圧縮音源 ( MP3 ) の周波数特性

最終更新日 : 2012 年 05 月 13 日
 
 わぁぁ。タイトルが難しい言葉になっちゃったなぁ。まぁ、簡単に書けば音源を圧縮した時の周波数特性はどうなるのかなと確認してみようという事です。 MP3 なんかだと昔から「 128kbps でほぼ CD 程度の音質」とか「 256kbps の高音質」なんて書かれ方がありました。本当に CD と比較してどの程度周波数特性が変化しているのかを確認してみようということです。注意しなければならないのが、あくまで周波数特性の変化であって音質ではないということです。音質は再生環境によって変わってしまいますので。
 
 音源の圧縮方式は星の数ほどあり、「これが優れている」「ここも優れている」など宣伝されていますが、方式による若干の優劣はありますが、基本的な圧縮による周波数特性は同じようなものなので今回は MP3 でおこないます。「 MPEG-1 Audio Layer-3 」です。ちなみにこれは ISO 11172-3 で規格化されています。
 
 音源圧縮方式としては、完全なフリーを目指した Ogg Vorbis もありますし、楽曲のダウンロード販売では AAC や著作権管理機能のある WMA, ATRAC などが使用されているようです。後は、可逆圧縮コーデックの FLAC, ATRAC なども一部で使用されているようです。
 
 MP3 のエンコードのエンジンは Lame 3.98.3 を使用します。 GPL なので中身もわかっていますし変換後の音質的にも評判が良いですしね。解析に使うアプリケーションはバージョン 2.0 になって単体で色々な事ができる Audacity を使用します。 2.0 になるまでは、周波数手特性を解析する場合に他のアプリケーションと組み合わせたり ( 非公式プラグインなど ) する必要がありましたが、 2.0 になってほぼ何でもできてしまうようになりました。で、このページの案も思いついたんです。もし、このページを読んで試してみたくなっても、簡単に再現試験できますから。複雑怪奇なツールの組み合わせだと何を見ているかわからなくなってしまいますもんね。
 比較する音源は、日本オーディオ協会の「 AUDIO TEST CD-1 ( YDDS-1 ) 」を使用します。実際の音楽の雰囲気は、吉松隆氏の「タルカス クラシック meets ロック ( COCQ-84832 ) 」を使用します。この組み合わせは私の好みです。 (^^;
ホワイトノイズ ( White Noise )
 まずはすべてのオーディオでのすべての周波数が -20dB で収録されている PCM 音源のホワイトノイズでの状況を確認してみましょう。 20kHz あたりから減衰して 21.5kHz あたりで完全に無くなっています。

White Noice PCM

 次にその PCM データを MP3 化した場合の周波数特性を確認してみます。量子化は 64kbps, 128kbps, 192kbps, 256kbps, 320kbps の 5 種類です。何でこの量子化を選んだかというと巷でよく以下のように言われているからです。
  • 64kbps - 会話記録用に最適
  • 128kbps - CD 並に聞こえる音質
  • 192kbps - CD 並に聞こえる音質
  • 256kbps - 高音質なデジタル化
  • 320kbps - Lame の最大量子化
 64kbps では 11kHz あたりから減衰が始まっています。これは音楽を聴くには耐えられませんね。だけど、確かに会話録音用であれば問題ない範囲の周波数特性を持っていると思います。
 次に 128kbps ですが、16.5kHz あたりから減衰が始まっています。このあたりの周波数は歳をとると聞こえなくなるモスキート・サウンド領域です。ポータブル・オーディオで使われている普通のヘッドホンなどもこのあたりから再生周波数特性が低くなるので、「 CD 並」って言い方もある意味で妥当な線ですね。かなり良いヘッドホンを使っても周辺からのノイズでかき消されてしまう領域ですよね。
 次は 128kbps と並んで「 CD 並」と言われている 192kbps です。 18.5kHz あたりから減衰しています。この周波数帯になるとポータブル・オーディオのヘッドホンではもう限界でしょう。歳をとっていないくて耳の良い方も、ヘッドホン状況では CD との差異は判別不可能ではないかな。
 次は、音楽ダウンロードで使われている高音質デジタル化と呼ばれたりしている 256kbps です。 19.5kHz から減衰が始まっています。ポータブル・オーディオでは判別不可能と思いますが、室内オーディオ・システムによっては聴こえはしないけど「なんか違う」の原因になりそうな要因ですね。
 最後に 320kbps ですが、人間の可聴範囲と言われている 20kHz まではフォローできているようです。 20kHz で急激に減衰するようです。まぁ、ここまでくると識別不能かな。

