AAC(Advanced Audio Coding)とは?
Advanced Audio Coding(AAC)は、MPEG が MPEG-2 Part 7 と MPEG-4 Part 3 で標準化した、聴覚特性を利用する非可逆音声コーデック群です。一般に MP4 や M4A ファイルに保存されるほか、ADTS でフレーム化され、HLS や DASH などのアダプティブストリーミングプロトコルのメディアセグメントで伝送されます。
AAC(Advanced Audio Coding)の仕組み
AAC は、聴覚モデルと MDCT フィルターバンクを使って音声を圧縮します。発生するノイズが推定マスキングしきい値を下回るようにスペクトル成分を量子化するため、符号化は非可逆になります。単一の固定構成ではなく、コーデック群です。MPEG-4 は AAC-LC などの音声オブジェクトタイプを定義し、HE-AAC と HE-AAC v2 のプロファイルは、AAC-LC コアにスペクトル帯域複製とパラメトリックステレオを重ねます。マニフェストと MIME タイプでは、RFC 6381 の codecs 文字列で種類を指定します。AAC-LC は mp4a.40.2、HE-AAC は mp4a.40.5、HE-AAC v2 は mp4a.40.29 です。スペクトル帯域複製を使う場合、AAC-LC コアは通常、出力サンプルレートの半分で動作します。そのため、ストリームが宣言するサンプルレートとチャンネル数は、信号がコアとデコーダー出力のどちらを記述するかによって異なります。この方法で出力レートを倍にすると、HE-AAC のフレームは 2048 個の出力サンプルにデコードされます。一方、AAC-LC のフレームには通常、1024 個のサンプルが含まれます。
要点
- AAC-LC デコーダーで HE-AAC を再生できますか?再生できるのはコアのみで、シグナリングに後方互換性がある場合に限られます。HE-AAC は AAC-LC コアに Spectral Band Replication(SBR)を加えたもので、HE-AAC v2 ではさらに Parametric Stereo(PS)が追加されます。HE-AAC v2 デコーダーは、HE-AAC と AAC-LC もデコードします。デコーダー設定で SBR を宣言しない暗黙的シグナリング、または明示的な後方互換シグナリングの場合、AAC-LC 専用デコーダーはコアのみをデコードします。音声の帯域は制限され、通常は出力サンプルレートの半分となり、PS を使用している場合はモノラルになります。明示的な階層シグナリングの場合、AAC-LC 専用デコーダーはストリームをまったくデコードできず、PS 非対応のデコーダーは HE-AAC v2 をデコードできません。
- ストリーミングで HE-AAC をどのようにシグナリングすべきですか?Apple の HLS オーサリング仕様では、フラグメント化 MP4 内の HE-AAC に対して SBR データの明示的シグナリングを必須としていますが、モードは指定していません。DASH-IF の相互運用性ガイドラインでは、SBR と PS に明示的な後方互換モードを推奨し、クライアントが AAC-LC、HE-AAC、HE-AAC v2 を再生することを想定しています。DASH マニフェストで宣言するサンプルレートとチャンネル構成は、SBR と PS の適用後の出力を表します。たとえば、24 kHz のモノラルコアに対して、出力は 48 kHz のステレオとなります。プレーヤーは宣言された codecs 文字列で音声レンディションを再生できるか判断するため、AAC-LC 専用デバイスは、デコーダーでコアを再生できても、
mp4a.40.5と宣言されたものをスキップする場合があります。 - ADTS の AAC と MP4 内の AAC は相互に置き換えられますか?符号化された音声が同一でも、フレーム構造は異なります。ADTS は各フレームの前にデコード用パラメーターを含むヘッダーを置くため、デコーダーは別途設定を受け取らずに任意のフレームから開始できます。ただし、音声を正しく再現するには直前のフレームが必要です。一方、MP4 と M4A は帯域外のデコーダー設定として MPEG-4 AudioSpecificConfig を一つ格納し、ヘッダーのないフレームをメディアデータボックスに保存します。フレームの位置は、通常のファイルでは movie ボックスのサンプルテーブル、フラグメント化 MP4 では各 movie fragment ボックスから特定します。両者の間で音声を移す際はデコードせずにフレーム構造を書き換えます。たとえば、FFmpeg の
