ConvertBox Logo
ConvertBox

MP3・WAV・FLAC・AACの違い:非可逆圧縮と可逆圧縮の音声を理解する

WAVはサンプルをそのまま保存し、FLACは同じサンプルをより小さく保存し、MP3とAACは耳が気づきにくい部分を永久に捨てます。変換は音質を保つか下げるだけで、加えることはできません。残しておくべきなのは、手元にある最も良いコピーです。

ConvertBox公開

PCM:すべての形式の出発点となる非圧縮音声

デジタル音声は、音の波を測定した値の並びであるPCMから始まります。PCMを決める数字は2つです。サンプリング周波数は1秒間に何回測定するかを表し、記録したい最高周波数の2倍以上が必要です。CDの44,100 Hzなら22.05 kHzまで記録でき、人間の可聴域の上限とされる約20 kHzをわずかに超えます。ビット深度は1回の測定をどれだけ細かく記録するかを表します。1ビットごとにダイナミックレンジが約6 dB増えるので、16ビットでは約96 dBです。

これらを掛け合わせるとCD音声のビットレートになります。44,100サンプル × 16ビット × 2チャンネル = 毎秒1,411,200ビット、すなわち1,411 kbpsです。1分では1,411,200 × 60 ÷ 8 = 10,584,000バイトで約10.6 MB、4分の曲なら約42 MBです。WAVファイルは通常、短いヘッダーの後ろにこのPCMデータがそのまま続いているだけです。WAVのサイズが長さだけで決まり、音楽の内容に左右されないのはそのためです。

可逆圧縮:FLACはすべてのサンプルを保ちます

FLACは、ZIPが文書を小さくするのと同じ考え方でPCMを小さくします。パターンを見つけてより簡潔に保存し、再生時には元のサンプルを正確に復元します。削減幅は素材によって変わり、多くの場合WAVの半分から3分の2程度に収まります。音数の少ない録音のほうが、密度が高くノイズの多い録音よりよく縮みます。FLACは、WAVが苦手とするタグやジャケット画像も保持できます。AppleのALACは.m4aファイルの中で同じ役割を果たします。途中でビット深度を下げない限り、WAV、FLAC、ALACの間の変換はどの方向でも何も失いません。

非可逆圧縮:MP3とAACが取り除くもの

MP3とAACは知覚符号化のコーデックです。近い周波数の大きな音の隣にある小さな音や、大人の多くには聞こえない高い帯域など、耳が気づかない音をモデル化し、そこにはビットをほとんど、あるいはまったく使いません。ビットレートはその予算です。128 kbpsは音声1秒に128,000ビットを使うという意味で、CD音声の約11分の1です。固定ビットレートではファイルサイズは単純にビットレート×長さなので、192 kbpsは常に1分あたり1.44 MBになります。

予算が小さすぎると、削った跡が聞こえるようになります。まず高域がなくなり、次に鋭いアタック音がにじみます。シンバル、拍手、かき鳴らすアコースティックギターは、声がおかしく聞こえるよりずっと前に、水の中のような音になります。話し声が64 kbpsでも保てるのに、密度の高い音楽には128 kbps以上が必要なのはこのためです。多くの人が192~256 kbpsと原音を聞き分けられないのも同じ理由です。AACは後発の設計で、同じビットレートならMP3よりいくらか良く聞こえ、低ビットレートで差が最もはっきりします。MP3の利点は、これまでに作られたほぼすべてのプレーヤーで再生できることです。

形式の比較

形式種類ステレオ1分あたりのサイズ向いている用途
WAV(16ビット、44.1 kHz)非圧縮PCM約10.6 MB編集、動画ソフト、あとで加工する素材全般
FLAC可逆圧縮おおよそ5~7 MBマスターやCDから取り込んだ音源の保管
MP3 192 kbps非可逆1.44 MB共有、カーオーディオ、古いプレーヤー
AAC 192 kbps非可逆1.44 MBApple製品、新しいプレーヤー、動画の音声トラック
OGG Vorbis 192 kbps非可逆1.44 MBゲームやオープンソースのソフト
MP3 64 kbps非可逆0.48 MB話し声、オーディオブック、ボイスメモ

