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
- 図1：元のWAVを100とすると、ファイルサイズは18.1から150.0までの範囲になりました
- 使った曲と変換の方法をまとめました
- 3曲21条件のファイルサイズを表にまとめました
- 図2：変換時間の中央値は、ファイルサイズが大きい条件ほど長くなるわけではありませんでした
- 変換時間を表にまとめました
- 図3：統合ラウドネスの元のWAVとの差は、21条件のうち15条件で0.00 LUFSでした
- 統合ラウドネスを表にまとめました
- 条件ごとに分かったことをまとめました
- この実測を読むときの範囲をまとめました
- 今回の範囲では、元のWAVを100として18.1から150.0までになりました
- 関連する実測記事もあわせて読んでみてください
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WAVの7条件に変換した範囲では、全条件の最小は8000Hz／16bitの18.1、最大は44100Hz／24bitの150.0になりました。48000Hz／16bitは108.8、44100Hz／8bitと22050Hz／16bitは50.0、16000Hz／16bitは36.3でした。
BGMのWAVを保存し直すときに、サンプルレートとビット深度を変えると、ファイルサイズと変換時間と統合ラウドネスがどれだけ変わるのかを、私が実測しました。
この割合は3曲とも同じ値でした。変換時間の中央値は、3曲を通して0.105〜0.225秒の範囲でした。
図1：元のWAVを100とすると、ファイルサイズは18.1から150.0までの範囲になりました
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。3曲とも、同じ割合になりました。
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、48.3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11日に、ffmpegのPCMコーデックで7条件に変換しました。
- サンプルレートを変えた条件は、48000Hz・22050Hz・16000Hz・8000Hzの4つで、いずれも16bitです。
- ビット深度を変えた条件は、24bitと8bitの2つで、いずれも44100Hzです。
- 残る1つは、元の仕様のまま変換した44100Hz／16bitです。
- チャンネル数は、全条件で2チャンネルにそろえました。
48000Hzの条件は、元の44100Hzからのアップサンプリングです。元の音源にない情報が増えるわけではありません。
- 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、残した出力ファイルの実測です。
- 出力のサンプルレートとビット深度と再生時間は、ffprobeで確認しました。
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。
3曲21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 |
|---|---|---|---|
| edu_bright | 元のWAV | 8,467,278 | 100.0 |
| edu_bright | 48000Hz／16bit | 9,216,078 | 108.8 |
| edu_bright | 44100Hz／24bit | 12,700,902 | 150.0 |
| edu_bright | 44100Hz／16bit | 8,467,278 | 100.0 |
| edu_bright | 44100Hz／8bit | 4,233,678 | 50.0 |
| edu_bright | 22050Hz／16bit | 4,233,678 | 50.0 |
| edu_bright | 16000Hz／16bit | 3,072,078 | 36.3 |
| edu_bright | 8000Hz／16bit | 1,536,078 | 18.1 |
| comic_quiet | 元のWAV | 8,526,074 | 100.0 |
| comic_quiet | 48000Hz／16bit | 9,280,074 | 108.8 |
| comic_quiet | 44100Hz／24bit | 12,789,096 | 150.0 |
| comic_quiet | 44100Hz／16bit | 8,526,074 | 100.0 |
| comic_quiet | 44100Hz／8bit | 4,263,076 | 50.0 |
| comic_quiet | 22050Hz／16bit | 4,263,078 | 50.0 |
| comic_quiet | 16000Hz／16bit | 3,093,410 | 36.3 |
| comic_quiet | 8000Hz／16bit | 1,546,746 | 18.1 |
| kids_jingle | 元のWAV | 2,822,478 | 100.0 |
| kids_jingle | 48000Hz／16bit | 3,072,078 | 108.8 |
| kids_jingle | 44100Hz／24bit | 4,233,702 | 150.0 |
| kids_jingle | 44100Hz／16bit | 2,822,478 | 100.0 |
| kids_jingle | 44100Hz／8bit | 1,411,278 | 50.0 |
| kids_jingle | 22050Hz／16bit | 1,411,278 | 50.0 |
| kids_jingle | 16000Hz／16bit | 1,024,078 | 36.3 |
| kids_jingle | 8000Hz／16bit | 512,078 | 18.1 |
表の「元のWAV」と「44100Hz／16bit」は、バイト数が一致し、割合はどちらも100.0でした。
図2：変換時間の中央値は、ファイルサイズが大きい条件ほど長くなるわけではありませんでした
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。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。
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_bright | 48000Hz／16bit | 0.140 | 0.134／0.144／0.140 |
| edu_bright | 44100Hz／24bit | 0.141 | 0.107／0.206／0.141 |
| edu_bright | 44100Hz／16bit | 0.126 | 0.112／0.126／0.153 |
| edu_bright | 44100Hz／8bit | 0.125 | 0.106／0.131／0.125 |
| edu_bright | 22050Hz／16bit | 0.120 | 0.119／0.138／0.120 |
| edu_bright | 16000Hz／16bit | 0.119 | 0.115／0.119／0.122 |
| edu_bright | 8000Hz／16bit | 0.128 | 0.134／0.124／0.128 |
| comic_quiet | 48000Hz／16bit | 0.142 | 0.145／0.142／0.136 |
| comic_quiet | 44100Hz／24bit | 0.157 | 0.135／0.157／0.162 |
| comic_quiet | 44100Hz／16bit | 0.117 | 0.105／0.117／0.125 |
