MP3のVBR品質でファイルサイズはどれだけ変わるか q0からq9までBGM3曲で実測しました

IT・仕事術

記事内に広告が含まれています。

この記事でわかることをまとめました

結論です。元のWAVを100とした割合で比べると、今回のBGM3曲をMP3のVBR品質q0からq9までの5段階に変換した範囲では、全条件の最小はcomic_quietのq9の4.4、最大はedu_brightのq0の16.9になりました。q9の出力は、同じ曲のq0の出力と比べて、バイト数基準で30.7%から34.5%でした。

BGMのWAVをMP3のVBR(可変ビットレート)に変換するときに、品質(q値)を変えるとファイルサイズと変換時間とラウドネスがどれだけ変わるのかを、私が実測しました。

  • 元のWAVを100としたファイルサイズの割合は、q0が12.8から16.9、q9が4.4から5.2になりました。
  • 変換時間の中央値は、3曲ともq0が一番長い条件でした。
  • 統合ラウドネスの元のWAVとの差は、15条件とも-0.01 LUFSから+0.02 LUFSの範囲でした。

図1:元のWAVを100とすると、MP3のVBRは4.4から16.9までの範囲になりました

図1:元のWAVを100とした割合を、曲と品質ごとに比べました。

図1は、元のWAVを100として、各条件のファイルサイズの割合を棒グラフにしたものです。

  • q0は、元のWAVを100として12.8から16.9の範囲でした。
  • q3は、元のWAVを100として8.2から10.8の範囲でした。
  • q5は、元のWAVを100として6.3から7.5の範囲でした。
  • q7は、元のWAVを100として4.9から5.7の範囲でした。
  • q9は、元のWAVを100として4.4から5.2の範囲でした。

同じ品質でも、曲によって元のWAVを100とした割合が違いました。元のWAVを100としたq0の割合は、comic_quietが12.8、edu_brightが16.9で、4.1ポイントの開きがありました。

使った曲と変換の方法をまとめました

素材は、私の自前BGMパイプラインで作った既製曲3曲のWAV版です。いずれも44,100Hz、2チャンネル、PCM 16bitです。

  • edu_brightは、48.0秒、8,467,278バイトです。
  • comic_quietは、48.333311秒、8,526,074バイトです。
  • kids_jingleは、16.0秒、2,822,478バイトです。

私はこの3曲を、2026年11月16日に、ffmpegのlibmp3lameエンコーダで変換しました。条件はVBRの品質q0・q3・q5・q7・q9の5段階で、出力はmp3です。変えたのは品質(-q:aの値)だけです。

  • libmp3lameでは、q0が一番高品質で、q9が一番低品質です。
  • qの数字が大きくなるほど、ファイルサイズは小さくなりました。
  • 変換は各条件で3回行い、変換時間は3回の中央値です。
  • ファイルサイズは、変換後のファイルの実測で、3回とも同じバイト数でした。
  • 割合は、元のWAVを100とした値を、バイト数から直接計算し、小数第1位に丸めました。
  • 平均ビットレートは、ファイルサイズ(バイト)×8÷再生時間(秒)÷1,000で計算し、小数第1位に丸めました。
  • 音量は、ffmpegのloudnormフィルタの解析値(統合ラウドネス、単位はLUFS)で比べました。

3曲15条件のファイルサイズを表にまとめました

曲条件バイト元のWAVを100とした割合平均ビットレート(kbps)
edu_bright元のWAV8,467,278100.0–
edu_brightq01,434,32416.9239.1
edu_brightq3917,16810.8152.9
edu_brightq5637,2967.5106.2
edu_brightq7480,2855.780.0
edu_brightq9443,4085.273.9
comic_quiet元のWAV8,526,074100.0–
comic_quietq01,094,45112.8181.2
comic_quietq3700,7228.2116.0
comic_quietq5536,0766.388.7
comic_quietq7415,2354.968.7
comic_quietq9377,8044.462.5
kids_jingle元のWAV2,822,478100.0–
kids_jingleq0418,68914.8209.3
kids_jingleq3259,5019.2129.8
kids_jingleq5186,6706.693.3
kids_jingleq7140,4215.070.2
kids_jingleq9128,5014.664.3

平均ビットレートは、q0が181.2kbpsから239.1kbps、q3が116.0kbpsから152.9kbps、q5が88.7kbpsから106.2kbps、q7が68.7kbpsから80.0kbps、q9が62.5kbpsから73.9kbpsでした。

品質どうしの割合も、バイト数から直接計算しました。

  • q9の出力は、同じ曲のq0の出力と比べて、edu_brightで30.9%、comic_quietで34.5%、kids_jingleで30.7%でした。
  • q9の出力は、同じ曲のq5の出力と比べて、edu_brightで69.6%、comic_quietで70.5%、kids_jingleで68.8%でした。

図2:変換時間の中央値は、3曲ともq0が一番長い条件でした

図2:変換時間の中央値(3回)を、曲と品質ごとに比べました。

図2は、各条件で3回変換した時間の中央値を棒グラフにしたものです。

  • 中央値が一番長かった条件は、edu_brightではq0の1.036秒、comic_quietではq0の0.914秒、kids_jingleではq0の0.416秒でした。
  • 中央値が一番短かった条件は、edu_brightではq9の0.735秒、comic_quietではq9の0.681秒でした。
  • kids_jingleでは、q7とq9の中央値がどちらも0.301秒で、同点でした。

