HTMLオーディオ

HTMLオーディオはHTML仕様の対象であり、音声認識を含む音声処理をすべてブラウザ内で実現します。

この要素は、音声またはオーディオストリームを表します。一般的には、ウェブページ内で単一のオーディオファイルを再生し、再生/一時停止/音量コントロールを備えたGUIウィジェットを表示するために使用されます。<audio>

この要素には次の属性があります: 音楽<audio>

• グローバル属性（アクセスキー、クラス、コンテンツ編集可能、コンテキストメニュー、ディレクトリ、ドラッグ可能、ドロップゾーン、非表示、ID、言語、スペルチェック、スタイル、タブインデックス、タイトル、翻訳）
• autoplay = "autoplay" または "" (空文字列) または空。ユーザーエージェントに、停止せずにオーディオ ストリームの再生を可能な限りすぐに自動的に開始するように指示します。
• preload = "none" または "metadata" または "auto" または "" (空文字列) または emptyオーディオ ストリーム自体またはそのメタデータの楽観的ダウンロードが有益かどうかについて、ユーザー エージェントへのヒントを表します。
  • 「none」: ユーザーがオーディオストリームを必要としないこと、または不要なトラフィックを最小限に抑えることが望ましいことをユーザーエージェントに示唆します。
  • 「メタデータ」: ユーザーは音声ストリームを必要としないが、そのメタデータ（再生時間など）を取得することが望ましいことをユーザーエージェントに示唆する。
  • 「auto」：ユーザーエージェントに対し、オーディオストリーム全体を楽観的にダウンロードすることが望ましいと示唆する。
• controls = "controls" または "" (空文字列) または emptyオーディオ ストリームの再生を制御するためのユーザー インターフェイスを公開するように User-Agent に指示します。
• loop = "loop" または "" (空文字列) または emptyオーディオ ストリームの終了に達したときに、ユーザー エージェントにオーディオ ストリームの先頭に戻るように指示します。
• mediagroup = string複数のビデオやオーディオ ストリームをリンクするようにユーザー エージェントに指示します。
• muted = "muted" または "" (空文字列) または空。オーディオ ストリームのデフォルトの状態を表し、ユーザー設定を上書きする可能性があります。
• src = 空でない [URL] スペースで囲まれている可能性があります。オーディオストリームの URL。

例：^{[ 1 ]}

< audio controls > < source src = " https://media.w3.org/2010/07/bunny/04-Death_Becomes_Fur.mp4" type = "audio/mp4" /> < source src = "https://media.w3.org/2010/07/bunny/04-Death_Becomes_Fur.oga" type = "audio / ogg; codecs=vorbis" / > <p>お使いのユーザーエージェントはHTML5 Audio要素をサポートしていません。</p> </audio>

HTMLオーディオの採用は、HTMLビデオと同様に、自由なフォーマットを支持する人々と特許で制約されたフォーマットを支持する人々の間で二極化している。2007年、W3Cは、主要なブラウザベンダーすべてが受け入れるフォーマットがないことを理由に、Vorbisの使用を推奨する条項とOgg Theoraの使用を推奨する条項をHTML5仕様から撤回した。

AppleとMicrosoftは、 ISO / IECで定義されたAACフォーマットと、それより古いMP3フォーマットをサポートしています。MozillaとOperaは、OggおよびWebMコンテナで、自由でオープンなロイヤリティフリーのVorbisフォーマットをサポートしており、特許に縛られているMP3とAACは「非自由」であると断言しています。Googleは、これまでのところ、一般的なフォーマットすべてをサポートしています。

有限長のほとんどの AAC ファイルは、MPEG-4 コンテナ (.mp4、.m4a) でラップされており、これは Internet Explorer、Safari、Chrome でネイティブにサポートされ、Firefox と Opera では OS によってサポートされています。無限長のほとんどの AAC ライブ ストリームは、Audio Data Transport Stream コンテナ (.aac、.adts) でラップされており、これは Chrome、Safari、Firefox、Edge でサポートされています。^{[ 2 ] [ 3 ] [ 4 ]}

多くのブラウザは、WAV Eコンテナ内の非圧縮PCMオーディオもサポートしています。^{[ 5 ]}

2012年に、無料かつオープンなロイヤリティフリーのOpusフォーマットがIETFによってリリースされ、標準化されました。Mozilla、Google、Opera、Edgeでサポートされています。^{[ 5 ] [ 6 ] [ 7 ] [ 8 ]}

この表は、要素が現在サポートしている音声符号化フォーマットを示しています。<audio>

W3Cが開発した Web Audio API 仕様は、Web アプリケーションでオーディオを処理および合成するための高レベルの JavaScript API を記述しています。主なパラダイムはオーディオルーティンググラフであり、多数の AudioNode オブジェクトが接続されて全体のオーディオレンダリングを定義します。実際の処理は主に基盤となる実装 (通常は最適化されたアセンブリ / C / C++ コード) で行われますが、JavaScript による直接処理と合成もサポートされています。^{[ 28 ]}

MozillaのFirefoxブラウザは、 2010年に実装され2011年にリリースされたバージョン4以降、同様のAudio Data API拡張機能を実装していますが[ ^{29 ] 、} Mozillaはこれが非標準で非推奨であると警告し、代わりにWeb Audio APIを推奨しています^{[ 30 ]}。Audioletなどの 一部のJavaScriptオーディオ処理および合成ライブラリは、両方のAPIをサポートしています。

W3Cオーディオワーキンググループは、 Mozillaが開発したMediaStream Processing API仕様も検討している。^{[ 31 ]} この仕様は、オーディオミキシングと処理に加えて、HTML要素との同期、オーディオおよびビデオストリームのキャプチャ、およびそのようなメディアストリームのピアツーピアルーティングなど、より一般的なメディアストリーミングもカバーしている。^{[ 32 ]}

Web Speech API は、 Web アプリケーションに (キーボードを使用せずに) 代替入力方法を提供することを目的としています。この API を使用すると、開発者は、コンピュータのマイクから音声をテキストに変換する機能を Web アプリケーションに提供できます。録音された音声は音声サーバーに送信されて文字起こしされ、その後、テキストがユーザーに表示されます。API 自体は、基盤となる音声認識の実装に依存せず、サーバーベースと組み込みの認識器の両方をサポートできます。^{[ 35 ]} HTML Speech Incubator グループは、統一されたクロスプラットフォームAPIの形でブラウザに音声認識技術を実装することを提案しました。この API には、次の 2 つの機能が含まれています。^{[ 36 ]}

• 音声入力API
• テキスト読み上げAPI

Googleは2011年3月にこの機能をGoogle Chromeに統合しました。^{[ 37 ]}次のようなコードを使用して、ユーザーが音声でウェブを検索できるようにしました。

• HTMLビデオ
• HTML5におけるOggフォーマットの使用

• HTML5オーディオ要素 – W3C
• Web Audio API – W3C
• メディアストリーム処理API – W3C
• Web Speech API – W3C
• ウェブオーディオDAW – GitHub
• MozillaのWeb Audio API