スマホの音声を高音質で取得する方法｜1411kbpsと6144kbpsの違い、画面録画・WAV抽出・録音品質の考え方

スマホゲームや動画から音声素材を取り出して編集する場合、「WAVで保存すれば高音質になる」「ビットレートを上げれば元音源より良くなる」と考えがちですが、実際には最終的な音質は、元の音源がどの品質で収録・圧縮されているかによって上限が決まります。

例えば、スマホの画面録画から取り出した音声をAdobe AuditionでWAVへ変換し、1411kbpsと表示されていても、それは必ずしも「元のゲーム音声が1411kbpsの情報量を持っている」という意味ではありません。圧縮済み音声を非圧縮WAVへ変換すると、ファイル上のビットレートは高くなっても、失われた情報が復元されるわけではないためです。

一方、アニメ映像から抽出した音声が6144kbpsと表示される場合は、サンプリング周波数やビット深度、チャンネル数の違いが影響している可能性があります。この記事では、スマホ音声をできるだけ劣化させずに取得する方法と、1411kbps・6144kbpsという数字の意味をわかりやすく整理します。

まず知っておきたい「1411kbps」と「6144kbps」の正体

WAVやPCM音声のビットレートは、一般に「サンプリング周波数 × ビット深度 × チャンネル数」で決まります。

例えばCD相当のPCM音声でよく使われる44.1kHz・16bit・ステレオなら、44,100 × 16 × 2 = 1,411,200bps、つまり約1411kbpsになります。

一方、96kHz・32bit・ステレオなら、96,000 × 32 × 2 = 6,144,000bps、つまり6144kbpsになります。つまり6144kbpsという数字は、必ずしも元音源そのものが1411kbpsの約4倍きれいという意味ではなく、PCMとして保存したときのサンプル数・ビット深度・チャンネル数が多いことを示しているだけの場合があります。

ビットレートを上げても元音源より高音質にはならない

ここが最も重要なポイントです。例えばゲームアプリ内の音声がAACやOpusなどの圧縮形式で、実際には256kbpsや128kbps程度で保存・再生されているとします。

その音声を画面録画し、Auditionで96kHz・32bitのWAVへ変換すれば、表示上は6144kbpsにできます。しかし、圧縮時に失われた高域や細かな情報は戻りません。

WAVのビットレートを上げることは「大きな容器へ移す」ことに近く、元の中身そのものを増やすことではありません。そのため、1411kbpsの素材を6144kbpsへ変換しても、音質改善そのものはほぼ期待できません。

画面録画の時点で音声が圧縮されることがある

スマホの画面録画では、映像と音声を動画ファイルへまとめて保存します。その際、音声はAACなどの圧縮形式で記録されることが一般的です。

この場合、Auditionで動画からWAVを抽出しても、元になるのは画面録画ファイル内の圧縮済み音声です。WAVへ変換したことで追加劣化は防げても、録画時に圧縮された情報を取り戻すことはできません。

したがって、画面録画を使う場合は「録画後にWAVへする」より、画面録画アプリ・OS側で可能な限り高品質の内部音声記録設定を使うことのほうが重要です。

スマホ内部音声をデジタルのまま取得するのが理想

音質を優先する場合、スマホのスピーカーから出した音をマイクで録音するより、内部音声をデジタルのまま記録する方法が有利です。

Androidでは機種やOSバージョンによって、画面録画時に「デバイスの音声」「内部音声」などを選択できます。iPhoneでも画面収録によってアプリ音声を記録できる場合があります。

内部録音が利用できるなら、外部マイクを介さないため、部屋の反響、スピーカー特性、マイクノイズなどの影響を受けません。音MAD用の素材収集では、まず内部音声記録を優先するとよいでしょう。

USBやデジタル出力を使えば画面録画より良い場合もある

一部の環境では、スマホのUSB-CやLightning経由でデジタルオーディオをPCへ送れる場合があります。対応機器やアプリを使えば、スマホから出力された音声をPC側で直接録音できます。

この方法では、スマホの画面録画に含まれる動画圧縮処理を避けられる可能性があります。ただし、アプリ内部で再生される音声そのものが圧縮済みであれば、その品質を超えることはできません。

