ゼロさんの音ずれ補正ソフト応援サイト！？

民生ＤＶ（アンロックドオーディオ）機からのDVキャプチャにおける音ずれについて

デジタルビデオ（DV）が開発されてPCにDVデータがそのままキャプチャ出来るような時代になり、
１と０の世界でなぜにずれが存在するかと不思議に思われる方も多数いらっしゃると思います。
しかしながら、民生DVデッキ（アンロックドオーディオ）は記録こそデジタルですが、そのデジタルデータにある範囲のばらつきを認めてることが、PCにキャプチャした場合に音ずれとして現れてきてしまいます。
そこでそのずれが生じないようにデジタルデータを厳密に規格化されてるのが、DVCAM等の上位規格（ロックドオーディオ）となります。

DV-NTSC（SD）には音声サンプリング数として48KHzと44.1KHz、32KHzがありますがここでは話を簡単にするために48KHzの場合だけを取り上げます。

NTSCの１秒間のフレームレート29.97、音声サンプリング数48KHzというのは一般的に29.97フレーム、48000サンプルというのが基準です。
しかしながらこれは整数値で割り切れないためにカノープスの編集ソフト上では30フレームで48048サンプルという扱いになってます。
これはずばりDVCAM（ロックドオーディオ）のサンプル数と一致します。

そこで、
地上波（標準信号）をNV-DM1で録画した物をカノープスのDVキャプチャボードDVRaptorにて参照形式でキャプチャし、
そのAVIファイルを、ゼロさん作成の音ずれ補正ソフトでAVI情報を見ると、
---------------------------------------------
総フレーム数 = 3000 : 総サンプル数 = 4804688
サンプル数 = 48047 : サブチャンク数（累計） = 86
サンプル数 = 48046 : サブチャンク数（累計） = 13
サンプル数 = 48048 : サブチャンク数（累計） = 1

0:00:00:00 : 00000da0( 0002fc64 ) -- 48047
0:00:01:00 : 00030204( 0005f0c8 ) -- 48047
0:00:02:00 : 0005f668( 0008e52c ) -- 48047
0:00:03:00 : 0008eacc( 000bd990 ) -- 48047
0:00:04:00 : 000bdf30( 000ecdf4 ) -- 48047
0:00:05:00 : 000ed394( 0011c258 ) -- 48047
0:00:06:00 : 0011c7f8( 0014b6b8 ) -- 48046
0:00:07:00 : 0014bc58( 0017ab1c ) -- 48047
0:00:08:00 : 0017b0bc( 001a9f80 ) -- 48047
0:00:09:00 : 001aa520( 001d93e4 ) -- 48047
0:00:10:00 : 001d9984( 00208848 ) -- 48047
　　　　　　　　　　・
　　　　　　　　　　・
　　　　　　　　　　・
0:01:32:02 : 010fe164( 0112d028 ) -- 48047
0:01:33:02 : 0112d5c8( 0115c48c ) -- 48047
0:01:34:02 : 0115ca2c( 0118b8f0 ) -- 48047
0:01:35:02 : 0118be90( 011bad54 ) -- 48047
0:01:36:02 : 011bb2f4( 011ea1b4 ) -- 48046
0:01:37:02 : 011ea754( 0121961c ) -- 48048
0:01:38:02 : 01219bbc( 01248a7c ) -- 48046
0:01:39:02 : 0124901c( 01277ee0 ) -- 48047
---------------------------------------------
以上のようなAVIの情報が出力されます。

これはAVIファイルが30フレームを１サブチャンクとしてオーディオデータを格納してることを示していますが、その１サブチャンクに含まれるオーディオサンプル数がばらついているのがわかると思います。

キャプチャされたAVIの構造をよく見てみると、(バイナリレベルで見ないとわからないですが(^^；
AVIの映像部分にはDVストリームがそのままキャプチャされ、AVIの音声部分にはDVストリームから抜き出した音声データを30フレーム（サブチャンク）単位で順に格納していることがわかります。
サブチャンクに含まれるサンプル数が民生DVでのサンプル数変動を表してるのですが、この情報は通常AVIの読み出しでは全然考慮されませんので、AVI先頭からの連続データとして扱われます。
このときに音ずれとなって露呈してしまうわけです。
NV-DM1以外でも民生DV（アンロックドオーディオ）ではこのようにサンプル数が一定になりませんので、多かれ少なかれ音ずれが発生することとなります。

上の例は3000フレームのキャプチャをした場合ですが、3000フレームでの音声サンプリング数はカノープスの編集ソフト上では、ぴったし4804800サンプルにならないと映像と音声の長さが一致しません。
ということで、上の例では最後尾にて映像と112サンプル分ずれてることになります。（映像に対して音が112サンプル分早く聞こえる）
112サンプルは112/48048秒のずれですからAVIが短い場合は全く無視できるレベルですが、
このペースでずれていくと30000フレーム（約１6分40秒）ではその10倍、
1112サンプル約0.7フレーム（1112/48048*30)のずれが発生、
300000フレーム（約2時間46分）では7フレームずれてしまうことになります。

