動画のビットレート、わかりやすく解説

専門用語なしで考える

動画をフレーム間で何が変化するかの記述だと考えてみてください。ビットレートはその記述に使える、1秒あたりの単語数の予算のようなものです。

エンコーダーに潤沢な予算を与えれば、風に揺れる木の葉の一枚一枚まで描写できます。少ない予算しか与えなければ、単純化せざるを得ません——ピクセルをまとめ、必要以上に長く同じディテールを保持し、速い動きをぼやけさせます。同じ解像度、同じ長さでも、結果はまったく違ってきます。

これが概念のすべてです。あとは、その数値がどこから来て、何がそれを消費するかという話です。

単位については一言触れておく価値があります。よく混同されるからです。ビットレートは1秒あたりのビット数で測られる一方、ファイルサイズはバイトで測られ、1バイトは8ビットです。つまり8 Mbpsの動画は、1秒あたりおよそ1メガバイトのストレージを消費します——これは提示された数値を素早く検算する最良の方法です。8 Mbpsで10分なら約600 MBになり、あるツールがそれと大きくかけ離れた数値を主張しているなら、どちらかの数値が誤っています。

典型的な値と、それが何をもたらすか

プラットフォームの動画は通常、この範囲の下限か、それより下に位置します——一般的な数値が示唆するよりも強く圧縮しているのは、彼らの規模では帯域幅こそが支配的なコストだからです。実際に私たちが10分間の1080p動画を測定したところ69 MBとなり、表よりもかなり小さく、現代のエンコーディングがいかに効率的になったかを示しています。

この範囲は仕様ではなく、あくまで目安と考えてください。重要なのは関係性です。ビットレートを半分にすればファイルサイズもおおよそ半分になり、ある一定の水準を下回ると画質は目に見えて劣化します。

コンテンツがすべてを変える理由

同じビットレートでも、画面上で何が起きているかによってまったく異なる結果になります。これが多くの人を驚かせる部分です。

圧縮は、繰り返しを避けることで機能します。人が話している静止したショットはフレームからフレームへほぼ同一なので、エンコーダーはその差分だけを保存すればよく、その差分はごくわずかです。紙吹雪、雨、群衆、水、森の中で手持ちのカメラ——こうしたものは、すべてのピクセルが毎フレーム変化し、再利用できるものが何もありません。

• 圧縮しやすい: カメラに向かって話す人、スライド、画面録画、フラットな色のアニメーション。
• 圧縮しにくい: スポーツ、ダンス、花火、木の葉、フィルムグレイン、手持ち撮影のもの全般。

これが、1080pで録画された講義が同じ解像度のミュージックビデオのごく一部のサイズしかないことがある理由であり、アーティファクトが目立つのがミュージックビデオである理由でもあります。

可変ビットレートと、なぜ数値が平均値なのか

現代のエンコーディングは均等にデータを使いません。難しい部分ではより多くのデータを使い、簡単な部分では少なくします。だから示されるビットレートは、一定の値ではなく平均値なのです。

これは良いことです——固定の予算では、静止したショットではデータが無駄になり、速いシーンではデータ不足になってしまいます。また、ファイルサイズはビットレートと長さの掛け算で正確に予測できるものではなく、あくまで概算しかできないということでもあります。

これは、よくある観察も説明します。一本の動画の中でも画質は均一ではありません。落ち着いた部分は非常にきれいに見え、混沌としたシーンはより悪く見えます。エンコーダーが最も予算を必要とする場面でちょうど予算が尽きてしまうからです。

ビットレート不足はどう見えるか

症状を見分けられることは、数値そのものを知っているより実用的です。何かを調べなくても目でわかるからです。

ブロックノイズ。 滑らかであるはずの領域——空、壁、影——に平坦な四角形が現れます。エンコーダーの予算が尽き、本来同一ではなかったピクセル群をまとめてしまったのです。

