AAC を M4A に変換 — Apple のソフトが受け付ける形に

AAC はこの 20 年ずっとどこでも再生できる方式です。あらゆる端末に対応した符号化方式で、電話も OS も標準で復号できます。.aac ファイルが正しく開けないとき、原因が符号化方式であることはまずありません。

問題は、裸の .aac がソフトの期待する「ファイル」ではないことです。ADTS は放送を想定した形式で、7 バイトのヘッダーを持つフレームが連続しているだけで、全体の長さを示す情報も、時間から位置を求める索引も、メタデータの置き場所もありません。あとに書くことはすべて、この 3 つの欠落から来ています。

M4A は、2004 年に Apple が付けた名前で、音声トラックを 1 本だけ持つ MP4 ファイルを指します。MP4 のヘッダーはサンプル単位での正確な長さ、時間からバイト位置への対応表、チャンネル構成とサンプルレート、そしてタイトル・アーティスト・アルバム・カバーアートを収める `ilst` のメタデータ欄を記録します。

それぞれの症状に対応が付きます。長さの欄があるから Finder は 00:00 を表示しなくなります。対応表があるからシークバーが正確になります。メタデータ欄があるからカバーアートがようやく定着します。そして認識できる入れ物があるからこそ、iTunes は取り込みを受け付けます。

ほとんどの人は意図的に作りません。HLS 配信は音声を .aac の断片の連なりとして届けるので、配信を録画・保存すると大量の断片が残り、それらをつなげると大きな 1 本の ADTS ファイルになります。IP カメラ、ドライブレコーダー、DVR、放送用の記録装置は、途中で切れる ADTS の性質を利用してこの形式を書きます。

つまり音自体には問題がなく、ファイルの扱いにくさだけが残るのが普通です。機械が機械のために選んだ形式であり、あなたが最初にこれを文書として扱おうとした人だということです。メタデータが最初から何もないことも多く、変換した M4A が空のタグで届くのはそのためで、ちょうどタグを付ける置き場所ができたところです。

エレガントなやり方は、既存の AAC フレームを一切触らずに MP4 の入れ物へ移すことで、下敷きにしているライブラリはそれに対応しています。この変換機はその近道を取りません。すべての圧縮先にビットレートを渡すため、そのストリームコピーの近道が無効になり、音声は一度サンプルへ復号され、もう一度符号化されます。

それが払う代償は、すでに非可逆だった音声への 2 回目の非可逆な処理です。話し声や放送の収録、カメラの音声では聞き分けられません。低ビットレートの配信から来た音楽では、わずかにもう一段劣化します。ここでの対策は低・中・高の品質設定で、実際のビットレートへの変換は符号化器の内部に委ねられています。この用途では容量を節約するために変換しているわけではないので、高品質を選ぶのが正解です。

裸の .aac がメタデータを持てるのは、前方に貼り付けた ID3v2 ブロックだけです。これは AAC の仕様にあるものではなく、MP3 から借りてきた慣習です。一部のデスクトップ再生ソフトは読みますが、Apple のソフトはほぼ読みません。.aac に付けたカバーアートがなぜか定着しないのはこのためです。

M4A には本物のメタデータ欄があり、iTunes、Music、Finder、Mp3tag、MusicBrainz Picard がすべて読みます。元にあったタグ——タイトル、アーティスト、アルバム、アルバムアーティスト、トラック番号、ディスク番号、ジャンル、日付、コメント、歌詞、埋め込み画像——はそのまま渡り、なかったタグはこれから付けられて、今度こそ定着します。

どちらも入れ物の問題を直せますが、MP3 で直すほうが高くつきます。AAC を捨てて 1993 年設計の、同じビット数でより少ない情報しか表せない符号化方式に乗り換え、しかも 2 回目の非可逆な符号化を経るからです。1 回で済むところを 2 回劣化させることになります。

MP3 を選ぶのは、下流が本当にそれを要求する場合だけです。.mp3 しか索引できないカーステレオ、2008 年製の再生機、選択肢が固定された投稿フォームなど。行き先が Apple のソフトや今のスマートフォン、メディアサーバー、あるいは自分のパソコンなら、符号化方式はすでに正しいので、直すべきは入れ物だけです。

元が HLS の断片の集まりなら、ADTS の便利な性質を使えます。断片をそのままつなげるだけで有効なストリームになり、ヘッダーの書き換えも索引の再構築も要りません。これが多くの人が大きな 1 本の .aac にたどり着く経緯であり、正しい組み立て方でもあります。

つなげてから 1 回だけ変換してください。50 個の断片を個別に変換すると、1 本の録音ではなく 50 個の M4A ができてしまい、MP4 の入れ物には同じ近道がありません。2 本の M4A をつなぐことはできません。それぞれが独自のヘッダーとサンプル表を持つからです。順番は、先に ADTS をつなぎ、それから包む、の一択です。

この種のファイルはまとまって届くものなので、フォルダーごと置いてください。それぞれが独立に変換され、結果は 1 つの ZIP で返ります。1 ファイルあたり 100 MB まで、1 回のバッチで 100 ファイルまでです。誰かの後ろで待つこともありません。復号と多重化はサーバーではなくあなたの処理能力で動くからです。

どの段階でもアップロードはありません。裸の .aac の収録は、カメラの音声や通話の録音、現場の収録であることが多く、他人の声が入っていて保管場所に制約がある場合があります。復号はあなたの端末の符号化器を、多重化はタブの中を使うので、開発者ツールのネットワークタブにはファイルを運ぶ通信が一切表示されません。