音風景ブログ RSSフィード

2015-07-21

MP3, Opus, AAC 96kbps の音質比較

概要

音声コーデック3種類の音質比較。ビットレートは 96kbps にて比較。使用したエンコーダは、人気 MP3 エンコーダLAME, 低遅延と高音質を両立する Opus コーデックOpus 1.1, AACエンコーダ 3種類。その中でも AAC は、エンコーダによって圧縮性能が大きく異なるが、今回は Appleエンコーダよりは悪いが、フリーなエンコーダよりは良いとされる、NeroAACEncと、実験段階のフリーなエンコーダである FFmpeg内蔵AACエンコーダ中間 v7 パッチ中間 v9b パッチ適用したもの(一般配布はされていない)の3種類をテストした。

(2016/02/16追記:2016年現在、FFmpeg内蔵AACエンコーダはv9b相当の音質となっています。)

結果

Opus > NeroAACEnc > LAME > FFmpeg内蔵AACエンコーダ+中間v9bパッチ > FFmpeg内蔵AACエンコーダ+中間v7パッチ

Opus が最も原音に忠実という結果になった。Nero が2位、LAME が3位、FFmpeg内蔵AACエンコーダが最下位となった。FFmpeg内蔵AACエンコーダの中では、M/Sエンコードに対応した新しい v9bパッチの方が原音に近い音質となった。

評価

f:id:kamedo2:20150722011514p:image

形式MP3OpusAACAACAAC
エンコーダLAMEOpusNeroFFmpegFFmpeg
バージョン39950.1.91540v7v9b
リリース年20122014200920132014
レート制御ABRVBRVBRABRABR
指定レート98k91kq0.33396k96k
35_SQAM_glockenspiel_cutInst.4.34.54.43.93.4
Can't Wait Until Tonight (Dry Wurlitzer Mix)Pops3.23.73.53.12.7
girlTechno3.23.62.82.02.4
Robots_oldTechno3.24.34.13.43.5
SinceAlwaysGuitar3.65.03.83.42.8
trumpetWind3.65.03.92.42.5
velvetPerc.3.23.53.72.82.7
WaitingPops3.34.33.83.53.7
Asleep__4.11-4.31_Strings3.85.05.03.63.9
Greatest_Love_of_All_2min57Pops3.74.13.63.13.7
Hey TonightRock3.13.83.52.63.3
Severance__1.31-1.51_Pops3.84.23.93.43.7
Shinsho_pool_3min45_4min4Pops3.04.33.63.43.2
SlavesOfFearMetal4.45.05.04.64.0
The Chastising of RenegadeRock3.25.04.03.03.7
TrosYGaregPops3.74.44.03.44.1
4-Sound-English-male.441Voice4.35.04.42.93.9
9-Have-big-expensive-car.441Pops3.03.93.63.23.2
12-German-male-speech.441Voice3.74.03.22.43.0
15-Good-evening.441Voice3.94.03.83.03.5
21-classic.441Classic3.65.04.03.33.7
24-Greensleeves-Korean-male-speech.441Voice3.84.64.12.83.1
25-This-is-the-end.441Voice3.84.44.13.43.6
27-last-song-drums-and-trampets.441Perc.3.35.04.33.13.9
bonhemian_rhapsodyRock4.24.34.13.33.9
clapton_44kGuitar3.94.24.13.33.7
CoralPops4.05.04.03.33.7
ExitMusicVocal3.94.13.52.23.1
liberateMetal2.84.54.23.23.3
NewYorkCityPops3.64.34.23.23.5
sandmanRock3.33.73.62.73.0
take_your_finger_frin_my_headRock4.03.83.93.43.7
ChangesRock4.14.44.53.23.8
Girl_In_The_Fire__Sample_Rock4.14.44.03.63.7
Hotel CaliforniaRock3.54.23.83.13.6
Jupiter, the Bringer of JolityClassic3.84.14.44.54.3
Last_Of_The_Mohicanz__Sample_Techno4.04.44.03.12.9
Only TimeNewage3.24.23.93.63.8
Through The Fire And FlamesMetal4.75.05.03.63.5
With Love (Outro)Techno3.34.33.93.13.2
10 41_30secPerc.2.63.52.92.12.0
11 finalfantasyStrings4.24.54.33.23.8
12 ATrainJazz3.24.33.63.53.3
13 BigYellowPops3.04.23.92.53.2
14 FloorEssenceTechno3.64.43.92.73.1
15 macabreClassic2.93.23.52.93.3
16 mybloodrustsGuitar4.04.44.23.52.7
17 QuizasLatin3.54.23.63.03.6
18 VelvetRealmTechno3.63.94.03.03.2
19 雨降花Pops3.64.34.22.63.8
20 TrustGospel2.74.03.32.52.9
21 WaitingRock3.24.23.63.03.4
22 ExperienciaLatin4.04.13.83.33.5
23 Heart To HeartPops3.74.64.32.93.3
24 Tom's DinerVocal3.54.03.22.62.9
25 ReunionBluesJazz3.13.93.82.93.3
26 FrenchVoice4.04.43.72.83.5
27 undeletePops3.84.14.22.73.3
28 Dimmu BorgirMetal4.25.04.53.63.4
29 Run upPops4.14.53.33.03.5
30 GermanVoice3.44.23.62.73.3
31 It could be sweetPops3.94.14.12.83.5
32 on the roof with QuasimodoPops4.14.53.82.83.4
33 easy gamePops4.14.34.03.63.9
34 Tears InfectionPops4.04.53.73.43.8
J.S.Bach, "Easter-Oratorio"Classic3.85.04.43.63.9
BassVocal3.84.03.83.43.5
CastanetsInst.2.94.23.72.52.4
French Male SpeechVoice4.44.74.52.83.6
GlockenspielInst.4.34.54.63.74.1
HarpsichordInst.3.83.74.03.33.6
Postscriptum, "You were here"Pops3.84.54.03.43.7
Mike Oldfield, "Music From The Balcony"Rock3.75.04.54.04.1
QuartetVocal3.73.93.23.33.6
平均スコア3.654.313.933.133.42
実レート99k101k96k98k98k
エンコーダLAMEOpusNeroFFmpegFFmpeg
バージョン39950.1.91540v7v9b
形式MP3OpusAACAACAAC

テストに利用した音源を試聴したい方、ダウンロードしたい方、ログを見たい方はこちらへ。

http://listening-test.coresv.net/results.htm

http://zak.s206.xrea.com/bitratetest/main.htm

bitratetest_wav30-34.zip 直

http://soundexpert.org/sound-samples

方法

銘柄に対する先入観が影響しないように、PSP ABC/HR v2.4とRP-HJE150を利用して、5個のエンコードされた圧縮音源をランダムに並び替えて、銘柄を伏せて採点した。採点基準は、「音質劣化が非常に気になる」が1点 「気になる」が2点 「わずかに気になる」が3点 「原音からの音質変化が分かるが、気にならない」が4点 「音質変化がわからない、区別できない」が5点。4.9点以下の評点をつける場合は、ABXYテストを15回行い、12回以上(これ以上の成績をまぐれで出す確率は約2%)正解して、違いを聞き取れることを確認してからそうした。このテストでの採点は、74(音源)×5(エンコーダ)×1(回)=370(回)。

使用したオプション

LAME 3.99.5

lame --abr 98 -S in.wav out.mp3

Opus 1.1、opus-tools-0.1.9 経由

opusenc --bitrate 91 in.wav out.opus

NeroAACEnc 1.5.4.0

NeroAacEnc -q 0.333 -if in.wav -of out.mp4

FFmpeg内蔵AACエンコーダ、r.70351+中間パッチv7適用済みビルド(一般配布なし)

ffmpeg70351_v7 -y -i in.wav -c:a aac -strict experimental -b:a 96k out.mp4

FFmpeg内蔵AACエンコーダ、r.70351+中間パッチv9b適用済みビルド(一般配布なし)

ffmpeg70351_v9b -y -i in.wav -c:a aac -strict experimental -b:a 96k out.mp4

詳細な優劣の分析

FRIEDMAN version 1.24 (Jan 17, 2002) http://ff123.net/
Blocked ANOVA analysis

Number of listeners: 74
Critical significance:  0.05
Significance of data: 1.11E-016 (highly significant)
---------------------------------------------------------------
ANOVA Table for Randomized Block Designs Using Ratings

Source of         Degrees     Sum of    Mean
variation         of Freedom  squares   Square    F      p

Total              369         134.26
Testers (blocks)    73          45.11
Codecs eval'd        4          61.69   15.42   164.04  1.11E-016
Error              292          27.45    0.09
---------------------------------------------------------------
Fisher's protected LSD for ANOVA:   0.099

Means:

opus     nero     lame     ffv9b    ffv7
  4.31     3.93     3.65     3.42     3.13

---------------------------- p-value Matrix ---------------------------

         nero     lame     ffv9b    ffv7
opus     0.000*   0.000*   0.000*   0.000*
nero              0.000*   0.000*   0.000*
lame                       0.000*   0.000*
ffv9b                               0.000*
-----------------------------------------------------------------------

opus is better than nero, lame, ffv9b, ffv7
nero is better than lame, ffv9b, ffv7
lame is better than ffv9b, ffv7
ffv9b is better than ffv7

整形済みデータ

% 96kbps ABC/HR Score
% This format is compatible with my graphmaker, as well as ff123's FRIEDMAN.
lame	opus	nero	ffv7	ffv9b
4.300	4.500	4.400	3.900	3.400	
3.200	3.700	3.500	3.100	2.700	
3.200	3.600	2.800	2.000	2.400	
3.200	4.300	4.100	3.400	3.500	
3.600	5.000	3.800	3.400	2.800	
3.600	5.000	3.900	2.400	2.500	
3.200	3.500	3.700	2.800	2.700	
3.300	4.300	3.800	3.500	3.700	
3.800	5.000	5.000	3.600	3.900	
3.700	4.100	3.600	3.100	3.700	
3.100	3.800	3.500	2.600	3.300	
3.800	4.200	3.900	3.400	3.700	
3.000	4.300	3.600	3.400	3.200	
4.400	5.000	5.000	4.600	4.000	
3.200	5.000	4.000	3.000	3.700	
3.700	4.400	4.000	3.400	4.100	
4.300	5.000	4.400	2.900	3.900	
3.000	3.900	3.600	3.200	3.200	
3.700	4.000	3.200	2.400	3.000	
3.900	4.000	3.800	3.000	3.500	
3.600	5.000	4.000	3.300	3.700	
3.800	4.600	4.100	2.800	3.100	
3.800	4.400	4.100	3.400	3.600	
3.300	5.000	4.300	3.100	3.900	
4.200	4.300	4.100	3.300	3.900	
3.900	4.200	4.100	3.300	3.700	
4.000	5.000	4.000	3.300	3.700	
3.900	4.100	3.500	2.200	3.100	
2.800	4.500	4.200	3.200	3.300	
3.600	4.300	4.200	3.200	3.500	
3.300	3.700	3.600	2.700	3.000	
4.000	3.800	3.900	3.400	3.700	
4.100	4.400	4.500	3.200	3.800	
4.100	4.400	4.000	3.600	3.700	
3.500	4.200	3.800	3.100	3.600	
3.800	4.100	4.400	4.500	4.300	
4.000	4.400	4.000	3.100	2.900	
3.200	4.200	3.900	3.600	3.800	
4.700	5.000	5.000	3.600	3.500	
3.300	4.300	3.900	3.100	3.200	
2.600	3.500	2.900	2.100	2.000	
4.200	4.500	4.300	3.200	3.800	
3.200	4.300	3.600	3.500	3.300	
3.000	4.200	3.900	2.500	3.200	
3.600	4.400	3.900	2.700	3.100	
2.900	3.200	3.500	2.900	3.300	
4.000	4.400	4.200	3.500	2.700	
3.500	4.200	3.600	3.000	3.600	
3.600	3.900	4.000	3.000	3.200	
3.600	4.300	4.200	2.600	3.800	
2.700	4.000	3.300	2.500	2.900	
3.200	4.200	3.600	3.000	3.400	
4.000	4.100	3.800	3.300	3.500	
3.700	4.600	4.300	2.900	3.300	
3.500	4.000	3.200	2.600	2.900	
3.100	3.900	3.800	2.900	3.300	
4.000	4.400	3.700	2.800	3.500	
3.800	4.100	4.200	2.700	3.300	
4.200	5.000	4.500	3.600	3.400	
4.100	4.500	3.300	3.000	3.500	
3.400	4.200	3.600	2.700	3.300	
3.900	4.100	4.100	2.800	3.500	
4.100	4.500	3.800	2.800	3.400	
4.100	4.300	4.000	3.600	3.900	
4.000	4.500	3.700	3.400	3.800	
3.800	5.000	4.400	3.600	3.900	
3.800	4.000	3.800	3.400	3.500	
2.900	4.200	3.700	2.500	2.400	
4.400	4.700	4.500	2.800	3.600	
4.300	4.500	4.600	3.700	4.100	
3.800	3.700	4.000	3.300	3.600	
3.800	4.500	4.000	3.400	3.700	
3.700	5.000	4.500	4.000	4.100	
3.700	3.900	3.200	3.300	3.600	

