オンラインで音声ファイルを変換する方法

音声ファイルには多くの形式があり、すべてのデバイスやプラットフォームがすべてをサポートしているわけではありません。形式間の変換により、どこでも音声を再生し、ファイルサイズを減らし、編集用のファイルを準備し、またはポッドキャストプラットフォームのアップロード制限内に収められます。各形式が存在する理由、どこで輝き、どこで噛みつくかを理解することは、変換を当て推量から小さくて信頼できる技能に変えます。

音声形式の簡単な歴史

物語は1991年のWAV、MicrosoftとIBMの非圧縮PCMサンプル用ラッパーから始まります。WAVはシンプルで、大きく、普遍的でした。今日でも音声編集のリンガフランカです。1993年に最終化され、MPEG-1 Audio Layer IIIとして標準化された MP3(Fraunhofer Institut)の到来はすべてを変えました。50 MBのWAVは、ほぼ同じに聞こえる5 MBのMP3になり、突然ポータブルプレーヤーとダイヤルアップ音楽共有が実用的になりました。

AACは1997年にMP3の後継として続き、同じビットレートでより良い品質を提供し、iPodとiTunes用にAppleに採用されました。OGG Vorbis(2000年)はオープンソースコミュニティとゲーム開発者によって支持された特許フリーの代替として登場しました。FLAC(2001年)は、ハードドライブがそれを保存するのに十分大きくなったときに、ロスレス音楽アーカイブの標準になりました。Opus(2012年、IETF RFC 6716)はモダンな圧縮チャンピオンです。ほぼすべてのビットレートでMP3、AAC、Vorbisを打ち負かし、WebRTC、Discord、YouTube、Zoom、ほとんどのモダンな音声と音楽ストリーミングを動かしています。各世代は、互換性が(生の品質ではなく)採用を駆動するため、以前の形式を流通させ続けました。

音声形式の説明

MP3: 最も広くサポートされた非可逆形式。過去30年間に作られた事実上すべてのデバイスとプラットフォームで動作します。192から320 kbpsで品質とファイルサイズの良いバランス。特許は2017年に切れたため、現在はどこでもロイヤリティフリーです。

WAV: 非圧縮音声。完璧な品質ですが非常に大きなファイル(ステレオCD品質音声の1分あたり約10 MB)。音声編集、放送ワークフロー、ゲームの短いサウンドエフェクトの標準形式。

AAC: Appleの好まれる非可逆形式。同じビットレートでMP3よりわずかに良い品質。iTunes、YouTube、Apple Music、ほとんどのストリーミングサービスで使用。MP4コンテナに保存されているとき、ファイルは通常.m4a拡張子を持ちます。

OGG Vorbis: オープンソースの非可逆形式。AACに似た品質、ゲーム(Minecraft、Half-Life 2、多くのインディータイトル)とWikipediaで自由ライセンス音声に一般的に使用。

FLAC: ロスレス圧縮。WAVと比較してファイルサイズを約50から60%減らしながら、完璧な音質を保持します。高解像度音楽アーカイブ、オーディオファイル試聴、Bandcampダウンロードで人気。

Opus: ほとんどのビットレートですべての古いコーデックを打ち負かすモダンなオープン形式。WebRTC、Discordボイス、YouTubeショートフォームのデフォルトで、低遅延ゲームボイスにますます採用されています。スピーチと音楽モードをシームレスに組み合わせます。

ALAC: Apple Lossless。FLACと同じ考えですが、Appleエコシステムサポート付き。ファイルは.m4a(ロスレスバリアント)で終わります。ライブラリがiTunes / Apple Musicにあるなら有用。

WMA: Windows Media Audio。レガシーWindowsアプリケーションの外ではほぼ廃れています。携帯性のためにMP3またはAACに変換してください。

AIFF: AppleのWAV相当、非圧縮で大きい。古いMacintosh音声ワークフローで使用。

変換するとき

オンラインで音声を変換する手順

1. 音声ファイルをアップロード: サポートされた任意の形式(MP3、WAV、AAC、OGG、FLAC、M4A、WebM、AIFF)のファイルを選択します。ブラウザがローカルでデコードします。
2. 出力形式と品質を選ぶ: ターゲット形式とビットレートを選択します。高いビットレートはより良い品質を意味しますが、より大きなファイルになります。
3. 必要ならチャンネルとサンプルレートを選ぶ: ポッドキャストにはモノラル、音楽にはステレオ、CD品質には44.1 kHz、音声が動画と組み合わされるときは48 kHz。
4. 変換されたファイルをダウンロード: 変換をクリックして結果をダウンロードします。すべてはブラウザで実行されます。アップロードはありません。

バッチ変換には、複数のファイルをキューに入れ、コンバーターは順番にそれらを処理します。各ファイルはブラウザのWeb Audio APIでデコードされ、WebAssemblyコンパイル済みコーデックで再エンコードされます。

ビットレート、サンプルレート、チャンネルの理解

任意の音声ファイルのサイズと品質を決定する3つの数値。それぞれが何をするかを知ることで、推測なしに目的に合った設定を選べます。

ビットレートは音声の1秒あたりに使われるデータ量を測定します。高ビットレート = より良い品質 = より大きなファイル。非可逆コーデックでは、ビットレートが最も重要な品質コントロールです。

