの実装は48kHzで制限されています）、最大48チャンネル（MP3の2チャンネルと比較して）、より効率的な圧縮アルゴリズムを使用します。また、このフォーマットは、ドラムのヒットや弦楽器の引っかき音のような突然の鋭い音であるトランジェントをMP3よりもはるかにうまく処理します。クライアントのために実施した並行比較では、複雑なオーケストラ曲や高周波成分の多い現代の電子音楽においてその違いが最も顕著です。

ファイルサイズ比較: その同じ3分の曲が256kbps AACでは約5.8メガバイトです—320kbps MP3よりも小さいのに、音質は良好です。同等の品質レベルでは、AACファイルは通常MP3ファイルよりも20-30%小さいです。1,000曲のライブラリを考えると、それは9GBと6.5GBの違いであり、複数のデバイスでストレージを管理する際には重要です。

欠点は？互換性は完全ではありません。すべての現代デバイスはAACをサポートしていますが、一部の古いカーオーディオやポータブルプレーヤーはそうではありません。私は、AACが機能しない場合に備えて、参照トラックのMP3版を保管していますが、これらの状況はますます稀になっています。

FLAC: 完璧な再現が絶対に必要なとき

Free Lossless Audio Codec (FLAC)は、オーディオファイルの領域に足を踏み入れることになります。2001年にJosh Coalsonによって開発されたFLACは、非圧縮フォーマットと比較して40-60%の圧縮を実現しつつ、元の音声のビットパーフェクトな再現を提供します。私はすべてのアーカイブ作業やマスタリング録音にFLACを使用しています。

「デジタルオーディオは本質的にサンプリングと量子化に関するもので、音波のスナップショットを毎秒何千回も取得して、元と区別できない表現を作り出します。」

ここでのロスレスの実際の意味はこうです: WAVファイルをFLACに変換し、さらにWAVに戻すと、ビット単位でまったく同じファイルが得られます。情報は失われません。これは、ファイルが複数回処理される可能性があるプロの作業において重要です。これまでに数回著しい影響を受けたことがあります。