MP3の音声カットの誤差を解消、ミリ秒単位で精密に切る方法

目次
オーディオ編集ソフトで開始時間と終了時間を0.01秒単位で正確に入力したのに、いざ切り出したMP3ファイルを再生してみると、狙ったボーカルの最初の音節が少し欠けていたり、冒頭に不要な無音が0.1秒残ってガクついたりした経験はありませんか。
数字を間違えたわけでもないのにこうした誤差が起きるのは、MP3やAACのような圧縮オーディオが「固定フレームブロック(約26ms単位)」でまとめて保存される、ファイル構造上の特性によるものです。
オーディオカットにおける単純なストリームコピーと高精度なデコード・再エンコードの違い、「カチッ」というポップノイズを消すゼロクロッシング(Zero-crossing)の原理、そしてブラウザのローカル環境で0.001秒単位で正確にカットする実践テクニックをまとめました。
要点まとめ ① MP3フレームの限界: MP3は1152個のサンプル(約26.1ms)を1ブロックとして圧縮するため、ストリームコピー方式ではブロック境界以外の時間を精密にカットできず、ずれが生じます。 ② 超高精度デコードカット: 狙った地点を誤差なくカットするには、圧縮を完全に解凍してPCMのアナログ波形の状態でカットし、あらためてエンコードする必要があります。 ③ ティック/ポップノイズ防止: 波形が0Vでない地点から音が突然始まるとスピーカーの振動板が衝撃を受けて「カチッ」という音が出るため、0.05秒のフェードイン/フェードアウト処理が欠かせません。 ④ 100%クライアント側で安全: 本ツールはWebAssemblyのオーディオエンジンにより、サーバーへのアップロードなしでブラウザ内だけですぐに192kbpsの高音質MP3へ再エンコードします。
圧縮オーディオは「ブロック(フレーム)」単位で保存される
MP3やAACのような非可逆圧縮フォーマットは、音を1ミリ秒単位で細かく記録しているわけではありません。 標準的な44.1kHzの音源では、1152個のオーディオサンプル(約0.02612秒 = 26.12ms)を1つのフレーム(Frame)というかたまりにまとめ、離散コサイン変換(MDCT)による圧縮を行います。
そのため「1分30.05秒」から切りたいと思っても、その時点がフレームの途中にまたがっている場合、フレーム単位でしかカットしない旧来のプログラムでは、そのフレームをまるごと含めるか捨てるしかなく、実際の再生位置が最大で数十ミリ秒前後にずれる誤差が生じます。
単純な「ストリームコピー」と「PCMデコード・再エンコード」
1. 単純なストリームコピー(Stream Copy)
- 方式: 圧縮を解かずに、ファイルのバイナリフレームをそのまま切り貼りしてつなげる。
- メリット: 演算が不要なため0.1秒で保存できる。
- デメリット: フレーム境界(26ms)単位でしか切れず、精密なタイミングでのカットは不可能。曲の冒頭にシンクずれが生じる。
2. PCMデコード後の高精度再エンコード(本ツールの動作方式)
- 方式: 圧縮されたMP3/WAVを44,100Hzの非圧縮連続波形(PCM)に完全に解凍したうえで、ユーザーが指定した正確なミリ秒の時点でカットし、高音質LAME MP3(192kbps)へ再エンコードする。
- メリット: 0.001秒(1ms)単位のピンポイントカットが可能で、開始と終了には滑らかなアンチクリック処理が適用される。
無料・インストール不要。開始と終了の時間を入力するだけで、1秒でミリ秒単位の精密な音声カットができます。

核心となる技術メカニズム: ゼロクロッシング(Zero-crossing)とサンプル単位の時間演算
オーディオ信号処理(DSP)エンジンが、音を歪ませずに波形を切断する数学的な原理を解説します。
1. サンプルレートに基づく精密位置の公式
- 44,100Hz(1秒間に44,100個のサンプル)の音源で、T秒地点の正確なサンプルインデックスS: S = ⌊ T × 44,100 ⌋
- サンプル1個分の時間分解能: 1/44,100 ≈ 0.00002268seconds = 0.02268ms
- したがってPCMデコード方式なら、約0.02ms(マイクロ秒レベル)という極めて精密な切断位置を制御できます。
2. ゼロクロッシングポイントとティックノイズの除去
- オーディオ波形は中心線(0Vの電圧)を基準に、プラス(+)とマイナス(−)の振幅を行き来します。
- 振幅がピーク(+1.0V)にあるときに音を突然切ると、スピーカーのコイルに急激な直流電圧の断絶が起こり、耳障りな「ティック(Tick)」ポップノイズが出ます。
- 解決アルゴリズム: 切断点の直前で波形がちょうど0点を通過する地点(ゼロクロッシング)を探すか、開始と終了の5〜10ms区間にコサインのフェードカーブ(Fade In/Out)を掛けて振幅を滑らかに0へ収束させます。
オーディオカット方式別の技術比較マトリクス
| 比較項目 | 単純なストリームコピー(Stream Copy) | PCMデコード後の再エンコード(本ツール) | プロ向けDAWツール(Cubase/Logic) |
|---|---|---|---|
| 時間分解能 | フレーム単位(約26msの誤差) | ミリ秒単位(約0.02msの精度) | サンプル単位(0.02ms以下) |
| 最初の音節が欠けるリスク | 非常に高い(ブロック途中では切断不可) | なし(狙った地点でカット) | なし |
| クリック/ティックノイズ防止 | 不可(元の波形のまま切断) | アンチクリックフェードを自動適用 | フェードカーブを手動調整 |
