現代のデジタルオーディオにおいて、音声を効率的に圧縮し、伝送・保存するための標準規格として不可欠なのがMPEG-4 Part 3（正式名称：ISO/IEC 14496-3）です。1999年に初版が公開されて以来、この規格は単なる音声圧縮の枠を超え、自然な音から合成音、低ビットレートから高音質までを網羅する極めて柔軟なフレームワークへと進化してきました。
MPEG-4 Audioの最大の特徴は、特定の用途（例えば電話のようなリアルタイム通信や、音楽鑑賞のような高音質再生）に限定せず、あらゆる音声アプリケーションに対応している点にあります。音声合成や操作、再生に至るまで、高度なサウンド処理が必要なあらゆるシーンで活用される統合的な標準規格です。
Key Facts
- 広範なカバー範囲： 非可逆圧縮（AAC等）、可逆（ロスレス）圧縮（ALS等）、音声合成（TTSI等）を一つの規格に統合。
- 柔軟な適応性： 低ビットレートの音声伝送から、ハイレゾリューションな高音質オーディオまで対応。
- 継続的な進化： 1999年の初版から2019年の第5版まで、時代のニーズに合わせて更新され続けている。
- 業界標準のAAC： 多くのデバイスで採用されているAAC（Advanced Audio Coding）の基盤となる規格である。
MPEG-4 Audioの構成と技術的アプローチ
MPEG-4 Part 3は、機能ごとに細分化された「サブパート」で構成されており、それぞれが異なる音声処理技術を担っています。例えば、一般的なオーディオ符号化を扱うサブパート4では、広く普及しているAACやTwinVQ、BSACなどが定義されています。また、音声特化型のCELPやHVXC、さらにはテキストから音声を生成するTTSI（Text-To-Speech Interface）など、多様なツールセットが組み込まれています。
特に注目すべきは、自然な音だけでなく、MIDIやSoundFontに基づく「構造化オーディオ（Structured Audio）」やアルゴリズムによる合成音までをサポートしている点です。これにより、インタラクティブなコンテンツや複雑なサウンドトラックの効率的な管理が可能となりました。
AACの進化とプロファイルの階層構造
MPEG-4 Audioの中で最も影響力を持つのがAACです。もともとMPEG-2 Part 7で定義されていたAACをベースに、MPEG-4ではPNS（Perceptual Noise Substitution：知覚ノイズ置換）という技術を組み合わせることで、同じビットレートでもより高い音質を実現しました。
さらに、効率を追求した「HE-AAC（High Efficiency AAC）」などのプロファイルが導入されました。HE-AAC v1ではSBR（Spectral Band Replication）を用いて高域を効率的に再現し、v2ではさらにPS（Parametric Stereo）を加えることで、極めて低いビットレートでもステレオ感を維持できる仕組みになっています。
![Hierarchical structure of AAC Profile, HE-AAC Profile and HE-AAC v2 Profile, and compatibility between them. The HE-AAC Profile decoder is fully capable of decoding any AAC Profile stream. Similarly the HE-AAC v2 decoder can handle all HE-AAC Profile streams as well as all AAC Profile streams. Based on the MPEG-4 Part 3 technical specification.[21]](/images/af/cb/afcb43478237c91062e0ecc4e443baf3b72c851ee377f67ac00b8ed0ef08b6f6.webp)
主要な符号化技術の詳細
AAC-SSR (Scalable Sample Rate)
ソニーによって導入されたAAC-SSRは、サンプリングレートを可変的に扱うことができる技術です。信号を4つのサブバンドに分割し、それぞれをMDCT（修正離散コサイン変換）で処理します。これにより、ビットレートに応じて遮断周波数やサンプリングレートを段階的に変更でき、ネットワーク帯域に合わせた柔軟な配信が可能です。
BSAC (Bit Sliced Arithmetic Coding)
BSACは、スケーラブルなオーディオ符号化を実現するための規格です。AACと多くの処理を共有しながらも、符号化部分に算術符号化を採用しています。特に40kbit/sから64kbit/sの範囲で高い性能を発揮し、ビットレートを下げても急激に音質が劣化せず、緩やかに低下する特性を持っています。主にDMB（デジタルマルチメディア放送）などで利用されています。
規格の変遷と管理
MPEG-4 Audioは、技術の進歩に合わせて何度も版を更新しています。1999年の初版から始まり、2001年、2005年、2009年を経て、最新の2019年版に至るまで、新しいオブジェクトタイプやプロファイルが追加されてきました。
| 版 (Edition) | リリース年 | 標準番号 | 主な特徴 |
|---|---|---|---|
| 第1版 | 1999年 | ISO/IEC 14496-3:1999 | MPEG-4 Audio Version 1として公開 |
| 第2版 | 2001年 | ISO/IEC 14496-3:2001 | 機能拡張と最適化 |
| 第3版 | 2005年 | ISO/IEC 14496-3:2005 | 新機能の統合 |
| 第4版 | 2009年 | ISO/IEC 14496-3:2009 | 最新の符号化技術の反映 |
| 第5版 | 2019年 | ISO/IEC 14496-3:2019 | 現行の最新バージョン |
