Audio Sample Rate vs Bitrate: What You Need to Know

50,000ドルの録音セッションを台無しにした日

プロデューサーが完璧なテイクのはずのものを再生したとき、胃の中に病気のような気持ちが湧き上がったのを忘れられません。ニューヨークのスターリングサウンドで15年のマスタリングエンジニアの経験がある私は、あらゆる技術的なミスを見てきたと思っていました。しかし、そこには完璧に見える波形があり、デジタルミートグラインダーを通したような音がしていました。

アーティストはロンドンから飛行機でやってきました。セッションのミュージシャンはトップクラスでした。すべては、世界的なスタジオの最高級の機器でキャプチャされました。それなのに、最終ミックスは薄っぺらで、活気がなく、率直に言ってアマチュア的でした。その原因は？サンプルレートとビットレートを混同した誤解された設定—レコード会社に何万ドルもの損失をもたらし、私にとってはキャリアで最も高価な教訓となりました。

その災害は私の執念になりました。この10年間で、インディのベッドルーム録音からメジャーレーベルのリリースまで、3,000以上のマスタリングプロジェクトに取り組んできました。私は想像できるすべてのサンプルレートとビットレートの組み合わせをテストしました。耳が鳴り、目が交差するまで測定し、分析し、比較しました。私が学んだことは、私の仕事だけでなく、デジタルオーディオに対する考え方を完全に変えました。

今日は、あの破滅的なセッションの前に誰かが私に説明してくれればよかったことをすべて共有します。なぜなら、真実はこれです: ほとんどの人—多くのプロを含む—はサンプルレートとビットレートの関係を根本的に誤解しています。彼らはこれらの用語を互換的に使用し、神話に基づいて判断し、ストレージスペース（あるいはそれ以上に、音質）を無駄にします。実際のメカニズムを説明してくれる人がいなかったからです。

これは、乾燥した技術マニュアルにはなりません。私はこれらの数値が何を意味するのか、それがなぜ重要なのか、特定の状況に対して賢明な判断をどのように行うかを正確にお見せします。あなたが最初のポッドキャストを録音している場合でも、音楽を制作している場合でも、それともなぜあなたの音声ファイルがそんなに大きいのか理解しようとしている場合でも、このガイドが必要な知識を提供します。

サンプルレート: 時間そのものを捉える

あるクライアントにとって、この比喩がついに理解できるようにしたものから始めましょう。ハチドリを撮影していると想像してください。1秒間に1枚の写真を撮ると、鳥のさまざまな位置を捉えますが、翼の動きのほとんどを逃してしまいます。標準のフィルムのように1秒間に24枚の写真を撮ると、動きが見えますが、まだカクカクしているかもしれません。1秒間に1,000枚の写真を撮ると、翼がどのように動くかの詳細をすべて見ることができます。

"サンプルレートは時間をどれだけ正確に捉えるかを決定し、ビットレートは振幅をどれだけ正確に捉えるかを決定します。それらを混同すると、距離を温度計で測っていることになります."

サンプルレートはちょうど同じように機能しますが、時間を超えて画像を捉えるのではなく、時間を超えて音圧レベルを捉えています。デジタルオーディオを録音するとき、私たちは音波のスナップショット—サンプル—を1秒間に何千回も撮影しています。サンプルレートは、これらのスナップショットをどれだけ撮っているかを教えてくれます。

標準のCD品質のサンプルレートは44,100 Hz（または44.1 kHz）で、つまり毎秒44,100サンプルを取ります。この特定の数値はなぜか？それは、正確に周波数を再現するためには、その周波数の2倍以上のサンプリングが必要であるというナイキスト-シャノンサンプリング定理に基づいています。人間の聴覚は約20 kHzで制限されているので、少なくとも40 kHzのサンプルレートが必要です。その余分な4.1 kHzはフィルターや処理のために余裕を提供します。

私のマスタリング作業では、通常48 kHz（ビデオ標準）、96 kHz（高解像度オーディオ）、時々192 kHz（オーディオファイル領域）のファイルに出会います。A/Bテストから学んだこと：44.1 kHzと48 kHzの違いは、最終再生において本質的に知覚できません。44.1 kHzと96 kHzの違いは微妙ですが、実際には存在します—周波数応答の観点からは（思い出してください、私たちはどうせ20 kHz以上は聞こえません）、デジタル処理が音声に与える影響において。