ほとんどの目的では、192から256 kbpsがスイートスポットで、ほとんどの人が元との違いを言えないほどよく、ファイルを管理可能な状態に保ちます。Opusはずっと低いビットレートで透明な品質に達します。96 kbpsのOpusはしばしば192 kbpsのMP3と同等です。

サンプルレートは1秒に何回音声スナップショットが撮られるかです。44.1 kHz(CD品質)と48 kHz(放送と動画)はほぼすべてをカバーします。22 kHzはスピーチのみのポッドキャストには問題なく、ファイルサイズを半分にします。96 kHzや192 kHzはスタジオ制作にのみ重要です。消費者の再生は違いを解決できません。

チャンネル: モノラルは1チャンネルを使い、ファイルを半分にします。ステレオは2つを使います。5.1と7.1サラウンドは映画とゲーム音声に有用です。話される音声はステレオから利益を得ないため、ほとんどのポッドキャストはモノラルで出荷されます。

CBR、VBR、ABR

ファイル全体にわたってビットレート予算を使う3つの方法:

• CBR(固定ビットレート): 音声の各秒は同じビット数を使います。予測可能なファイルサイズ、ストリーミングが容易、静かな部分でわずかに無駄。
• VBR(可変ビットレート): エンコーダーは複雑な部分により多くのビットを使い、無音にはより少なく。バイトあたりのより良い品質。ローカルファイルに推奨。
• ABR(平均ビットレート): 中間: 特定の平均をターゲットにし、ローカルの変動を許可。今日はあまり一般的ではありません。

モダンな使用には、品質ターゲット付きのVBR(Opus品質5、LAME V2、AAC品質0.5)が知覚品質とファイルサイズの最高比を与えます。

よくある落とし穴

• 非可逆から非可逆への変換: MP3からAACはすでに圧縮された音声を再エンコードし、不具合の上に不具合を積み重ねます。持っていればつねにWAVまたはFLACのソースに戻ってください。
• 話し言葉に320 kbpsを使う: ポッドキャストとオーディオブックは高い音楽ビットレートから何も得ません。64から96 kbpsモノラルOpusまたは96から128 kbps MP3は同じに聞こえ、帯域幅を節約します。
• 動画とのサンプルレート不一致: 48 kHz動画タイムラインと組み合わされた44.1 kHzの音声は、長い動画で同期がずれます。プロジェクトのサンプルレート(通常、動画では48 kHz)に合わせてください。
• 音量正規化を無視: 異なるソースは大幅に異なる知覚音量を持ちます。ほとんどのポッドキャストプラットフォームはモノラルに-16 LUFS、ステレオに-14 LUFSを推奨します。一部のコンバーターはエクスポート時に正規化できます。
• 誤ってメタデータを取り除く: MP3 ID3タグ(タイトル、アーティスト、アルバム、カバーアート)は音声ストリームとは別に存在します。一部のコンバーターは静かにそれらを削除します。ライブラリの整理を気にするなら、出力をチェックしてください。
• モノラル / ステレオの混同: 両チャンネルに同じ波形を持つステレオファイルは、帯域幅が2倍のモノラルファイルにすぎません。適切なときはモノラルにエンコードしてください。
• M4Aバリアントの混同: .m4aコンテナはAAC(非可逆)またはALAC(ロスレス)を保持できます。一方をもう一方に名前変更しても変換にはなりません。正しいエンコーダーが必要です。
• 5.1の間違ったチャンネルレイアウト: チャンネル順は形式間で変動します(L、R、C、LFE、Ls、Rs対L、R、Ls、Rs、C、LFE)。間違った順序は中央のダイアログを後ろのスピーカーから再生します。
• 編集するたびにポッドキャストを再エンコード: WAVで編集し、最後に一度MP3にエクスポートします。各MP3ラウンドトリップは品質を低下させます。
• アップロード制限を忘れる: メールは25 MBに、Twitterは140秒に上限を設け、多くのプラットフォームには独自の癖があります。320 kbpsでエクスポートして、やり直す必要があると発見する前にチェックしてください。

代替ツールと文脈

Webコンバーターは1つまたは少数のファイルに最速の経路です。バッチ、スクリプティング、またはスタジオ作業には、コマンドラインツールとDAWが引き継ぎます。

ポッドキャストパイプラインの自動化には、ffmpegスクリプトが勝ちます。一度限りの互換性変換には、Webコンバーターが速くよりプライベートです。

プライバシーとコンバーター

音声コンバーターは完全にブラウザ内で動作します。選択したファイルはFileReader APIで読まれ、ブラウザのWeb Audio APIでデコードされ、WebAssemblyコーデックでターゲット形式に再エンコードされます。アップロードなし、ロギングなし、共有なしです。機密素材(ボイスメモ、インタビュー録音、ポッドキャストエピソードの下書き、プライベートな会議の文字起こし)には、そのローカル専用フローが、見知らぬサーバーを信頼することと誰も信頼しないことの違いです。音声ファイルはしばしば隠しメタデータを運びます。タイトルとアーティスト付きのID3タグ、録音デバイスのシリアル番号、電話のマイクからのGPS座標、タイムスタンプなど、第三者に保持されたくないデータです。Canvasスタイルのローカルパイプラインは、それらすべてをコントロール下に保ちます。形式の切り替えのような日常的なタスクには、プライバシーのデフォルトは、何もページを離れない、何も保存されない、何も共有されない、であるべきです。