また、機種・OS・アプリによってはデジタル音声出力や録音が制限される場合があります。ゲームによっては著作権保護や録画制限が設定されていることもあります。

外部オーディオインターフェースを使う方法

スマホからアナログ音声を出力できる場合、オーディオインターフェースを使ってPCへ録音する方法もあります。

例えばスマホのヘッドホン出力やUSBオーディオ出力をオーディオインターフェースへ接続し、Auditionなどで24bit・48kHzや24bit・96kHzで録音します。

ただしアナログ経由の場合、D/A変換とA/D変換を挟むため、理論上はデジタル内部録音より不利です。高品質なインターフェースを使えば十分良い結果は得られますが、「元データをそのまま取り出す」方法ではありません。

96kHz・32bitで録音すれば必ず音が良くなるわけではない

録音設定として96kHz・32bitを選べば、保存されるPCMデータ量は増えます。しかし、スマホから出てくる音声が48kHz・16bit相当なら、それ以上の設定にしても新しい音声情報が増えるわけではありません。

例えば元音源が44.1kHzで帯域が約20kHzまでしかない場合、96kHzへアップサンプリングしても20kHzより上の本来存在しなかった音が復活することはありません。

編集用途では24bitや32bit floatに変換しておくと、エフェクト処理や音量調整時の余裕が増えるというメリットはあります。しかし、それは「元音源の解像度が上がる」という意味とは異なります。

音MAD制作ではビット深度より編集余裕を重視するとよい

音MADでは、音量変更、ピッチ変更、タイムストレッチ、EQ、コンプレッサーなど多くの加工を行います。

そのため編集セッションは32bit floatで扱うと、クリッピングや演算誤差への余裕が大きくなります。Adobe Auditionでも32bit floatで編集できます。

ただし、素材の元音質そのものが向上するわけではありません。あくまで編集工程での劣化や破綻を減らしやすくするための設定です。

アニメ音声が6144kbpsでも実際の音質差は別要因かもしれない

アニメから抽出した音声が6144kbpsだった場合、96kHz・32bitステレオなどのPCMとして格納されている可能性があります。

しかし、聞き比べたときにアニメ側が明らかに良く聞こえる理由は、ビットレートの数字だけとは限りません。アニメ作品では、収録スタジオ、マイク、ミックス、マスタリング、ダイナミックレンジなど制作段階そのものが高品質であることがあります。

一方、スマホゲームでは端末容量や通信量を抑えるため、音声データを圧縮して収録していることがあります。この違いが実際の聴感差として現れている可能性があります。

ゲームアプリの音声は内部データの時点で圧縮されていることが多い

スマホゲームでは、数千種類のボイスを収録することがあります。そのすべてを非圧縮PCMで保持するとアプリ容量が非常に大きくなるため、AAC、Vorbis、Opusなどの圧縮音声が使われることがあります。

この場合、スマホから再生された時点ですでに圧縮音源です。そのため、どれだけ高性能な録音機器を使っても、元の圧縮データ以上の情報を新しく取得することはできません。

高音質化を目指すなら、「再生音を高ビットレートで録音する」よりも、可能であればアプリが元々持っている音声ファイルに近い形で取得することが理論上は最も有利です。

アプリ内部ファイルの直接取得には注意が必要

ゲームアプリの内部音声ファイルを直接取り出せれば、画面録画による再圧縮を避けられる可能性があります。

ただし、アプリのファイルを解析・抽出する行為は、利用規約や著作権、アクセス制御の回避などに関わる場合があります。そのため、利用規約や権利関係を確認せずに内部データを取得することはおすすめできません。

