この記事を共有・保存

Xで共有

AUDIO

この記事を聴く

4:23

ログイン情報を確認しています…

本文をもとにした音声版です。

スマートフォンで音楽を流すと、声や楽器がなめらかに続いて聞こえる。ところがデジタル音声の元データを見ると、連続した音を一秒間に何万回も測った数字が並んでいる。音を細切れに測っているのに、どうして音楽は途切れずに聞こえるのだろう。標準的な音楽CDには、毎秒4万4,100回の「サンプリング」という仕組みが使われてきた。その数字は、音が毎秒4万4,100回鳴るという意味ではない。

一秒を細かく測ることと、音が細切れになること

空気の圧力が繰り返し変化すると、耳には音として届く。たとえば440ヘルツの音なら、振動の基本的な周期は一秒間に440回だ。この連続した変化を、デジタル録音では規則正しい時間間隔で測定して数値にする。測定回数をサンプリング周波数と呼ぶ。[S1]44.1kHzは、毎秒44,100回という意味である。

その一回ごとに保存するのは、ある瞬間の音の波の大きさだ。CD音声では通常、その値を16ビットの整数で表す。[S2]ビットとは情報を二択の組み合わせで記録する最小単位で、16ビットなら理想化された場合に65,536通りの値を使える。測定する「時間の細かさ」と、一回分の「音量方向の細かさ」は別の設定である。

言葉CDの代表的な値変わるのは何か
サンプリング周波数44,100回/秒時間方向の測定間隔
ビット深度16ビット各時点の振幅の分け方
チャンネル2(左右)別々に記録する音の系列
圧縮前データ量約141万ビット/秒44,100×16×2の計算

最後の約141万ビット毎秒は、標準的なステレオPCM音声の理論上のデータ量だ。CD全体の保存領域や訂正用データを含めた転送量ではない。1秒の音をこの形式で保存すると、圧縮しないデータだけで約176,400バイトになる。

なぜ44,100回で「2万ヘルツの音」が扱えるのか

一秒に440回の波なら、その形を十分細かく追うことは直感的に理解しやすい。では、1秒に20,000回振動する高い音はどうだろう。44,100回の測定では一周期をわずか二回強しか測らない。それで本当に元の波が分かるのか。

答えの鍵は、標本化定理と呼ばれる数学の法則だ。記録したい信号に一定以上の高い周波数が含まれないなら、その上限の2倍を超えるサンプリング周波数で、理想的には連続した波を復元できる。44,100回/秒の半分は22,050ヘルツ。これをナイキスト周波数という。[S1][S3]

ただし「22,050ヘルツまでを絶対に完璧に再現できる」という意味ではない。現実の録音・再生装置は不要な高い周波数を抑えるフィルターを使い、そのフィルターが切り替わるための余裕もいる。音声編集ソフトAudacityの開発者向けマニュアルは、44.1kHzで実際に扱える音の上限は20kHzを少し超える程度で、22.05kHzより低いと説明している。

測定回数を増やすと音は必ず良くなる?

「96kHzなら44.1kHzの倍以上だから、誰にでも音の違いがはっきり分かる」とは限らない。録音する音に含まれる周波数、人が聞き取れる範囲、録音・再生機器、処理のしかたによって意味は変わる。サンプリング周波数の高さは、収録できる周波数帯域の理論上限に関係するが、それだけで音の印象すべてを決めない。

似た誤解がビット深度にもある。16ビットから24ビットへ変えると、理想的には音の小さな変化をより細かく表せる。しかし元の音源に雑音が多かったり、再生装置に別の限界があったりすれば、数字だけ上げても元の演奏にはない情報が生まれるわけではない。Audacityのマニュアルも、ビット深度が大きいほど量子化の誤差を下げられる一方、音源や処理条件によって差の意味が変わると説明する。

とくに編集段階では、内部計算のための余裕を確保することと、最終配布する音声の形式を選ぶことは別だ。録音・編集時には高い精度で処理し、配布時に別形式へ書き出す流れがある。数字の大きさを競うより、その数字が工程のどこを改善するのかを見る方が役立つ。

点と点の間は、勝手に想像しているだけ?

サンプリングされた値の間に元の波が保存されていないと聞くと、再生機器が勝手に波を「創作」しているように感じるかもしれない。しかし標本化定理の条件を満たす波なら、点の集合に必要な情報が含まれ、数学的な補間によって連続した信号を再構成できる。単に折れ線で点を結ぶのが唯一の再生方法ではない。

条件を超えた周波数が入っている場合は別だ。測定点だけでは、本来なかった低い周波数が現れたように見えることがある。これをエイリアシングという。録音前に高すぎる成分を抑えるフィルターが重要なのは、そのためだ。後から測定点だけを見て、失われた元の波を常に判別できるわけではない。

例えば、毎秒44,100回の測定で44,100Hzの理想的な正弦波を測ると、測るタイミングによって同じ位置ばかりを拾い、変化を表せなくなる。これは極端な思考実験だが、サンプリング周波数に高い周波数を無制限に詰められないことが分かる。

数字が守るのは、音楽のどの部分か

FORWARD BASISの結論は、音質を「kHzの大きさ」だけで評価しないことだ。44.1kHzは音が断続的に鳴る速さではなく、元の波を再構成するための時間方向の測定条件である。16ビットは同じ波の振幅を何段階に区切るかを示す。二つの数字はそれぞれ違う役割を持つ。

そして、音楽の魅力には録音環境、演奏、編集、再生機器など多くの要素が関わる。CDの仕様を知る価値は「CDで聞けば必ず最高」という結論にあるのではない。数字を、何を測り、何を測っていないかという仕組みに戻すことだ。連続した音を正しく扱うための条件が分かれば、次に「ハイレゾ」という表示を見たときにも、その数字が実際に変える部分を落ち着いて考えられる。

SOURCE / 原典

この記事の出典

本文の事実確認に使用した原典です。FORWARD BASIS独自の解釈・整理は本文内で区別しています。

  1. 資料[S1] Sample Rates – Audacity Manual / Audacity Development Manual
  2. 資料[S2] Sample Format - Bit Depth – Audacity Manual / Audacity Development Manual
  3. 資料[S3] Image Sampling and Aliasing – Foundations of Computer Vision / MIT textbook

SUPPORT FORWARD BASIS

この記事が参考になったら

FORWARD BASISは、根拠に基づく質の高い情報を届けています。記事が役に立ったと感じたら、OFUSEから活動を応援していただけるとうれしいです。

FORWARD BASISを応援する
NEXT BASIS
音楽を見る →