変換時間を表にまとめました

曲条件変換時間の中央値(秒)3回の変換時間(秒)
edu_brightq01.0361.034/1.036/1.083
edu_brightq30.8850.942/0.885/0.860
edu_brightq50.8250.825/0.777/0.860
edu_brightq70.7740.774/0.810/0.747
edu_brightq90.7350.735/0.846/0.701
comic_quietq00.9140.967/0.914/0.874
comic_quietq30.8350.815/0.885/0.835
comic_quietq50.7570.757/0.750/0.769
comic_quietq70.7390.768/0.687/0.739
comic_quietq90.6810.686/0.643/0.681
kids_jingleq00.4160.464/0.365/0.416
kids_jingleq30.3440.344/0.339/0.403
kids_jingleq50.3240.324/0.369/0.313
kids_jingleq70.3010.330/0.301/0.300
kids_jingleq90.3010.305/0.292/0.301

変換時間は、この環境での計測です。使う機械が変われば、時間は変わります。edu_brightのq0は、3回の時間が1.034秒から1.083秒までばらつきました。

図3:統合ラウドネスの元のWAVとの差は、-0.01から+0.02 LUFSの範囲でした

図3:統合ラウドネスの元のWAVとの差を、曲と品質ごとに比べました。

図3は、元のWAVの統合ラウドネスを基準にして、各条件の統合ラウドネスの違いを棒グラフにしたものです。縦軸は-0.03から0.045 LUFSです。元のWAVとの差が0.00 LUFSの条件は棒の高さがなく、数値だけを表示しています。

  • 15条件を通して、元のWAVの統合ラウドネスを基準にした差は、-0.01 LUFSから+0.02 LUFSの範囲でした。
  • 元のWAVとの差の絶対値が一番大きかったのは、edu_brightのq7で、元のWAVの-22.94 LUFSに対して-22.92 LUFS、つまり+0.02 LUFSでした。
  • q0では元のWAVとの差が0.00 LUFSから+0.01 LUFSで、q9では元のWAVとの差が-0.01 LUFSから0.00 LUFSでした。

統合ラウドネスを表にまとめました

曲条件統合ラウドネス(LUFS)元のWAVとの差(LUFS)
edu_bright元のWAV-22.940.00
edu_brightq0-22.93+0.01
edu_brightq3-22.93+0.01
edu_brightq5-22.93+0.01
edu_brightq7-22.92+0.02
edu_brightq9-22.94+0.00
comic_quiet元のWAV-31.800.00
comic_quietq0-31.80+0.00
comic_quietq3-31.80+0.00
comic_quietq5-31.80+0.00
comic_quietq7-31.80+0.00
comic_quietq9-31.80+0.00
kids_jingle元のWAV-20.410.00
kids_jingleq0-20.41+0.00
kids_jingleq3-20.41+0.00
kids_jingleq5-20.41+0.00
kids_jingleq7-20.42-0.01
kids_jingleq9-20.42-0.01

この表の値は、loudnormフィルタの解析値です。聴感の音質は測っていません。

サンプルレートと再生時間は、全条件で元のWAVと一致しました

私が出力を調べると、サンプルレートも再生時間も元のWAVと同じでした。

  • 出力のサンプルレートは、全条件で44,100Hzでした。元のWAVの44,100Hzと同じです。
  • 再生時間は、全条件で元のWAVと一致しました。edu_brightは48.0秒、comic_quietは48.333311秒、kids_jingleは16.0秒です。

この実測を読むときの範囲をまとめました

  • 素材は、自前BGMパイプラインで作った3曲です。曲の内容が変われば、割合が変わる場合があります。今回も、同じ品質で曲によって元のWAVを100とした割合に開きがありました。
  • 設定は、MP3(libmp3lameエンコーダ)のVBR品質に固定した比較です。ほかのエンコーダやほかの形式では、割合や変換時間が変わる場合があります。
  • 変換時間はこの環境での計測です。使う機械が変われば、時間は変わります。
  • ラウドネスは解析値の比較です。聴感の音質の違いは測っていません。

今回の範囲では、元のWAVを100として4.4から16.9までになりました

今回のBGM3曲をMP3のVBR品質q0からq9までの5段階に変換した範囲では、ファイルサイズは元のWAVを100として、q0の12.8から16.9、q9の4.4から5.2までになりました。

q9の出力は、同じ曲のq0の出力と比べて30.7%から34.5%、同じ曲のq5の出力と比べて68.8%から70.5%で、どちらもバイト数基準でした。統合ラウドネスの元のWAVとの差は、15条件とも-0.01 LUFSから+0.02 LUFSの範囲でした。私が測ったのは解析値までで、聴感の音質は測っていません。

関連する実測記事もあわせて読んでみてください

このブログで実測した記事として、MP3のビットレートを実測した記事と、BGMの音声形式を実測した記事もあります。あわせて読んでみてください。

コメント