White Noice 64kbps White Noice 128kbps

White Noice 192kbps White Noice 256kbps

White Noice 320kbps No Data

 結論としては、ポータブル・オーディオでヘッドホンで聴くなら 128kbps 〜 192kbps でのエンコードで十分な周波数特性を持っていると思われます。もし、室内のオーディオ・システムで再生するから CD との比較とすると 320kbps 並みの周波数特性はほしいところですね。
スウィープ ( Sweep )
 ホワイト・ノイズは 20Hz から 20kHz までの周波数が同時に出力されていますが、こちらのスウィープは 50 秒間で -20dB の音圧で 20Hz から 20kHz まで徐々に周波数が上がっていくタイプになります。20kHz を過ぎたあたりで減衰しています。

Sweep PCM

 次にその PCM データを MP3 化した場合の周波数特性を確認してみます。量子化は同じ 64kbps, 128kbps, 192kbps, 256kbps, 320kbps の 5 種類です。基本的に各量子化での状況はホワイトノイズと同じ傾向になっているのがわかるかと思います。

Sweep 64kbps Sweep 128kbps

Sweep 192kbps Sweep 256kbps

Sweep 320kbps No Data

 結論としてもホワイト・ノイズと同じですが、単一周波数が変化していくような音源においても圧縮後の周波数特性は同じ傾向を持ちますので、ポータブル・オーディオでヘッドホンで聴くなら 128kbps 〜 192kbps で十分ということころですね。
スポット 1kHz ( Spot 1kHz )
 スポットで 1kHz 0dB の周波数の状態を確認します。 -54dB 以上できれいに 1kHz を中心にピークが出ている状況が確認できます。

Spot 1khz PCM

 次にその PCM データを MP3 化した場合の周波数特性を確認してみます。量子化は同じ 64kbps, 128kbps, 192kbps, 256kbps, 320kbps の 5 種類です。
 -54dB 以下では、各量子化でノイズの傾向が異なるようですが、 -54dB 以上ではどの量子化数でもほぼ原周波数をきれいにエンコードされているようです。

Spot 1kHz 64kbps Spot 1kHz 128kbps

Spot 1kHz 192kbps Spot 1kHz 256kbps

Spot 1kHz 320kbps No Data

 結論として 1kHz の周波数に対しては 64kbps でも原周波数がそのままエンコードされているのが確認できまいした。この周波数では 64kbps 以上であれば量子化に依存しないという事ですね。 -54dB 以下の量子化によるノイズみたいなのは、エンコードのロジックによって出ていますが、 -54dB 以下という数値からまったく無視して問題ないでしょう。スピーカーが振動できないんじゃないかな。
スポット 10kHz ( Spot 10kHz )
 スポットで 10kHz 0dB の周波数の状態を確認します。 Spot 1kHz と同様に -54dB 以上できれいに 10kHz を中心にピークが出ている状況が確認できます。

Spot 1khz PCM

 次にその PCM データを MP3 化した場合の周波数特性を確認してみます。量子化は同じ 64kbps, 128kbps, 192kbps, 256kbps, 320kbps の 5 種類です。
 1kHz と同様に -54dB 以下では、各量子化でノイズの傾向が異なるようですが、 -54dB 以上ではどの量子化数でもほぼ原周波数をきれいにエンコードされているようです。

Spot 10kHz 64kbps Spot 10kHz 128kbps

Spot 10kHz 192kbps Spot 10kHz 256kbps

Spot 10kHz 320kbps No Data

 結論として 10kHz の周波数に対しては 64kbps でも原周波数がそのままエンコードされているのが確認できまいした。この周波数では 64kbps 以上であれば量子化に依存しないという事ですね。 -54dB 以下の量子化によるノイズみたいなのは、エンコードのロジックによって出ていますが、 -54dB 以下という数値からまったく無視して問題ないでしょう。 320kbps の量子化で下側にちょっと気になるピークがあります。 Lame のエンコードのロジックの問題でしょう。ノイズのピークでも -36dB 以下ですのでグラフ以外では把握できない領域ですね。
スポット 16kHz ( Spot 16kHz )
 スポットで 16kHz 0dB の周波数の状態を確認します。 Spot 1kHz と同様に -54dB 以上できれいに 16kHz を中心にピークが出ている状況が確認できます。

Spot 16khz PCM

 次にその PCM データを MP3 化した場合の周波数特性を確認してみます。量子化は同じ 64kbps, 128kbps, 192kbps, 256kbps, 320kbps の 5 種類です。
 さて、ここからは差が出てくるので面白いですね。 64kbps が脱落しました。 (^^)/~ グシャグシャに見えますがグラフのスケールが変わってしまっていますので、ノイズの最大ピークで -69dB です。ほぼ無音という事ですね。ホワイト・ノイズの 64kbps では 11kHz で減衰がおきていましたので、 16kHz は単体でも 64kbps ではエンコードされない事が確認できたわけです。 16kHz であれば、 128kbps でもピークをきれいに再現できています。