| comic_quiet | 44100Hz／8bit | 0.124 | 0.143／0.124／0.118 |
| comic_quiet | 22050Hz／16bit | 0.128 | 0.123／0.139／0.128 |
| comic_quiet | 16000Hz／16bit | 0.225 | 0.159／0.225／0.274 |
| comic_quiet | 8000Hz／16bit | 0.145 | 0.219／0.133／0.145 |
| kids_jingle | 48000Hz／16bit | 0.105 | 0.103／0.105／0.111 |
| kids_jingle | 44100Hz／24bit | 0.115 | 0.100／0.118／0.115 |
| kids_jingle | 44100Hz／16bit | 0.105 | 0.100／0.107／0.105 |
| kids_jingle | 44100Hz／8bit | 0.113 | 0.127／0.110／0.113 |
| kids_jingle | 22050Hz／16bit | 0.110 | 0.103／0.110／0.113 |
| kids_jingle | 16000Hz／16bit | 0.108 | 0.109／0.108／0.108 |
| kids_jingle | 8000Hz／16bit | 0.114 | 0.131／0.114／0.108 |
comic_quietの16000Hz／16bitは、中央値が0.225秒で一番長くなりました。ただし3回の時間は0.159秒／0.225秒／0.274秒とばらつきが大きく、この条件だけが遅いとは言えません。
図3：統合ラウドネスの元のWAVとの差は、21条件のうち15条件で0.00 LUFSでした
図3は、ffmpegのloudnormフィルタの解析値（統合ラウドネス）について、元のWAVとの差を棒グラフにしたものです。ラウドネスは解析値の比較であり、聴感の音質評価ではありません。聴いたときの音質の違いは、今回は測っていません。
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 | -22.94 | 0.00 |
| edu_bright | 48000Hz／16bit | -22.94 | +0.00 |
| edu_bright | 44100Hz／24bit | -22.94 | +0.00 |
| edu_bright | 44100Hz／16bit | -22.94 | +0.00 |
| edu_bright | 44100Hz／8bit | -22.92 | +0.02 |
| edu_bright | 22050Hz／16bit | -22.94 | +0.00 |
| edu_bright | 16000Hz／16bit | -22.94 | +0.00 |
| edu_bright | 8000Hz／16bit | -22.99 | -0.05 |
| comic_quiet | 元のWAV | -31.80 | 0.00 |
| comic_quiet | 48000Hz／16bit | -31.80 | +0.00 |
| comic_quiet | 44100Hz／24bit | -31.80 | +0.00 |
| comic_quiet | 44100Hz／16bit | -31.80 | +0.00 |
| comic_quiet | 44100Hz／8bit | -31.68 | +0.12 |
| comic_quiet | 22050Hz／16bit | -31.80 | +0.00 |
| comic_quiet | 16000Hz／16bit | -31.80 | +0.00 |
| comic_quiet | 8000Hz／16bit | -31.82 | -0.02 |
| kids_jingle | 元のWAV | -20.41 | 0.00 |
| kids_jingle | 48000Hz／16bit | -20.41 | +0.00 |
| kids_jingle | 44100Hz／24bit | -20.41 | +0.00 |
| kids_jingle | 44100Hz／16bit | -20.41 | +0.00 |
| kids_jingle | 44100Hz／8bit | -20.40 | +0.01 |
| kids_jingle | 22050Hz／16bit | -20.41 | +0.00 |
| kids_jingle | 16000Hz／16bit | -20.41 | +0.00 |
| kids_jingle | 8000Hz／16bit | -20.42 | -0.01 |
条件ごとに分かったことをまとめました
- ファイルサイズの割合は、3曲とも同じ値でした。元のWAVを100とした割合で、48000Hz／16bitが108.8、44100Hz／24bitが150.0、44100Hz／16bitが100.0、44100Hz／8bitが50.0、22050Hz／16bitが50.0、16000Hz／16bitが36.3、8000Hz／16bitが18.1でした。
- 44100Hz／8bitと22050Hz／16bitは、どちらも元のWAVを100とした割合が50.0で、ファイルサイズもほぼ同じでした。
- edu_brightとkids_jingleでは、この2条件のバイト数が一致しました。comic_quietでは8bitが4,263,076バイト、22050Hzが4,263,078バイトで、2バイトだけ違いました。
- 変換時間の中央値は、3曲を通して0.105〜0.225秒の範囲でした。ファイルサイズが大きい条件ほど時間が長いという順序にはなりませんでした。
- 統合ラウドネスの元のWAVとの差は、21条件のうち15条件で0.00 LUFSでした。差が出たのは、8bitの3条件（+0.01〜+0.12 LUFS）と8000Hzの3条件（-0.01〜-0.05 LUFS）だけです。
- 一番大きい差は、comic_quietの8bitの+0.12 LUFSでした。
- 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48.3秒、kids_jingleは16.0秒でした。
- 出力のサンプルレートとビット深度は、ffprobeの確認で全条件が指定どおりでした。
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。WAVは無圧縮のため、割合は曲の内容によらず、サンプルレートとビット深度と再生時間で決まります。
- 48000Hzの条件は、44100Hzからのアップサンプリングです。ファイルサイズは大きくなりますが、元の音源にない情報が増えるわけではありません。
- 8000Hzや8bitでは、再生できる音の範囲や細かさが元より狭くなります。今回比べたのはファイルサイズと変換時間とラウドネスの解析値で、聴感の音質の違いは測っていません。
- 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、今回測っていません。
今回の範囲では、元のWAVを100として18.1から150.0までになりました
今回のBGM3曲をWAVの7条件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、8000Hz／16bitの18.1から44100Hz／24bitの150.0までになりました。44100Hz／8bitと22050Hz／16bitは、どちらも50.0でした。
変換時間は3曲を通して0.105〜0.225秒の範囲で、ファイルサイズとは別の順序になりました。統合ラウドネスの元のWAVとの差は、一番大きくても+0.12 LUFSでした。
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