IT用語集 › プログラミング › 知覚符号化

知覚符号化

プログラミング Svenska → 更新: 2026-10-29

数学的に最も重要でない成分ではなく、耳がどうせ気づかない成分を捨てる非可逆音声圧縮。

エンコーダは音声を、通常MDCTで周波数成分に分解し、同時に心理音響モデルが各帯域・各時間区間のマスキング閾値を求める。量子化ノイズがその閾値を下回るようにビットが配分される。大きな音が周りをかき消している場所では数ビットで足り、静かで目立つ場所にはより多く要る。

この方式はMP3(1993年に規格化)、MiniDiscのソニーATRAC、AAC、Opusの土台になっている。FraunhoferのKarlheinz Brandenburgは、Suzanne Vegaのアカペラ曲「Tom's Diner」を繰り返し聴いてMP3を調整した。あらゆるアーティファクトが露わになる曲だったからだ。弱点は、閾値が一対の人間の耳と一回きりの処理を前提にしていること。何度かトランスコードすると誤差が積み重なる。

← 用語集に戻る