%samples	35_SQAM_glockenspiel_cut	Inst.
%samples	Can't Wait Until Tonight (Dry Wurlitzer Mix)	Pops
%samples	girl	Techno
%samples	Robots_old	Techno
%samples	SinceAlways	Guitar
%samples	trumpet	Wind
%samples	velvet	Perc.
%samples	Waiting	Pops

%samples	Asleep__4.11-4.31_	Strings
%samples	Greatest_Love_of_All_2min57	Pops
%samples	Hey Tonight	Rock
%samples	Severance__1.31-1.51_	Pops
%samples	Shinsho_pool_3min45_4min4	Pops
%samples	SlavesOfFear	Metal
%samples	The Chastising of Renegade	Rock
%samples	TrosYGareg	Pops

%samples	4-Sound-English-male.441	Voice
%samples	9-Have-big-expensive-car.441	Pops
%samples	12-German-male-speech.441	Voice
%samples	15-Good-evening.441	Voice
%samples	21-classic.441	Classic
%samples	24-Greensleeves-Korean-male-speech.441	Voice
%samples	25-This-is-the-end.441	Voice
%samples	27-last-song-drums-and-trampets.441	Perc.

%samples	bonhemian_rhapsody	Rock
%samples	clapton_44k	Guitar
%samples	Coral	Pops
%samples	ExitMusic	Vocal
%samples	liberate	Metal
%samples	NewYorkCity	Pops
%samples	sandman	Rock
%samples	take_your_finger_from_my_hair	Rock

%samples	Changes	Rock
%samples	Girl_In_The_Fire__Sample_	Rock
%samples	Hotel California	Rock
%samples	Jupiter, the Bringer of Jolity	Classic
%samples	Last_Of_The_Mohicanz__Sample_	Electro
%samples	Only Time	Newage
%samples	Through The Fire And Flames	Metal
%samples	With Love (Outro)	Techno


%samples	41_30sec	Perc.
%samples	finalfantasy	Strings
%samples	ATrain	Jazz
%samples	BigYellow	Pops
%samples	FloorEssence	Techno
%samples	macabre	Classic
%samples	mybloodrusts	Guitar
%samples	Quizas	Latin
%samples	VelvetRealm	Techno
%samples	Amefuribana	Pops
%samples	Trust	Gospel
%samples	Waiting	Rock
%samples	Experiencia	Latin
%samples	HearttoHeart	Pops
%samples	Tom'sDiner	Acappella
%samples	ReunionBlues	Jazz
%samples	French	Voice
%samples	undelete	Pops
%samples	DimmuBorgir	Metal
%samples	Run_up	Pops
%samples	German	Speech
%samples	ItCouldBeSweet	Pops
%samples	OnTheRoofWith	Pops
%samples	easy_game	Pops
%samples	TearsInfection	Pops

%samples	J.S.Bach, "Easter-Oratorio"	Classic
%samples	Bass	Vocal
%samples	Castanets	Inst.
%samples	FrenchMaleSpeech	Voice
%samples	Glockenspiel	Inst.
%samples	Harpsichord	Inst.
%samples	You were here	Pops
%samples	Music From The Balcony	Rock
%samples	Quartet	Vocal

注:公開試聴試験での多人数の平均評点と管理人の評点が似たような傾向になることは確認しているので言えるが、ある個人がある再生環境で、ある価値観のもとに聞いたときの評価が、ここに書いた管理人の評価に似るかどうかまでは何とも言えない。また、今回利用した音源とは傾向の異なる音を多くエンコードした場合、結果や順位が異なる可能性があります。

2013-06-25

日本語版qaacマニュアル

※これは英語版qaac Wiki(https://github.com/nu774/qaac/wiki)の2013/06/26時点での和訳です。

qaac マニュアル


FAQ

うまく動作しないんだけど?

おそらく入力したコマンドが間違っているのが原因。コマンドプロンプトから直接打ち込んでみて、qaacの出力を見てみてください。出力ファイル名には、-oが必要です。

正しいコマンド:

qaac input.wav -o output.m4a

間違ったコマンド:

qaac input.wav output.m4a

qaacは複数の入力ファイルを受け付けることができるので、output.m4a も入力ファイルと解釈されて失敗する。(output.m4aというファイルは存在しないため)


フォルダが二つ(x86フォルダとx64フォルダ)あるけど何? どうやってインストールしたらいい?

x86フォルダに入っているバイナリは32bit用のバイナリで、32bit版・64bit版のどちらのWindowsでも使うことができます。

x64フォルダに入っているバイナリは64bit用のrefalacで、64bit版のWindowsでのみ使うことができます。

一般的に、64bitのexeは64bitのdllしかロードできないし、32bitのexeは32bitのdllしかロードできません。MSVCのランタイムdllは32bit版・64bit版共に同じ名前であることに注意してください。x86フォルダに入っている、32bit版のdllはqaac.exeとrefalac.exeのために必要です。x64フォルダに入っている、64bit版のdllはrefalac64.exeの動作のために必要です。そのため、同じフォルダにこれらのdll共存させることはできないのです。

すでにMSVCランタイムインストールしてある場合は、これらのDLLは必要ありません。


-b(サンプルあたりのbit=bit深度)オプションはどうしたらいい?

AACエンコードする場合、PCMオーディオとは異なり、bit深度という概念がそもそも存在しないので、-bオプションは必要ありません。指定しても単純に無視されます。


ALACにロスレスエンコードする場合、-bオプションは使わないでおいてください。このオプションは、本当にbit深度を変えたい場合のみ使ってください。何のDSP適用せず、-bオプションも使わない場合、出力bit深度は入力したものと同じになります。これが一般的な使い方です。もしDSP、たとえばサンプリング周波数変換やLPFなどを適用した場合、内部サンプルフォーマットはfloat(32bit)に変換されます。そのため-bオプションで16bitや24bitの出力を得たい場合があるでしょう。


--rateオプションはどうしたらいい?

普通、--rateオプションは必要ありません。これはサンプリング周波数を変換するオプションなので、本当に変換したい場合のみ使ってください。AACエンコードする場合、--rateオプションで低いサンプリング周波数を選択するか、--rate autoを使うと低いビットレート設定(例:64kbps未満)にできるようになります。


Apple製のafconvertでは、quality(-q)を0〜127の1刻みで指定できたはず。qaacは0〜2しか指定できないが、なぜ?

APIレベルでは、CoreAudioはkAudioConverterCodecQualityプロパティに0〜127の値を指定できます。afconvertは、-qの値を単純に反映させます。

しかし、AACコーデックはたった3つのステップ(32, 64, 96)しかサポートされていませんし、0〜127は単純にこの3つのどれかで近似されます。-q 0,1,2はそれぞれ32, 64, 96にマップされてツールタグに書き込まれます。

おそらくqaacはこれらの実際の値を直接使うようにインターフェースを変更するべきだろう。-q 0,1,2の指定方法は、qaacがQuickTimeに依存していた時代には自然な方法でありました。



インストール

qaacは32bitのWindowsコンソールアプリケーションであり、Apple Application Supportに依存しています。Apple Application Supportは単体では配布されていませんが、iTunesQuickTimeSafariなどのAppleソフトウェアに同梱されています。iTunes 10.5に同梱されているAASか、それより新しいAASでないとqaacは動作しません。普通は、最新版が最もおすすめです。

qaacをインストールするには、 qaac_x.xx.zipを展開して、x86フォルダに入っているqaac.exeとDLLをどこか好きな場所においてください。

同梱されているlibsoxrate.dllオプションであり、qaacはこれなしでも動作します。ただし、リサンプリングやLPFを指定する場合には必要ですので、同じ場所においておいてください。

最適化された高速なリサンプリングのために、libsoxr.dllを使うこともできます。それがqaacと同じディレクトリ(またはPATHのどこか)にある場合、qaacは自動的にlibsoxr.dllを使います。キャビネットページからダウンロードできます。https://sites.google.com/site/qaacpage/cabinet 現状、x86ディレクトリにある32bit libsoxr.dllはlibgcc_s_sjlj-1.dllに依存していて、それもlibsoxr.dllとともにインストールする必要があります。

msvcr100.dll と msvcp100.dllVisual Studio C++ 2010 のランタイムで、qaacの動作に必要です。おそらくたいていのシステムにはすでにインストールされているでしょうから、その場合にはこれらのDLLは必要ありません。これらのDLLの代わりに、Microsoft Visual C++ 2010 Service Pack 1 Redistributable PackageをMSから落としてきてインストールすることもできます。vcredist_x86.exe が qaac と refalacのために必要です。 64bit Windows上で refalac64 を使いたい場合、vcredist_x64.exe も必要です。

もしFLACWavPackTAKなどのlibsndfileでサポートされているフォーマットを直接入力したい場合、本家のディストリビューションを入手する必要があります。

FLAC
http://sourceforge.net/projects/flac/files/flac-win/flac-1.2.1-win/ から flac-1.2.1-devel-win.zipダウンロードしてください。解凍してできたlibFLAC.dll を qaac.exeと同じ場所においてください。
WavPack
http://www.wavpack.com/downloads.html から wavpackdll.zipダウンロードしてください。解凍してできた wavpackdll.dll を qaac.exeと同じ場所においてください。
TAK
http://www.thbeck.de/Tak/Tak.htmlから tak-x.x.x.zipダウンロードしてください。解凍してできた tak_deco_lib.dll を qaac.exeと同じ場所においてください。
libsndfile
http://www.mega-nerd.com/libsndfile/ からlibsndfile-1.0.xx-w32-setup.exe をダウンロードしてください。インストーラを実行して, libsndfile-1.dll を Program Files (x86)/Mega-Nerd/libsndfile から見つけて、qaac.exeと同じ場所においてください。このパスは、環境により異なるかもしれません。

コマンドラインオプション

qaac 2.18
Usage: qaac [options] infiles....

"-" as infile means stdin.
On ADTS/WAV output mode, "-" as outfile means stdout.