動きのにじみ。 速い動きが残像を残したり、一瞬べったりと崩れたりし、シーンが落ち着くと再びシャープに戻ります。予算が足りないシーンに直面した可変ビットレートの典型的な挙動です。

バンディング（帯状ノイズ）。 グラデーション——夕焼けやスタジオの背景など——が滑らかな変化ではなく目に見える縞模様に分解されます。色調の間の段階を描写するのに十分なデータがないのです。

現れたり消えたりするディテール。 あるショットでは読める文字や細かいテクスチャーが、次のショットではぼやけてしまいます。周囲の動きが予算を消費したためです。

これら4つはすべて圧縮によるアーティファクトであり、動画が何度も繰り返しエンコードされるほど、いずれも悪化します。ダウンロードしたファイルでこれらを見たからといって、それ自体があるツールが画質を落としたことを意味するわけではありません——プラットフォーム自体のバージョンも同じように見えるかもしれず、両方を比較することだけが確実に知る唯一の方法です。

ビットレートが重要になる場合とならない場合

実用的な言い換えです。この概念は決定を変えるときにしか役立ちません。

重要になるのは: 画質を選んでいてサイズが解像度に比例していないとき；正しい解像度なのにダウンロードしたものが予想より悪く見えるとき；何かを再エンコードして設定を選んでいるとき。

重要でないのは: スマホで見るための画質を選んでいるとき——画面サイズの方が支配的だからです；コンテンツが単純で、低いビットレートでも問題なく見えるとき；プラットフォーム自体のバージョンをダウンロードするとき——そのプラットフォームが選んだビットレートをそのまま受け取ることになるからです。

最後の点は、ほとんどの人にとってこの概念の実用的な限界です。プラットフォームに特定のビットレートを要求することはできません。解像度を選べば、ビットレートはそれに付いてきます——実測されたサイズが理論より役立つのはそのためです。

音声にもビットレートがあり、同じ仕組みで働く

この概念はそのまま音声にも当てはまり、数値がより小さく、多くの人がすでに直感的に理解している尺度になります。

音声のビットレートはメガビットではなくキロビット毎秒で測られ、プラットフォームの音声は通常128から192 kbpsの間です。トレードオフは同じです——データが多いほど音のより忠実な描写になり、ある一点を超えると通常の機材では誰も違いを聞き分けられなくなります。

違うのは、それがファイル全体に占める割合です。動画の中で音声は全体のごく一部——数十メガバイトに対して数メガバイト程度——にすぎません。だから音だけが必要なときに音声のみを選ぶと、ダウンロードサイズはパーセント単位ではなく桁単位で小さくなります。

これは画質の段階についても何かを説明しています。音声トラックは一度だけ保存されすべての解像度で共有されるため、360pでも1080pでも音は同じです。変わるのは映像だけです——実際には聴くことが目的の動画で、つい高い画質を選びたくなるときに知っておく価値があります。

ビットレート対コーデック対解像度

常に混同される3つの数値。それぞれ役割が異なります。

優れたコーデックは、より低いビットレートで同じ画質を実現します——これが«より効率的»という意味です。だからこそ、新しいコーデックを使った1080pファイルが、古いコーデックを使った720pファイルより小さいことがあります。これは間違いのように見えますが違います（この比較で扱っています）。

したがって高解像度で低ビットレートというのは最悪の組み合わせです。ピクセルが多いのにそれを描写するデータが不足していて、印象的なラベルにもかかわらずブロックノイズの目立つ映像になります。これはまさにアップスケールされた動画の実態であり、まさに本来4Kではなかったソースから«4K»を作った場合に起きることです。

逆の組み合わせは過小評価されています。控えめな解像度に十分なビットレートを組み合わせると、本当に良く見えます。よくエンコードされた720pファイルは、ビットレート不足の1080pファイルをどの画面でも上回ります。二つの選択肢の間で比較できるのがラベルしかないとき、これは覚えておく価値があります。