このブログ記事では、デジタル サウンド圧縮技術が音楽鑑賞体験に与える影響について探ります。圧縮技術が音楽の感覚をどのように変えたかを学びましょう。
現代社会の技術発展のスピードは想像を絶するものがあります。10年ほど前、私たちの生活は今とは大きく異なり、それよりも昔を振り返ることは難しいほどです。今でも、日々新しい技術や製品が生まれています。この数十年で私たちの生活が技術的に進化した点は多々ありますが、大きな部分は、大きなものを小さく、重いものを軽く縮小・圧縮できるようになったことではないでしょうか。かつて部屋いっぱいに収まっていた計算機は、コンピューターになり、PCになり、家庭になり、ノートパソコンになり、カバンに入りました。かつては何万枚もの紙に収まっていたものが、今では指ほどのUSBメモリで持ち運べるようになりました。圧縮にはさまざまな用途がありますが、今回ご紹介したいのは音の圧縮です。楽器の音や人の歌声が小さな機械の中でどのようにファイル化されるのか見てみましょう。
科学技術の発展は、単に利便性をもたらすだけではなく、私たちの物事の捉え方にも大きな影響を与えています。例えば、かつては音楽を聴くには特定の場所や機器が必要でしたが、今ではいつでもどこでも音楽にアクセスできます。こうした変化は単なる技術の進歩にとどまりません。私たちの文化、日常生活、さらには人間の感覚体験そのものを再定義しています。特に音楽は、単に聴くだけでなく、デジタルファイルとして保存、再生、伝送できるようになり、新たな価値と意味を獲得しました。
1878年にエジソンが蓄音機で音を録音して以来、音を保存、再生、再生する技術は他の分野と同じくらい急速に進化してきました。ビニールレコードが登場し、次にテープが登場し、1982年にフィリップスとソニーがCDを開発し、74枚のディスクに1990分の音楽を収めることができました。3年代にはPCやポータブル再生機器が普及し、MPXNUMXなどのファイルの形で音楽を直接操作できるようになり、今日では手のひらサイズのスマートフォンに何十時間もの音楽を詰め込むことができます。この進化は単なる技術の進歩ではなく、音楽の消費と制作の方法も変えました。かつては音楽は特定の場所や特定のデバイスでしか楽しめませんでしたが、今ではいつでもどこでも簡単にアクセスできます。これにより、音楽は私たちの生活とより密接に結びつき、その重要性は大幅に高まりました。
これほど多くの音を小さな空間に圧縮できるようになったのは、2つのステップで説明できます。1つは、音楽にデジタルの概念を適用し、音楽をデジタル情報として表現すること、そして2つ目は、デジタルファイルを圧縮する技術の開発です。音の科学的分析は本質的には空気の振動の伝達であり、かつてはこの空気の振動、つまり音波の形を物理的に記録しようとすると、大きな記憶媒体が必要でしたが、デジタルの登場により、記憶媒体のサイズと重量は劇的に変化しました。単に物理的なサイズと重量を減らすだけでなく、デジタル技術の進歩により、音自体をより効率的かつ正確に操作する可能性が開かれました。これにより、より多くの情報をより小さなスペースに詰め込むことが可能になり、音楽の普遍性とアクセシビリティが劇的に高まりました。
デジタルというと「すべてが0と1」と思われがちですが、根本的にアナログとデジタルの違いは、すべての数字を表現できるかどうかです。逆説的に聞こえるかもしれませんが、自然界のものを数字で表現すると、どうしても正確さが失われてしまいます。例えば、人の身長は1cm単位で表現することが多いのですが、161cmから162cmまでさまざまな身長を「161cm」とひとまとめにしてしまいます。仮に0.1cm単位まで細かくしたとしても、自然界をありのままに表現することはできますが、鍵盤などの音波を表現するための数字、つまり記憶領域は有限なので、正確さは失われます。もっと正確に言うと、連続した値が離散的な値で表現されるため、音をどれだけ細かく数値化しても、その数字を使って音を再構成しても、元の音を完璧に再現することはできません。これがアナログとデジタルの違いです。