Main options:
--formats              Show available AAC formats and exit
-a, --abr <bitrate>    AAC ABR mode / bitrate
-V, --tvbr <n>         AAC True VBR mode / quality [0-127]
-v, --cvbr <bitrate>   AAC Constrained VBR mode / bitrate
-c, --cbr <bitrate>    AAC CBR mode / bitrate
                       For -a, -v, -c, "0" as bitrate means "highest".
                       Highest bitrate available is automatically chosen.
                       For LC, default is -V90
                       For HE, default is -v0
--he                   HE AAC mode (TVBR is not available)
-q, --quality <n>      AAC encoding Quality [0-2]
--adts                 ADTS output (AAC only)
-A, --alac             ALAC encoding mode
-d <dirname>           Output directory. Default is current working dir.
--check                Show library versions and exit.
-D, --decode           Wave output mode.
-r, --rate <keep|auto|n>
                       keep: output sampling rate will be same as input
                             if possible.
                       auto: output sampling rate will be automatically
                             chosen by encoder.
                       n: desired output sampling rate in Hz.
--lowpass <number>     Specify lowpass filter cut-off frequency in Hz.
                       Use this when you want lower cut-off than
                       Apple default.
-b, --bits-per-sample <n>
                       Bits per sample of output (for WAV/ALAC only)
--no-dither            Turn off dither when quantizing to lower bit depth.
--gain <f>             Adjust gain by f dB.
                       Use negative value to decrese gain, when you want to
                       avoid clipping introduced by DSP.
-N, --normalize        Normalize (works in two pass. generates HUGE tempfile
                       for large input)
--delay <[[hh:]mm:]ss[.ss..]|ns>
                       Specify delay either by time or number of samples.
                       When positive value is given, prepend silence at the
                       begining to achieve delay of specified amount.
                       When negative value is given, specified length is
                       dropped from the beginning.
                       Example:
                         --delay -2112s : trim 2112 samples at beginning
                         --delay 1.234  : prepend 1.234 seconds silence
--no-delay             Compensate encoder delay by prepending 960 samples 
                       of scilence, then trimming 3 AAC frames from 
                       the beginning (and also tweak iTunSMPB).
                       This option is mainly intended for resolving
                       resolving A/V sync issue of video. 
--gapless-mode <n>     Encoder delay signaling for gapless playback.
                         0: iTunSMPB (default)
                         1: ISO standard (elst + sbgp + sgpd)
                         2: Both
--matrix-preset <name> Specify preset remixing matrix name.
--matrix-file <file>   Specify file containing remixing matrix.
--no-matrix-normalize  Don't automatically normalize(scale) matrix
                       coefficients for the matrix mixer.
--chanmap <n1,n2...>   Re-arrange channels to the specified order.
                       For N-ch input, you take numbers 1,2..N, and
                       arrange them with comma-seperated, to the order
                       you want.
                       For example, "--chanmap 2,1" swaps L and R.
--chanmask <n>         Force specified value as input channel mask(bitmap).
                       If --chanmask 0 is specified, qaac treats it as if
                       no channel mask is present in the source, and pick
                       default layout.
--no-optimize          Don't optimize MP4 container file after encoding.
--tmpdir <dirname>     Temporary directory. Default is %TMP%
-s, --silent           Suppress console messages.
--verbose              More verbose console messages.
-i, --ignorelength     Assume WAV input and ignore the data chunk length.
--threading            Enable multi-threading.
-n, --nice             Give lower process priority.
--sort-args            Sort filenames given by command line arguments.
--text-codepage <n>    Specify text code page of cuesheet/chapter/lyrics.
                       1252 for Latin-1, 65001 for UTF-8.
                       Use this when automatic encoding detection fails.
-S, --stat             Save bitrate statistics into file.
--log <filename>       Output message to file.

Option for output filename generation:
--fname-from-tag       Generate filename based on metadata of input.
                       By default (without this option), output filename is
                       same as input (except for file extension).
                       Name generation can be tweaked by --fname-format.
--fname-format <string>   Format string for output filename.

Option for single output:
-o <filename>          Output filename
--concat               Encode whole inputs into single file. 
                       Requires output filename (with -o)

Option for cuesheet input only:
--cue-tracks <n[-n][,n[-n]]*>
                       Limit extraction to specified tracks.
                       Tracks can be specified with comma separated numbers.
                       Hyphen can be used to denote range of numbers.
                       Tracks non-existent in the cue are just ignored.
                       Numbers must be in the range 0-99.
                       Example:
                         --cue-tracks 1-3,6-9,11
                           -> equivalent to --cue-tracks 1,2,3,6,7,8,9,11
                         --cue-tracks 2-99
                           -> can be used to skip first track (and HTOA)

Options for Raw PCM input only:
-R, --raw              Raw PCM input.
--raw-channels <n>     Number of channels, default 2.
--raw-rate     <n>     Sample rate, default 44100.
--raw-format   <str>   Sample format, default S16L.
                       Sample format spec:
                       1st char: S(igned) | U(nsigned) | F(loat)
                       2nd part: Bitwidth
                       Last part: L(ittle Endian) | B(ig Endian)
                       Last part can be omitted, L is assumed by default.
                       Cases are ignored. u16b is OK.

Options for CoreAudio sample rate converter:
--native-resampler[=line|norm|bats,n]
                       Arguments are optional.
                       Without argument, codec default SRC is used.
                       With argument, dedicated AudioConverter is used for
                       sample rate conversion.
                       '--native-resampler' and arguments must be delimited
                       by a '=' (space is not usable here).
                       Arguments must be delimited by a ','(comma).
                       First argument is sample rate converter complexity,
                       and one of line, norm, bats.
                         line: linear (worst, don't use this)
                         norm: normal
                         bats: mastering (best, but quite sloooow)
                       Second argument is sample rate converter quality,
                       which is an integer between 0-127.
                       Example:
                         --native-resampler
                         --native-resampler=norm,96

Tagging options:
 (same value is set to all files, so use with care for multiple files)
--title <string>
--subtitle <string>
--artist <string>
--band <string>       This means "Album Artist".
--album <string>
--grouping <string>
--composer <string>
--comment <string>
--genre <string>
--date <string>
--track <number[/total]>
--disk <number[/total]>
--compilation[=0|1]
                      By default, iTunes compilation flag is not set.
                      --compilation or --compilation=1 sets flag on.
                      --compilation=0 is same as default.
--lyrics <filename>
--artwork <filename>
--artwork-size <n>    Specify maximum width or height of artwork in pixels.
                      If specified artwork (with --artwork) is larger than
                      this, artwork is automatically resized.
--chapter <filename>
                      Set chapter from file.
--tag <fcc>:<value>
                      Set iTunes pre-defined tag with four-char-code key
                      and value.
                      1) For some fcc starting with U+00A9 (copyright sign),
                         you can enter 3 chars starting from the second char
                         instead.
                      2) Some known tags using type-code other than UTF-8
                         are taken care of. Rest are just written as UTF-8
                         string.
--long-tag <name>:<value>
                      Set long tag (iTunes custom metadata) with 
                      arbitrary name/value pair. Value is always stored as
                      UTF8 string.

使用例

AACエンコード

qaac foo.wav

で、foo.m4aをカレントディレクトリに生成します。AACエンコーダデフォルトで選択され、TVBR 90、quality 2(最高品質)となります。

TVBRの品質を変えたい場合、-V 127 のように指定します。(訳注:-Vの値が大きいほど品質が高いが、ファイルサイズも大きくなる。参考:http://d.hatena.ne.jp/kamedo2/20121116/1353099244)

--adts オプションが指定された場合、qaac は ADTS (いわゆる生出力) を拡張子 .m4aの代わりに .aacで行います。そのADTS出力を stdout に吐かせるには

qaac --adts -V63 -o- foo.flac | whatever_program

とします。


ALACのエンコード

qaac -A foo.wav

で、foo.m4a というALACファイルができます。

複数ファイルの一括エンコード

qaac *.flac -d some_directory

が便利です。それぞれのトラックがsome_directory内にAACエンコードされます。

qaac --concat *.flac -o out.m4a

は入力全てをout.m4aに連結します。それぞれの入力トラックに、チャプターが挿入されます。

パイプからのエンコード

flac -dc foo.flac | qaac -V 100 --ignorelength - -o foo.m4a

ここで、- が入力ファイル名として使われていて、qaacは普通のファイルからの代わりにstdin(標準入力)から読みます。

もちろん、qaacはFLACを直接読むことができるので、この例のようにパイプを使ってFLACを読ませることには意味がありません。


名前つきパイプの使用

まず、コマンドプロンプトを立ち上げて、次のようなコマンドを実行してください。

qaac --adts -o \\.\pipe\foo.aac foo.wav

次に、別のコマンドプロンプトを立ち上げて、次のようなコマンドを実行してください。

x264 --audiofile \\.\pipe\foo.aac --acodec copy -o bar.mp4 video.avs

この例では、qaacは\\.\pipe\foo.aacという名前つきパイプを作り、接続されるのを待ちます。2番目のコマンドラインが実行されると、qaacはエンコードを始め、名前つきパイプに食わせます。2番目のコマンドラインは\\.\pipe\foo.aacからオーディオを読むようにx264に指示しているので、x264オーディオエンコードを行うことなく単純にmuxします。x264はこのファイルの実体が名前つきパイプであることすら把握していませんが、ともかく動作するのです。

名前つきパイプには、「\\.\pipe\」から始まる任意の名前をつけられます。

もちろんここのx264は単に例として挙げたのみで、何でも良いのです。しかし、本当に動作するかどうかはクライアント側のプログラムによります。一般論として、シークが必要だったり、入力ファイル名に特別な処理をするようなプログラムの場合は、名前つきパイプはうまく動きません。


RAWファイル(ヘッダなしのPCMオーディオ)からのエンコード

qaac -R --raw-channels=6 --raw-rate=48000 --raw-format=S16B foo.pcm

次のようにrawファイルの規格を指定します。

--raw-channels
チャンネル数
--raw-rate
サンプリング周波数[Hz]
--raw-format
[S]igned/[U]nsigned, ビット深度(16bit,24bitなど), [L]ittle/[B]ig endian

デフォルトでは、オプションなしの場合、 2ch, 44100Hz, Signed, 16bit, リトルエンディアンであるとみなします。

外部ソフトからqaacを使う場合の設定

ソフトによって異なる、入力ファイルと出力ファイルを外部ソフト側から指定する方法さえ分かれば、あとは直接コマンドを実行する場合と同じコマンドが使えます。

foobar2000

-A -o %d -

これは、ALACエンコードを行う場合の例です。出力ファイル名には%d、入力ファイル名には「-」と書いておけばOKです。-が入力として指定されているので、foobar2000がパイプに流し込んだものをqaacがパイプから受け止めることになります。

--no-optimizeオプションを使うと便利かもしれません。--no-optimizeはqaacにエンコード後にMP4コンテナを最適化しないように指示するコマンドです。最適化は巨大なファイルの場合時間がかかるし、foobar2000エンコードが終わった後にタグに書き込みするためにファイルを触ることになるからです。

もしfolder.jpgか何かがエンコードの出力先のフォルダにあって、エンコードされるファイルに埋め込みたい場合、このように設定してください。

-V 127 --artwork folder.jpg -o %d -


Exact Audio Copy

Eyolv André Øverland が良いマニュアルを執筆され、送ってきてくれました。こちらからzipダウンロードできます。 (docxフォーマット): https://sites.google.com/site/qaacpage/usage/EACQAAC.zip?attredirects=0

最近のEACはコマンドが変わりました。これは新しいバージョンのほうのマニュアルです。


DbPowerAmp

-A -o [outfile] -

これはALACエンコードのためのコマンドです。[outfile]が出力ファイルの指定場所であり、-はパイプ入力のために使われています。


エンコーダ設定

デフォルトでは、AAC-LCエンコーダが選択されます。AAC-LC以外のコーデックは、-Aや--heオプションを使って選択できます。

コーデックオプション
ALAC-A
AAC-HE--he
AAC-LCオプションなし

AACエンコーダ(LC・HE)では、音質/サイズ/エンコード速度のトレードオフを決めるオプションを設定できます。


f:id:kamedo2:20130627030045j:image

これはアップルAACエンコーダ設定ダイアログです。(qaacのものではない)

qaacではまず、エンコード設定を決めます。目標のビットレートを指定してその一定のビットレートを保つように設定するか、ある品質を指定してその品質を一定に保つように設定するか、という違いです。

設定オプション引き数
TVBR-V, or --tvbr品質指定の数(0-127)
CVBR-v, or --cvbr目標のビットレート(in kbps)
ABR-a, or --abr目標のビットレート(in kbps)
CBR-c, or --cbr目標のビットレート(in kbps)

デフォルトでは、qaacはTVBRの品質91を設定します。ただし、これが推奨する設定というわけではありません。TVBR(True Variable Bit Rate)は真の可変ビットレートを意味し、Appleはこれを単にVBRと読んでいます。この詳しい意味は、Appleの解説に載っています。

例えば、"-a 128"はABRの設定で目標ビットレートが128kbps。"-V 127"はTVBRの設定で品質が127。TVBRの値は大きいほど品質が高いが、オーディオファイルのサイズも大きくなる(収録曲数が少なくなる)。この数字は0から127までの任意の整数を取れるが、内部的には次の15種類のステップしかなく、その中間の値を指定しても近い値に丸め込まれます。0 9 18 27 36 45 54 63 73 82 91 100 109 118 127 (訳注:例えば-V 101を指定した場合、内部的には、近い100で近似される)

(訳注:POPS中心のCDソースの音楽をTVBRでAAC-LCに変換する場合の-Vの数とビットレート・1時間分のサイズ・音質の目安のまとめがあります)

