Free Press

How Downsampling Affects Audio Quality

説明のために、上の画像がフル品質のオーディオ ファイルで、下の画像がダウンサンプリングした mp3 だと想像してみてください。 下の画像は、画像の知覚される鮮明さと被写界深度に欠けています。 これは、mp3 やその他のロッシーフォーマットが、元のファイルにかなり近いものを得ることができるが、完全な波形を完全に表現するためのデータが不足しているのと同様の視覚的概念です。

ダウンサンプリング前の画像

ダウンサンプリング後の画像（非可逆データ圧縮）

この画像では、スペースを節約するためにダウンサンプルした画像がオリジナルより低品質になることを説明しています。 一般的にはほぼ同じに見えますが、よく見ると細部が失われていることが分かります。 ピクセル化された JPEG のように、非可逆圧縮が強すぎるオーディオ ファイルは精彩を欠き、WAV や AIFF ファイルのようなディテールを欠いた音になることがあります。 上の画像は WAV または AIFF を表し、下の画像は MP3 または Mp4 を表しますが、画像は実際の表現ではなく、圧縮が品質に与える影響を説明するためのものです。

WAV ファイルとは何ですか、そしてそれを再生するにはどうすればよいですか

ほとんどすべての携帯電話とコンピューター（Mac と Windows ユーザーを含む）で WAV ファイルを再生することが可能です。 一般に、AIFF は iphone のような Apple 製品 Mac OS ベースのコンピューターで再生できますが、VLC や iTunes のようなほとんどすべてのメディア プレーヤーは両方を再生できます。 もともとIBMとマイクロソフトによって開発されたWaveファイルは、人々がインターネットを持っていた前から生のオーディオフォーマットです。 WAVとAIFFは同じエンコード方式です！

AIFFとWAVは同じIFF*（Interchange File Format）に基づいています。AVI、ANI、WAVはすべてRIFF（Resource Interchange File Format）というIFF*のフレーバーを使用しており、チャンクと呼ばれるデータの断片に基づきます。 メインのデータチャンクの他に、名前チャンク、アーティストチャンク、著作権チャンクなどがあり、それらのカテゴリーごとにデータを追加することができます。 さらに、WAV および AIFF ファイルは、モノラル 1 チャンネルからステレオ 2 チャンネル、5.1 チャンネル（6 チャンネル）、8 チャンネル以上など、複数のチャンネルを持つことが可能です。 AIFFもRIFFも1985年にElectronic Arts社からリリースされたIFFから派生したものです。 また、AIFFはRIFFより3年先行しています。 RIFFをベースにすることはできません。 両者は非常によく似ている」
※訂正ありがとうございますDavid! AIFF は IFF から派生したもので、WAV は同じく IFF から派生した RIFF を使用しているのですね（ご説明ありがとうございます！）

WAV と AIFF エンコーディングの詳細

AIFF と WAV はどちらもロスレス ファイル形式、言い換えれば、データの損失がないものです。 ファイル形式は若干異なりますが、デジタル情報は波形を正確に数学的に表現したものとして保存されます。 WAVもAIFFもPCM（Pulse Code Modulation）を使って、品質の劣化を最小限に抑えるようにデータをエンコードしています。 WAVやAIFFは、CD品質または「スタジオ品質」であり、CDは16ビットで、通常「スタジオ品質」は24ビット以上です。 一般的には、16ビットで録音した場合は、16ビットでレンダリングするのが基本です。 24ビットで録音した場合は、24ビットでミックスをレンダリングします。 ファイルは常に低いビットレートにダウンサンプリングすることができます。 例えば、24ビットは16ビットに簡単にダウンサンプリングできますが、いったん16ビットにしてしまうと、24ビットに戻してもほとんど意味がありません。

WAVやAIFFファイルはロスレスなので、多くの容量を消費します！

WAVとAIFFはどちらもタイムスタンプ、テンポ情報、マーカーなどの他のタイプの情報でコード化することが可能です。 Pro ToolsまたはLogicでWAVまたはAIFFを作成することができます。 インターネット上の情報源によると、その違いはバイトオーダーにあるようです。 AIFFはMotorolaプロセッサに最適化されており、WAVファイルはIntelベースのマイクロプロセッサに最適化されていますが、実際には性能に違いはありません。