また、これらの技術を利用するためのライセンス管理については、2002年よりVia Licensing Corporationが特許プールの管理運営を担っています。
Frequently Asked Questions
MPEG-4 Part 3とAACはどう違うのですか？
MPEG-4 Part 3はオーディオ符号化全般を定義する大きな「規格（フレームワーク）」であり、AACはその規格の中で定義されている具体的な「符号化方式（オブジェクトタイプ）」の一つです。つまり、AACはMPEG-4 Part 3という大きな傘の下にある技術の一つと言えます。
HE-AAC v1とv2の決定的な違いは何ですか？
HE-AAC v1は、AAC LCにSBR（高域再現技術）を組み合わせたものです。対してHE-AAC v2は、さらにPS（パラメトリックステレオ）という技術を追加しており、より低いビットレートで効率的にステレオ音声を伝送できる点が異なります。
ロスレス（可逆）圧縮にも対応しているのでしょうか？
はい。MPEG-4 Part 3には、ALS (Audio Lossless Coding) や SLS (Scalable Lossless Coding)、DST (Direct Stream Transfer) といった可逆圧縮技術が含まれており、音質の劣化がない保存や伝送が可能です。
この規格はどのような用途で使われていますか？
音楽配信サービス、ストリーミング放送、デジタルテレビ、モバイル通信、さらにはスーパーオーディオCD (SACD) のDST形式など、非常に幅広い分野で利用されています。
AAC-SSRはどのようなメリットがありますか？
サンプリングレートを段階的に変更できるため、通信環境が不安定な場合でも、音質を適切に調整しながら再生を継続できるというメリットがあります。
References
- (2009). "ISO/IEC 14496-3:2009 - Information technology -- Coding of audio-visual objects -- Part 3: Audio". ISO. Retrieved 2009-10-06.
- (1999). "ISO/IEC 14496-3:1999 - Information technology -- Coding of audio-visual objects -- Part 3: Audio". ISO. Retrieved 2009-10-06.
- "MPEG-4 Audio Licensing Committee Selects Via Licensing Corporation as Administrator; MPEG-4 Audio Licensing Committee Finalizing Terms for Audio Profile Licensing". The Free Library. 2002-12-02. Archived from the original on 2012-10-13. Retrieved 2009-10-06.
- Karlheinz Brandenburg; Oliver Kunz; Akihiko Sugiyama (1999). "MPEG-4 Natural Audio Coding – Audio profiles and levels". chiariglione.org. Archived from the original on 2010-07-17. Retrieved 2009-10-06.
- Karlheinz Brandenburg; Oliver Kunz; Akihiko Sugiyama. "MPEG-4 Natural Audio Coding – scalability in MPEG-4 natural audio". chiariglione.org. Archived from the original on 2010-02-28. Retrieved 2009-10-06.
- D. Thom, H. Purnhagen, and the MPEG Audio Subgroup (October 1998). "MPEG Audio FAQ – MPEG-4". chiariglione.org. Archived from the original on 2012-02-05. Retrieved 2009-10-06.
{{}}: CS1 maint: multiple names: authors list () - / JTC 1/SC 29/WG 11 (July 1999). "ISO/IEC 14496-3:/Amd.1 – Final Committee Draft – MPEG-4 Audio Version 2" (PDF). FTP server (). Retrieved 2009-10-07.
{{}}: CS1 maint: numeric names: authors list ()[dead ftp link] (To view documents see ) - Heiko Purnhagen (1999-06-07), An Overview of MPEG-4 Audio Version 2 (PDF), Heiko Purnhagen, archived from the original (PDF) on 2017-07-06, retrieved 2009-10-07
- Heiko Purnhagen (2001-06-01). "The MPEG-4 Audio Standard: Overview and Applications". Heiko Purnhagen. Retrieved 2009-10-07. []
- Heiko Purnhagen (2001-11-07). "The MPEG Audio Web Page – MPEG-4 Audio (ISO/IEC 14496-3)". Retrieved 2009-10-07. []