設定ビットレート1時間分のサイズ音質の目安
-V 047kbps20MB1.8
-V 954kbps23MB2.0(気になる)
-V 1862kbps27MB2.3
-V 2771kbps30MB2.6
-V 3678kbps33MB3.0(わずかに気になる)
-V 4597kbps42MB3.6
-V 54112kbps48MB3.8
-V 63126kbps54MB4.0(気にならない)
-V 73144kbps62MB4.3
-V 82160kbps69MB4.6
-V 91195kbps84MB4.7
-V 100230kbps98MB4.8
-V 109260kbps112MB
-V 118290kbps125MB
-V 127330kbps141MB

63はとりあえず最初に指定する値としてよいかもしれない。真ん中にある値なので、「普通の品質」と思うかもしれないが、普通CDを圧縮する場合128kbps付近が選択されるし、そのくらいでAACの場合良好な品質を保つ(iTunesストアはiTunes plusのデビューの前には128kbps ABRの音楽を売っていた)。もちろん、どんな設定があなたにとって適切かどうかは、あなたが自分の耳で決めることである。


CBR、ABR、CVBRの場合、ビットレート 0 は、可能な限り高いビットレートを設定する。そのため、

qaac -c0 foo.wav

は、

qaac -c320 foo.wav

と同じ意味である(2チャンネルのステレオの場合)。

実際のビットレートはチャンネル数、サンプリング周波数、LC/HEによって異なる。--heでHEエンコードを選んだ場合、-v0(CVBRで可能な限り高いビットレート)がデフォルトで選択される。設定可能なチャンネル数と配置、サンプリング周波数ビットレートの組み合わせは、次のコマンドで見ることができる。

qaac --formats

(訳注:2013年6月現在のqaac --formatsの出力内容を載せておきます。)

qaac.exe --format
LC 8000Hz Mono -- 8,12,16,20,24
LC 8000Hz Stereo -- 16,20,24,28,32,40,48
LC 8000Hz 3.0 (C L R) -- 24,27.999,31.998,39.999,48,55.998,63.999,72
LC 8000Hz 4.0 (L R Ls Rs) -- 32,40,48,56,64,72,80,96
LC 8000Hz 4.0 (C L R Cs) -- 32,40,48,56,64,72,80,96
LC 8000Hz 5.0 (C L R Ls Rs) -- 40,48,56,64,72,80,96,112
LC 8000Hz 5.1 (C L R Ls Rs LFE) -- 40,48,56,64,72,80,96,112
LC 8000Hz 6.0 (C L R Ls Rs Cs) -- 48,56,64,72,80,96,112,128,144
LC 8000Hz 6.1 (C L R Ls Rs Cs LFE) -- 48,56,64,72,80,96,112,128,144
LC 8000Hz 7.0 (C L R Ls Rs Rls Rrs) -- 56,64,72,80,96,112,128,144,160
LC 8000Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 56,64,72,80,96,112,128,144,160
LC 8000Hz 8.0 (C L R Ls Rs Rls Rrs Cs) -- 64,72,80,96,112,128,144,160,192
LC 11025Hz Mono -- 8,12,16,20,24,28,32
LC 11025Hz Stereo -- 16,20,24,28,32,40,48,56,64
LC 11025Hz 3.0 (C L R) -- 39.999,48,55.998,63.999,72,79.998,96
LC 11025Hz 4.0 (L R Ls Rs) -- 48,56,64,72,80,96,112,128
LC 11025Hz 4.0 (C L R Cs) -- 48,56,64,72,80,96,112,128
LC 11025Hz 5.0 (C L R Ls Rs) -- 64,72,80,96,112,128,144,160
LC 11025Hz 5.1 (C L R Ls Rs LFE) -- 64,72,80,96,112,128,144,160
LC 11025Hz 6.0 (C L R Ls Rs Cs) -- 72,80,96,112,128,144,160,192
LC 11025Hz 6.1 (C L R Ls Rs Cs LFE) -- 72,80,96,112,128,144,160,192
LC 11025Hz 7.0 (C L R Ls Rs Rls Rrs) -- 96,112,128,144,160,192,224
LC 11025Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 96,112,128,144,160,192,224
LC 11025Hz 8.0 (C L R Ls Rs Rls Rrs Cs) -- 96,112,128,144,160,192,224,256
LC 12000Hz Mono -- 12,16,20,24,28,32
LC 12000Hz Stereo -- 24,28,32,40,48,56,64
LC 12000Hz 3.0 (C L R) -- 39.999,48,55.998,63.999,72,79.998,96
LC 12000Hz 4.0 (L R Ls Rs) -- 48,56,64,72,80,96,112,128
LC 12000Hz 4.0 (C L R Cs) -- 48,56,64,72,80,96,112,128
LC 12000Hz 5.0 (C L R Ls Rs) -- 64,72,80,96,112,128,144,160
LC 12000Hz 5.1 (C L R Ls Rs LFE) -- 64,72,80,96,112,128,144,160
LC 12000Hz 6.0 (C L R Ls Rs Cs) -- 72,80,96,112,128,144,160,192
LC 12000Hz 6.1 (C L R Ls Rs Cs LFE) -- 72,80,96,112,128,144,160,192
LC 12000Hz 7.0 (C L R Ls Rs Rls Rrs) -- 96,112,128,144,160,192,224
LC 12000Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 96,112,128,144,160,192,224
LC 12000Hz 8.0 (C L R Ls Rs Rls Rrs Cs) -- 96,112,128,144,160,192,224,256
LC 16000Hz Mono -- 12,16,20,24,28,32,40,48
LC 16000Hz Stereo -- 24,28,32,40,48,56,64,72,80,96
LC 16000Hz 3.0 (C L R) -- 39.999,48,55.998,63.999,72,79.998,96,111.999,127.998,1
44
LC 16000Hz 4.0 (L R Ls Rs) -- 48,56,64,72,80,96,112,128,144,160,192
LC 16000Hz 4.0 (C L R Cs) -- 48,56,64,72,80,96,112,128,144,160,192
LC 16000Hz 5.0 (C L R Ls Rs) -- 64,72,80,96,112,128,144,160,192,224
LC 16000Hz 5.1 (C L R Ls Rs LFE) -- 64,72,80,96,112,128,144,160,192,224
LC 16000Hz 6.0 (C L R Ls Rs Cs) -- 72,80,96,112,128,144,160,192,224,256,288
LC 16000Hz 6.1 (C L R Ls Rs Cs LFE) -- 72,80,96,112,128,144,160,192,224,256,288
LC 16000Hz 7.0 (C L R Ls Rs Rls Rrs) -- 96,112,128,144,160,192,224,256,288,320
LC 16000Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 96,112,128,144,160,192,224,256,288,320

LC 16000Hz 8.0 (C L R Ls Rs Rls Rrs Cs) -- 96,112,128,144,160,192,224,256,288,32
0,384
LC 22050Hz Mono -- 16,20,24,28,32,40,48,56,64
LC 22050Hz Stereo -- 32,40,48,56,64,72,80,96,112,128
LC 22050Hz 3.0 (C L R) -- 48,55.998,63.999,72,79.998,96,111.999,127.998,144,159.
999,192
LC 22050Hz 4.0 (L R Ls Rs) -- 64,72,80,96,112,128,144,160,192,224,256
LC 22050Hz 4.0 (C L R Cs) -- 64,72,80,96,112,128,144,160,192,224,256
LC 22050Hz 5.0 (C L R Ls Rs) -- 80,96,112,128,144,160,192,224,256,288,320
LC 22050Hz 5.1 (C L R Ls Rs LFE) -- 80,96,112,128,144,160,192,224,256,288,320
LC 22050Hz 6.0 (C L R Ls Rs Cs) -- 96,112,128,144,160,192,224,256,288,320,384
LC 22050Hz 6.1 (C L R Ls Rs Cs LFE) -- 96,112,128,144,160,192,224,256,288,320,38
4
LC 22050Hz 7.0 (C L R Ls Rs Rls Rrs) -- 112,128,144,160,192,224,256,288,320,384,
448
LC 22050Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 112,128,144,160,192,224,256,288,320,38
4,448
LC 22050Hz 8.0 (C L R Ls Rs Rls Rrs Cs) -- 128,144,160,192,224,256,288,320,384,4
48,512
LC 24000Hz Mono -- 16,20,24,28,32,40,48,56,64
LC 24000Hz Stereo -- 32,40,48,56,64,72,80,96,112,128
LC 24000Hz 3.0 (C L R) -- 48,55.998,63.999,72,79.998,96,111.999,127.998,144,159.
999,192
LC 24000Hz 4.0 (L R Ls Rs) -- 64,72,80,96,112,128,144,160,192,224,256
LC 24000Hz 4.0 (C L R Cs) -- 64,72,80,96,112,128,144,160,192,224,256
LC 24000Hz 5.0 (C L R Ls Rs) -- 80,96,112,128,144,160,192,224,256,288,320
LC 24000Hz 5.1 (C L R Ls Rs LFE) -- 80,96,112,128,144,160,192,224,256,288,320
LC 24000Hz 6.0 (C L R Ls Rs Cs) -- 96,112,128,144,160,192,224,256,288,320,384
LC 24000Hz 6.1 (C L R Ls Rs Cs LFE) -- 96,112,128,144,160,192,224,256,288,320,38
4
LC 24000Hz 7.0 (C L R Ls Rs Rls Rrs) -- 112,128,144,160,192,224,256,288,320,384,
448
LC 24000Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 112,128,144,160,192,224,256,288,320,38
4,448
LC 24000Hz 8.0 (C L R Ls Rs Rls Rrs Cs) -- 128,144,160,192,224,256,288,320,384,4
48,512
LC 32000Hz Mono -- 24,28,32,40,48,56,64,72,80,96
LC 32000Hz Stereo -- 48,56,64,72,80,96,112,128,144,160,192
LC 32000Hz 3.0 (C L R) -- 72,79.998,96,111.999,127.998,144,159.999,192,223.998,2
55.999,288
LC 32000Hz 4.0 (L R Ls Rs) -- 96,112,128,144,160,192,224,256,288,320,384
LC 32000Hz 4.0 (C L R Cs) -- 96,112,128,144,160,192,224,256,288,320,384
LC 32000Hz 5.0 (C L R Ls Rs) -- 128,144,160,192,224,256,288,320,384,448
LC 32000Hz 5.1 (C L R Ls Rs LFE) -- 128,144,160,192,224,256,288,320,384,448
LC 32000Hz 6.0 (C L R Ls Rs Cs) -- 144,160,192,224,256,288,320,384,448,512,576
LC 32000Hz 6.1 (C L R Ls Rs Cs LFE) -- 144,160,192,224,256,288,320,384,448,512,5
76
LC 32000Hz 7.0 (C L R Ls Rs Rls Rrs) -- 192,224,256,288,320,384,448,512,576,640
LC 32000Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 192,224,256,288,320,384,448,512,576,64
0
LC 32000Hz 8.0 (C L R Ls Rs Rls Rrs Cs) -- 192,224,256,288,320,384,448,512,576,6
40,768
LC 44100Hz Mono -- 32,40,48,56,64,72,80,96,112,128,144,160,192,224,256
LC 44100Hz Stereo -- 64,72,80,96,112,128,144,160,192,224,256,288,320
LC 44100Hz 3.0 (C L R) -- 96,111.999,127.998,144,159.999,192,223.998,255.999,288
,319.998,384,447.999
LC 44100Hz 4.0 (L R Ls Rs) -- 128,144,160,192,224,256,288,320,384,448,512,576,64
0
LC 44100Hz 4.0 (C L R Cs) -- 128,144,160,192,224,256,288,320,384,448,512,576,640

