CGJU
ツール検索サイト
2026年6月12日 · 読了時間 4 分

音声抽出の原理

MP4→MP3変換は本質的に音声抽出と再エンコードのプロセスです。MP4はコンテナフォーマットであり、動画ストリーム、音声ストリーム、字幕ストリームなどの複数のデータストリームを含めることができます。MP4をMP3に変換する際は、実際にはMP4コンテナから音声データを抽出し、MP3フォーマットにエンコードしています。

MP4の音声エンコーディング

MP4ファイルの音声は通常、以下のエンコーディングフォーマットを使用しています:

  • AAC:最も一般的なMP4音声エンコーディング、Advanced Audio Coding
  • MP3:一部のMP4ファイルにはMP3音声が含まれている場合もある
  • AC-3:ドルビーデジタル音声、映画でよく見られる
  • DTS:もう1つのシネマ級音声エンコーディング

ほとんどの場合、MP4の音声はAACフォーマットであり、MP3に変換するには不可逆圧縮から不可逆圧縮への再エンコードが必要となり、一定の音質劣化が発生します。この点を理解することは、適切なビットレートを選択する上で重要です。

ビットレートの選択

ビットレート(Bitrate)はMP3の音質とファイルサイズに影響を与える最も重要な要素です。ビットレートが高いほど音質は良くなりますが、ファイルサイズも大きくなります。適切なビットレートを選択するには、音質とファイルサイズのバランスを見つける必要があります。

320kbps - 最高品質

320kbpsはMP3フォーマットがサポートする最高ビットレートであり、音質はCDレベルに近く、音質に高い要求があるシーンに適しています。

  • 適用シーン:音楽コレクション、高品質試聴、オーディオマニア
  • ファイルサイズ:1分あたり約2.4MB、5分の曲で約12MB
  • 音質評価:ほとんどの人がCDとの違いを区別できない

256kbps - 高品質

256kbpsは優れたバランスポイントであり、音質は優れていますが、ファイルサイズは320kbpsよりかなり小さくなります。

  • 適用シーン:日常の音楽鑑賞、ポータブルデバイスでの保存
  • ファイルサイズ:1分あたり約1.9MB、5分の曲で約9.5MB
  • 音質評価:大多数の人が320kbpsとの違いを聞き分けられない

192kbps - 標準品質

192kbpsは最も一般的に使用されるビットレートの1つであり、音質は良好でファイルサイズも適度です。

  • 適用シーン:一般的な音楽鑑賞、オンラインストリーミング、音声コンテンツ
  • ファイルサイズ:1分あたり約1.4MB、5分の曲で約7MB
  • 音質評価:一般のリスナーは満足、細部の豊かさはやや劣る

128kbps - エコノミー品質

128kbpsは初期のネットワーク音楽の主流ビットレートであり、現在は主に音声コンテンツやストレージ容量に制限があるシーンで使用されています。

  • 適用シーン:オーディオブック、ポッドキャスト、音声コース、低容量デバイス
  • ファイルサイズ:1分あたり約0.96MB、5分の曲で約4.8MB
  • 音質評価:音楽の細部に損失があるが、音声には十分

VBR vs CBR

MP3エンコーディングには2つの主要なビットレート制御方式があります:VBR(可変ビットレート)とCBR(固定ビットレート)です。それらの違いを理解することは、最適な音質対ファイルサイズ比を得るために非常に重要です。

CBR - 固定ビットレート

CBR(Constant Bitrate)は、音声ファイル全体で同じビットレートを使用する方式です。音声コンテンツの複雑さに関わらず、1秒あたりのデータ量は固定されています。

  • 利点:ファイルサイズを正確に制御可能、互換性が高い、エンコード速度が速い
  • 欠点:複雑な箇所の音質が不足、単純な箇所でビットレートを浪費
  • 適用シーン:ストリーミングライブ配信、正確なファイルサイズが必要なシーン
ffmpeg -i input.mp4 -c:a libmp3lame -b:a 192k output.mp3

VBR - 可変ビットレート

VBR(Variable Bitrate)は、音声コンテンツの複雑さに応じてビットレートを動的に調整する方式です。複雑な箇所ではより高いビットレートを使用し、単純な箇所ではより低いビットレートを使用します。

  • 利点:同じファイルサイズでより良い音質、音質の分布がより合理的
  • 欠点:ファイルサイズを正確に予測できない、一部のデバイスでは非互換
  • 適用シーン:音楽コレクション、ローカル再生、音質対容量比を追求する場合

LAMEエンコーダーのVBRモードを使用し、-q:a パラメータで品質を制御します。値の範囲は0-9で、数値が小さいほど品質が高くなります:

ffmpeg -i input.mp4 -c:a libmp3lame -q:a 2 output.mp3

VBR品質レベルの目安

  • -q:a 0:最高品質、約240-260kbps、320kbps CBRに迫る
  • -q:a 2:高品質、約190-210kbps、推奨設定
  • -q:a 4:標準品質、約140-160kbps
  • -q:a 6:中等品質、約100-120kbps
  • -q:a 9:最低品質、約40-80kbps

