オーディオコーディングフォーマット

オーディオコーディング形式[ ^1]（またはオーディオ圧縮形式と呼ばれることもある）は、デジタルオーディオ（デジタルテレビ、デジタルラジオ、オーディオファイルやビデオファイルなど）の保存または伝送に使用されるコンテンツ表現形式です。オーディオコーディング形式の例としては、 MP3、AAC、Vorbis、FLAC、Opusなどがあります。特定のオーディオコーディング形式との間でオーディオの圧縮および解凍が可能な特定のソフトウェアまたはハードウェア実装は、オーディオコーデックと呼ばれます。オーディオコーデックの例として、 LAMEが挙げられます。これは、 MP3オーディオコーディング形式でのオーディオのエンコードとデコードをソフトウェアで実装するいくつかの異なるコーデックの1つです。

一部のオーディオコーディング形式は、オーディオコーディング仕様と呼ばれる詳細な技術仕様書で文書化されています。このような仕様の一部は、標準化団体によって技術標準として作成および承認されており、オーディオコーディング標準と呼ばれています。「標準」という用語は、正式な標準だけでなく、事実上の標準にも使用されることがあります。

特定のオーディオコーディング形式でエンコードされたオーディオコンテンツは、通常、コンテナ形式内にカプセル化されます。そのため、ユーザーが持つのは通常、生のAACファイルではなく、 AAC エンコードされたオーディオを含むMPEG-4 Part 14コンテナである .m4aオーディオファイルです。コンテナには、タイトルやその他のタグなどのメタデータや、高速シーク用のインデックスも含まれます。 ^[2]注目すべき例外は、コンテナ形式のない生のオーディオコーディングであるMP3ファイルです。タイトルやアーティストなどのメタデータタグを MP3 に追加するためのID3などの事実上の標準は、タグを MP3 に追加し、MP3 プレーヤーがそのチャンクを不正なオーディオコーディングとして認識してスキップするというハックです。オーディオ付きのビデオファイルでは、エンコードされたオーディオコンテンツは、マルチメディアコンテナ形式内でビデオ (ビデオコーディング形式)とバンドルされます。

オーディオコーディングフォーマットは、そのフォーマットを実装するコーデックで使用されるすべてのアルゴリズムを規定するものではありません。非可逆オーディオ圧縮の重要な部分は、心理音響モデルに従って、人間が聞くことができない方法でデータを削除することです。エンコーダーの実装者は、心理音響モデルに従って、どのデータを削除するかをある程度自由に選択できます。

ロスレス、ロッシー、非圧縮のオーディオコーディング形式

ロスレスオーディオコーディング形式では、サウンドを表現するために必要なデータの合計が削減されますが、元の非圧縮形式にデコードできます。ロスレスオーディオコーディング形式では、圧縮に加えてサウンドのビット解像度も削減されるため、データ量が大幅に削減されますが、回復不能な情報が失われることになります。

送信 (ストリーミング) されるオーディオは、サイズが小さいほど配布に便利なため、ほとんどの場合、非可逆オーディオコーデックを使用して圧縮されます。最も広く使用されているオーディオコーディング形式はMP3とAdvanced Audio Coding (AAC) で、どちらも修正離散コサイン変換(MDCT) と知覚コーディングアルゴリズムに基づく非可逆形式です。

FLACやApple Losslessなどのロスレスオーディオコーディング形式も利用できる場合があります。ただし、ファイルサイズが大きくなります。

パルス符号変調(PCM、または .wav)などの非圧縮オーディオ形式も使用されることがあります。PCM は、コンパクトディスクデジタルオーディオ(CDDA)の標準形式でした。

歴史

Solidyne 922: 世界初の PC 用商用オーディオビット圧縮サウンドカード、1990 年

1950年、ベル研究所は差分パルス符号変調（DPCM）の特許を申請した。^[3] 適応型DPCM （ADPCM）は1973年にベル研究所のP.カミスキー、ニキル・S・ジャヤント、ジェームズ・L・フラナガンによって導入された。 ^[4]^[5]