LC 44100Hz 5.0 (C L R Ls Rs) -- 160,192,224,256,288,320,384,448,512,576,640,768
LC 44100Hz 5.1 (C L R Ls Rs LFE) -- 160,192,224,256,288,320,384,448,512,576,640,
768
LC 44100Hz 6.0 (C L R Ls Rs Cs) -- 192,224,256,288,320,384,448,512,576,640,768,9
60
LC 44100Hz 6.1 (C L R Ls Rs Cs LFE) -- 192,224,256,288,320,384,448,512,576,640,7
68,960
LC 44100Hz 7.0 (C L R Ls Rs Rls Rrs) -- 224,256,288,320,384,448,512,576,640,768,
960
LC 44100Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 224,256,288,320,384,448,512,576,640,76
8,960
LC 44100Hz 8.0 (C L R Ls Rs Rls Rrs Cs) -- 256,288,320,384,448,512,576,640,768,9
60,1280
LC 48000Hz Mono -- 32,40,48,56,64,72,80,96,112,128,144,160,192,224,256
LC 48000Hz Stereo -- 64,72,80,96,112,128,144,160,192,224,256,288,320
LC 48000Hz 3.0 (C L R) -- 96,111.999,127.998,144,159.999,192,223.998,255.999,288
,319.998,384,447.999
LC 48000Hz 4.0 (L R Ls Rs) -- 128,144,160,192,224,256,288,320,384,448,512,576,64
0
LC 48000Hz 4.0 (C L R Cs) -- 128,144,160,192,224,256,288,320,384,448,512,576,640

LC 48000Hz 5.0 (C L R Ls Rs) -- 160,192,224,256,288,320,384,448,512,576,640,768
LC 48000Hz 5.1 (C L R Ls Rs LFE) -- 160,192,224,256,288,320,384,448,512,576,640,
768
LC 48000Hz 6.0 (C L R Ls Rs Cs) -- 192,224,256,288,320,384,448,512,576,640,768,9
60
LC 48000Hz 6.1 (C L R Ls Rs Cs LFE) -- 192,224,256,288,320,384,448,512,576,640,7
68,960
LC 48000Hz 7.0 (C L R Ls Rs Rls Rrs) -- 224,256,288,320,384,448,512,576,640,768,
960
LC 48000Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 224,256,288,320,384,448,512,576,640,76
8,960
LC 48000Hz 8.0 (C L R Ls Rs Rls Rrs Cs) -- 256,288,320,384,448,512,576,640,768,9
60,1280
HE 32000Hz Mono -- 12,16,24,32,40
HE 32000Hz Stereo -- 24,32,40,48,56,64,80
HE 32000Hz 4.0 (L R Ls Rs) -- 48,56,64,80,96,112,128,160
HE 32000Hz 5.1 (C L R Ls Rs LFE) -- 64,80,96,112,128,160,192
HE 32000Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 96,112,128,160,192,224,256
HE 44100Hz Mono -- 16,24,32,40
HE 44100Hz Stereo -- 32,40,48,56,64,80
HE 44100Hz 4.0 (L R Ls Rs) -- 64,80,96,112,128,160
HE 44100Hz 5.1 (C L R Ls Rs LFE) -- 80,96,112,128,160,192
HE 44100Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 112,128,160,192,224,256
HE 48000Hz Mono -- 16,24,32,40
HE 48000Hz Stereo -- 32,40,48,56,64,80
HE 48000Hz 4.0 (L R Ls Rs) -- 64,80,96,112,128,160
HE 48000Hz 5.1 (C L R Ls Rs LFE) -- 80,96,112,128,160,192
HE 48000Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 112,128,160,192,224,256
HE 88200Hz Mono -- 32,40,48,56,64,80,96,112,128,160
HE 88200Hz Stereo -- 64,80,96,112,128,160,192,224,256,320
HE 88200Hz 4.0 (L R Ls Rs) -- 128,160,192,224,256,320,448,640
HE 88200Hz 5.1 (C L R Ls Rs LFE) -- 160,192,224,256,320,448,640
HE 88200Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 224,256,320,448,640,1120
HE 96000Hz Mono -- 32,40,48,56,64,80,96,112,128,160
HE 96000Hz Stereo -- 64,80,96,112,128,160,192,224,256,320
HE 96000Hz 4.0 (L R Ls Rs) -- 128,160,192,224,256,320,448,640
HE 96000Hz 5.1 (C L R Ls Rs LFE) -- 160,192,224,256,320,448,640
HE 96000Hz 7.1 (C Lc Rc L R Ls Rs LFE) -- 224,256,320,448,640,1120

--qualityも品質を変えるオプションなのでややこしいが、前のほうのダイアログででてきた「品質」と同じものである。これはファイルサイズではなく、エンコード速度と品質のトレードオフを行う。0,1,2を指定できる。大きい値はより高い品質であり、エンコード速度は遅くなる。デフォルトでは、qaacは2(最高品質、遅い)を使う。


参考までに、iTunesインポート(CD取り込み)設定と同じことをするためのqaacの設定方法。(2011/10/11、iTunes 10.4.1現在)

高音質(128k)-a128 -q1
iTunes Plus(256k)-v256 -q2
カスタム (VBR on)-v <bitrate> -q2
カスタム (VBR off)-a <bitrate> -q2

このように、iTunesはABRかCVBRしか使っていない。iTunes Plusと同じファイルを得るためには、-v256 -q2を指定してください。(-q2はデフォルトなので、実際は-v256だけで足りる。)


読めるファイル形式

qaacは生PCMWAC、ALAC、MP3やその他のApple AudioFile serviceでサポートされているリニアPCM系のフォーマットを開くことができます。また、qaacはキューシートを読み込むこともできます。


libsndfile-1.dllがqaacと共にインストールされている場合、qaacはlibsndfileでサポートされているさらに多くのPCMフォーマットを開くことができます。同様に、libFLAC.dllインストールすると、FLACを開くことができますし、wavpackdll.dllインストールするとWavPack(.wv)を読むことができます。

基本的に、入力フォーマットはqaacが自動的に判断します。なので、入力がどんなフォーマットであるかは普通意識する必要はなく、別途指定する必要もありません。しかしながら、生PCMを入力する場合は、-R (--raw)オプションやその他の属性などを指定をする必要があります。

--ignorelengthも入力に関するオプションです。もし入力ファイルがWAVで--ignorelengthが指定されている場合、qaacはWAVヘッダーに指定されている長さ("data"チャンクの長さ)を無視します。


複数の入力やキューシートの扱い

qaacには複数の入力ファイルを食わせることができます。標準ワイルドカード(*と?)が使用可能です。しかし、注意するべきは、エンコーダ設定やタグオプションは全ての入力ファイルに適用されるということです。

基本的に、入力されたそれぞれのファイルは別々のファイルにエンコードされます。そのため、入力ファイルと出力ファイルは1:1の関係にあります。しかし、キューシートを入力した場合と、--concatを指定した場合は異なります。

--concatが指定された場合、qaacは全ての入力ファイルを単一のファイルにまとめてエンコードします。このケースでは、それぞれの入力トラックの位置を示すチャプターが生成されます。アルバム関係のタグは最初の入力ファイルから取られます。

例えば、"01 first track.flac", "02 second track.flac" .... というファイルがフォルダの中にあるとする。これらのファイルを1個のチャプター付きのアルバムイメージファイル、にしたい場合、このようにしてできます。

qaac -V63 --concat *.flac -o output.m4a

キューシートを入力ファイルとして指定した場合、qaacはデフォルトでキューシート中のそれぞれのトラックを別々にエンコードします(1トラックにつき1ファイル)。キューシートは単一のオーディオファイル(イメージ)を指すのかもしれないし、複数のファイルを指すかもしれない。しかし、qaacは"FILE"コマンドライン中のファイルが実際のファイル名であることを必要とします。もし"foo.flac"ファイルがあるなら、"foo.wav"をキューシートに持つことはできません。

--concatが指定された場合、cuesheetトラックも単一の出力ファイルにつなぎ合わされます。キューシートにあるようにチャプターが生成されます。

m4aWAV出力の場合、異なるサンプルフォーマット(サンプリング周波数など)をもつ複数のファイルを結合することはできません、一方で、ADTS出力はそのようなケースを受け入れ、複数のフォーマットからなるストリームを生成します。

出力フォーマット

デフォルトでは、qaacはAACとALAC出力のためにm4aを使います。特に-oでファイル名を指定しなければ、出力ファイル名は入力ファイル名から自動生成されます。

AACエンコードする場合、--adtsを指定してm4aの代わりにADTSファイルを出力することもできます。ADTSは、タグを保存できない・シーキングが非効率などの理由で楽曲の保存には向かないフォーマットですが、ストリーミング可能なフォーマットであり、ADTSであればstdoutに出力することもできます。

-Dでデコードモードを指定すると、WAVファイルが出力されます。WAV出力にはstdoutも使うことができます。

m4aエンコードするとき、--no-optimizeオプションも指定することができます。デフォルト(--no-optimizeを使わない場合)では、qaacは次のように動きます。

foo.wav -----> 一時ファイル ------> foo.m4a
        エンコード          最適化

この「最適化」は、foobar2000コンテキストメニューコマンドにある"Optimize MP4 layout"と同じことをします。MP4コンテナの再レイアウトをします。


出力ビット深度

ALACまたはWAVを出力する場合、-bで出力ビット深度を指定することができます。普通、出力ビット深度は入力ビット深度と同じです。しかしながら、DSPフィルターの類を適用した場合、内部フォーマットは浮動小数点フォーマットに変換されることがあります。その場合、-bを指定しなければ32bit float WAVファイルが出力されます。

一方で、ALACに出力する場合、出力の前に内部フォーマットは自動的に整数に変換されます。

ALAC出力の場合、16bit, 20bit, 24bit, 32bitが使用できます。WAV出力の場合、2から32までの任意のbitが使えます。WAVでは、-b 32は浮動小数点フォーマットを意味します。

ビット深度が-bで減少させられ、最終ビット深度が18よりも少ない場合、qaacはデフォルトでTPDFディザーを適用します。必要なければ、--no-ditherを使ってください。

一般的なオプション解釈ルール

qaac.exeはユニコード版のBSD getoptをコマンドラインパーサーとして使います。そのためqaacのコマンドラインオプションの扱いは標準的なCLI アプリケーションまたはコマンドと同じです。もしあなたが長年のUnixユーザーでしたら、すでに説明するまでもないでしょう。

qaacは一つ以上のオプションを受け取り、エンコードに使う入力ファイルを指定する一つ以上の引数を受け取ります。オプションは省略することができますが、入力ファイル引数は常に必要です。--check以外は。(--checkには入力ファイルは必要ありません。)

独立したオプションの順番は重要ではありません。次のコマンドライン2行は同じことを指定しています。

qaac -A input.wav -o output.m4a

qaac -o output.m4a input.wav -A


ここには2種類のオプションが存在します。

-Aのようなオプションは短いオプションです。-から始まり、一文字の名前を持ちます。

--adtsのようなオプションは長いオプションです。--から始まり、長い名前を持ちます。どちらのオプションを使っているのかは注意する必要があります。--adtsの代わりに-adtsとすることはできません。

オプション引数を必要とするものがあります。例えば-A(ALAC出力)に引数は必要ありませんが、-oには引数が必要です。引数として出力ファイル名を指定する必要があります。

引数が必要な場合、-o foo.m4aのように指定します。-oがオプション、foo.m4a引数で、スペースにより区切られていますが、これは短いオプションの場合必要ありません。-ofoo.m4aのようにできます。

長いオプションの場合、--tvbr 127または--tvbr=127とできます。ここで、オプション引数はスペースまたは"="で区切られていて、省略することはできません。

-Aのような短いオプションは、一つのtokenに合併できます。-A -o foo.mp4の代わりに-Aofoo.mp4とも指定できます。


便利なDSPオプション

qaacは以下のDSPオプションに対応しています。

--rate、--lowpass、--matrix-preset、--matrix-file はlibsoxrateを必要とします。

-N、--gain、--matrix-preset、-matrix-file、--rate、--lowpassを適用すると内部フォーマットはfloatに変換されることに注意してください。WAVかALACのビット深度に合わせたい場合、-bを使ってください。ALACの場合は、これらのDSP適用された場合は出力は自動的に再量子化されます。

また、チャンネルは内部的に、自動的に再並び替えされます。まず、チャンネルはマイクロソフトの順番(例えばL C R がL R Cに)に並び替えられ、そしてAACやALACにエンコードされる前、再びAACの順番に並び替えられます(例えば C L R)。もちろん、この再並び替えは入力のチャンネルレイアウトが分かっている場合のみ動きます。もしチャンネルレイアウトが分からない場合、qaacはマイクロソフトの順番とみなして動きます。--chanmapと--chanmaskを使ってqaacにチャンネルレイアウトを知らせることができます。