ID3タグの追加

ID3タグはMP3ファイルに曲情報を保存するメタデータであり、曲名、アーティスト、アルバム、ジャケット画像などが含まれます。完全なID3タグを追加することで、音楽プレーヤーで音楽情報をより適切に管理・表示できるようになります。

基本タグの追加

FFmpegのmetadataパラメータを使用してID3タグを追加します:

ffmpeg -i input.mp4 -c:a libmp3lame -q:a 2 \
  -metadata title="曲のタイトル" \
  -metadata artist="アーティスト" \
  -metadata album="アルバム名" \
  -metadata year="2026" \
  -metadata track="1/10" \
  -metadata genre="ポップス" \
  output.mp3

ジャケット画像の追加

MP3ファイルにジャケット画像を埋め込むと、プレーヤーでアルバムジャケットを表示できます:

ffmpeg -i input.mp4 -i cover.jpg -c:a libmp3lame -q:a 2 \
  -c:v mjpeg -map 0:a -map 1:v \
  -metadata:s:v title="Album cover" \
  -metadata:s:v comment="Cover (front)" \
  output.mp3

一般的なID3タグフィールド

  • title:曲のタイトル
  • artist:アーティスト
  • album:アルバム名
  • album_artist:アルバムアーティスト
  • track:トラック番号、例: "3/12"
  • date:リリース年
  • genre:ジャンル
  • comment:コメント
  • lyrics:歌詞

一括抽出

大量のMP4ファイルから音声を抽出する必要がある場合、手動で1つずつ処理するのは効率が悪すざます。以下にいくつかの一括処理方法を紹介します。

Windowsバッチスクリプト

バッチファイル extract_audio.bat を作成します:

@echo off
for %%i in (*.mp4) do (
    echo Extracting audio from "%%i" ...
    ffmpeg -i "%%i" -c:a libmp3lame -q:a 2 "%%~ni.mp3"
)
echo All done!
pause

Linux/macOSバッチスクリプト

#!/bin/bash
for file in *.mp4; do
    echo "Extracting audio from $file ..."
    ffmpeg -i "$file" -c:a libmp3lame -q:a 2 "${file%.mp4}.mp3"
done
echo "All done!"

動画の一部から音声を抽出

動画中の特定の部分だけの音声を抽出します:

ffmpeg -ss 00:01:30 -t 00:03:00 -i input.mp4 -c:a libmp3lame -q:a 2 output.mp3

-ss は開始時間、-t は継続時間を指定します。

音質比較

多くの人が異なるビットレート間の音質の違いを気にしています。以下に客観的・主観的な比較の目安を示します。

主観的音質評価

大多数の人の聴覚テストに基づく:

  • 320kbps vs ロスレス:約90%の人が違いを区別できない
  • 256kbps vs 320kbps:約95%の人が違いを区別できない
  • 192kbps vs 256kbps:約80%の人が違いを区別できない
  • 128kbps vs 192kbps:約60%の人が違いを聞き分けられる

音質の知覚に影響する要因

  • 再生デバイス:良いヘッドホンやスピーカーほど違いが聞き取りやすい
  • 音楽のジャンル:クラシックや交響曲はポップスより違いが聞き取りやすい
  • 試聴環境:静かな環境は騒がしい環境より違いが聞き取りやすい
  • 個人の聴力:訓練された耳はより敏感

選択の推奨

  • 音楽コレクション:VBR -q:a 0 または 320kbps CBR を推奨
  • 日常の鑑賞:VBR -q:a 2 または 192-256kbps CBR を推奨
  • 音声/ポッドキャスト:128kbps またはそれ以下を推奨
  • ストレージ容量に制限がある場合:VBRモードで、容量に応じて品質レベルを調整

FFmpegコマンド

基本抽出コマンド

最も単純な音声抽出コマンド、デフォルトパラメータを使用:

ffmpeg -i input.mp4 output.mp3

ビットレートを指定したCBRモード

ffmpeg -i input.mp4 -b:a 320k output.mp3

高品質VBRモード

ffmpeg -i input.mp4 -c:a libmp3lame -q:a 2 output.mp3

指定した音声トラックの抽出

動画に複数の音声トラックがある場合、そのうちの1つを選択します:

ffmpeg -i input.mp4 -map 0:a:1 -c:a libmp3lame -q:a 2 output.mp3

0:a:1 は最初のファイルの2番目の音声ストリームを示します(インデックスは0から始まります)。

まとめ

MP4→MP3変換は最も一般的な音声処理のニーズの1つです。適切なビットレートとエンコードモードを選択することで、音質とファイルサイズの最適なバランスを見つけることができます。VBRモードは通常、同じファイルサイズでより良い音質を提供するため、最良の選択肢です。

FFmpegをインストールしたり複雑なコマンドを覚えたくない場合は、当社の MP4→MP3オンラインツール をご利用ください。ブラウザで動画ファイルをアップロードし、適切な品質パラメータを選択するだけで、ワンクリックで音声を抽出できます。

関連記事

その他の役立つ記事とツール

音声をすぐに抽出したいですか?

当社の無料MP4→MP3オンラインツールをご利用ください。ソフトウェアのインストール不要で、ブラウザで高品質な音声を抽出できます

今すぐ体験 ➡