特に暗号化やアクセス制御を解除してファイルを取り出すような行為は問題になる可能性があるため、通常の画面録画や公式に許可された出力方法を使うほうが安全です。

画面録画素材を使うなら再エンコード回数を減らす

現在の方法を続ける場合、画面録画した動画を何度も動画形式へ変換し、その後WAVへするような工程は避けたほうがよいでしょう。

画面録画で作成された元動画をそのままAuditionやPremiereなどへ読み込み、一度だけPCM WAVへ書き出します。その後の編集はWAVで行います。

途中でAAC→MP3→AAC→WAVのように非可逆圧縮を繰り返すと、世代ごとに劣化が積み重なる可能性があります。

WAV抽出時のおすすめ設定

元動画から音MAD用の素材をWAVへ変換する場合、48kHz・24bitまたは48kHz・32bit float程度で保存しておけば編集用途として十分扱いやすいでしょう。

元音源が44.1kHzの場合は44.1kHzを維持しても問題ありません。映像編集と組み合わせる場合は48kHzが一般的です。

重要なのは、6144kbpsという数字を目標にすることではなく、元音源を余計に劣化させない設定を選ぶことです。

1411kbpsのWAVは「低音質」ではない

1411kbpsという数字を見ると6144kbpsよりかなり低く感じますが、1411kbpsは44.1kHz・16bit・ステレオPCM、つまりCD相当の非圧縮音声です。

人間の可聴帯域や一般的な視聴環境を考えると、適切に収録された16bit・44.1kHz PCMは十分高品質です。

それにもかかわらず音質差を感じる場合は、ビットレートよりも元音源の圧縮方式、マスタリング、ノイズ、周波数帯域などを疑ったほうがよいでしょう。

スペクトル表示で本当の情報量を確認できる

Adobe Auditionにはスペクトル周波数表示があります。これを使うと、音声にどの周波数帯域まで情報が含まれているか視覚的に確認できます。

例えば、6144kbpsのWAVでも高域が16kHz付近で急に切れていれば、元音源が圧縮されていた可能性があります。一方、1411kbpsでも20kHz付近まで自然に成分が残っていれば、十分高品質な素材かもしれません。

ファイルのビットレート表示だけではなく、スペクトルと実際の聴感を確認することが高音質素材を見極める近道です。

「アップサンプリング」と「高音質化」は別物

44.1kHzの音声を96kHzへ変換する処理をアップサンプリングと呼びます。

この処理によって編集ソフト内での処理条件を揃えたり、一部のエフェクト処理でメリットが出る場合はあります。しかし、元の44.1kHz音声に存在しなかった高周波情報が復元されるわけではありません。

同じように16bitを32bitへ変換しても、元の量子化精度が本当の意味で32bit相当に増えるわけではありません。

AI高音質化やノイズ除去は使い方次第

近年はAIを使ってノイズ除去、音声強調、帯域補完などを行うツールもあります。

こうした処理で「聞きやすさ」が改善することはありますが、元音声を完全に復元しているわけではありません。AIが推測した成分を加えるため、キャラクターの声質が変わったり、不自然な高域が発生したりする場合があります。

音MADの素材では、元のキャラクターボイスの質感を維持したいことが多いため、強いAI補正より軽いEQやノイズ処理のほうが扱いやすい場合があります。

Bluetooth経由の録音は音質重視なら避けたい

スマホからBluetoothで音声を飛ばしてPC側で録音する方法は便利ですが、Bluetoothではコーデックによる圧縮が入る場合があります。

SBC、AACなどを経由すると、元音源にさらに非可逆圧縮が加わる可能性があります。

素材収集の音質を優先するなら、内部録音、USBなどのデジタル接続、有線接続の順で検討するほうが一般的です。

スピーカーからマイクで録る方法は最も条件に左右される

スマホのスピーカーから流した音をマイクで録音すると、スピーカーの周波数特性、部屋の反響、周囲の騒音、マイクの性能など多くの要素が加わります。

そのため、キャラクターボイスを素材として加工したい場合には通常あまり向きません。

どうしても内部録音できない場合の代替手段としては利用できますが、録音環境をかなり整える必要があります。

モノラル音声ならステレオ6144kbpsにしても意味は薄い

キャラクターのセリフは、元データがモノラルで収録されている場合もあります。

モノラル素材をステレオへ変換するとファイルサイズや表示ビットレートは増えますが、左右に同じ音を複製しているだけなら新しい情報は増えません。

素材のチャンネル構成も確認し、必要以上にチャンネル数を増やさないほうがファイル管理はしやすくなります。

アニメの6144kbps音声も必ずしも「原音」ではない

アニメ映像から取り出した6144kbpsの音声についても、それが配信やBlu-rayなどのデコード後PCMである可能性があります。

例えば元の音声がDolby TrueHD、DTS-HD MA、FLACなどのロスレス音声であれば高品質ですが、AACなどの圧縮音声を96kHz・32bit PCMへデコードしただけでも表示上は6144kbpsになる場合があります。