DSPチェーンは以下の順番で処理されます。見てわかるように、マトリックスミキサーと--chanmapが処理される場合、チャンネルはマイクロソフト WAVの順番になっています。これらのオプションを使うときはそれを考慮に入れる必要があります。

  1. ディレイ
  2. マイクロソフトの順番に並び替え
  3. マトリックスミキサー
  4. --chanmapでのチャンネル並び替え
  5. AACの順番への並び替え(AAC/ALAC)
  6. サンプリング周波数変換
  7. ローパスフィルター
  8. ノーマライズ
  9. ゲイン調整
  10. ビット深度変換

サンプリング周波数変換

サンプリング周波数変換は次の場合に行われます。

デフォルトでは、qaacは--rate=keepが指定されたかのように動きます。--rate keepは入力と同じサンプリング周波数を保つようにします。

一方、--rate autoはエンコーダに最適なサンプリング周波数を決定させます。これは、ビットレートが低い場合に挙動が変わってきて、--rate keepを指定した場合よりも低いビットレートが使えるようになります。

qaacは、libsoxrate の SoX rate converter をデフォルトで選びます。libsoxrがある場合、libsoxrateよりも優先されます。どちらもない場合や--native-resamplerを指定した場合、qaacはCoreAudio sample rate converterを使います。

libsoxrate と libsoxr は、どちらも非常に高速で高品質とされる SoX周波数変換アルゴリズムを基にしています。libsoxrateに比べて、libsoxrはより最適化されています。単精度モードのlibsoxrはSIMDに対応した環境ではSIMDを使うことができます。qaacは普通単精度モードを選びますが(高品質モード)、入力フォーマットがint32またはfloat64の場合、qaacはさらに高精度だが遅い倍精度モード(超高品質モード)を使います。一方、オリジナルのSoXとオリジナルのlibsoxr は倍精度モードのみを提供します。

--native-resamplerはサンプリング周波数変換の複雑さと品質をコントロールするオプション引数をとることができます。オプション引数なしの場合、コーデックデフォルトサンプリング周波数変換が使われます。もし引数が指定された場合、qaacは専用の、設定変更可能なAudioConverterをサンプリング周波数変換に使います。他のオプションとは異なり、--native-resamplerは'='を区切り文字とし、スペースを区切りとすることはできません。複雑さはline、norm、bats、そして品質は0から127の間の整数を取れます。複雑さと品質は','(コンマ)で区切る必要が有ります。

サンプリング周波数変換の複雑さ
line リニア(もっとも悪い、完全性のためだけに含まれている。使わないでください。)
norm 標準
bats マスタリング(最高、ただしかなり遅い)
--native-resamplerコーデックデフォルトの変換を使う
--native-resampler=bats,127複雑さ:bats(マスタリング) 品質:127(最高)
--native-resampler=bats複雑さ:bats デフォルトの品質が使われます
--native-resampler=96複雑さ:デフォルト 品質:96

マトリックスミキサー

--matrix-presetや--matrix-fileオプションを使って、完全にカスタマイズ可能なマトリックスミキサーを使うことができます。両方とも、マトリックスの仕様を書いたテキストファイルを準備する必要があります。

--matrix-fileでマトリックスファイルのパス名を渡すことができます。一方、--matrix-presetは予め定義されたディレクトリからファイルを探してきます。オプションの名前が示唆するように、あなた自身のプリセットファイルを作って名前で指定できるようにデザインされています。

--matrix-preset=fooは以下の順番でfoo.txtというファイルを探します。

1. %HOME%\.qaac\matrix\foo.txt (%HOME% は環境変数です。 ドットがqaacの前に存在することに注意)

2. %APPDATA%\qaac\matrix\foo.txt (%APPDATA% はログインしたユーザーのアプリケーションデータディレクトリです。ドットはありません。)

3. (qaacがあるディレクトリのパス)\matrix\foo.txt

テキストのファイルフォーマットはとてもシンプルで、次のように指定できます。

1 0 0.7071

0 1 0.7071

これは2x3のマトリックスで、3チャンネルから2チャンネルにダウンミックスする場合に使えます。それぞれの行は出力チャンネル(LとR)に対応します。同様に、それぞれの列は入力チャンネル(LとRとC)に対応します。列と列の間は一つか複数のスペースまたはタブで区切ります。

このマトリックスで、出力チャンネルはそれぞれ入力チャンネルから次のように計算されます。

L = 1 * L + 0 * R + 0.7071 * C

R = 0 * L + 1 * R + 0.7071 * C

実際には、それぞれのマトリックスの係数はクリップを防ぐために自動で"規格化"されます。というのは、それぞれの出力チャンネルに対応する係数の合計が1になるようにスケールされるということです。次の公式がスケールの方法を示します。

M_{ij} = ¥frac{M_{ij}}{abs(M_{i1}) + abs(M_{i2}) +...+ abs(M_{in})}

M_{ij}マトリックス係数です。

この自動スケーリングを止めるには--no-matrix-normalizeオプションを使います。

さらに例を示します。

1 0 0.7071 0 -0.87178j -0.4899j

0 1 0.7071 0 0.4899j 0.87189j

これは2x6のマトリックスですので、6チャンネルを2チャンネルにダウンミックスするのに使えます。

ここで、"j"のついた虚数が使われています。それぞれの係数に、実数を使うこともできれば、jで純虚数を使うこともできます。実数の値はチャンネルの音量を表し、虚数の値は90度の位相シフトを表します。

もし位相シフトの効果だけを実現したい場合、次のようなマトリックスを試してください。

1j

この1x1のマトリックスはモノラル入力からモノラル出力に、ヒルバート変換と呼ばれる90度の位相シフトを適用します。

qaacはリミックスされた結果に対して常にデフォルトのチャンネルレイアウトを使うことに注意してください。もし他のレイアウトを使いたい場合、--chanmaskを使って希望するチャンネルレイアウトを知らせてください。

制限

虚数単位を単にjと書くことはできません。1j または1.0j を使ってください。これは現在の字句解析器の実装にある制限のためです。

同じ入力チャンネル(列)に、ゼロ以外の実数と虚数を両方指定することはできません。

0.5j

0.5j

0.5j

0

上のマトリックスは正常です。しかし、

0.5j

0.5

これは許されていません。これは実装の理由によるものです。実用的な用途もないでしょう。


マルチチャンネルの扱い

モノラルとステレオに加えて、以下のチャンネルレイアウトAACとALACで対応していますが、わずかに異なる点があります。チャンネルレイアウトが不明な場合、*のついたレイアウト適用されます。

#入力レイアウト出力レイアウト
3ch(ALAC only) *FL FR FCC L R
4chFL FR FC BCC L R Cs
4chFC FLC FRC BCC L R Cs
4ch *FL FR BL BRL R Ls Rs
4chFL FR SL SRL R Ls Rs
5ch *FL FR FC BL BRC L R Ls Rs
5chFL FR FC SL SRC L R Ls Rs
5.1ch *FL FR FC LF BL BRC L R Ls Rs LFE
5.1chFL FR FC LF SL SRC L R Ls Rs LFE
6chFL FR FC BL BR BCC L R Ls Rs Cs
6chFL FR FC BC SL SRC L R Ls Rs Cs
6.1ch *FL FR FC LF BL BR BCC L R Ls Rs Cs LFE
6.1chFL FR FC LF BC SL SRC L R Ls Rs Cs LFE
7chFL FR FC BL BR SL SRC L R Ls Rs Rls Rrs
7.1chFL FR FC LF BL BR FLC FRCC Lc Rc L R Ls Rs LFE
7.1chFL FR FC LF FLC FRC SL SRC Lc Rc L R Ls Rs LFE
7.1ch *FL FR FC LF BL BR SL SRC Lc Rc L R Ls Rs LFE
8chFL FR FC BL BR BC SL SRC L R Ls Rs Rls Rrs Cs
注意点
  • 3チャンネルのAACはCoreAudioToolbox.dllバージョン7.9.8.1(訳注:iTunes 10.7に付属)からサポートされました。
  • 4ch(C L R Cs), 5ch, 6ch, 6.1ch, 7ch, 8chはHE-AACエンコーダでサポートされていません。HE-AACエンコーダが対応するのは、4ch(quad), 5.1ch, 7.1chです。
  • ALACは3ch, 4ch(C L R Cs), 5ch, 5.1ch, 6.1ch, 7.1chに対応します。
  • 1.1ch等、その他のレイアウトは入力としてはサポートされていますが、AAC/ALACエンコードに使うことはできません。WAV出力は可能で、最大のチャンネル数は8です。
  • チャンネルレイアウトが同じである限り、入力チャンネルの順番は何でも構いません。例えば、"C L R"(ALACで使われる)は上記の表にはありませんが、FL FR FCとは順番が異なるだけなので、利用可能です。チャンネルは正しく並び替えられます。マイクロソフトWAVフォーマットでは、同じレイアウトのチャンネルは常に同じ順番です。AIFFやCAFはその他の順番で入っていることもあります。
  • QuickTime(とAdobe Audition)は SL/SRLsd/Rsd、BL/BR を Ls/Rs に割り当てています。しかし、Ls/RsとRls/RrsはDolby(とQuickTime)でよく好まれて使われるのですが、Rls/Rrsという割り当てに相当するものはWAVにはありません。qaacはこの種の割り当て問題を解決しようとします。
略記の意味
  1. Front Left - FL, L
  2. Front Right - FR, R
  3. Front Center - FC, C
  4. Low Frequency - LF, LFE
  5. Back Left - BL
  6. Back Right - BR
  7. Front Left of Center - FLC, Lc
  8. Front Right of Center - FRC, Rc
  9. Back Center - BC
  10. Side Left - SL
  11. Side Right - SR
  12. Left Surround Direct - Lsd
  13. Right Surround Direct - Rsd
  14. Left Surround - Ls
  15. Right Surround - Rs
  16. Rear Left Surround - Rls
  17. Rear Right Surround - Rrs
  18. Center Surround - Cs

タグ・オプション

ほとんどのタグ付けオプションは--titleや--artistなど分かりやすい名前ですが、qaacは二つの一般用タグオプションがあります。--tagと--long-tagです。これらは便利ですがエラーを起こしやすいです。ただアーティスト名をタグに設定したい場合は、--artistを使ってください。

--tagオプション

--tag <fcc>:<value>

iTunesが定義する4文字のFourCC識別子を設定します。詳しくは、mp4v2 documentをご覧ください。例えば、以下の:

--tag "soar:suzanne vega"

sort artistというタグに、suzanne vegaという値を設定するという意味です。「sort 〜」はiTunes特有のタグです。

stik や sfID などのタグは、IDの数字の値を持ちます。このようなタグは、数字を明示して渡すか、対応する文字列名を指定できます。sfID (iTMSの国コード)の場合は、国名か mp4v2 document に指定された ISO 3166-1 alpha-3 Codeが使用できます。

あと、stikうんぬんのところの文章はちょっと分かりにくかったかもしれませんが、mp4v2のサイトの表にあるように、これらのタグは数字のIDに文字列の値が対応していて、どっちで入れてもいいですよという意味です。実際にファイルにタグとして格納されるのは数字のほうです。



--long-tagオプション

--long-tag <name>:<value>

は、任意のタグに使えます。


チャプター

チャプターは--concatを指定した場合は自動的に生成されます。入力ファイルに埋め込まれたキューシートやチャプターがある場合も同様です。qaacはQuickTimeスタイルのチャプターフォーマット(TEXTトラックとして施行されている)とNeroスタイルのチャプターフォーマットの両方を生成します。


    • chapterオプションとテキストファイルでチャプターを作ることもできます。チャプターファイルは次のようなフォーマットのいずれかです。

スタイル1

00:00:00.000 Prologue

00:00:19.987 Opening

00:01:50.160 Episode Blablabla

00:21:54.530 Ending

00:23:24.453 Preview

スタイル2

Chapter01=00:00:00.000

Chapter01NAME=Directed by Charles Chaplin

Chapter02=00:01:10.000

Chapter02NAME=Electro Steel Corp.