知覚符号化は、線形予測符号化（LPC）とともに音声符号化圧縮に初めて使用されました。 ^[6] LPCの最初の概念は、1966年の板倉文忠（名古屋大学）と斉藤周三（日本電信電話）の研究に遡ります。^[7] 1970年代には、ベル研究所のBishnu S. AtalとManfred R. Schroederが、人間の耳のマスキング特性を利用した知覚符号化アルゴリズムである適応予測符号化（APC）と呼ばれるLPCの形式を開発し、1980年代初頭には、当時としては大きな圧縮率を達成したコード励起線形予測（CELP）アルゴリズムが続きました。 ^{[6]知覚符号化は、}MP3 ^[6]やAACなどの最新のオーディオ圧縮形式で使用されています。

離散コサイン変換（DCT）は、1974年にNasir Ahmed、T. Natarajan、KR Raoによって開発され、 ^{[8] MP3}^[9]やAACなどの現代のオーディオ圧縮フォーマットで使用される修正離散コサイン変換（MDCT）の基礎となりました。MDCTは、 1986年のPrincenとBradleyによる初期の研究に続いて、1987年にJP Princen、AW Johnson、AB Bradleyによって提案されました。 ^[11]^MDCTは、Dolby Digital、^[12]^[13]MP3、^[9]およびAdvanced Audio Coding （AAC）などの現代のオーディオ圧縮フォーマットで使用されています。^[14]

非可逆フォーマットのリスト

一般的な

スピーチ

線形予測符号化(LPC)
- 適応予測コーディング(APC)
- コード励起線形予測(CELP)
- 代数符号励起線形予測(ACELP)
- 緩和コード励起線形予測(RCELP)
- 低遅延CELP（LD-CELP）
- アダプティブマルチレート（ GSMおよび3GPPで使用）
- コーデック 2 (特許制限がないことで有名)
- Speex（特許制限がないことで有名）
修正離散コサイン変換(MDCT)
- AAC-LD
- 制約エネルギー重複変換(CELT)
- Opus (主にリアルタイムアプリケーション向け)

ロスレス形式のリスト

Apple ロスレス(ALAC – Apple ロスレスオーディオコーデック)
適応変換音響符号化(ATRAC)
オーディオロスレスコーディング（MPEG-4 ALSとも呼ばれる）
ダイレクトストリーム転送(DST)
ドルビーTrueHD
DTS-HDマスターオーディオ
無料のロスレスオーディオコーデック（FLAC）
ロスレス離散コサイン変換(LDCT)
メリディアンロスレスパッキング(MLP)
モンキーズオーディオ（モンキーズオーディオAPE）
MPEG-4 SLS (HD-AAC とも呼ばれる)
オプティムフロッグ
オリジナルサウンドクオリティ（OSQ）
RealPlayer (RealAudio ロスレス)
ショートン（SHN）
TTA (トゥルーオーディオロスレス)
WavPack (WavPack ロスレス)
WMA ロスレス(Windows Media ロスレス)

参照

注記

^ ab このレポートではAC-3とE-AC-3を統合し、ドルビーアトモスを市場シェアの計算から分離しています。ドルビーアトモスは、E-AC-3/ AC-4 ^{[16]で非可逆エンコードすることも、}ドルビーTrueHDで非可逆エンコードすることもできます。音楽やビデオのストリーミングプロバイダーは通常、ドルビーアトモスで拡張されたドルビーデジタルプラスを使用しますが、デジタルダウンロードやブルーレイディスクは通常、ドルビーアトモスで拡張されたドルビーTrueHDを使用します。^[17]

