MP3・WAV・FLAC・AACの違い：どの音声形式を選ぶべきか | UltKit

デジタル音声は、音の波の高さを1秒間に何万回も測定した、長い数値の羅列から始まります。WAVやAIFFなどの非圧縮形式は、その数値列をそのままディスクに書き込みます。何も削らず、何も詰めないので、どの編集ソフトでも読みやすく、シークも高速ですが、ファイルは大きくなります。3分の曲なら、中身にかかわらず約30 MBです。

FLACやALACなどの可逆形式は、ZIPファイルが文書を詰めるのと同じように、同じ数値列をより賢く詰め込みます。再生時にデコーダーがすべてのサンプルを正確に復元するので、FLACをWAVに戻したものは元のデータと1ビットまで一致します。縮む量は音楽次第で、静かなアコースティック録音は大きく縮み、密度の高いロックやノイズの多いフィールド録音はあまり縮みません。一般的なアルバムではWAVの約2分の1〜5分の3になります。

MP3、AAC、Vorbis、Opusなどの非可逆形式は、意図的に情報を捨てます。エンコーダーは人間の聴覚モデルを使い、近くの大きな音に隠れる音や気づきにくい周波数の音を削り、残りを保存します。結果はWAVの5分の1〜10分の1のサイズです。十分なビットレートなら多くの人は元の音と区別できませんが、削られた情報は完全に失われ、変換し直しても戻りません。

歴史を知ると、今の互換性の違いがよく分かります。MP3は民生機器で10年先行し、WAVはWindowsに同梱され、FLACはオープンソースの世界で育ち、AACはiPodとiTunes Storeで広まりました。各項目を開くと要点を確認できます。主要4形式と並んで出会う他の4形式も含みます。

非圧縮と非可逆の音声のファイルサイズは、ビットレート×再生時間という単純な計算で決まります。16ビット/44.1 kHzのステレオWAVは1,411 kbpsで、1分あたり約10.6 MBです。非可逆形式は選んだビットレートどおりなので、320 kbpsのMP3は1分あたり約2.4 MB、128 kbpsなら1 MB弱です。FLACだけは音楽の内容でサイズが変わるため、数値は常に一般的な範囲で示しています。

これらはステレオの数値です。モノラルなら半分になるので、音声録音では重要です。カメラやフィールドレコーダーの24ビット/48 kHzのWAVは1分あたり約17 MBです。目安として、45分のアルバムはWAVで約480 MB、FLACで約260 MB、320 kbpsのMP3で108 MB、128 kbpsで45 MBです。

サンプルレートは、波を1秒間に何回測定するかを表します。CDは44.1 kHz、動画や放送は48 kHz、スタジオでは96 kHzで録音することもあります。サンプルレートはその半分までの周波数を記録できるため、44.1 kHzでも約22 kHzまで届き、人間の可聴域の上限である約20 kHzを超えています。高いレートは、再生よりも編集時の余裕に役立ちます。

ビット深度は、各測定値をどれだけ精密に保存するかを表します。16ビットで約96 dBのダイナミックレンジがあり、どんなリスニングルームでも十分です。24ビットは録音エンジニアに余裕を与え、小さな音の録音をノイズなしで持ち上げられます。ビット深度はWAV、AIFF、FLAC、ALACなどのPCM形式に当てはまります。非可逆コーデックはこの方式でサンプルを保存しないため、MP3にはビットレートはあってもビット深度はありません。

ビットレートは、1秒の音声が使うデータ量をキロビット毎秒で表したものです。非圧縮音声では、ほかの2つの数値にチャンネル数を掛けて決まります。非可逆形式では自分で設定する品質のつまみにあたり、128 kbpsは会話に十分、192 kbpsは音楽の標準的な中間点、320 kbpsはMP3の上限です。AACはMP3より少し低いビットレートで同程度の品質に達します。

決め手になるのは、音質よりも互換性であることが多いです。MP3は、あらゆるカーオーディオ、USBメモリ対応プレーヤー、ブラウザ、アップロードフォーム、メールソフトが扱える唯一の形式です。AACはすべてのApple製品とほぼすべてのスマートフォンで標準対応ですが、古い車載機やメディアプレーヤーには.m4aを再生できないものがあります。FLACはAndroid、Windows 10以降、macOSで再生できますが、Apple Musicアプリは今も取り込めないため、Appleユーザーは代わりにALACを使います。

制作や配信では逆に、提出先は手元で最も完全なバージョンを求めます。音声編集ソフトやDAWはWAVとAIFFを最も確実に読み込み、DistroKidなどの音楽配信業者は、配信サービス側で独自にエンコードできるよう、16ビットまたは24ビットのWAVかFLACを求めます。ポッドキャストのホスティングサービスやApple PodcastsはMP3とAACを受け付けます。

音声のミスの大半は、1つのルールで防げます。非可逆から非可逆への再エンコードは繰り返さないことです。非可逆のエンコードは毎回細部を捨て、次のエンコーダーは前回の削除分を自分の削除分と区別できないため、劣化が重なります。128 kbpsのMP3を256 kbpsのAACに変換しても、大きくなるだけで良くはならず、2〜3回繰り返すとシンバルが揺らぎ、音の立ち上がりがにじんで聞こえてきます。常に手元で最良の音源からエンコードし、その音源を残しておきましょう。

非可逆から可逆への変換は逆の問題で、安全ですが音質の面では無意味です。MP3をWAVやFLACにしても、MP3とまったく同じ音のままファイルが大きくなるだけです。編集ソフトや放送システムがWAVしか受け付けない場合には有効ですが、音質の上限はMP3で決まっている点を理解しておきましょう。

意味のある変換は、可逆のマスターから下る方向です。WAVをMP3に変換すれば、40 MBの録音をGmailの添付上限25 MBに収められますし、FLACからMP3のコピーなら、可逆のアルバムをスマートフォンや車のUSBメモリで使えます。Apple製品で可逆を保ちたいなら、FLACからALACでサンプルをすべて保ったまま取り込める形にできます。動画から音声を取り出す場合は別の話で、MP4をMP3に変換する方法で解説しています。

曲の情報の保存方法は、形式の系統ごとに異なります。MP3はID3タグを使い、ID3v2フレームにタイトル、アーティスト、アルバム、トラック番号、歌詞、埋め込みカバー画像を保存します。FLACとOGGはVorbisコメントを使い、単純なテキスト欄とアートワーク用の画像ブロックを持ちます。.m4aファイルのAACは、iTunesで広まったMP4メタデータのアトムを使うため、Apple製品ではアルバムアートや並べ替え用の項目がきれいに表示されます。

WAVは弱点です。RIFF INFOチャンクには少数のテキスト欄しかなく、カバー画像への対応は非公式で、多くのレコーダーやプレーヤーは何も書き込まず、読み取りもしません。音楽ライブラリでFLACがWAVより優れているのはそのためでもあり、同じ音声でファイルが小さく、タグも正しく扱えます。音声変換で変換するときは、タグとカバー画像を保持を選ぶと、元ファイルの情報が変換先の形式で使える項目にコピーされます。ライブラリの整理ではなく、話し声の文字起こしが必要なときは、音声を文字起こしする方法をご覧ください。

ファイルを次に何に使うかに合う行を探してください。2つの行に当てはまるなら、可逆のマスターを残し、そこから非可逆のコピーを作れば、どちらかを選ぶ必要はありません。