したがって、比較するときは「WAVとして何kbpsか」ではなく、抽出元の音声コーデック、サンプリング周波数、ビット深度、元ソースを確認することが重要です。

音質差を確認するなら音量を揃えて比較する

人間は、少し音量が大きい音を「高音質」と感じやすい傾向があります。そのため、1411kbps素材と6144kbps素材を比較するときは音量差にも注意します。

Auditionなどでラウドネスを近づけてからA/B比較すると、音圧ではなく実際の音質差を判断しやすくなります。

特にアニメ音声はマスタリングで音圧やEQが整えられていることが多いため、その違いがビットレート差のように聞こえる場合があります。

おすすめの実用的な収録フロー

スマホゲームのセリフをできるだけ劣化させずに音MAD素材へする場合、次のような流れが現実的です。

1. スマホの内部音声録画を利用する
2. 画面録画の品質設定を可能な限り高くする
3. 録画した元ファイルを再圧縮せずPCへ転送する
4. Auditionへ直接読み込む
5. 48kHz・24bitまたは32bit floatのWAVとして一度だけ書き出す
6. 以降の編集は非圧縮WAVで行う
7. 必要に応じてスペクトルで帯域を確認する
8. 最終書き出し時だけ用途に応じた形式へ変換する

この方法なら、少なくとも画面録画後の不要な再圧縮による劣化を抑えられます。

元音源以上の品質が必要なら公式の高品質音源が最善

理論上もっとも高音質なのは、ゲーム会社や作品側が公式に提供している音声データ、サウンドトラック、ボイス集などがある場合に、それを利用することです。

公式配布されているロスレス音源があれば、スマホ再生を録音するより高品質な可能性があります。

ただし、公開・二次利用する場合は著作権や利用規約を確認する必要があります。音MADとして公開する場合も、素材の権利処理や投稿先のルールを確認しておくことが重要です。

6144kbpsに変換すること自体はできる

Auditionなどで96kHz・32bit・ステレオPCMとして書き出せば、表示上6144kbpsのWAVを作ること自体は可能です。

しかし、それはファイル形式上のビットレートを6144kbpsにしているだけであり、元の1411kbps相当の情報を4倍に増やしたわけではありません。

そのため「6144kbpsにする方法」より「録音前の段階でどれだけ高品質な音源を確保できるか」を重視するほうが効果的です。

まとめ：6144kbpsを目標にするより元音源を劣化させず取得することが重要

スマホから流れる音声を高音質で取得したい場合、まず理解しておきたいのは、保存後のWAVビットレートを高くしても、元音源に存在しない情報は増えないという点です。

1411kbpsは44.1kHz・16bit・ステレオPCMに相当し、十分高品質な形式です。一方、6144kbpsは例えば96kHz・32bit・ステレオPCMで生じる数値ですが、数字が約4倍だから音質も4倍という意味ではありません。

ゲーム音声とアニメ音声の差が聞こえる場合は、WAVのビットレートより、元の音声コーデック、圧縮率、収録・ミックス品質、周波数帯域の違いが原因である可能性が高いです。

現在の画面録画方式を使う場合は、スマホ内部音声を最高品質設定で録画し、元動画を再圧縮せずAuditionへ直接読み込み、以後は24bitまたは32bit floatのWAVで編集する方法が実用的です。

6144kbpsのWAVへ変換すること自体はできますが、それだけで高音質化するわけではありません。音MADの素材収集では、数値上のビットレートを大きくすることより、最初の取得段階で余計な圧縮・アナログ変換をできるだけ避けることが最も重要です。