参考文献

^ 「オーディオコーディング」という用語は、例えば Advanced Audio Codingという名前に見られ、ビデオコーディングという用語に類似している。
^ 「ビデオ – コンテナ形式で同期情報はどこに保存されますか?」
^ 米国特許 2605361、C. Chapin Cutler、「通信信号の微分量子化」、1952 年 7 月 29 日発行
^ Cummiskey, P.; Jayant, NS; Flanagan, JL (1973). 「音声の差分 PCM コーディングにおける適応量子化」Bell System Technical Journal . 52 (7): 1105–1118. doi :10.1002/j.1538-7305.1973.tb02007.x.
^ Cummiskey, P.; Jayant, Nikil S.; Flanagan, JL (1973). 「音声の差分 PCM コーディングにおける適応量子化」. The Bell System Technical Journal . 52 (7): 1105–1118. doi :10.1002/j.1538-7305.1973.tb02007.x. ISSN 0005-8580.
^ abc Schroeder, Manfred R. (2014). 「ベル研究所」.音響、情報、通信: Manfred R. Schroeder を記念した記念本. Springer. p. 388. ISBN 9783319056609。
^ Gray, Robert M. (2010). 「パケットネットワーク上のリアルタイムデジタル音声の歴史：線形予測符号化とインターネットプロトコルの第2部」(PDF) . Found. Trends Signal Process . 3 (4): 203–303. doi : 10.1561/2000000036 . ISSN 1932-8346.
^ Nasir Ahmed、T. Natarajan、Kamisetty Ramamohan Rao (1974 年 1 月)。「離散コサイン変換」(PDF)。IEEE Transactions on Computers。C - 23 (1): 90–93。doi :10.1109/TC.1974.223784。S2CID 149806273。2016年 12 月 8 日のオリジナル(PDF)からアーカイブ。2019年 10 月 20 日に取得。
^ abc Guckert, John (2012年春)。「MP3オーディオ圧縮におけるFFTとMDCTの使用」(PDF)。ユタ大学。 2019年7月14日閲覧。
^ Princen, J.; Johnson, A.; Bradley, A. (1987). 「時間領域エイリアシング除去に基づくフィルタバンク設計を使用したサブバンド/変換コーディング」ICASSP '87. IEEE 国際音響、音声、信号処理会議。第 12 巻。pp. 2161–2164。doi :10.1109/ICASSP.1987.1169405。S2CID 58446992 。
^ Princen, J.; Bradley, A. (1986). 「時間領域エイリアシング除去に基づく分析/合成フィルタバンク設計」IEEE Transactions on Acoustics, Speech, and Signal Processing . 34 (5): 1153–1161. doi :10.1109/TASSP.1986.1164954.
^ abcdef Luo, Fa-Long (2008). モバイルマルチメディア放送標準: テクノロジーと実践。Springer Science & Business Media . p. 590. ISBN 9780387782638。
^ Britanak, V. (2011). 「Dolby Digital (Plus) AC-3 オーディオコーディング標準におけるフィルタバンクの特性、関係、および簡略化された実装について」IEEE Transactions on Audio, Speech, and Language Processing . 19 (5): 1231–1241. doi :10.1109/TASL.2010.2087755. S2CID 897622.
^ ab Brandenburg, Karlheinz (1999). 「MP3 と AAC の説明」(PDF)。2017 年 2 月 13 日のオリジナルからアーカイブ(PDF) 。
^ 「ビデオ開発者レポート 2019」(PDF) . Bitmovin . 2019 . 2019年11月5日閲覧。
