音声フォーマット解説 — MP3・AAC・WAV・FLACとその仲間たち

3つのグループ、1つの判断

非圧縮の音声（WAV、AIFF）は、サンプリングしたデジタル信号をそのまま保存します。CD品質のステレオで1分あたりおよそ10 MBと大きくなりますが、仕組みが非常に単純です。デコードもノイズも想定外の挙動もないため、録音機材や編集ソフトに好まれています。

可逆圧縮（FLAC、ALAC）は、ZIPが文書を圧縮するのと同じように、同じ信号をおよそ半分のサイズに縮めます。完全に元に戻せる圧縮です。FLACをデコードすれば、ビット単位で同一の波形が返ってきます。これはアーカイブ向けのグループで、音の忠実さをすべて保ったまま容量が半分になる代わりに、下に挙げるフォーマットより対応機器がやや限られます。

非可逆圧縮（MP3、AAC/M4A、OGG Vorbis、Opus）はもっと思い切ったことをします。人間の聴覚が最も気づきにくい部分、たとえばマスキングされた周波数や、聞こえないほど小さなディテールを捨てて、ファイルを80〜90%小さくします。うまく処理して十分なビットレートを与えれば、削られたことは本当にわからなくなります。逆に強くかけすぎると、質の悪いストリーミングにありがちな、水中のようにゆらぐノイズが出ます。あなたがこれまで聴いてきたストリーミングの楽曲は、すべて非可逆です。

実際に出会うフォーマット

ビットレート — 「十分」の境目はどこか

非可逆の音質はビットレート（キロビット毎秒）で決まります。音質とサイズの判断はほぼここで起こるので、感覚として身につけておく価値があります。MP3の場合、128 kbpsは実用的ではあるものの、シンバルや複雑なパッセージでは粗さが聞き取れます。192 kbpsは多くのリスナーが違いを聞き分けられなくなる、快適な中間点です。256〜320 kbpsは透明、つまりほぼすべての人が、ほぼすべての素材でブラインドテストでも原音と区別できないレベルです。新しいコーデックはこのスケールを下方向にずらします。192 kbpsのAACは256 kbpsのMP3におおむね匹敵し、Opusならさらに低くても余裕があります。

話し声は音楽よりはるかに寛容で、ポッドキャストや講義の録音は64〜96 kbpsのモノラルでも十分に快適です。1時間のポッドキャストがポップス3曲より軽くなるのは、このためです。

一方通行の道

音声変換で最も重要なルールは、品質は下る一方でしか流れないということです。FLAC → MP3の変換は、持ち歩き用のコピーを作る賢い判断です。しかしMP3 → FLACの変換で得られるのは、3倍の大きさで、音はMP3そのもののファイルです。捨てられた情報は戻ってこず、可逆の器は損傷をそのまま完璧に保存するだけです。128 kbpsのファイルを320 kbpsで書き出し直すのも同じことです。

もう少し気づきにくい形の失敗が、非可逆から非可逆への変換です。M4A → MP3や、MP3を別のビットレートに再エンコードするようなケースですね。非可逆の処理を通るたびに「最も気づかれにくい」ディテールが新たに1層捨てられますが、本当に気づかれにくい部分は最初の1回でとっくに削られているため、ダメージが積み重なっていきます（世代劣化と呼ばれる、動画の再エンコードの繰り返しとまったく同じ現象です）。互換性のために1回変換する分には、たいてい聞き分けられません。しかし習慣にすればノイズが姿を現します。手に入る限り元に近い素材から変換し、どうしても非可逆から非可逆へ変換するときは、新たな劣化を最小限にするため、目標ビットレートを余裕を持って高めに設定しましょう。

よくある場面への実践的な答え

• ボイスメモやWAVの録音を共有したい： WAV → MP3を128〜192 kbpsで。10分の1のサイズになり、どこでも再生でき、話し声なら失われたものに気づく人はいません。
• FLACのコレクションを対応の限られた機器やアプリへ： FLAC → MP3を320 kbpsで。FLACはアーカイブとして手元に残し、MP3は使い捨てのコピーと考えましょう。
• 動画から音声だけが欲しい： 抽出しましょう。講演・ライブ・インタビューは、映像トラックが外れるだけで90%以上小さくなります。編集する予定ならWAVに、聴くだけならMP3に抽出してください。
• 編集や制作をする： 作業中はずっとWAVで進め、最後に一度だけ256 kbps以上で非可逆に書き出します。
• 音楽を長期アーカイブする： FLACです。WAVの半分のサイズでビットパーフェクト、しかもオープンな形式なので、将来どんなフォーマットにも無劣化で変換できます。