The exciting world of Pulse Code Modulation

Pulse Code Modulationはアナログ信号をデジタル的に表現する数学的方法です。 デジタルオーディオ機器に使用されています。 振幅(別称、音のエネルギーレベルまたはラウドネス)は、異なるポイントで測定されます。 1秒間に何回振幅を測定するかは、サンプルレートと呼ばれます。 例えば、44.1kサンプルレートは、1秒間に44,100個のサンプルを取り込むことを意味します。 96kの場合、1秒間に96,000回の音が測定されます。

ビットレートは、振幅を測定する「物差し」のステップの量です。 16ビットと24ビットが一般的ですが、一般的にはビットレートが高いほど精度が高いという考え方があります。 16ビットと24ビットが最も一般的ですが、一般的な考え方は、ビットレートが高いほど精度が高くなります。24ビットは16ビットよりもダイナミックレンジが高く、測定するデータが24単位であるのに対し、16ビットはスケールのステップが6つ少ないため、より正確に測定できます。 より多くのビットが優れています。 高いサンプル レートはより正確です。

一般的なサンプル レートは次のとおりです。

• 44.1 16 ビット（CD 品質）
• 48k 16 ビット（DVD ビデオ品質）
• 96k 24 ビット DVD オーディオ品質 (DVD-A)

48k 24 ビットや96k 24 ビットは「スタジオ品質」としてよく使われますが、後でダウンサンプリングされます。 ほとんどの人は、96kのWAVファイルを望んでいません。 大きすぎるし、今どき「CDより良い品質」なんて誰が聴くんだ。 オーディオマニアやスタジオ関係者かもしれませんが、多くの人はmp3やロッシーバージョンも聴くでしょう。 自分の曲はどのようなフォーマットでも素晴らしいサウンドである必要があり、さまざまなバージョンにとらわれると、行きたくないウサギの穴に落ちることになりかねません。 たくさんの素晴らしい楽曲が 44.1k で録音され、たくさんのひどい楽曲が 192k (またはそれ以上!) で録音されていますが、最初からダメなものはダメなのです。

Nyqust-Shannon Sampling Theorem による品質分析

Nyqust Theorem または Shannon Sampling theorem は、異なるサンプル レートを使って再現できる理論上の最大周波数を決定する数学的公式です。 ナイキスト定理では、サンプリングレート（キロヘルツ）の半分以下の周波数は再構成可能であるとされています。 人間の可聴域は20hz-20khzと推定される。 つまり、その公式を使えば、44.1kは20kの限界までうまく再生できるはずです（そうは言っても、20kはほとんど感じられませんし、2.5kから5kはまだ「高音」領域に登録され、10kと12kは突き抜けるように高いので、20kはオーディオを混ぜるときにはそれほど役に立つ周波数ではないのです）。

議論と結論

私の経験では、ビット レート（16 ビット対 24 ビット）は、サンプル レート（たとえば、44.1 k 対 48 k）よりもオーディオに大きな違いがあることがよくあります。 また、最終的なゲインステージなど、より重要なことがあります。 ファイルの出力ゲインをメーターでチェックし、クリッピングしていないことを確認し、コンバーターやダウンサンプリングのためにヘッドルームを少し残しておいてください。 40kまでの周波数がカバーされていることを確認することで、44.1kまたはより合理的なものにミックスダウンするために使用できる、非常に正確なサウンドのバージョンを手に入れることができるのです。 ほとんどのプラグインは96kを使うことができますし、ほとんどのリスニングテストでは、44.1kと96kの品質の違いを示すことができます。 192kやそれ以上も可能ですが、ファイルサイズに対するクオリティの差については議論の余地があります。 このような状況下において、当社では、お客様のニーズを的確に把握し、最適なソリューションをご提案させていただきます。 ですから、あまり気にしないでください。

。