AAC を MP3 に変換

これがこのページの残り全体を支える事実です。ISO/IEC 13818-7 で標準化された AAC はコーデックであり、通常は MP4 や M4A、Matroska のようなコンテナーの中に格納され、音声の長さや各フレームの開始位置、トラック名を記録します。拡張子が素の .aac のファイルは、通常それらすべてを省略します。中身は ADTS で、7 バイトのヘッダーを持つ音声フレームが途切れなく続くだけです。放送用に設計されたもので、受信機が途中から選局してもどこからでもデコードを始められるようになっています。

この設計は目的にはよく合っていますが、ディスク上の 1 ファイルとしては最悪です。音声の長さを示すフィールドがどこにもないので、プレイヤーはファイルサイズから推測するか——ビットレートが変動していれば途端に誤ります——何も表示しないかのどちらかです。索引もないので、シークはバイトオフセットを推測して次のフレームヘッダーを探すことになり、それがスクラブが飛んだり進捗バーがずれたりする理由です。

これを意図的に作る人はほとんどいません。ほとんどはストリーミングから来ます。HLS は音声を .aac のセグメントの連続として配信し、それをつなぎ合わせるとまさにこの形になります。ダウンロード補助ツールやストリーム録画ツールが残すのがこれです。IP カメラ、ドライブレコーダー、DVR、放送機器は、ラジオと同じ理由——どこでも切断できる——で ADTS を書き込みます。一部の Android の録音アプリやいくつかのコマンドラインのパイプラインも既定でこの形式を使います。

その結果、このページを読んでいる人が AAC を選んだことはめったになく、AAC そのものを気にしていることもめったにありません。手元にあるのはうまく動かないファイルで、問われているのはそれを何に変えるべきかです。この枠組みを頭に置いておく価値があります。それによって、明白な 2 つの答えのうちどちらが正しいかが変わるからです。

ここで書かれる MP3 は、全フレーム数とファイルサイズ、100 項目の目次を持つ Xing フレームで始まります。これがプレイヤーが推測ではなくすぐに長さを示せる理由であり、ファイル内でビットレートが変動していても進捗バーをドラッグすれば狙った位置に着地する理由です。

それに加えて ID3v2 タグを運びます。あらゆるプレイヤーや携帯電話、カーステレオが、タイトルやアーティスト、カバー画像を読むのに使うものです。これは MP3 コーデックの性質ではなく、その周りのファイル構造の性質です。それこそが実際に得られるアップグレードであり、「AAC は MP3 より互換性が低い」という説明では説明できない問題を、変換が解決する理由です。

前の節に挙げた問題はすべてコンテナーの問題で、それを解決できるのは MP3 だけではありません。同じファイルを M4A に変換すれば音声は MP4 に包まれ、長さと、シーク用の適切なサンプルテーブル、タグとアートワークを持てるメタデータブロックが手に入ります。しかも 2 回目の非可逆な符号化なしにそれができます。音声は再構成するのではなく、移し替えるだけで済むからです。

MP3 を選ぶ理由は 1 つだけにしてください——下流の何かが具体的に MP3 を要求している場合です。USB メモリーを索引するカーステレオ、2010 年より前のプレイヤー、単一の形式しか挙げていない提出フォーム、MP3 用のプロファイルを持つ放送自動化システムなど。目的が単に「手元のパソコンでこのファイルを正常に動かしたい」だけなら、M4A のほうが優れた答えで、それを伝えるだけでこのページの役目は果たされます。

レジストリは AAC の既知の問題として世代劣化を挙げており、それは正しい指摘です。この変換は、すでに一度圧縮された音声をデコードし、何を捨てるかについて異なる判断をするコーデックで再び圧縮します。2 回目のエンコーダーは 1 回目のエンコーダーが残したノイズを描写するのにビットを費やすので、同じビットレートでも非可逆な処理を 2 回行うほうが 1 回より高くつきます。

どれだけ気にすべきかはファイルの中身次第です。録音されたスピーチのストリーム、講義、放送のキャプチャー、カメラの音声を「バランス」で処理する分には、現実的な聴取環境ではまず区別が付きません。低いストリームビットレートで録られた音楽では、2 回目の処理がシンバルや群衆のざわめきにもっともはっきり表れます。防ぐには、以前作った MP3 からではなく、常に元の録音から 1 回だけ変換してください。

ストリームのキャプチャーでは、AAC がどのビットレートで符号化されたかは通常わからず、ファイル自体にそれを調べる簡単な手段もありません。安全な原則は、それに合わせようとしないことです。用意されている帯域は「小さいファイル」「バランス」「高画質」の 3 段階だけで、実際の kbps はブラウザーが提供するエンコーダーライブラリの側で解決され、コードの側では数値として持っていません。だからこのページは具体的な数字を挙げません。

スピーチには「小さいファイル」で十分です。音楽的な内容には「バランス」を。MP3 が、あとでトリムしたり正規化したり再書き出ししたりする作業用のコピーになるなら「高画質」を選んでください。「高画質」は何かを取り戻すわけではありませんが、この段階が編集の連鎖の中で最も弱い環になることを防げます。

放送やカメラの AAC は、音楽ファイルとは違う構成であることがよくあります。モノラルのこともあれば、32,000 Hz や 48,000 Hz のこともあり、テレビからのキャプチャーの場合はマルチチャンネル構成を持つこともあります。この形式は最大 48 チャンネルまで許しますが、MP3 は 2 チャンネルまでです。

モノラルや変則的なサンプルレートは問題なく変換されそのまま保たれます。どの MP3 エンコーダーも受け付けない構成の場合は、48,000 Hz の 2 チャンネルへのフォールバックが発動します。サラウンドのキャプチャーは拒否されるのではなくステレオに畳み込まれ、リサンプリングされます。再生できるファイルが欲しい人にとっては正しい振る舞いで、個別のチャンネルこそが目的だった人にとっては正しくない振る舞いです。

2 種類の失敗は似て見えて、実は違います。ファイルが本物の ADTS だがフレームの途中で切れている場合——ストリーム録画ツールが急に止められたときによくある結果です——変換処理はあるものを読み込み、損傷箇所で止まります。結果としてたいてい、元より少し短いだけの使える MP3 が得られます。

拡張子が間違っている場合は何もうまくいきません。実際には MP4 の断片であるのに .aac と名付けられたファイルや、手作業でリネームされた M4A ファイルは ADTS ストリームとして解析できず、変換ツールは推測するのではなく「ファイルを読み込めませんでした」と伝えます。その場合は M4A の経路を試してください。MP4 のデマルチプレクサーなら開けるはずで、実際に何を持っていたのかがわかります。

この種の録音はまとめて届くことが多いので、バッチでの扱いが重要です。一度に最大 100 ファイルまで置けます。それぞれ独立して変換され、結果はまとめて 1 つの ZIP として戻ってきます。1 ファイルあたりの上限は 100 MB です。待ち行列はありません。作業は、費用のかかるサーバーではなく手元のプロセッサーで行われるからです。

これができないのは結合です。50 個の HLS セグメントをここで変換すると、1 本の連続した録音ではなく 50 個の MP3 になります。セグメントが 1 本のストリームの断片なら、まずそれができるツールで 1 つの .aac に結合してから変換してください。ADTS のフレーム構造上、単純な連結が有効に機能するのは、この形式の数少ない本物の利点の 1 つです。