| 処理速度 | 即時(0.1秒) | 非常に速い(WebAssemblyで1〜2秒) | ソフトの起動とレンダリングに数分 |
| インストールと手軽さ | 専用ソフトが別途必要 | Webブラウザですぐ無料で実行 | 数十万ウォン台の有料ソフトウェア |
オーディオの区間カットでよくある5つの失敗
- 時間を整数秒(例: 1分30秒)単位でざっくり入力してしまう: 0.1秒〜0.01秒単位の微調整をしないため、ボーカルの息遣いや最初のドラムのビートが切れてしまう。
- 開始地点にマイクロフェードをかけない: 波形の途中から再生が始まってしまい、スピーカーポップノイズが鳴る現象。
- 容量の大きいWAV/M4Aファイルを可逆圧縮なしのまま放置: カット後、スマホやカカオトークのようなメッセンジャーアプリで共有できない特殊な形式で書き出してしまう。
- 終了地点の残響(Reverb Tail)をばっさり切る: 楽器の響きが完全に消える前に音を止めてしまい、不自然にプツッと途切れる。
- サーバーアップロード方式のサイトに個人の音声をアップ: 通話録音や未公開音源をサーバーに上げてしまい、個人情報漏えいのリスクにさらされる。
完璧なオーディオカットの5ステップ実践ワークフロー
- ステップ1(音源ファイルのアップロード): MP3、WAV、M4A、AAC、OGGの音源を本ツールにドラッグして読み込みます。
- ステップ2(開始/終了時間の精密な探索): オーディオプレーヤーを再生しながら、狙った区間の開始分:秒(例: 01:23.50)と終了地点を探します。
- ステップ3(時間の入力と区間の試聴): 開始時間と終了時間をミリ秒単位で入力し、カットボタンを押します。
- ステップ4(結果画面のオーディオプレーヤーで試聴): 切り出した音声をプレーヤーで再生し、最初の音節がきれいに出ているか、終わりが滑らかに終わるかを確認します。
- ステップ5(192kbpsの高音質MP3をダウンロード): 標準互換性が完璧な高音質MP3ファイルとしてすぐにダウンロードし、着信音や動画に埋め込みます。
オーディオカットの7つのコツ
- 開始地点は0.1秒手前に設定: ボーカルや楽器の最初のアタック音の直前にある自然な吸気音(息遣い)を0.05〜0.1秒含めると、ぐっと耳あたりがよくなります。
- 終了地点には0.5秒のリバーブ余韻を確保: 最後の音が響ききって余韻が空気中に完全に消えるまで、0.5秒余分に残しておきましょう。
- iPhoneの着信音(M4R)作成のコツ: 本ツールでカットした30秒以内のMP3をダウンロードし、拡張子だけを.m4rに変更(またはiTunesで変換)して使います。
- BGMの無限ループは小節(Measure)単位でカット: 4拍、8拍の単位で正確に切れば、動画の後ろで無限に繰り返しても違和感がありません。
- 背景ノイズ(ハムノイズ)の区間を除外: 音源の先頭や末尾にあるマイクのハムノイズ区間を切り落とすと、聴感上もっとすっきりします。
- 192kbps LAMEエンコードの標準性: 車載USB、スマートフォン、動画編集ソフトのどこでも、互換性の問題なく元の音のまま再生されます。
- 本ツールをブラウザのブックマークに追加: YouTubeショートのBGMや着信音を作るときも、別のツールをインストールせず30秒で終わらせましょう。
最終判断ツリー:どのカット方法を使うべきか?
- 目的A(スマートフォンの着信音、アラーム音、ボーカルのハイライト抽出) ➔ PCMデコードによる精密カット(最初の音節の保持が必須)
- 目的B(YouTubeショート / リール用のBGMを15〜30秒抽出) ➔ ミリ秒単位のカット&192kbps MP3書き出し
- 目的C(1時間の通話録音から10分だけ切り出す) ➔ Web WebAssemblyによるローカルカット(サーバーへの流出防止)
- 目的D(数十トラックのオーケストラをマルチトラックミックス) ➔ 専用DAWソフトウェア(ProToolsなど)を使用
音声カット&音響編集 主要用語チートシート
- オーディオフレーム(Frame):MP3コーデックで一度に圧縮処理するオーディオサンプルのまとまりの単位(約26ms)。
- PCM(Pulse Code Modulation):アナログの音声信号をデジタルの0と1に変換した非圧縮の生データ。
- ゼロクロッシング(Zero-crossing):交流音響信号の振幅が0Vの中心線を横切る瞬間の地点。
- ポップノイズ(Pop Noise / Click):波形の振幅が急激かつ不連続に途切れたときにスピーカーから発生するノイズ。
よくある質問
開始時間を01:15.5に設定したのに、前後に0.05秒の余裕を設けたほうがよいのはなぜですか?
歌手が最初のフレーズを歌い出す直前の自然なアタック(Attack)の打音や息遣いが切り取られてしまうのを防ぎ、最初の音が滑らかに自然に始まるようにするためです。
カット後に書き出すMP3ファイルの音質は劣化しないのですか?
「音声トリミング(MP3カット)」は業界標準の高性能LAME MP3エンコーダーを搭載しており、放送用の標準音質である192kbps固定ビットレートで再エンコードするため、音質の劣化を人の耳でまったく感じることはありません。
アップロードした曲や個人の録音ファイルはWebサーバーに残りますか?
まったく残りません。すべてのデコード、波形カット、MP3再エンコードの演算は、ユーザーのブラウザのWebAssembly音声エンジンを通じて端末内でローカルに処理されるため、安心してご利用いただけます。
この記事は韓国語の原文をもとに作成しています。 韓国語の原文を読む