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

2003年のある日、クライアントが「FINAL MIX - DO NOT LOSE」とシャーピーで書かれたCD-Rを抱えて私のスタジオに歩いて来たのをまだ覚えています。彼はバンドのデビューアルバムの録音に15,000ドルを費やしており、このディスクには彼らのマスター録音の唯一のコピーが含まれていました — 「スペースを節約するために」128 kbps MP3ファイルに圧縮されていました。私の心は沈みました。オーディオエンジニアとして20年の経験が私に多くの教訓を与えてくれましたが、その瞬間は重要な何かを結晶化させました：オーディオフォーマットを理解することは単なる技術的知識ではなく、アートを保存し、投資を保護し、何百万人もの人々が音を体験する方法に影響を与える情報に基づいた決定を下すことなのです。

私はマーカス・チェンで、プロフェッショナルオーディオ制作に20年を費やしてきました。大手レコード会社のアルバムのマスタリングからストリーミングプラットフォームの実装に関するコンサルティングまで様々です。私たちが音を保存し、配信し、消費する方法は完全に変わりました。今日はオーディオフォーマットの世界を明らかにし、それぞれのフォーマットが何であるか、いつ、なぜ使用すべきかを説明します。あなたが音楽家であれば創造的な作品を守りたい、ポッドキャスターであれば配信の最適化をしたい、あるいは単に音質を重視する人であれば、このガイドは自信を持って決定を下すための知識を提供します。

デジタルオーディオに関する基本的な真実

特定のフォーマットに入る前に、音をデジタル情報に変換するときに実際に何が起こっているのかを理解する必要があります。これをクライアントに説明する際、私はシンプルなアナロジーを使います：直線だけで完璧な円を描こうとすることを想像してください。線を多く使うほど、円は滑らかに見えます。デジタルオーディオも同じように機能します — 連続した音波を離散的なサンプルに分割しています。

デジタルオーディオの品質を定義する2つの重要な仕様はサンプルレートとビット深度です。サンプルレートはヘルツ（Hz）で測定され、オーディオ信号を1秒間に何回測定するかを決定します。CD品質のオーディオは44,100 Hzを使用し、つまり、音波の44,100枚のスナップショットを毎秒取得します。96,000 Hzや192,000 Hzのような高いサンプルレートはさらに詳細をキャプチャしますが、人間の耳の制約により、ほとんどのアプリケーションにおける実際の利益は議論の余地があります。

ビット深度はダイナミックレンジを決定します — 私たちが捕らえられる最も静かな音と最も大きな音の違いです。16ビット録音（CD品質）は約96デシベルのダイナミックレンジを提供し、囁きからロックコンサートまでをカバーします。プロの録音は通常24ビット深度を使用し、144 dBの範囲を提供しますが、これは録音やミキシング中にヘッドルームを増やし、最終的な配信には過剰かもしれません。

ここが面白いところです：CD品質（44.1 kHz、16ビット）の非圧縮ステレオオーディオファイルは、約10 MB/分を消費します。3分の曲は30 MBを占めます。フルアルバム？約600-700 MB。1990年代後半、インターネット接続の平均が56 kbpsで、ハードドライブがメガバイトで測定されていた時代には、これは全く実用的ではありませんでした。このストレージと帯域幅の問題が、今日私たちが使用する圧縮オーディオフォーマットの全エコシステムを生み出しました。

MP3：すべてを変えたフォーマット

MPEG-1 Audio Layer IIIフォーマット — 短縮してMP3 — は、音声配信を革命的に変えただけでなく、人間が音楽を消費する方法を根本的に変えました。ドイツのフラウンホーファー研究所によって開発され、1993年に標準化されたMP3は、音質を保ちながら10:1以上の圧縮比を実現するために心理音響モデルを使用しています。

「オーディオフォーマットを理解することは単なる技術的知識ではなく、アートを保存し、投資を保護し、何百万人もの人々が音を体験する方法に影響を与える情報に基づいた決定を下すことなのです。」