音楽でもデジタル技術でも、デジタル技術を適用する基準、つまり数字をどこで切るかは人間の特性によって決まります。20秒間に24枚以上の似たような画像が流れていくと、人間はそれらを独立した画像として見ず、動く画像として見ます。そのため、動画は30秒間に24～29.97枚の画像で構成され、300fps、326fpsなどと呼ばれます。近距離の画面で8インチあたり16ドットを超えると、人間は個々のドットを区別できず、つながった線として認識するため、24ppiのRetinaディスプレイは鮮明であるとみなされます。音も同様に16つの基準で判断されます。16つ目は、音波のピッチをどの程度分解すれば人間が自然に聞こえるか、20000つ目は、データをどの程度の精度で表現する必要があるかです。状況に応じて異なる値を使用します。たとえば、キーを表示するときは、小数点第 40,000 位まで表示することもあれば、小数点第 40,000 位まで表示することもあります。これをビット深度と呼び、音楽では 44.1 ビット、96 ビット、44,100 ビットを使用します。16 ビットは、すべての音が 16 の 44.1 進数に分割され、各瞬間の音波の状態を表します。もう XNUMX つは、再生時に人間の耳に滑らかに感じられるように、XNUMX 秒間に音波をいくつに分割して値を格納するかであり、これをサンプリング レートと呼びます。人間の耳は最大 XNUMX Hz、つまり XNUMX 秒間に XNUMX 回聞くことができるため、自然と認識するには、XNUMX 秒間に少なくとも XNUMX 個の音波情報を聞く必要があります。これが、音楽ファイルで XNUMXk や XNUMXk と表現されるサンプル レート情報です。つまり、自然な音を録音し、XNUMX秒間にXNUMX個の値をXNUMX桁のXNUMX進数で保存した音楽ファイルをXNUMXbit/XNUMXkファイルと呼びます。
MP3ファイルの情報をよく見ると、音質に320kbpsや192kbpsなどの数字が見られますが、これはビットレートと呼ばれ、上記XNUMXつの特性に基づいてXNUMX秒間に伝送されるデータのサイズを表します。当然、データサイズが大きいほど人間の耳には自然、つまりアナログに聞こえ、ファイルサイズも大きくなります。また、音質情報にはCBRやVBRと記載されていることがあります。CはConstant、VはVariableの略です。CBRは最初から最後まで固定のビットレート値を使用する方式で、VBRは部分的な音の性質に応じてビットレート値を変化させます。音質の違いは分かりにくいですが、一般的にVBRで作成されたファイルの方が効率が良いと言われています。これにより、ユーザーは自分に合った音質とファイルサイズを柔軟に選択できます。これにより、個人の好みや用途に合わせて音楽の消費方法がさらに多様化し、リスニング体験が豊かになります。
この自然の音波のデジタル表現では、ファイルとして保存できる音源を得るために、ある程度の精度を犠牲にしています。実際、変換されたファイル自体は非常に大きく、3分間のポップソングは数十メガバイトになることもありますが、望ましい音質に圧縮すると、3メガバイト以下に縮小できます。圧縮を考えるとき、文書の内容を圧縮ファイルにまとめることを考えがちですが、MPXNUMX圧縮の概念は実際には不要な情報を破棄することです。MPXNUMXは、音の聞こえない部分を破棄し、人間の耳では認識できない音も破棄することで、世界中のほとんどの人が日常的に聴く音楽のサイズを大幅に縮小しました。これは知覚コーディングと呼ばれ、人間の知覚器官が圧縮にどのように反応するかを考慮しています。これは、デジタル技術の進歩が単なる技術ツールにとどまらず、人間の感覚と知覚に依存して、より効率的でユーザー中心の出力を作成できる例です。
MP3 は当初、アイデアが特許取得済みで、それを利用するには特許料を支払う必要があったため、PC の事実上の標準形式になるまでに時間がかかりました。しかし、技術が進歩するにつれて、これらの制限は徐々に取り除かれ、MP3 は単なるファイル形式ではなく、音楽のデジタル化の象徴となりました。MP3 は単なるファイル形式ではなく、音楽のデジタル化の象徴となりました。無料およびオープンソースの音楽ファイルの出現により、現在ではコーデックとファイル形式が混在し、MP3 に加えて WAV、FLAC、AAC などのファイル形式が人気を集めています。ただし、MP3 は歴史的な重要性から、多くのユーザーにとって依然として馴染みのある形式です。