^ 「Dolby AC-4 は Dolby Atmos をサポートしていますか?」Dolby Professional Support . 2023-05-23 . 2024-11-08に閲覧。
^ 「ロスレスドルビーアトモスミュージックを聴くまで待ってください」。Digital Trends 2023-05-03 . 2024-11-08閲覧。
^ Britanak, V. (2011). 「Dolby Digital (Plus) AC-3 オーディオコーディング標準におけるフィルタバンクの特性、関係、および簡略化された実装について」IEEE Transactions on Audio, Speech, and Language Processing . 19 (5): 1231–1241. doi :10.1109/TASL.2010.2087755. S2CID 897622.
^ Andersen, Robert Loring; Crockett, B.; Davidson, G.; Davis, Mark; Fielder, L.; Turner, Stephen C.; Vinton, M.; Williams, P. (2004 年 10 月 1 日)。「ドルビーデジタルコーディングシステムの拡張機能であるドルビーデジタルプラスの紹介」(PDF)。Journal of The Audio Engineering Society。2016年 11 月 19 日のオリジナル(PDF)からアーカイブ。
^ デジタルオーディオ圧縮（AC-3、拡張AC-3）規格（PDF）、欧州電気通信標準化機構、2017年9月20日、ETSI TS 102 366 V1.4.1（2017-09 、 2023年9月21日取得）
^ Stanković, Radomir S.; Astola, Jaakko T. (2012). 「DCT 初期の研究の回想: KR Rao 氏へのインタビュー」(PDF) .情報科学黎明期からの転載. 60 . 2019 年10 月 13 日閲覧。
^ Xiph.Org Foundation (2009-06-02). 「Vorbis I 仕様 - 1.1.2 分類」 Xiph.Org Foundation . 2009-09-22閲覧。
^ Terriberry, Timothy B. CELT コーデックのプレゼンテーション。プレゼンテーション(PDF)。
^ Valin, Jean-Marc; Maxwell, Gregory; Terriberry, Timothy B.; Vos, Koen (2013 年 10 月)。Opusコーデックでの高品質、低遅延の音楽コーディング。第 135 回 AES コンベンション。オーディオエンジニアリング協会。arXiv : 1602.04845。
^ 「Dolby AC-4: 次世代エンターテイメントサービス向けオーディオ配信」(PDF)。ドルビーラボラトリーズ。2015 年 6 月 1 日。2015年 12 月 4 日時点のオリジナル(PDF)からアーカイブ。2016 年 4 月 26 日閲覧。
^ Darko, John H. (2017-03-29). 「Bluetoothオーディオに関する不都合な真実」DAR__KO . 2018-01-14時点のオリジナルよりアーカイブ。2018-01-13に閲覧。
^ Ford, Jez (2015-08-24). 「Sony LDAC とは何か、そしてどのように機能するのか?」AVHub . 2018-01-13閲覧。
^ Ford, Jez (2016-11-22). 「aptX HD - lossless or lossy?」AVHub . 2018年1月13日閲覧。
^ 「デジタルシアターシステムのオーディオフォーマット」。米国議会図書館。2011年12月27日。 2019年11月10日閲覧。
^ Spanias, Andreas; Painter, Ted; Atti, Venkatraman (2006). オーディオ信号処理とコーディング。John Wiley & Sons . p. 338. ISBN 9780470041963。
^ 「ISO/IEC 11172-3:1993 – 情報技術 — 約1.5 Mbit/sまでのデジタル記憶媒体における動画および関連音声の符号化 — パート3: 音声」。ISO。1993年。 2010年7月14日閲覧。
^ Bluetooth SIG、Bluetooth システムの仕様、プロファイル、Advanced Audio Distribution Profile バージョン 1.3。https://www.bluetooth.org/docman/handlers/DownloadDoc.ashx?doc_id=260859&vId=290074

