世界を動かす技術を、日本語で。
間違ったリンクでフラグが立てられた。
これを見てくれるといいな。まだ提出リンクを編集する時間はあるから。
FFmpegのAACデコーダーはステレオPNSに関して壊れてるし、他のAACデコーダーにもバグがあるかもしれないから、エンコーダーで回避策を取ってるんだ。PNSを使ってるエンコーダーは他になかったから、今までバグが見つからなかったんだろうな。PNSが何かは知らないけど、20年間誰かのニッチな使い方で悩まされてたんじゃないかな。
https://www.audiolabs-erlangen.de/content/resources/aesCodin...
問題は二つあって、一つは、PNSの上にTNSを使うと、挿入されたノイズがTNSによって形作られること。これはおかしいよね、だってノイズを生成するのはデコーダーであってエンコーダーじゃないから。これがPNSを爆発させた。もう一つの大きな問題は、PNSをどんなステレオツールと組み合わせても、両チャンネルに均等にノイズが漏れ出して、ステレオイメージが台無しになること。だから、両チャンネルがノイズだけ（または十分に非音調でマスクされている）場合にだけPNSを有効にするのがベストで唯一の方法だった。
エンコーダーは主に48kHzの音声用に最適化されてる。もう気にしないで。2026年だよ、リサンプリングは無料だし、48kHzがスタンダードだから。44.1kHzでも96kHzでも動くけど、最高の品質を求めるなら48kHzを使った方がいいよ。今の時代、48kHzが本当にスタンダードなの？
opusコーデックはすべてが48kHzだと仮定して、入力をそれにリサンプリングするんだよね。
だいたいそんな感じ。ストリーミングは48kHzで行われることが多いし、動画コンテンツもずっと48kHzだし、CD用のコンテンツを作ってない限り、これがスタンダードだよ。44100Hzにはもはや必要ない理由があった（VHSで音声を1行あたり3サンプルで保存するため：490行×3サンプル×30GPS=44100サンプル/s）。品質的にはどちらも十分すぎるし、99.99%の人はブラインドテストで区別できないと思う。48kHzより高いサンプルレートは、超音波録音（クジラやコウモリなど）をピッチダウンしたいときに必要になるだけ。これを除けば、48kHzより高いサンプルレートにはサイズが大きくなったり、可聴範囲にサイドバンドがある超音波周波数帯域での歪みの可能性があるなど、デメリットしかないかも。でも、ハイファイ業界には「多い方がいい」っていう根拠のない考えを持ってる人たちがいるんだよね。
そうだね、最近のハードウェアはほとんどデフォルトの出力設定として使ってるよね（ノートパソコン、スマホ、スマートスピーカーとか）。
まず、Whisperを使った音声転写サービスは、入力を16Khzモノラルにサンプリングするんだ。
AACにはちょっと変わった特性があって、ウィンドウサイズがサンプリングレートに依存するんだ。だから、各サンプリングレートごとにエンコーダーのパラメータを完全に再最適化しないといけない。20ミリ秒のウィンドウと60ミリ秒のウィンドウでは、人間の耳には全然違って聞こえるからね。これに関してはオーパスでちゃんと修正されてるけど。
48kHzだと、映像と音声の同期がすごく楽になるよね。（編集後のリップシンクとか）