OGG を AAC に変換

ここで作られる .aac ファイルは ADTS（Audio Data Transport Stream）形式です。AAC のフレームが次々と並び、それぞれにサンプリングレートとチャンネル構成を繰り返す短いヘッダーが付き、それを包むものは何もありません。索引もなく、長さもなく、メタデータ領域もありません。この形は、ストリームをどこでも切って何にでも継げるためのもので、セグメンターやエレメンタリーストリームの取り込みがこれを求める理由です。

プラットフォームの文書が ADTS やエレメンタリーストリームと名指ししているなら、これがそのファイルです。文書が普通の言葉で「AAC」と言っているだけなら、あるいは再生ボタンと長さを持つ何かで再生されるなら、M4A の経路のほうが、長さやシークテーブル、タグを持つ MP4 コンテナの中に同じ符号化音声を入れて渡してくれます。この二つのどちらを渡すべきか間違えるのが、この変換がいちばんよく失敗するパターンです。

スマホ、ゲーム機、テレビ、セットトップボックスは AAC 用のハードウェアデコーダーブロックを持っています。シリコンでの復号は、Vorbis や Opus のソフトウェアデコーダーが必要とする電力と CPU 時間のごく一部で済みます。秒 60 フレームでゲームを描画し、バッテリーを守らなければならない機器では、これは好みではなく設計上の制約です。

Vorbis や Opus はそうしたハードウェアの大半に対応するブロックを持たないため、メインプロセッサーで復号され、アプリケーションが行う他のすべてと処理を奪い合います。ミドルウェアの提供元やプラットフォームの提供者は、シリコンが対応しているものに標準を合わせ、それを要件として文書化します。変換したファイルがこの議論に勝つ余地はなく、従うことがすべてです。

OGG はコンテナで、レジストリが列挙する三つのコーデックのいずれかを保持できます。Vorbis はゲームのアセットや古いオープンソースプロジェクトが持つものです。Opus は現行の録音ソフトや変換ツール、メッセージアプリが生成するものです。OGG に入った FLAC は可逆で、珍しく、どちらよりずっと大きくなります。

変換する前にサイズが手がかりを教えてくれます。4 分間の音声は Vorbis や Opus なら 3 から 5 メガバイト、FLAC なら 20 から 30 メガバイトです。Vorbis や Opus からなら、これは二度目の非可逆圧縮で、効果音やベッドトラックには標準品質帯で十分です。FLAC からなら、これは音声が初めて経験する圧縮であり、高品質帯以外は現実的な選択肢ではありません。原盤を節約するのと同じことになるからです。

品質の設定には小サイズ・標準・高品質の三段階があり、それ自体がビットレートに解決されるわけではありません。ブラウザーが提供するエンコーダーライブラリにそのまま帯だけを渡し、実際のビットレートを決めるのはそのライブラリです。同じ帯でもブラウザーによって値が異なることがあるため、このページは kbps の数字を推測で示すことができません。

ビルドにとって賢明な配分は、すべてに一つの設定を使うことではありません。台詞や音声セリフは小サイズ帯でも聞き取れ、たいてい数千個あります。効果音は短いので帯による容量への影響はごくわずかです。ベッドトラックやタイトルテーマは、実際にプレイヤーが注意を向ける長い素材で、そこには高品質帯を使う価値があります。聞こえる場所に予算を使うほうが、全部に一律の設定を使うより良い戦略です。

OGG は Vorbis コメントとしてメタデータを運びます。大文字のキーとテキスト値からなる開かれた一覧で、オープンソースのアセットはしばしばこれを正しく使い、ライセンスや著者、帰属表示をプロジェクトが保持する義務のある形で記録しています。ADTS にはどんな種類のメタデータ領域もないため、境界を越える際にすべて落とされます。

ビルド内のアセットにとってはたいてい無害です。マニフェストとファイルパスが識別を担い、クレジットファイルが帰属表示を担うからです。ライセンス文がファイルの中にしかなかった場合は、変換する前に書き写しておいてください。帰属表示が Vorbis コメントの中だけに存在していたクリエイティブ・コモンズのアセットは、生ストリームになった瞬間に静かに準拠しなくなります。M4A に変換すればフィールドは保持されます。

ループする音声は、アセット変換でいちばんよく壊れる箇所です。あらゆる非可逆エンコーダーは固定長のブロックで動作し、最後のブロックを埋めるためファイル末尾に詰め物をします。元のファイルでサンプル単位まで正確だったループが、短い無音区間を得てしまい、繰り返すたびに継ぎ目で音が鳴ってしまいます。

OGG コンテナは事前スキップ量を記録しているため、行儀の良いデコーダーはそこをきれいにつなぎ直せますが、ADTS には何も記録されないため、後段では何も補正できません。継ぎ目のなさが必須なら、堅実な答えはファイルに頼らずエンジン側で明示的なループポイントを扱うか、アセットに無音の余白を意図的に持たせておくことです。セットを変換する前に、対象プラットフォームで 1 つのループを試してください。

デコーダーが報告するレートが、そのまま AAC のレートになります。ここでは何も再サンプリングされません。44,100 Hz で作られた Vorbis のアセットは 44,100 Hz のストリームになり、22,050 Hz——短い効果音では今も珍しくなく、アセットを半分にする正当な方法です——のものはそのままです。

例外は OGG が Opus を保持している場合です。Opus は固定 48,000 Hz のクロックで動作し、デコーダーは符号化時の実際の値にかかわらず 48 kHz を報告するため、元の素材が 44.1 であっても、変換後のアセットは 48 kHz で届きます。固定レートでミックスするエンジンは実行時にこれを再サンプリングし、ボイスごとにわずかな CPU を消費します。何百もの同時発音でそれが問題になるなら、変換時ではなくパイプライン側でレートをそろえてください。

AAC はこのパイプラインで想定されるどんなアセットよりはるかに多いチャンネル数を扱えます。レジストリは 48 と記録しており、何かを折りたたむ必要はありません。ステレオのベッドトラックはステレオのままです。モノラルのアセットはモノラルのままで、それが望む結果です。二重化された声のセリフは、両チャンネルに同一の情報を運ぶためにビットレートを二倍消費します。

ゲームやアプリの音声の多くは、もともと意図的にモノラルです。位置情報付き音声はモノラル音源からエンジンが計算するものであり、ステレオファイルに焼き込むものではないからです。変換はそれを変えるべきではありません。バッチに混在があるなら、モノラルのファイルが OGG に届く前にどこかでステレオに昇格させられていないか確認しておく価値があります。その二重化は変換後のすべてのアセットに伝わるからです。

Chrome、Edge、Safari は WebCodecs 経由で AAC エンコーダーを公開しており、ダウンロードなしにそのまま使えます。Firefox は組み込んでいないため、そのブラウザーでの最初の AAC 変換で WebAssembly エンコーダーを一度だけ取得します。OGG の復号はどちらの場合もあなたの端末で行われ、音声そのものがネットワークを越えることはありません。

ファイルは各 100 MB まで、一度に百ファイルまとめてドロップでき、結果は ZIP で返ってきます。これはこの作業が実際に届く形——1 ファイルではなくディレクトリ——に合っています。未発表のゲーム音声や製品音声にとって、ネットワークタブで何も送信されなかったと自分で確認できることは、footer に書かれた保証よりも価値があります。