[MarketShareNote-18] このレポートではAC-3とE-AC-3を統合し、ドルビーアトモスを市場シェアの計算から分離しています。ドルビーアトモスは、E-AC-3/ AC-4 ^{[16]で非可逆エンコードすることも、}ドルビーTrueHDで非可逆エンコードすることもできます。音楽やビデオのストリーミングプロバイダーは通常、ドルビーアトモスで拡張されたドルビーデジタルプラスを使用しますが、デジタルダウンロードやブルーレイディスクは通常、ドルビーアトモスで拡張されたドルビーTrueHDを使用します。^[17]

[1] ^ 「オーディオコーディング」という用語は、例えば Advanced Audio Codingという名前に見られ、ビデオコーディングという用語に類似している。

[2] 「ビデオ – コンテナ形式で同期情報はどこに保存されますか?」

[DPCM-3] 米国特許 2605361、C. Chapin Cutler、「通信信号の微分量子化」、1952 年 7 月 29 日発行

[4] Cummiskey, P.; Jayant, NS; Flanagan, JL (1973). 「音声の差分 PCM コーディングにおける適応量子化」Bell System Technical Journal . 52 (7): 1105–1118. doi :10.1002/j.1538-7305.1973.tb02007.x.

[5] Cummiskey, P.; Jayant, Nikil S.; Flanagan, JL (1973). 「音声の差分 PCM コーディングにおける適応量子化」. The Bell System Technical Journal . 52 (7): 1105–1118. doi :10.1002/j.1538-7305.1973.tb02007.x. ISSN 0005-8580.

[Schroeder2014-6] Schroeder, Manfred R. (2014). 「ベル研究所」.音響、情報、通信: Manfred R. Schroeder を記念した記念本. Springer. p. 388. ISBN 9783319056609。

[7] Gray, Robert M. (2010). 「パケットネットワーク上のリアルタイムデジタル音声の歴史：線形予測符号化とインターネットプロトコルの第2部」(PDF) . Found. Trends Signal Process . 3 (4): 203–303. doi : 10.1561/2000000036 . ISSN 1932-8346.

[DCT-8] Nasir Ahmed、T. Natarajan、Kamisetty Ramamohan Rao (1974 年 1 月)。「離散コサイン変換」(PDF)。IEEE Transactions on Computers。C - 23 (1): 90–93。doi :10.1109/TC.1974.223784。S2CID 149806273。2016年 12 月 8 日のオリジナル(PDF)からアーカイブ。2019年 10 月 20 日に取得。

[Guckert-9] Guckert, John (2012年春)。「MP3オーディオ圧縮におけるFFTとMDCTの使用」(PDF)。ユタ大学。 2019年7月14日閲覧。

[10] Princen, J.; Johnson, A.; Bradley, A. (1987). 「時間領域エイリアシング除去に基づくフィルタバンク設計を使用したサブバンド/変換コーディング」ICASSP '87. IEEE 国際音響、音声、信号処理会議。第 12 巻。pp. 2161–2164。doi :10.1109/ICASSP.1987.1169405。S2CID 58446992 。

[11] Princen, J.; Bradley, A. (1986). 「時間領域エイリアシング除去に基づく分析/合成フィルタバンク設計」IEEE Transactions on Acoustics, Speech, and Signal Processing . 34 (5): 1153–1161. doi :10.1109/TASSP.1986.1164954.

[Luo-12] Luo, Fa-Long (2008). モバイルマルチメディア放送標準: テクノロジーと実践。Springer Science & Business Media . p. 590. ISBN 9780387782638。

[13] Britanak, V. (2011). 「Dolby Digital (Plus) AC-3 オーディオコーディング標準におけるフィルタバンクの特性、関係、および簡略化された実装について」IEEE Transactions on Audio, Speech, and Language Processing . 19 (5): 1231–1241. doi :10.1109/TASL.2010.2087755. S2CID 897622.

[brandenburg-14] Brandenburg, Karlheinz (1999). 「MP3 と AAC の説明」(PDF)。2017 年 2 月 13 日のオリジナルからアーカイブ(PDF) 。

[Bitmovin-15] 「ビデオ開発者レポート 2019」(PDF) . Bitmovin . 2019 . 2019年11月5日閲覧。

[16] 「Dolby AC-4 は Dolby Atmos をサポートしていますか?」Dolby Professional Support . 2023-05-23 . 2024-11-08に閲覧。

[17] 「ロスレスドルビーアトモスミュージックを聴くまで待ってください」。Digital Trends 2023-05-03 . 2024-11-08閲覧。

[Britanak2011-19] Britanak, V. (2011). 「Dolby Digital (Plus) AC-3 オーディオコーディング標準におけるフィルタバンクの特性、関係、および簡略化された実装について」IEEE Transactions on Audio, Speech, and Language Processing . 19 (5): 1231–1241. doi :10.1109/TASL.2010.2087755. S2CID 897622.