Spot 16kHz 64kbps Spot 16kHz 128kbps

Spot 16kHz 192kbps Spot 16kHz 256kbps

Spot 16kHz 320kbps No Data

 結論としては、モスキート・サウンドを聴くことができない年寄りは 128kbps のエンコードで十分に原音並みの再生を楽しめるわけです。まぁ、ポータブル・オーディオで聴く分には誰でも 128kbps エンコードでぜんぜん問題ないでしょね。 Spot の 16kHz をこれだけきれいに再現できているわけですから。
スポット 20kHz ( Spot 20kHz )
 スポットで 20kHz 0dB の周波数の状態を確認します。 Spot 1kHz と同様に -54dB 以上できれいに 20kHz を中心にピークが出ている状況が確認できます。が ... ピークは -42dB ですが 1kHz に高調波が出ていました。この「 AUDIO TEST CD-1 ( YDDS-1 ) 」を手に入れて十数年たっているけど、知らなかったなぁ。まぁ、 20kHz は実質聴こえないし、 1kHz でも -42dB の音なんて無音と同じで聴こえないので気が付きませんでした。

Spot 20khz PCM

 次にその PCM データを MP3 化した場合の周波数特性を確認してみます。量子化は同じ 64kbps, 128kbps, 192kbps, 256kbps, 320kbps の 5 種類です。
 さて、ほとんどの量子化でコケる予定でしたが、 1kHz の高調波があったので各量子化できれいにこれをエンコードしてくれています。 20kHz をエンコードできているのは 320kbps だけですね。

Spot 20kHz 64kbps Spot 20kHz 128kbps

Spot 20kHz 192kbps Spot 20kHz 256kbps

Spot 20kHz 320kbps No Data

 結論としては、周波数的な意味で CD 並という事であれば MP3 で 320kbps のエンコードが必須となるという事です。「どうせ聴こえない周波数じゃん」という意見も正解と思います。わりきってしまえば 128kbps か 192kbps の量子化でほぼことたりるという事ですね。この辺からは感覚的な問題になってきますが、エンコード方法は異なりますが、 256kbps でエンコードされたネットワーク配信のデータから CD を作成して再生した時と、同じ楽曲を CD で購入して再生した時と何か違いますよね。それが 256kbps エンコードの限界なのかもしれません。
アクアタルカス ( Aquatarkus )
 さて、実際の楽曲での周波数の状態を確認してみます。サンプルにする楽曲は、吉松隆氏の「タルカス クラシック meets ロック ( COCQ-84832 ) 」に収録されている「アクアタルカス」です。なんでって ... 好みです。
 中音域の -12dB をピークに周波数に沿ってピークが下がっていくきれいな形状になっています。

Aquatarkus PCM

 次にその PCM データを MP3 化した場合の周波数特性を確認してみます。量子化は同じ 64kbps, 128kbps, 192kbps, 256kbps, 320kbps の 5 種類です。
 グラフのスケールが自動的に変わってしまっているので、原周波数と違うように見えてしまいますが、原周波数で 5khz が -36dB 、 10kHz が -42dB 、 15kHz が -48dB　、 20kHz が -51dB でしたので、各量子化においても限界の周波数まできれいにエンコードされている事がわかります。

Aquatarkus 64kbps Aquatarkus 128kbps

Aquatarkus 192kbps Aquatarkus 256kbps

Aquatarkus 320kbps No Data

 結論としては、高周波の部分をどこまで欲するかになります。オーディオ機器の仕様がだいたい 20Hz から 20kHz となっていますので、その性能をフルに発揮したいのであれば、 CD で聴くか、エンコードするなら 320kbps の量子化を選択する必要があるという事ですね。データ容量と品質はある意味でトレードオフになります。ちなみにアクアタルカスでは以下のような容量になりました。
  • PCM ( CD ) - 49.5MB
  • MP3 64kbps - 2.24MB
  • MP3 128kbps - 4.49MB
  • MP3 192kbps - 6.74MB
  • MP3 256kbps - 8.99MB
  • MP3 320kbps - 11.2MB
この圧縮率は凄いですよね。 128kbps では約 9% の容量、 320kbps でも約 23% の容量しかないですから。消えた容量は何だったんだろう !?
位相差 ( Phase Difference )
 周波数特性はいままで見てきましたが、 PCM データと MP3 データで周波数的にどのような差があるのでしょうか ?
 音は波ですので、位相を反転して合成すれば同じ波は打ち消しあって合計が 0 になります。ノイズ・キャンセラーの理屈ですね。 PCM データの波形に対してエンコードしたデータの波形の反転を重ね合わせて差分の周波数特性を出してみます。もし、波形的にまったく同じであればすべてのデータは打ち消しあって 0 になるはずです。
 
