ブログ / 音声ファイル形式の基礎知識

3分でわかる形式の違い

「どれでもいい」の根拠

現代の文字起こしアプリは、内部で音声を処理用の形式に自動変換してから認識にかけます。つまり主要形式なら、入口の違いで処理に失敗することはまずありません。ただし変換しても音質が戻るわけではなく、低ビットレートや再圧縮で失われた情報は失われたままです。一般的な録音品質なら形式の違いよりマイク距離や雑音の影響が大きい一方、極端に圧縮された音源では精度に影響することがあります。WhisperHUBも上記の主要形式(動画含む)をそのまま受け付けます。

「wavの方が高音質だから精度も上がるのでは?」という質問には、こう答えています: 一般的な録音品質では、形式差よりマイクとの距離・環境音の影響の方が大きいことが多いです(録音のコツ)。通常品質のm4a/mp3で録られた明瞭な音声のほうが、雑音まみれのwavより良い結果になりやすいのが実感です。形式選びに悩む時間をマイクの置き場所に使ってください。

これから録るなら、どの設定?

• スマホ — 標準のボイスメモの初期設定のままでOKです。設定を触る必要はありません。
• ICレコーダー — 長時間ならMP3の高ビットレート(192kbps程度)がバランス良好。容量に余裕があり最高品質で残したいならPCM(WAV)でも(レコーダーからの手順)。
• Web会議 — ツールの録画がそのまま使えます。動画のままドロップで大丈夫です(Zoom等の手順)。

変換が必要になる稀なケース

1. 専用ソフトでしか開けない独自形式。 一部のレコーダー・通話録音システムは独自形式で保存します。付属ソフトに「MP3/WAVで書き出し」機能があるはずなので、それで変換してから処理します。
2. DRM(コピー防止)つきの音源。 購入した配信コンテンツ等は技術的・権利的に処理対象外です。
3. 破損ファイル。 録音中の電池切れ等で壊れたファイルは、まず再生できるかを確認。再生できないものは文字起こしもできません。