aac_adtstoascビットストリームフィルターを使用します。このフィルターは ADTS ヘッダーから設定を生成しますが、ADTS ヘッダーでの SBR シグナリングは暗黙的なものに限られます。そのため HE-AAC では、このフィルターだけでは Apple がフラグメント化 MP4 に要求する明示的な SBR シグナリングは追加されません。 - デコードした AAC が元の音声より長くなるのはなぜですか?エンコーダーは先頭に無音のプライミングサンプルを追加し、末尾のパケットをパディングします。プライミングサンプル数は実装に依存し、従来は 2112 がよく使われていました。末尾のパケットには通常 1024 サンプルが入ります。プレーヤーが両方をトリミングしない限り、映像に対して音声の開始が遅れ、デコード後の出力にパディングが残ります。これはギャップレスな結合やサンプル単位で正確な編集に影響します。MP4 と M4A ファイルでは、編集リストと roll サンプルグループでトリミングを明示できますが、AAC ビットストリーム自体は通常この情報を伝えないため、ADTS プレーヤーは値を仮定する必要があります。フラグメント化 MP4 の編集リストは初期化セグメントに格納されます。DASH-IF のガイドラインは、クライアントが編集リストを無視してもコンテンツを正しく再生できることを要求しています。また、RFC 8216 は HLS の編集リストに言及していないため、ストリーミング用パッケージは編集リストだけに依存すべきではありません。
AAC(Advanced Audio Coding)が重要になる場面
ブラウザーと HLS または DASH プレーヤーで再生できる単一の非可逆音声形式が必要な場合は、AAC を選びます。独自のデコーダーを搭載せず、OS のデコーダーに依存するブラウザーもあります。通常は AAC-LC を使用し、HE-AAC は低ビットレートに限って使用します。Apple の HLS オーサリング仕様では、64 kbit/s を超える場合に HE-AAC を使用すべきではないとしています。動作点の目安として、Fraunhofer の FDK AAC エンコーダーのドキュメントは、AAC-LC に対して音声サンプルあたり 1 から 1.5 ビットを推奨しています。同ドキュメントでは、これは 48 kHz の単一チャンネルで 48 から 72 kbit/s に相当するとしています。これに対し、半分のサンプルレートのコアを持つ HE-AAC はサンプルあたり 0.625 ビット、HE-AAC v2 は 0.5 ビットが目安です。
Transloadit による AAC(Advanced Audio Coding)の処理支援
Transloadit の Robot /audio/encode は、aac と
audio/aac のプリセットで音声を AAC にエンコードし、MP4 を出力します。ビットレート、サンプルレート、個々の FFmpeg オプションは Step ごとに上書きできます。また、dash/ の音声プリセットは AAC レンディションを準備し、/video/adaptive でそれらをアダプティブストリームにまとめられます。
プリセットのページには、FFmpeg スタックのバージョンごとに、各プリセットのコーデック、ビットレート、サンプルレートが掲載されています。
出典
- W3C:AAC の WebCodecs 登録仕様(コーデック文字列、ADTS と raw AAC 形式、プライミングサンプル)
- RFC 6416:MPEG-4 音声・映像ストリームの RTP ペイロード形式(SBR と PS のシグナリング)
- Fraunhofer FDK AAC エンコーダーの API ヘッダー:SBR シグナリングモードと HE-AAC のフレームサイズ
- RFC 6381:「バケット」メディアタイプの「Codecs」および「Profiles」パラメーター
- RFC 8216:HTTP Live Streaming(フラグメント化 MPEG-4 と Packed Audio セグメント)
- Apple:Apple デバイス向け HLS オーサリング仕様(音声の要件)
- DASH-IF 相互運用性ポイント v4.3、セクション 6.3:音声
- Apple QuickTime ファイル形式:AAC エンコードの背景(プライミングサンプルと末尾の余剰サンプル)
- Apple QuickTime ファイル形式:トラック構造によるエンコーダー遅延の明示(編集リストと roll サンプルグループ)
- Apple テクニカルノート TN2258:AAC 音声 – エンコーダー遅延と同期
- W3C:MPEG 音声バイトストリーム形式(Media Source Extensions 内の ADTS フレーム)
- FFmpeg ビットストリームフィルターのドキュメント:aac_adtstoasc
- Brandenburg:MP3 と AAC の解説(第 17 回 AES 国際会議)
- MDN:ウェブ音声コーデックガイド