音声ビット深度

音频位深は、デジタルオーディオにおいて各サンプリング値の表現に使用されるバイナリビット数を表します。線形整数PCMの場合、nビットで2ⁿ個の離散値を表現できます。16ビットには65,536の量子化レベルがあり、24ビットには16,777,216の量子化レベルがあります。ビット深度は振幅の量子化精度を表すものであり、1秒あたりのサンプリング回数を決定するものではありません。

量子化は連続的な振幅を有限の数値にマッピングするものであり、量子化誤差が生じます。適切なジッタが施された理想的な線形PCMの場合、ビット深度が1ビット増加するごとに、フルスケールに対する量子化ノイズの電力は相対的に約6 dB低下するため、一般的に用いられる理論上のS/N比は、おおよそ6.02n + 1.76 dBとなります。この関係は、理想的な全振幅正弦波と量子化システムを記述するものであり、録音機器、マスターテープ、またはリスニング環境の実際のダイナミックレンジとは同一ではありません。通常、アナログフロントエンド、固有ノイズ、およびレベル設定が最初に制限要因となります。

有効ビット深度とコンテナのビット数は異なる場合があります。24ビットのファイルは、有効精度が低いコンバーターから生成されたものである場合もあれば、16ビットのデータを24ビットのワードに格納したものである場合もあります。32ビット浮動小数点オーディオは、符号、指数、尾数で表現されるため、整数PCMの量子化段階の式では直接説明できません。ワークステーションが浮動小数点形式を採用するのは、主に演算の余裕を確保し、中間段階でのクリッピングを回避するためであり、最終的な出力は依然として16ビットまたは24ビットの整数に量子化される可能性がある。

高いビット深度から低いビット深度へ縮小する際、単純に切り捨てると誤差が信号と相関し、歪みが生じる。ジッターは、量子化前に低レベルのランダム信号を加えることで、この相関歪みをより安定したノイズに変換する。また、ノイズ整形により、より多くのノイズを聴覚的に感度の低い周波数帯域へシフトさせることもできる。ジッターは削除されたビットを復元するものではなく、元の情報量を増加させるものでもない。

メディアツールで報告されるビット深度は、エンコードやコンテナのパラメータを示すに過ぎない。16ビットのオーディオをゼロパディングして24ビットとして保存しても、新たなディテールは生成されません。また、非可逆圧縮されたオーディオを32ビット浮動小数点でデコードしても、エンコード時の損失を回復することはできません。有効精度を判断するには、制作プロセス、ノイズフロア、サンプルデータを総合的に考慮する必要があり、ファイルのラベルだけを見て判断することはできません。