 ここでひとつ問題が ... Lame でエンコードしたデータは音の開始場所で約 0.052 秒スタートがディレイしています。これをあわせこまなくてはなりません。以下のように波形的な特徴点を探し出してこのディレイ分を消去しています。 ( 下左 ) そして、エンコードされたデータ側の位相を逆転 ( 下右 ) して 2 つの波形を合成しています。楽曲は前と同じ「アクアタルカス」を使用しています。

phase pahse

 以下は量子化は同じ 64kbps, 128kbps, 192kbps, 256kbps, 320kbps の 5 種類の位相を反転して、 PCM 波形データと合成した結果の周波数特性になります。
 
 グラフのスケールの関係でものすごく波形が残ってしまっているように見えますが錯覚ですよ。エンコードしたデータには存在しない 21kHz のピークが -57dB になります。これはどの量子化データでも同じで現れていますので、それを基点にグラフを見てください。 320kbps のデータでは可聴音の周波数帯はすべてにおいて 21kHz の -57dB よりも低い値になっています。よって可聴音範囲の周波数でほぼ原波形に近い状態が保持されている事になります。最悪であろう 64kbps でも差異が -40dB ですので、波形的な周波数は非常に低いノイズレベル以外は残っておらず現波形に近い形が保持されている事になります。

Phase 64kbps Phase 128kbps

Phase 192kbps Phase 256kbps

Phase 320kbps No Data

 結論としては、波形データとしてはどの量子化においてもそれなりに原音に近い波形を再生できているのではないかと思われます。凄いね。 64kbps なんて、もっとグッチャグチャになっているかと想像していたんですけどね。
 面白いことに可聴周波数限界に近い 12kHz 〜 16kHz あたりは原波形とエンコード後の波形の差が非常に小さい事がわかりました。可聴周波数限界に近いのだけど人間が聴く上で差がわかりやしすい場所なので、 Lame のエンコードのロジックの妙でしょう。
まとめ ( Conclusion )
 どの周波数まで必要とするかという一言になるかと思います。
 
 ポータブル・オーディオでヘッドホンで音楽を楽しむのなら、巷で言っているように 128kbps もしくは 192kbps で十分な周波数帯域を持っているようです。ましてや、最近のポップスは CD においてもポータブル・オーディオ機器での視聴を前提に中低音域をブーストしてしまうような録音媒体も増えていますからね。
 
 クラシックやジャズの CD のように無音部分に気を使ってピークでも -2dB とか -3dB に抑えているような録音媒体の場合は、同じように室内オーディオで聴くなら 320kbps の量子化はほしくなりますね。実際に聴こえる聴こえない ( 再生できる、できない ) というスレスレの周波数になりますが、全体の雰囲気を決定する要因のひとつにはなっているのではないかと思われます。
 
 ネットワーク配信が増えてきて「 CD はもう必要ないか」という議論もたまに見かけますが、私は CD の周波数特性はまだ無視できるものではないと思います。「 256kbps の高音質」といううたい文句もありますが、エンコードをロジックでおこなっている以上同じ 256kbps でもロジックが異なるとその周波数特性も変わってきてしまう事は容易に想像できます。 Lame も最初の頃からはかなり視聴音として進化してきています。現時点のエンコード方法が最良であるか判断できないという事ですね。通信という媒体であればデータ容量というのがキーになりますので、エンコードされたデータを否定するわけではありませんが、フラットな周波数特性を保存できる CD という媒体はまだまだ必須ではないかなと思っています。だから CCCD など見るとむかつくよね。
 確かにイコライザーも進歩して不足しているデータを補完するような機能を持っている製品も見かけますけどね。視聴的にはそれで十分でしょうけど、音源を購入するという意味ではどうなのでしょうか。
 
 CD の出だしの頃は、レコードと CD の音質的な違いが結構話題になって一部宗教戦争みたいな様相がありましたが、 CD からデータ販売ではあまり盛り上がりませんね。なんでだろ ?
 
 個人的な結論としては、現時点で持ち歩くデータは 128kbps でエンコードして、購入するのは CD でという感じかな。

[ トップページ ]

作成: 2012 年 05 月 13 日〜 Copyright (C) 2012 Katsauki Shimizu <katsuaki-s@nifty.com> All rights reserved.

 access counter