学生版 社会人版
JA EN
体系 › メディアと圧縮

音声圧縮

MP3・AAC・Opus。聴覚マスキングという「捨て方」

01 ·音声圧縮·★ 会員·10分で読めます 音声圧縮を1から — 聴こえない音を捨てる技術 MP3はなぜ1/10以下のサイズで「同じように」聴こえるのか。聴覚マスキング→MDCT→ビット割り当ての順で音声コーデックの原理を前提知識ゼロから解説し、MP3/AAC/Opusの使い分けまでつなげる。 02 ·音声圧縮·★ 会員·12分で読めます MP3と心理音響 — 「聞こえない音」の科学 MP3が捨てているのは「無い音」ではなく「有るのに聞こえない音」です。最小可聴閾・臨界帯域・マスキングの広がりという耳の穴を測る心理音響モデルを式まで降りて解説し、SMRからビット割り当て、MP3エンコーダの二重ループとビットリザーバまでつなげます。 03 ·音声圧縮·★ 会員·論文·14分で読めます Opusはなぜ最強か — 現代音声コーデックの設計 Definition of the Opus Audio Codec 話し声用と音楽用に分かれていた音声コーデックを、SILKとCELTという2つのエンジンを1本のビットストリームに束ねて統合したのがOpusです。線形予測とMDCTの役割分担、帯域エネルギーを守るgain-shape量子化、遅延の内訳、そしてWebRTCの必須コーデックになった技術的・制度的な理由を前提知識ゼロから解説します。 04 ·音声圧縮·★ 会員·論文·17分で読めます ニューラル音声コーデック — EnCodecとLLM音声の土台 High Fidelity Neural Audio Compression MP3やOpusが人手で「捨て方」を設計したのに対し、ニューラル音声コーデックは符号化そのものを学習し、音を有限個の整数トークンに変えます。ベクトル量子化から残差量子化(RVQ)、EnCodecのビットレート計算、そしてVALL-EやAudioLMのような音声LLMがなぜこの上に建つのかまでを、前提知識ゼロから解説します。