高いサンプルレートはより高い時間的解像度を提供します。波形の形状をより正確に捉えますが、それは編集、時間伸縮、ピッチシフトの際に重要です。私は常に96 kHzで録音・編集し、最終納品のために44.1 kHzまたは48 kHzにダウンサンプリングします。このワークフローは、クリーンな処理と管理可能なファイルサイズの両方を提供します。

しかし、ここで人々がつまずく重要なポイントがあります：サンプルレートは、各サンプルに含まれるデータの量とは全く関係ありません。そこでもビットレートが関与し、これら二つの概念を混同することが50,000ドルのミスにつながったのです。

ビットレート: 各スナップショットの解像度

もしサンプルレートがスナップショットの取得頻度であるなら、ビットレート（またはより正確に言えばビット深度）は各スナップショットで捉える詳細の量です。ここでも、写真の比喩が引き続きうまく機能します。ハチドリの1秒間に1,000枚の写真を撮ることを想像してください。しかし、各写真は10ピクセル×10ピクセルしかありません。タイミングは完璧に捉えられますが、画像はブロック状で不明瞭になります。

デジタルオーディオでは、ビット深度が各サンプルに割り当てられる可能な振幅値の数を決定します。16ビット（CD品質）の場合、各サンプルは65,536の異なる値のいずれかになります（2の16乗）。24ビット（プロフェッショナル標準）の場合、各サンプルは16,777,216の異なる値のいずれかになります。32ビット浮動小数点（私がすべての処理に使用するもの）では、さらに精度があり、クリッピングなしで通常の範囲を超える値を扱う能力があります。

ここで実用的な点があります：ビット深度は直接的に動的範囲を決定します—捉えることができる最も静かな音と最も大きな音の差です。各ビットは約6 dBの動的範囲を与えます。したがって、16ビットは約96 dBの動的範囲を提供し、24ビットは約144 dBの動的範囲を提供します。文脈として、囁きとロックコンサートの違いは約100 dBです。

マスタリングスイートでは、16ビットと24ビットオーディオの違いを聞くことができますが、ほとんどの人が期待するものではありません。それは、24ビットが周波数応答や明瞭さの観点で「良い」と聞こえるということではありません。その違いはノイズフロアに現れます—静かな部分で聞こえる微妙なシューという音です。16ビットオーディオでは、ボリュームを大幅に上げると、量子化ノイズが聞こえ始めます。24ビットの場合、そのノイズフロアは非常に低く抑えられているため、極度の処理を行っても基本的に聞こえません。

さて、ここで用語が混乱します：人々が圧縮されたオーディオ（MP3やストリーミングのような）を文脈で「ビットレート」について話すとき、彼らは異なる事柄—秒あたりのデータ量、キロビット毎秒（kbps）で測定された事柄について話しています。320 kbpsのMP3は、128 kbpsのMP3よりも1秒あたりのデータが多いですが、これは圧縮に関することであって、サンプルの基本的なビット深度のことではありません。

あの高額なセッションでのミス？エンジニアは192 kHzのサンプルレート（オーバーキル）で録音しましたが、誤ってビット深度を8ビット（致命的に低い）に設定しました。その結果は、驚異的な時間的解像度を持ちながらもひどい振幅解像度を持つ音声になりました—まるで4Kビデオのすべてのフレームが白黒で、4つの灰色の濃淡しかない状況のようです。

魔法の背後にある数学

実際の数字をお見せしましょう。数学を理解することで、他のすべてが意味を持つようになります。無圧縮のオーディオを録音すると、ファイルサイズはサンプルレート、ビット深度、チャンネル数、および再生時間に基づいて完全に予測可能です。

"常に高い方が良いという神話は、業界に何百万ドルもの無駄なストレージと処理能力のコストをもたらしました。44.1kHz/24ビットの録音は、192kHz/16ビットの録音を常に上回ります."

公式は次のようになります: ファイルサイズ（バイト） = サンプルレート × ビット深度 ÷ 8 × チャンネル数 × 再生時間（秒）

CD品質（44.1 kHz、16ビット）の1分間のステレオ録音を計算してみましょう: 44,100 × 16 ÷ 8 × 2 × 60 = 10,584,000バイト、つまり約10.1 MB毎分です。同じ録音を96 kHz、24ビットで行うと: 96,000 × 24 ÷ 8 × 2 × 60 = 34,560,000バイト、つまり約33 MB毎分になります。これはファイルサイズが3倍以上になります。

これが私が録音設定にとても気を付ける理由です。典型的なアルバムプロジェクトには50トラックが含まれ、それぞれ4分間です。96 kHz/24ビットの場合、これは50 × 4 × 33 = 6,600 MB、つまり6.6 GBになります。