Chapter03=00:06:05.000

タイムスタンプフォーマットはHH:MM:SS.SSSSS...で、HHは時間、MMは分SSは小数つきの秒で、ケタ数はいくつでもかまいません。

内部的には、QuickTimeチャプターフォーマットはオーディオトラックと同じタイムスケールを使えるので、サンプル単位となります。一方、Neroスタイルのチャプターは常に100ナノ秒です。十分な精度でしょう。


ファイル名を自動生成するための設定

qaacは自動的に出力ファイル名を、入力ファイル名かタグから生成します。--concatなしのキューシート入力の場合、タグが常に使われます。そうでなければ、入力ファイル名がデフォルトで使われます。--fname-from-tagオプションを使うと、タグを基にしたファイル名生成を強制することができます。


https://github.com/nu774/qaac/wiki/Configuring-auto-generated-filenames

(2013/10/02 23:37ここまで翻訳)

2011-10-17

目隠しABXテストとは?

目隠し試聴テスト


多くの実験はリスナーが聞き取れる音源の違いは時として想像の産物であることを証明してきた。これらの幻想は強くしぶとく生き残って多くのリスナーに広まりうる。そして一貫してその音源の知識と共に流布されてきた。


二重目隠し試聴テスト(DBT)とは、与えられた音の違いがリスナーの知識だけではなく、確かに音源によって起こされている事を確認することができるようにする試聴の仕組みである。


ABXによる二重目隠し試聴テストでは、リスナーはA、B、そしてXとラベルされた3つの音源を聞く事ができる。AとBは参照元で、いじっていない音源といじった音源で、例えばWAVMP3である。XはAかBかどちらかの謎の音源である。リスナーはその謎の音源XをAやBと比較してどちらであるかを推測しなければならない。


しかしもし、XがAだとリスナーは言い、それで実際XはAだったとしたら、これは何を証明するだろうか?

もちろん何も証明しない。もし私の後ろでコインを投げてそれを私が「表だ」と述べて正解しても、私の後ろで起こっていることを見られる超能力の存在の証明にはならない。これはただの運の良さでしかない! だから統計処理が不可欠なのである。


リスナーが答えを出した後、Xをランダムに選びなおしてテストをさらに15回行ったとしよう。もしリスナーが16回正解したら、それは何を証明するだろうか? それは運でありえるだろうか? はい、運でありえ、その確率を計算することができる。それぞれのテストで、1/2の正解確率があり、独立なテストが16回行われるなら、全部正解を得る確率は1/2の16乗、つまり1/65536である。言葉を変えると、もしどんな違いも聞き取れるものでなければ、リスナーは平均して65536回に1回、全部正解することになる。


このようにして、テストされる違いの試行回数を選ぶことができる。その目的は、その違いが本当に聞き取れる影響を与えた可能性よりもずっと低い成功確率とすることである。例えば、2組のスピーカーを比較するとしよう。それらが同じ音を出さないことは、ありそうなことである。7回テストをすれば、不足はないだろう。そこには128回に1回"擬陽性"となる確率がある。統計では、"擬陽性"は"第一種の過誤"と呼ばれる。より多くテストが行われるほど、第一種の過誤は起こりそうになくなる。


今、もしアミュレットをCDプレーヤーの横に置いたとしよう。それが音を変える理由はない。テスト40回を行うことができ、一兆回に一回の成功確率となる。もしそんなことが起こったら、なにか説明があるはずである:リスナーは試験官がアミュレットを動かすのを聞いたのか、試験官はアミュレットを遠くに置くと再生に時間がかかるのか、もしくはアミュレットが黒くて大きなものだとして、明度の変化をリスナーが見切ったのかも知れないし、プレイヤーの近くにあるアミュレットの匂いを嗅げるのか…


pを、まぐれで成功を得る確率とする。一般的に、p値が0.05未満の結果は重く受け止められるべきと認められる。またp<0.01(100回に1回)はとても肯定的な結果である。しかしながら、これは文脈を考慮されるべきである。先ほどの説明のように、非常に疑わしい微調整、例えばアミュレットに関しては、非常に小さいp値をとることが必要である、なぜなら予想されるアミュレットが効果を発揮する確率(たとえば10億に1回とでもいっておこうか)、それとテストがまぐれで成功する確率(1/100回がよく使われる)では、選ぶべき方は明確である:それはまぐれで成功したテストであろう!


ほかにも数字にだまされる例はある。もし音への影響があるかどうか、ケーブルを20本テストするとして、p<0.05をテスト成功とすると、どのケーブルも音への実際の影響がないケースで、テストは20回行うから、平均1回の誤った成功が発生する事が予想される! このケースでは、95%の確率でケーブルが音に影響するとはとても言えない。なぜなら、たとえpが5%未満だったとしても、ともかくその成功は予想されている事だから。そのテストは失敗、それだけである。


しかし統計処理は単純な2の乗数に限られない。もし、例えば、16回中14回正解を得たら、何が起こるだろうか? それがまぐれで起こる確率を計算することは全く可能であるが、ここで必要なのはぴったり14/16を得る確率ではなく、16/16と15/16と14/16が起こる確率である。エクセルの表が全ての必要な確率を与える:http://www.kikeg.arrakis.es/winabx/bino_dist.zip 二項分布に基づく。


今、結果が陽性の時、それが真の説得力をもつような試聴テストを計画するにはどうしたらよいだろうか? あなたを疑ってかかる人全員を笑わせたくないないなら、従うべきルールがいくつかある。


ルール1:何かが存在しない事を証明することはできない。証明の重荷を背負うのは、聞き取れる違いが存在すると主張する側である

もしあなたがコーデックが音を変えると信じるなら、試聴テストに合格して証明するのはあなたである。コーデックが透明である(訳注:耳で聞き取れる違いがないこと)と主張する側は何も証明などできない(訳注:世の中には無数の音源が存在することを考えれば、「ない」と証明することがいかに難しいか想像できるだろう)。


ルール2:テストは二重目隠しの条件下で行われるべきである。(*)

ハードウェア試験では、これが最も難しい要件である。一重目隠しは、XがAかBかを知るには聞き取るしかない、という意味である。二重目隠しは、その部屋にいる誰もが、もしくは周りにいる人誰もがXがAかBか知れない、という意味であり、無意識下での影響までも含めて、リスナーに与えるいかなる影響も避けるためのものである。これはハードウェア試験の運営を複雑にする。第三者が、目隠しされたリスナーを部屋から出している間、ハードウェアはスイッチされる。高品質な電子スイッチが、二重目隠し試聴テストのために製作されている(http://sound.westhost.com/abx-tester.htm ): チップがXをランダムに選び、リモコンでAとBとの任意な比較を行える。幸運な事に、コンピューターでオーディオファイルの二重目隠しテストを行うために、いくつかのABXプログラムが無料で入手可能である。私たちのFAQでいくつかを見つけることができる。


ルール3: 上に示したp値は以下の2つの条件下のみで有効である:

リスナーはその成績をテスト終了前に知らされてはならない。ただし試行回数がテスト前に定められた場合を除く。

…さもなくば、リスナーは成績を試行を行うたびに見て、p値がまぐれで低くなった時に満足してテストを終えるだろう。

テストは最初に行われたものであること。もしそうでない場合、過去の結果も合わせなければならない。(**)

…さもなくば、一連の試行を、まぐれで十分低いp値を得るまで繰り返すことが可能になってしまう。必然の結果:全く確かな場合のみに答えを出すべきである! もしほんの少しでも疑わしいなら、何も答えるべきではない。休息して、別の日にテストを再開することもできるが、絶対に"直観"で推測しようとしないこと。もし間違いを犯したら、もう同じテストを受ける機会はないだろう、なぜなら試行回数に物を言わせて、ほしい結果が出るまでテストを受けなおすことを非難されうるからである。

もちろんいくらでも練習することはできる、あなたが前もって練習だと固く決めておく限りは。もし50/50の結果を練習中に得て、本番で再現できない場合、非常に気の毒だが、練習中の結果はどんな場合でも破棄されるべきである。

改めて、最初のテストでよい結果を得るために必要な時間をすべて使えば、たとえ1個の答えに1週間であれ、あなたの成功は数学的には疑問符をつけられないだろう! 疑問符をつけるとしたら、ハイファイの配置か、二重試聴テストのコンディションのみだろう。もし、一方で、ハイファイの配置を改善したか、雑音が一回目は大きすぎたかというような理由で一旦失敗したテストをもう一回行うと、統計学に依拠して、あなたの結果はおかしいと言う人がでてくるだろう。あなたはすべての仕事を無駄にしてしまうだろう。


ルール4: テストは再現可能なものでなくてはならない。

誰でもウソの結果を投稿する事ができる。例えば誰かがCDケースの油だのケーブルの被覆だのの音質改善ナントカを売りたいとして、その製品に話題を集めるためにp<0.00001の二重目隠しABXテストの結果を捏造することは、全く可能な事である。もし誰かがテストに合格したら、これが可能かどうか、他の人もそのテストを受けることで確かめられなくてはならない。(訳注:第三者による追試(検証)を可能にするために、他の人が同一条件のテストを行えるよう配慮しなくてはならない、という意味。例えば独自に録音した非公開の音源をテストに使うなどすると、第三者が検証できず、嘘のつき放題になってしまう。)





今までにみてきたABXテストは、確率計算とあいまって、コーデックの透明性を試験したり、ハイファイの微調整の正当性を確認するには完全に適した方法である。しかしこれは統計テストのいろはでしかない。

例えば、より大規模なテストでMP3のようなオーディオコーデックの品質を比較するには、もっと洗練された、ABC/HRテストが用いられる(http://ff123.net/abchr/abchr.htmlを見よ)。それぞれのリスナーには全てのオーディオコーデックごとに2個のスライダーと3個のボタンが用意される。AとBはオリジナルとエンコードされたファイルである。リスナーはどっちがどっちであるかを知らされていない。Cはオリジナルである。リスナーはスライダーを使って、AとBに1〜5の評点をつけなければならない。オリジナルは理論上5点を得る。


確率計算により、テストされたコーデックが聞き取れる音の違いを発生させたかだけではなく、リスナーたちに対するコーデック間の相対的な品質を推測することも可能になる。そして、この方法は、二重目隠しの条件を満たしながらも結果の妥当性を与える事ができる。これらの計算は、テストが必要とするものによって、一例を挙げるとフリードマン検定によって、それぞれのコーデックのランキングを与える。もしくはANOVA法によって、1から5のスケール上でリスナーにより知覚された主観品質の推定を与える。


ちなみにこのような統計分析はほとんど薬学の分野で使われていて、認可を得るために、どんな薬も対偽薬の二重目隠しテストで(医者も患者も薬が偽薬か本物か知らない)その有効性を証明しなければならない(薬は効くことを証明されるだけでなく、偽薬よりも効くことを証明されなければならない、なぜなら偽薬も効くからである)、そしてその決定は私たちがこれまでに見てきたような数学的な分析をもとにされる。そんなわけでこれらのガイドラインは聞き取りテストのために取り急ぎ作られたガイドラインというわけではない。それらは実のところ科学研究で一般的に使われるテスト法であり、オーディオテストにおいても全面的に有効性を保っている。


(*) 二重目隠し設定は注意深く作られた一重目隠し設定で代替できるかもしれない。私は失敗した一重目隠しテストの記述を2つ見たことがある。それは、一重目隠し設定は注意深く行われればリスナーをごまかすのに十分であることを証明している。

http://www.hometheaterhifi.com/volume_11_4...ds-12-2004.html

http://www.hydrogenaud.io/forums/index....f=21&t=7953

http://www.hydrogenaud.io/forums/index.php?showtopic=16295

(**)訳者注:この部分はあまり同意できないが、ともかく原文通りに訳した。確かに全く同じ型のテストを2度以上行う場合は、行ったテストすべてを合算すべきだと思うが、例えば雨天時にコーデックA, B, Cを比較して、その後晴天時にC, D, Eを比較した場合、Cのテストはもう行われているからという理由でCだけ合算してC+C, D, Eを比較すると、雨天のテスト結果を含むCだけ不利になってしまう。もっとも、天候や体調などならば、日時をあけて多数回テストして平均をとることで有利不利を抑えることができるが、リスナーの成長やテストへの慣れなど、うまくコントロールできないものも存在する。少なくとも、"同じ"テストかどうかは保守的に定義すべきだろう。

