Audio Sample Rate & Bitrate Explained: What Settings Should You Use? - MP3-AI.com

私は今でも、クライアントがパニックになって私に電話をかけてきた日を覚えています。彼女は自分のデビューオーディオブック、つまり心を込めて書いた回顧録を録音するのに3週間を費やしたばかりだったのですが、ファイルが8 kHz、64 kbpsで録音されていたことに気づきました。音は缶電話を通してきているかのように聞こえました。私たちはすべてを再録音しなければなりませんでした。その$4,500のミスは、私たち二人にオーディオ設定に関する高価な教訓を教えてくれました。今日はあなたがそれを避ける手助けをします。

私はマーカス・チェンで、14年間プロのオーディオエンジニアとして活動しており、ストリーミングプラットフォーム、ポッドキャスト、音楽制作向けのデジタルオーディオ最適化を専門としています。これまでに50,000以上の音声ファイルを処理しており、3つの主要なストリーミングサービスのコンサルタントを務め、どの設定が重要でどれが単なるマーケティングの誇張に過ぎないかを理解するために無数の時間を費やしました。今日は、サンプルレートとビットレートを理解しやすい方法で説明し、単に大きな数字を問題に投げるだけでなく、より良い決定を下せるようにお手伝いします。

基盤：サンプルレートとビットレートの実際の意味

基本から始めましょう。これらの概念を正しく理解することで、費用のかかるミスを避けることができます。サンプルレートとビットレートは、常に混同される完全に異なる2つの測定単位です。この混乱は、音質の低下や不必要に大きなファイルにつながります。

サンプルレートは、録音または再生中にオーディオが1秒間に何回サンプリングされるかを測定します。ヘルツ（Hz）またはキロヘルツ（kHz）で測定されます。これはビデオのフレームレートのようなもので、サンプルを多く取るほど、元の音波をより正確に再現できます。標準CD品質は44.1 kHzで、つまりオーディオが毎秒44,100回サンプリングされることを意味します。48 kHz、96 kHz、または192 kHzのような高いサンプルレートは、さらに多くの詳細をキャプチャしますが、その詳細が本当に必要かどうかは別の問題です。

一方、ビットレートは、オーディオの各秒を表現するためにどれだけのデータが使用されるかを測定します。キロビット毎秒（kbps）で測定されます。ビットレートが高いほど、音を記述するために多くのデータが使用されるため、一般的には質が向上します。MP3ファイルでは、一般的に128 kbps（低品質、小さいファイル）から320 kbps（高品質、大きいファイル）の範囲でビットレートが見られます。WAVのような非圧縮フォーマットは、圧縮されていないため「ビットレート」という用語を同じ意味では使用せず、通常は16ビットまたは24ビットのビット深度を使用します。

ここからが興味深いところです：サンプルレートはキャプチャできる周波数範囲に影響を与え、一方でビットレートは音の全体的な忠実度と詳細に影響を与えます。高いサンプルレートで低いビットレートを使っても、音質が悪い場合があります。両者は連携していますが、互換性はありません。私のスタジオでは、192 kHzで録音していれば自動的に音が良くなると思い込んでいる人がいて、その後128 kbps MP3でエクスポートし、どうして音がひどいのか不思議に思っています。それはまるで8Kで撮影してから480pに圧縮してしまうようなもので、その高解像度の利点をすべて失っているのです。

サンプルレートの科学：ナイキスト定理

なぜ特定のサンプルレートが存在するのかを理解するには、ナイキスト・シャノンのサンプリング定理を知る必要があります。心配しないでください—これは数学の講義にはなりません。実用的なポイントはこれです：音の周波数を正確に再現するためには、その周波数の少なくとも2倍のサンプルが必要です。人間は約20 kHzまでの周波数を聞くことができます（ただしほとんどの大人は年齢による聴力損失のため、約16-17 kHzで頭打ちになります）。20 kHzをキャプチャするには、少なくとも40 kHzのサンプルレートが必要です。

"私が見る最大の誤りは、低い設定を使用することではなく、知覚可能な品質向上なしにファイルサイズを膨らませる不必要に高い設定を使用することです。320 kbps MP3は、99%の消費者再生システムで192 kHzのロスレスファイルと同じ音に聞こえます."

