OGG を AIFF に変換

まず断っておく価値があります。アーカイブの実務でよく使われる語感とは逆に、Vorbis や Opus はすでに聞こえない部分を恒久的に削っています。AIFF はそのあと渡された音をそのまま非圧縮で記録するだけなので、出てくるのは Ogg が持っていたものと寸分違わない大きなファイルです。

これは「フォーマットで指定された条件」は満たしますが、録音を良くしたり守ったりはしません。数十年後にまだ開けるものを求めた指定なら意味がありますが、「もっとも良い版をよこせ」という意図なら、最良の版はすでに録音機が最初に書いたファイルであり、変換で作り出せるものではありません。

AIFF はチャンクの並びで、ここで作られるファイルには 2 個しか入っていません。COMM はチャンネル数、フレーム数、ビット深度、サンプルレートを記録し、SSND はサンプルそのものを保持します。名前用のチャンクも注釈用のチャンクもありません。

Ogg は自由な数の Vorbis コメントを持てる形式で、口述史や言語記録の分野ではそこに話者名、聞き手、場所、日付、言語、プロジェクト番号、同意に関する参照番号が書かれていることが珍しくありません。それらはすべて失われます。変換の前に CSV やテキストの副資料としてコメントを書き出し、AIFF と一緒に提出してください。AIFF はあとから中身を尋ねられても答えられません。

アーカイブが FLAC を受け付けるなら、そちらを提出してください。可逆圧縮で AIFF のおよそ半分のサイズ、正式なタグの領域を持つため説明的なメタデータがファイルの外ではなく中に残り、復号したデータの MD5 も保持しているため、数年後に劣化していないことを証明できます。AIFF にはこれができません。

仕様が AIFF や WAV を明示している場合は、それに従ってください。提出フォームで議論するより従うほうが確実です。ただし数百時間分の録音を変換する前に、収集責任者へ一通メールを送って FLAC が受け入れられるか確認する価値はあります。

Ogg は入れ物で、レジストリには Vorbis、Opus、FLAC が登録されています。古めのオープンソースツールで録音されたものは Vorbis、最近の録音機や変換ツールのものは Opus のことがあり、Ogg の中に FLAC が入っている場合はすでに可逆です。1 時間分でおよそ 57 MB なら 128 kbps の Vorbis、数百 MB なら FLAC という見当が付きます。

中身が FLAC なら AIFF への変換は音として可逆でありながらタグを失うだけの割の悪い取引になります。Vorbis や Opus なら、非圧縮のファイルが不可逆な原本から作られたことをどこかに書き残しておくべきです。そうしないと、あとで 600 MB の AIFF を見た研究者がそれをマスターだと誤解します。

ここで書かれる PCM は 16 ビットです。可逆のマスターから作る場合は検討の余地がありますが、Vorbis や Opus のような不可逆な音源からでは、そもそも保持すべき深さの情報自体がありません。24 ビットで書き出しても、情報量は増えずファイルだけ大きくなります。

仕様が 24 ビット非圧縮を求めているなら、この変換ではそれを作れません。正しい対応は不可逆ファイルを水増しすることではなく、フィールド録音機が圧縮前に書いた元の WAV を探すことです。存在するなら、それこそが仕様の想定している提出物です。

ここでは何もリサンプリングされません。復号器が報告するレートがそのまま AIFF のレートになるので、44,100 Hz の Vorbis 録音は 44,100 Hz の AIFF に、48,000 Hz は 48,000 Hz になります。

Opus だけは固定 48,000 Hz のクロックで動く符号化方式なので、元の録音が 44.1 kHz や 32 kHz であっても復号器は常に 48 kHz を報告し、AIFF もそのレートになります。提出されたファイルから技術情報を記録するカタログは、フィールドノートの記載と食い違うことになるので、元のレートを副資料に書いておく価値があります。

44,100 Hz、16 ビット、ステレオの非圧縮音声は 1 秒あたり 176,400 バイト、1 分あたりおよそ 10 MB かかります。内容が話し声でも無音でも変わりません。128 kbps の Vorbis はおよそ 0.96 MB なので、倍率はおよそ 10 倍です。

1 時間のインタビューはおよそ 57 MB から約 600 MB になり、100 時間分のフィールドワークは 6 GB 弱から 60 GB 近くになります。この数字を保管費用を負担する相手に見せると、FLAC が受け入れられないか確認する動機になるはずです。

記録音声の多くは本当に単一音源で、1 本のラベルマイクや机の上の 1 台のレコーダーで録られています。変換はこれをステレオに昇格させません。同一の 2 チャンネルにする意味はなく、情報を増やさずファイルだけ倍にします。COMM チャンクはチャンネル数を正確に記録するので、モノラル録音はモノラルの AIFF になります。

2 本のマイクで別々の話者を録っている場合、その分離はしばしば録音のもっとも有用な技術情報で、文字起こしに話者を対応づける手がかりになります。何もそれを畳み込みません。ただし AIFF はどのマイクがどこにあったかまでは記録しないので、それは副資料に書くべき情報です。

これはこの読者にとって付随的な性質ではありません。インタビューはプロジェクト名を明記し第三者への開示を禁じる同意書のもとで行われることが多く、ファイルを預かって処理する変換サービスを経由させることは、誰も読まなくても開示にあたります。

ここでは何もどこかへ送られません。AIFF の書き出しに追加のライブラリーは要らず、Ogg の復号器はすでに端末上にあるので、パッケージのダウンロードも音声の送信もありません。1 ファイルあたり 100 MB まで、まとめて 100 本まで、その場で処理できます。