2011-02-15

携帯・スマホ等でのコーデックの音質評価

携帯やスマホのスピーカー、密閉型以外のイヤホン等、低音の再現に難のある機器で、ある程度雑音のある環境において控えめのボリュームで再生した場合の音質評価

生活雑音と、携帯機器から発せられる典型的な音響を人工的にシミュレートした環境下で、これらの機器の使用者はあまり音質にこだわらないことが想定されるので、かなり甘めに採点。


1.0=圧縮による劣化が非常に聞き取りの邪魔になる 2.0=聞き取りの邪魔になる 3.0=気になるが聞き取りの邪魔にならない 4.0=気にならない

フォーマットAACAACHE-AACHE-AACMP3OGG
エンコーダffmpeg内蔵libfaaciTunesNeroLAMEaoTuV
設定-ab 48k-ab 48k--abr 48-br 48000-V 9-q-1
↓音源cutoff使用ソース配布qtaacenc2009年版2009年版2009年版
true my heart2.72.84.03.04.03.5
愛があれば大丈夫3.02.83.63.03.13.0
拍手 applaud2.92.52.62.63.02.2
水瀬さんち3.32.53.83.52.93.7
Miles Davis3.02.64.02.93.23.0
58-ギター2.92.53.64.02.53.7
55-Haydn3.83.24.04.04.03.6
macabre3.22.83.03.53.33.3
平均3.12.73.63.33.33.3
ビットレート51kbps58kbps49kbps46kbps63kbps43kbps
計サイズ716KB801KB676KB637KB879KB603KB
エンコーダffmpeg内蔵libfaaciTunesNeroLAMEaoTuV

結論:HE-AACが使える環境ならiTunes(qtaacenc経由)かNero、OGGが使える環境ならaoTuVがおすすめ。スマホや携帯の小さなスピーカで聞くことが最初から決まっているならffmpeg内蔵AACエンコーダも悪くない。ただし、再生環境によってはひどい音になる。ビットレート制限がきつくなく、ffmpeg1本ですませたい場合は、libfaacの128kbpsがおすすめ。


生活雑音は、-50dBのホワイトノイズから、1-pole 1kHz LPFで最大15dB上げて作成。

ステレオ分離の悪さは、左右ボリュームを50%ずつ反対に配分して再現。

低音の減衰は、1-pole 1kHz HPF と 1.5kHz HPFで再現。この3つで、携帯機器の典型的な使用環境を再現した。

シミュレートによる再生の様子 http://zak.s206.xrea.com/bitratetest/mobileplay16.ogg


テストに利用した音源を試聴したい方、ダウンロードしたい方はこちらへ。

http://zak.s206.xrea.com/bitratetest/main.htm

プラシーボ効果が入らないように、ABC/HR for Java 5.2を利用して、ランダムに並び替えてから、銘柄も圧縮/非圧縮の区別も伏せて採点した。

使用したオプションは以下の通り。

[Item24]
Title=Mobile low bitrate test 48kbps
TitleE=Mobile low bitrate test 48kbps
Command0=""<%AppPath%>\cores\ffmpeg" -y -i "<%InputFile%>" -strict experimental -cutoff 11000 -acodec aac -ab 48k "<%OutputFile%>ff48k11.mp4""
Command1=""<%AppPath%>\cores\ffmpeg18607" -y -i "<%InputFile%>" -acodec libfaac -ab 48k "<%OutputFile%>fa48k.mp4""
Command2=""<%AppPath%>\cores\qtaacenc" "<%InputFile%>" --abr 48 --he "<%OutputFile%>qh48k.m4a"
Command3=""<%AppPath%>\cores\neroAacEnc" -if "<%InputFile%>" -br 48000 -of "<%OutputFile%>nh48k.mp4""
Command4=""<%AppPath%>\cores\lame" -h -V 9 -S "<%InputFile%>" "<%OutputFile%>v9.mp3""
Command5=""<%AppPath%>\cores\venc" -q-1 "<%InputFile%>" "<%OutputFile%>qm1.ogg""

2011/2/17追記:平均点の算出を間違えていました。すでに修正済みです。

2010-11-18

エンコーダごとのMP3,AAC,OGGの音質比較

注意

このページは残しておきますが、新しい記事の方をおすすめします。("MP3,AACの音質比較"とか"160kbpsでのMP3,AAC他の音質比較"とか"MP3 192kbpsの音質比較"とか)



ABC/HR法による音質評価一覧。

1=非常に気になる 2=気になる 3=少し気になる 4=違いが分かるが、気にならない 5=元の音と区別できない

64kbps付近

フォーマットMP3MP3AAC-LCAAC-LCOGG Vorbis
音源\エンコーダLAME 3.92LAME 3.98neroAACEnciTunes 10.0aoTuV 5.7
設定CBR64kVBR V9ABR64kABR64kq0
true my heart1.61.72.42.33.3
愛があれば大丈夫1.51.71.91.72.6
27-カスタネット1.62.22.42.42.2
拍手applaud1.51.92.22.32.5
fatboy1.22.01.81.53.0
Tarentella2.02.22.12.51.1
評点合計9.411.712.812.714.7
全サイズ(KB)365407366401453

OGGが最も高い評価になったが、サイズが設定よりも大きくなる傾向があるし、管楽器サンプルであるTarentellaでは壊滅的な音になった。AACでは、neroAACEncとiTunesが互角だが、サイズを見るとneroAACEncの方がコンパクト。MP3はこもった感じが大きく、ノイズも気になった。


128kbps付近

フォーマットMP3MP3AAC-LCAAC-LCOGG Vorbis
音源\エンコーダLAME 3.92LAME 3.98neroAACEnciTunes 10.0aoTuV 5.7
設定CBR128kVBR V4ABR128kABR128kq4
true my heart5.05.04.25.05.0
愛があれば大丈夫3.04.33.13.94.0
27-カスタネット2.22.83.53.94.0
拍手applaud2.44.22.93.63.1
fatboy2.14.03.44.53.8
Tarentella3.23.03.84.94.9
評点合計17.923.320.925.824.8
全サイズ(KB)731946701744853

iTunesの128kbps AACが最も高音質。昔のLAMEエンコードしたMP3 128kbpsには、「3=少し気になる」よりも低い評価となる音がちらほら。

音源をダウンロードしたい方、試聴したい方は、http://zak.s206.xrea.com/bitratetest/main.htm


192kbps付近

フォーマットMP3MP3AAC-LCAAC-LCOGG Vorbis
音源\エンコーダLAME 3.92LAME 3.98neroAACEnciTunes 10.0aoTuV 5.7
設定CBR192kVBR V2ABR192kABR192kq6
true my heart4.05.05.05.05.0
愛があれば大丈夫4.23.84.64.44.5
27-カスタネット2.13.54.25.04.6
拍手applaud4.24.45.05.05.0
fatboy2.44.14.25.05.0
Tarentella5.03.85.05.05.0
評点合計21.924.628.029.429.1
全サイズ(KB)10971182107110791285

iTunesの192kbps AACが最も高音質のようだが、この領域になると、一般的な楽曲では全く違いが分からないため、テストは困難。fatboyと27-カスタネットは、MP3が苦手とする音として知られていて、320kbpsでも違いを聞き取るのは難しくないが、そのような音が実際の楽曲に出ることはめったにない。

(2012年1月追記) 精密度を上げたテストを行いました。


実験過程

特に圧縮音源に不利な楽器を含む6種の音源を、MP3LAME 3.98.4(最新)とLAME 3.92(2002年)、Ogg VorbisはaoTuV beta5.7、AACはneroAACEnc 1.5.1とqtaacenc(QuickTimeエンコーダを借りてエンコードするプログラム)でエンコードQuickTimeは7.6.8。iTunesは内部的にQuickTimeエンコーダを使っているので、おそらくiTunesから取り込んだ音とqtaacencから取り込んだ音は同じになる。

ヘッドホンはONKYO MHP-A1、親機とPCを光デジタル接続。22歳、部屋の騒音をなるべく排除して試験。


ブラインドテストの一種であるABC/HR法と、内部で使われるABXテストの様子。

f:id:kamedo2:20101119142811g:image


ABC/HRテストは、ブラインドテストの一種。複数の評価したい音声ファイルを、プログラムが種別を伏せて並び替え、それぞれに対して、ABXテストと、採点をさせるものである。種別を伏せることで、コーデックやブランドによるプラシーボ効果も排除することができる。

ABXテストは、ブラインドテストの一種。標準音源(CDから抽出したWAVファイルなど)Aと、圧縮により劣化した音源Bを自由に聞き、その後、プログラムがXを提示する。リスナーは、XがAかBかのどちらかを当てる。例えば10回中10回、リスナーが正解した場合、まぐれでそうなる確率は1/1024つまり0.1%以下なので、自信を持ってリスナーはAとBの違いが分かると言える。いかに音に関するプラシーボ効果が大きいかを実感することができる。


音源

MP3などの圧縮コーデックに特に不利な音という基準でピックアップした6種。


true my heart-Lovable mix-/ave;new feat.Saori Sakura

【出典】True My Heart [DVTS-2121][07.09.03] トラック01

超高域のクリアさ、ノイズの少なさ、ボーカルの透明さをチェック。


愛があれば大丈夫/広瀬香美

【出典】広瀬香美 THE BEST "Love Winters" [VICL-60305][98.11.11] トラック01

右から聞こえるトライアングルの澄んだ金属音。トライアングルの代わりにフォークを叩いたような音になりやすい。


27-カスタネット音源

【出典】EBU–TECH 3253 SQAM http://tech.ebu.ch/publications/sqamcd

歯切れのよさ。MP3で圧縮すると、ジョリッという鈍い音が追加されやすい。


applaud.wv

【出典】The Eagles Hotel California (Live)

ノイズの少なさや、拍手のアタックの強さ。劣化すると、ジャラーーッというような流れるような音になってしまう。


fatboy.wv

【出典】Fatboy Slim You've Come a Long Way, Baby トラック06 Kalifornia

ボコーダーで作った声の固く澄んだ感じ。劣化すると、ジュワジュワ音がついてしまう。


Tarentella. Tarantella calabrese.wv

【出典】http://anonymousriver.hp.infoseek.co.jp/Tarantella/index.html(詳細不明)

管楽器の安定した感じ。劣化すると、最後の部分の音ががふるえて、不快なトレモロのようになる。


ポップスを聞く人はtrue my heart、愛があれば大丈夫の結果を主に参考にし、

ボコーダーで作ったような特殊な音を多用する音をエンコードする場合はfatboy、

クラシックは愛があれば大丈夫とTarentellaを参考に。

ジャズでは、applaudとTarentella、カスタネットを参考に。


ちなみに、音質評価用にFeel the Difference of the Blu-spec CD Jazz Selection 2を買って、トラック01,02,08,09を使って、CDとneroAACEnc 128kbpsで違いが分かるかABXテストしてみたのだが、このような経験から、ジャズやクラシックが圧縮音源に不向きとか、CDに収録すると「4=違いが分かるが、気にならない」以下の音質になる等の話は疑わしく思う。それと、そのCDに紛れ込んでいる15.7KHzのノイズ(ブラウン管テレビのノイズ)に文句を言う人がいないのが不思議。個人的には、トラック11の静かなシーンで少し気になる。

問題点

表が見にくい。スピーチ(会話)サンプルがない。

1〜3回しか採点していないので、体調や気まぐれの影響を受けやすい。

携帯動画変換用の、一括出力するための設定

(coresフォルダにそれぞれのexeファイルを入れると使えるようになります。)

[Item1]
Title=AllSoundTest Wavファイルから、各種エンコードを一括して行います。
TitleE=AllSoundTest
Command0=""<%AppPath%>\cores\qtaacenc" "<%InputFile%>" --abr 64 "<%OutputFile%>qt64k.m4a"
Command1=""<%AppPath%>\cores\neroAacEnc" -if "<%InputFile%>" -lc -br 64000 -of "<%OutputFile%>ne64k.mp4""
Command2=""<%AppPath%>\cores\lame" -h -V 9 -S "<%InputFile%>" "<%OutputFile%>v9.mp3""
Command3=""<%AppPath%>\cores\venc" -q0 "<%InputFile%>" "<%OutputFile%>q0.ogg""
Command4=""<%AppPath%>\cores\lame392" -b 64 "<%InputFile%>" "<%OutputFile%>cbr64k.mp3""