これが、1980年代に44.1 kHzがCDの標準となった理由です。人間の耳が聞くことができるすべての音をキャプチャし、余裕を持たせています。ビデオ制作で使用される48 kHzの標準は、さらに余裕を持たせ、ビデオフレームレートとより良く一致します。私が映画音声の作業をしているときは、常に48 kHzを使用します。なぜなら、24 fpsおよび30 fpsのビデオと完全に同期するからです—ドリフトも同期の問題もありません。

しかし、96 kHzや192 kHzのような超高サンプルレートについてはどうでしょうか？以下の事実を考えてみてください：ブラインドテストを数百人と行った経験から言えるのは、大多数の人間はブラインドテストで44.1 kHzと192 kHzを区別できません。私は、プロのミュージシャン、オーディオエンジニア、一般のリスナーと一緒にこれらのテストを行ったことがありますが、より高いサンプルレートを特定する成功率はランダムな確率をわずかに上回るだけで、せいぜい55-60%程度です。

とはいえ、高いサンプルレートで録音する正当な理由もあります。音声処理が多重に行われるとき、ピッチシフトやタイムストレッチ、複数のエフェクトを適用する際に、高いサンプルレートの余裕がさらに多くのデータを提供し、アーティファクトを減少させることができます。私は、広範囲なポストプロダクション作業を行うときは96 kHzで録音します。しかし、最終的な納品については？通常は48 kHzまたは44.1 kHzに戻して変換します。なぜなら、そこが実際にリスニングが行われる場所だからです。

ビットレートの深掘り：圧縮と品質のトレードオフ

ビットレートは、ファイルサイズを決定づける重要な要素であり、あなたが知覚するオーディオ品質にも大きく影響します。MP3、AAC、またはOgg Vorbisのような圧縮フォーマットを扱うときは、ファイルサイズと品質の間でトレードオフを行なっています。圧縮アルゴリズムは、ファイルを小さくするために「重要度が低い」と見なす情報を捨てます。

私のテストからの実際の数字をお伝えしましょう。CD品質（44.1 kHz、16ビット、ステレオWAV）の3分間の曲は約30 MBです。同じ曲を320 kbps MP3にした場合、約7.2 MB—元のサイズの約24%です。192 kbpsでは4.3 MB（元の14%）。128 kbpsでは2.9 MB（元のサイズの10%未満）です。問題は、各ステップで何を失っているのかということです。

プロの機器と消費者向けヘッドフォンでの広範なテストを通じて、192 kbps MP3がほとんどのリスニングシナリオでのスイートスポットであると判明しました。このビットレートでは、圧縮アーティファクトが最小限で、ほとんどの人には通常のリスニング機器で検出できません。192 kbpsと320 kbpsの違いは、良好なスタジオモニターで音質の高い部屋であれば明瞭ですが、通勤中のBluetoothヘッドフォンでは？実質的に区別できないでしょう。

しかし、この点は重要です—ビットレートの要件はコンテンツタイプに基づいて劇的に異なります。スピーチやポッドキャストは、周波数レンジが狭く保存するべき複雑な情報が少ないため、96 kbpsや64 kbpsで完璧に聞こえることがあります。シンバル、ハイハット、アコースティックギターなどの高周波コンテンツが豊富な音楽には、低ビットレートのMP3が作り出す特徴的な「水中」または「うねうねした」音を避けるために、より高いビットレートが必要です。深い低音を持つ電子音楽には、濁りのない低周波の詳細を保存するために適切なビットレートが必要です。

また、AACやOpusのような最新のコーデックは、同じビットレートでのMP3よりも大幅に優れた性能を発揮することに気付きました。128 kbpsのAACファイルは、192 kbpsのMP3と同じくらい良い、またはそれ以上に聞こえることがよくあります。今オーディオをエンコードする場合は、非常に古いデバイスとの互換性が必要ない限り、MP3よりもAACまたはOpusを使用することを強くお勧めします。

異なる使用ケースのための実用的設定

具体的に言いましょう。数年のテストと実際のアプリケーションに基づいて、私は数百のプロジェクトで遭遇した実際の使用パターンと品質要件に基づいて、さまざまなシナリオに対する推奨設定を提供します。