MP3をWAVやFLACに変換しても音質が戻らない理由

MP3をデコードするとPCMが得られ、そのPCMはWAVやFLACとして保存できます。しかしデコーダーが出力できるのは、MP3に残っているものだけです。エンコード時に捨てられた周波数や細部は、どこにも保存されていません。結果は、同じ音が入った5倍から10倍の大きさのファイルです。可逆という言葉が説明するのは、その時点から先に音声に起こることであって、ファイルの中の音声がたどってきた経緯ではありません。

こうしたファイルは多くの場合見分けられます。音声編集ソフトのスペクトル表示では、本物のCD音声は約22 kHzまで伸びていますが、低ビットレートのMP3を経た音声は、線を引いたようにある高さで途切れます。128 kbpsなら16 kHz付近が多いです。この切れ目があるFLACは、非可逆のソースから作られたものです。

非可逆から非可逆への変換は、無意味どころか有害です。劣化が積み重なるからです。エンコーダーはそれぞれ何を捨てるかを独自に判断しますが、その材料は前のエンコーダーがすでに傷つけた信号です。そのため、AACからMP3へ、あるいは320 kbpsのMP3を128 kbpsへ変換すると、2世代目の圧縮の跡が加わります。守るべきルールは簡潔です。可逆または元のコピーを残しておくこと、非可逆のファイルはすべてそのコピーから作ること、そして非可逆ファイルのビットレートを決して上げないことです。128 kbpsのMP3を256 kbpsで再エンコードすると、サイズは2倍になり、音はわずかに悪くなります。

ConvertBoxの音声ツールが実際に書き出すもの

ブラウザーのツールはエンコーダーの設定を表に出さないことが多いので、選ぶ前に出力の内容を知っておく価値があります。以下のツールにはサンプリング周波数やチャンネルの選択項目がなく、非可逆形式を1回通すたびに世代が1つ増えます。

  • 音声変換:MP3、AAC、OGG Vorbisは常に192 kbps、FLACは可逆です。WAVは常に16ビットPCMなので、24ビットのソースはビット深度が下がります。その場合の可逆の出力先としてはFLACのほうが安全です。ソースのサンプリング周波数とチャンネル構成は保たれます。ファイルは100 MBまでです。
  • AACの選択肢は、このツールでもほかのツールでも、.m4aファイルではなく生の.aacストリームを書き出します。音楽ライブラリソフトの中には.m4aを前提とするものがあります。
  • 音声圧縮:どの形式を入れても、出力は常に固定ビットレートのMP3で、ビットレートは64~256 kbpsから選びます。モノラル化や可変ビットレートのモードはありません。
  • 音量調整:ソースがWAVやFLACであっても、出力は常に192 kbpsのMP3です。元のファイルを残しておいてください。
  • 音声カット:MP3 192 kbps、AAC 192 kbps、16ビットWAVのいずれかで保存し、切り出しや削除のたびに再エンコードします。中間の区間を削除する場合は、WAVを選んでいても途中でMP3の段階を経ます。
  • 動画から音声を抽出:200 MBまでの動画から、音声トラックをMP3またはAACの192 kbps、FLAC、16ビットWAVに再エンコードします。ほとんどの動画の音声は非可逆のAACやOpusなので、ここでFLACやWAVを選んでも、非可逆の段階がこれ以上増えないだけで、音質が加わるわけではありません。

用途ごとに選ぶ形式

  • 人に送る、またはどんな機器で再生されるかわからない:MP3。音楽なら192 kbps、話し声なら64~96 kbpsが目安です。
  • 編集、ミキシング、動画ソフトへの読み込み:WAV、または編集ソフトが対応していればFLAC。最終的な書き出しの前に非可逆の段階を挟まないようにします。
  • CDから取り込んだ音源や、あとで再変換するかもしれない録音を保管する:FLAC。劣化を重ねることなく、あとからほかのどの形式も作れます。
  • Apple製品で聴く、または同じ音質でファイルを小さく保つ:AAC。
  • 1時間の講義やポッドキャスト1回分:低いビットレートで十分です。64 kbpsなら1時間で約29 MB、CD音質のWAVでは約635 MBになります。

このガイドで扱ったツール

関連ガイド

ガイド一覧