MP3の天才は、何を捨てるかにあります。人間の聴覚にはよく知られた制限があります：私たちはおおよそ20,000 Hz以上の周波数を聞くことができず、特定の周波数範囲に対する感受性は低く、大きな音は同時に発生するより小さな音を隠します。MP3エンコーダはオーディオを分析し、私たちの耳がほとんど認識しないであろう情報を廃棄します。320 kbpsのMP3ファイル — MP3エンコードの最高品質標準 — は、曲を30 MBから約7.5 MBに減少させ、ファイルサイズを75%削減します。

私のスタジオでの作業では、MP3エンコードと非圧縮オーディオを比較する為の数え切れないほどのブラインドリスニングテストを行ってきました。320 kbpsでは、現代のエンコーダLAMEを使用すると、ほとんどのリスナー — トレーニングを受けたオーディオプロフェッショナルでさえ — 消費者用の再生機器を使用する場合、A/B比較でMP3を一貫して特定するのに苦労します。192 kbpsに下げると、トレーニングを受けた耳はアーチファクトに気づき始めます：シンバルの微妙な「渦巻き」、ステレオイメージの減少、または高音域の空気感とスペースの微妙な損失です。

私がクライアントと共有する実際の現実はこうです：320 kbpsのMP3は、個人の音楽ライブラリ、ポッドキャストの配信、品質を完全に犠牲にすることができないがファイルサイズが重要な場合において優れた選択です。しかし、MP3は損失のあるフォーマットです — 一度MP3にエンコードすると、捨てられた情報は永遠に失われます。これはアーカイブ目的や、オーディオを再エンコードまたはさらに処理する必要がある状況には不適切です。作業フォーマットとしてMP3を使用したために、目に見える劣化が蓄積されたロスのある圧縮の複数世代を適用したために、妥協されたプロジェクトをあまりにも多く見てきました。

WAVおよびAIFF：非圧縮の基準

音楽家がマスター録音に使用すべきフォーマットを私に尋ねると、私の答えはいつも同じです：WAVまたはAIFF、例外はありません。これらの非圧縮フォーマットは、音声データをまったく品質損失なしでキャプチャされたまま保存します。WAV（Waveform Audio File Format）はマイクロソフトとIBMによって開発され、AIFF（Audio Interchange File Format）はAppleから生まれましたが、機能的には同等です — 同じ生のオーディオデータの異なるコンテナ形式です。

数学は単純です：16ビット、44.1 kHzのステレオWAVファイルは、1,411 kbps（キロビット毎秒）を消費します。前述の3分の曲は？正確に31.7 MBです。圧縮はなく、心理音響モデルもなく、巧妙なアルゴリズムもありません — ただ純粋で修正されていないオーディオデータです。これにより、WAVとAIFFはプロフェッショナルオーディオ作業、アーカイブストレージ、および絶対的な忠実性が必要なあらゆる状況のゴールドスタンダードになります。

私のマスタリング作業では、最終マスターを24ビット、96 kHzのWAVファイルとしてのみ提供します。これは、配信フォーマットを作成するための最高品質のソースマテリアルをクライアントに提供します。これらの仕様での1曲は約100 MBを消費しますが、この投資は見返りをもたらします。ストリーミングサービスがコーデックを更新する際、新しいオーディオフォーマットが登場する際、またはクライアントが数年後に新しいバージョンを作成する必要がある場合、彼らは純粋なソースマテリアルを持っているのです。

欠点は明らかです：ストレージ要件。私の現在のプロジェクトアーカイブには、20年間にわたって蓄積された約4.2テラバイトのWAVファイルが含まれています。このデータ量のクラウドストレージのコストは年間数百ドルに達します。ほとんどの消費者にとって、WAV形式で音楽ライブラリ全体を保存することは実用的ではありません — 500アルバムのコレクションは約350 GBを消費します。しかし、取り戻せない録音やオリジナルの作曲、プロフェッショナルな作業において、ストレージコストは適切にビジネスを行うための価格に過ぎません。

FLAC：両方の良さを兼ね備えたフォーマット

Free Lossless Audio Codec（FLAC）はデジタルオーディオにおける最も洗練された解決策の1つを表します：品質損失のない圧縮です。MP3のロスのある圧縮とは異なり、FLACはZIPファイルに似たアルゴリズムを使用します — オーディオデータはストレージのために圧縮されますが、再生中には完全に再構築されます。一般的な圧縮比は40-60%で、意味は以下に続きます。