音声結合＆音量そろえ

音声結合ツールについて

音声ファイルをつなぐだけなら簡単そうに思えますし、つなぐ作業そのものは実際に簡単です。問題になるのはその周辺です。あるトラックだけ音量が次の半分しかない、サンプリングレートの違うファイルが混ざっていて後半が違う速度で再生される、つなぎ目のたびに「プツッ」というノイズが入る、といったことが起きます。

このツールはそれらをまとめて処理します。ファイルを追加し、順番を決めれば、1つのファイルが返ってきます。 聴感音量はそろえられ、サンプリングレートは正しく統一され、必要ならフェードでつなぎ目もきれいになります。

デコードもミックスもすべてブラウザ内で行われます。音声は一切アップロードされません。インタビューや録音、未発表の楽曲を扱うなら、この点こそが重要です。

使い方

• 音声ファイルを追加 — まとめて選ぶことも、あとから足すこともできます
• 矢印で順番を並べ替え、不要なものは取り除きます
• 音量の扱いを選ぶ — 聴感音量をそろえる、ピークで正規化する、そのままにする
• 必要に応じてトラック間の間隔と、つなぎ目のフェードを設定します
• 1つのファイルに結合を押し、結果をダウンロードします

各トラックには長さと実測レベル（dB）、そしてこれから適用される補正量が表示されます。実行前に、ツールが何をしようとしているかを確認できます。

3つの音量オプション

仕上がりが聴きやすいかどうかは、この設定で決まります。

• トラック間の聴感音量をそろえる — 既定であり、たいていはこれが正解です。各トラックを RMS（信号の平均エネルギー）で測ります。これは実際にどれくらい大きく聞こえるかによく対応します。そのうえで各トラックを最も大きいものの水準に引き上げるので、全体を下げるのではなく小さいトラックが持ち上がります
• 各トラックをピーク基準で正規化 — 各トラックで最も大きい1サンプルを、指定した目標値に合わせます。動作は予測しやすい一方、聴感上の大きさは直りません。全体は小さいのにノイズ1つだけがフルスケールに達している場合、ピーク正規化ではそのトラックは小さいままになります
• 音量はそのまま — ゲインを一切かけずに素直につなぎます。すでに一緒にマスタリングされたファイルなら、これが適切です

どの設定でも、完成したファイルは最後に一度チェックされ、フルスケールを超えた箇所があれば全体が下げられます。したがって結果がクリップすることはありません。

サンプリングレートとチャンネル

音声ファイルにはサンプリングレートが記録されています。CD品質なら 44,100 Hz、動画用なら 48,000 Hz、音声メモなどでは 22,050 Hz のこともあります。レートの異なるファイルをそのままつなぐことはできません。 後続のファイルが違う速度・音程で再生されてしまうからです。

このツールでは、手持ちのファイルのうち最も高いレートで単一のオフライン音声コンテキストを通して書き出します。サンプルを解釈し直すのではなく、正しくリサンプリングする方式です。モノラルとステレオの混在も同様で、1つでもステレオがあれば結果はステレオになり、モノラルのファイルは左右両方のチャンネルに配置されます。

間隔とフェード

• 間隔はトラックの間に無音を挿入します。オーディオブックの章分けや、テイクを区切るのに便利です。連続した音楽なら 0 のままにします
• フェードは各トラックの境目に短いフェードイン・アウトをかけます。0.1 秒あれば、波形が周期の途中で終わり次が別の位置から始まるときの「プツッ」という音は消えます

こんな場面で使われています

• 別々に録音したインタビューやポッドキャストの断片をつなぐ
• プレイリスト機能のないプレーヤー向けに、オーディオブックの章を1ファイルにまとめる
• ボイスメモをつないで1つの録音にする
• 複数の曲から途切れないミックスを作る
• 別々の機器で録った音源どうしの音量をそろえる
• レコーダーのファイルサイズ制限で分割された講義の録音をつなぎ直す

知っておくと便利なこと

• Windows、macOS、Linux、ChromeOS の最新ブラウザで動作します。フォルダ系ツールと違い、フォルダではなくファイルを受け取るため、スマートフォンやタブレットでも使えます
• アップロードは一切ありません。デコード、結合、エンコードのすべてがページ内で完結します
• 出力は WAV です。非圧縮なので結合時点から劣化はありませんが、サイズは大きくなります。ステレオでおおよそ1分あたり 10 MB です。MP3 が必要なら、結果を音声変換に通してください
• ブラウザが再生できる形式はすべて結合できます（MP3、M4A/AAC、WAV、FLAC、OGG、Opus）。デコードできないファイルは黙って飛ばされるのではなく、ファイル名とともに報告されます
• 非常に長い結合では、結果全体を組み立ててから書き出すため、合計の長さに比例してメモリを使います。ステレオ1時間でおよそ 600 MB です
• レベルは dBFS で表示され、0 が最大です。一般的なトラックは −20 〜 −12 dB RMS あたりに収まります

関連ツール

• 音声変換 — 結合した WAV を MP3 や M4A に変換する
• 音声をトリミング — つなぐ前に各パートを切りそろえる
• 音声を文字起こし — 仕上がった録音を文字に起こす
• 動画から音声へ（MP4→MP3） — まず動画から音声を取り出す