[20] Andersen, Robert Loring; Crockett, B.; Davidson, G.; Davis, Mark; Fielder, L.; Turner, Stephen C.; Vinton, M.; Williams, P. (2004 年 10 月 1 日)。「ドルビーデジタルコーディングシステムの拡張機能であるドルビーデジタルプラスの紹介」(PDF)。Journal of The Audio Engineering Society。2016年 11 月 19 日のオリジナル(PDF)からアーカイブ。

[21] デジタルオーディオ圧縮（AC-3、拡張AC-3）規格（PDF）、欧州電気通信標準化機構、2017年9月20日、ETSI TS 102 366 V1.4.1（2017-09 、 2023年9月21日取得）

[Stankovic-22] Stanković, Radomir S.; Astola, Jaakko T. (2012). 「DCT 初期の研究の回想: KR Rao 氏へのインタビュー」(PDF) .情報科学黎明期からの転載. 60 . 2019 年10 月 13 日閲覧。

[vorbis-mdct-23] Xiph.Org Foundation (2009-06-02). 「Vorbis I 仕様 - 1.1.2 分類」 Xiph.Org Foundation . 2009-09-22閲覧。

[presentation-24] Terriberry, Timothy B. CELT コーデックのプレゼンテーション。プレゼンテーション(PDF)。

[25] Valin, Jean-Marc; Maxwell, Gregory; Terriberry, Timothy B.; Vos, Koen (2013 年 10 月)。Opusコーデックでの高品質、低遅延の音楽コーディング。第 135 回 AES コンベンション。オーディオエンジニアリング協会。arXiv : 1602.04845。

[DolbyAC4ServicesJune2015Dolby-26] 「Dolby AC-4: 次世代エンターテイメントサービス向けオーディオ配信」(PDF)。ドルビーラボラトリーズ。2015 年 6 月 1 日。2015年 12 月 4 日時点のオリジナル(PDF)からアーカイブ。2016 年 4 月 26 日閲覧。

[Darko_2017-27] Darko, John H. (2017-03-29). 「Bluetoothオーディオに関する不都合な真実」DAR__KO . 2018-01-14時点のオリジナルよりアーカイブ。2018-01-13に閲覧。

[AVHub_2015-28] Ford, Jez (2015-08-24). 「Sony LDAC とは何か、そしてどのように機能するのか?」AVHub . 2018-01-13閲覧。

[AVHub_2016-29] Ford, Jez (2016-11-22). 「aptX HD - lossless or lossy?」AVHub . 2018年1月13日閲覧。

[30] 「デジタルシアターシステムのオーディオフォーマット」。米国議会図書館。2011年12月27日。 2019年11月10日閲覧。

[31] Spanias, Andreas; Painter, Ted; Atti, Venkatraman (2006). オーディオ信号処理とコーディング。John Wiley & Sons . p. 338. ISBN 9780470041963。

[11172-32-32] 「ISO/IEC 11172-3:1993 – 情報技術 — 約1.5 Mbit/sまでのデジタル記憶媒体における動画および関連音声の符号化 — パート3: 音声」。ISO。1993年。 2010年7月14日閲覧。

[a2dp-33] Bluetooth SIG、Bluetooth システムの仕様、プロファイル、Advanced Audio Distribution Profile バージョン 1.3。https://www.bluetooth.org/docman/handlers/DownloadDoc.ashx?doc_id=260859&vId=290074