ということで、この音ずれを修正するには
本来は48048サンプルでならないところが、アンロックドオーディオにより過不足が生じてしまったサンプル数を48048に補正してしまえばよいということになります。
それをソフト的に修正するのが、ゼロさん作成の音ずれ補正ソフトです。
上のDM1でキャプチャされたファイルは48047サンプルのフレームが多数存在しますが
これを48047→48048と変換（現行はリサンプリングではなくサンプルデータの捏造、及び補間）すると映像と音声の同期がとれた状態となります。
（厳密には、ＤＶでは映像と音声の同期情報はありませんが、DVストリーム上の同期状態と同様になるということです）
早い話、ソフトウェアで、アンロックドオーディオ→ロックドオーディオ変換をしてるということになるかと思います。


この例は、先のキャプチャした物をそのままNV-DM1に書きだし、再度DVキャプチャしたものの結果です。
---------------------------------------------
総フレーム数 = 3000 : 総サンプル数 = 4804800
サンプル数 = 48048 : サブチャンク数（累計） = 100

0:00:00:00 : 00000da0( 0002fc64 ) -- 48048
0:00:01:00 : 00030204( 0005f0c8 ) -- 48048
0:00:02:00 : 0005f668( 0008e52c ) -- 48048
0:00:03:00 : 0008eacc( 000bd990 ) -- 48048
0:00:04:00 : 000bdf30( 000ecdf4 ) -- 48048
0:00:05:00 : 000ed394( 0011c258 ) -- 48048
0:00:06:00 : 0011c7f8( 0014b6b8 ) -- 48048
0:00:07:00 : 0014bc58( 0017ab1c ) -- 48048
0:00:08:00 : 0017b0bc( 001a9f80 ) -- 48048
0:00:09:00 : 001aa520( 001d93e4 ) -- 48048
0:00:10:00 : 001d9984( 00208848 ) -- 48048
　　　　　　　　　　・
　　　　　　　　　　・
　　　　　　　　　　・
0:01:32:02 : 010fe164( 0112d028 ) -- 48048
0:01:33:02 : 0112d5c8( 0115c48c ) -- 48048
0:01:34:02 : 0115ca2c( 0118b8f0 ) -- 48048
0:01:35:02 : 0118be90( 011bad54 ) -- 48048
0:01:36:02 : 011bb2f4( 011ea1b4 ) -- 48048
0:01:37:02 : 011ea754( 0121961c ) -- 48048
0:01:38:02 : 01219bbc( 01248a7c ) -- 48048
0:01:39:02 : 0124901c( 01277ee0 ) -- 48048
---------------------------------------------
まるでDVCAM（ロックドオーディオ）からキャプチャしたかのように音声サンプリング数が48048で揃ってます。
しかし、ここで問題が発生します。
書きだしたファイルは最初のキャプチャした状態より112サンプル増えて4804800ピッタリになってますが、
ファイル後半部分は112サンプルの無音状態となります。
つまり、音声データは先頭に詰まった状態になって、後部の足りない部分を無音で埋めたという形になります。
（音声サンプリング数が多い場合はカットされます）
AVI上での扱い（先頭からの連続データ）のままDVストリームに再構築されて書き出されてることが確認できます。
こういう場合も音ずれのない状態で書き出しをしようと思えば、ゼロさん作成の音ずれ補正ソフトで
ロックドオーディオ相当に補正しておく必要があります。

音ずれの発生を簡単なイメージで表すと以下のような感じになります。

（＊注）
上の図では30フレーム=１サブチャンク内の過不足データを最後尾でつじつま合わせをしているように見えますが、実際の補正処理では、１サブチャンクの音声データを”補正するサンプル数＋１”ブロックに分けて、各ブロック（最後のブロックは除く）の最後尾の１サンプルを処理対象とします。
つまり
48047サンプル→48048サンプルに補正の場合は、補正サンプル数は1なので
1〜24023、24024〜48047の2ブロックに分け、24023と24024の間に1サンプル補間して1〜48048の48048サンプルとします。
48046サンプル→48048サンプルに補正の場合は、補正サンプル数は2なので
1〜16015、16016〜32030、32031〜48046の3ブロックに分け、16015と16016の間と、32030と32031の間に1サンプル補間して1〜48048の48048サンプルとします。
逆に
48049サンプル→48048サンプルに補正の場合は、
1〜24024、24025〜48049の2ブロックに分け、24024番目サンプルをカットして1〜48048の48048サンプルとします。
48050サンプル→48048サンプルに補正の場合は、
1〜16015、16016〜32030、32031〜48046の3ブロックに分け、16015、32030サンプルをカットして1〜48048の48048サンプルとします。
補正の最大値は±7000まで可能ですので、相当大きなずれでも問題なく補正可能です。

謎のQ&A

APPENDIX 1

各種民生DV機器のカノープスDVキャプチャ(3000フレーム)によるオーディオサンプリング数の傾向と対策？
（各掲示板でのデータを参考にさせていただいています）

APPENDIX 2

入力信号による差

アンロックドオーディオという名の通り、入力信号のフレームレートの微妙な違いが音声サンプリング数の相違として出ています。
つまり、映像フレームレートと音声サンプリングクロックが完全に別であることがわかります。
これが完全に同期していて一定のサンプル数になるのがロックドオーディオです。

APPENDIX 3

カノープスのＤＶキャプチャの設定の中に
CanonAudio=　
がありますが、これの設定値の変化はどのような挙動をするか、いくつかの設定値でのサンプル数の変化を調べてみました。
NV-DM1から”CanonAudio=”の設定値を変えて書きだしたテープからの再キャプチャ（3000フレーム）における音声サンプル数です。

この設定で音ずれは軽減されるとのことですが、DM1やD800程度のずれでは感知されないようです。

last updated 2001/11/16
by sentaro