iPod、Apple TV、iPhoneのビデオフォーマット完全ガイド

2005年秋、Appleはビデオ機能を備えた第5世代iPodでポータブルビデオ市場に初めて進出しました。このオリジナルの「ビデオiPod」は320×240の画面を搭載し、非常に特定のフォーマットを使用して最大解像度でエンコードされたビデオの再生をサポートしていました。同時に、iTunes StoreはiPodで再生するのに適したこれらのフォーマットのビデオコンテンツを提供し始めました。

iTunes Storeで利用可能なコンテンツが限られており、アメリカ以外での入手が難しいため、多くのiPod所有者は自分のビデオをiPodで視聴するのに適したフォーマットに変換することにすぐに取り組み、多くのユーティリティがこのプロセスを自動化するために利用可能になりました。

翌年には、第5世代iPodのアップグレードが行われ、高解像度のビデオ再生が可能になりました。これに続いて、Apple TVが家庭用エンターテインメントシステムでのビデオコンテンツの再生を提供し、次にiPhoneが登場し、より自然なワイドスクリーンのポータブルビデオ体験を提供しました。

しかし、今日においても、iPod、Apple TV、iPhoneがサポートするビデオフォーマットは、市場で利用可能なフォーマットの数と比較して相対的に限られています。これは、これらのデバイスで視聴したいコンテンツのほとんどが何らかの変換プロセスを必要とすることを意味します。これらの新しいデバイスの登場により、ビデオの視聴とエンコードのための選択肢がさらに複雑になりましたが、これらの変更に伴い、最高の視聴体験のためにビデオをエンコードする方法についての考慮事項も増えました。

後の記事では、iPod、iPhone、またはApple TV用のフォーマットにビデオを変換するための特定のツールやオプション、各々の利点と欠点について見ていきます。しかし、その前に、各デバイスが実際にサポートしているビデオフォーマットについての議論から始めることが重要です。これにより、自分のビデオコンテンツを変換しようとしている人々が、利用可能なオプションや、長いエンコードプロセスを開始する前に使用するのに最適な解像度とフォーマットについて情報に基づいた決定を下すことができます。

Appleのビデオフォーマットの選択

iPod、Apple TV、iPhoneは、MPEG-4またはH.264コーデックを使用してエンコードされたビデオを再生します。これらはオープンスタンダードのビデオフォーマットであり、Appleに特有のものではありませんが、同時にiTunes Storeの外で現在利用可能なビデオコンテンツの広範な部分を表すものではありません。さらに、これはほとんどのビデオ録画デバイス、テレビ録画デバイス、または商業DVDで使用されるビデオ標準を表していません。その結果、Appleに対応したフォーマットで既にエンコードされたビデオコンテンツをiTunes Store以外のどこかから見つけることは難しく、そのため多くのコンテンツは変換する必要があります。

例えば、ほとんどの商業ビデオカメラは、非圧縮デジタルビデオ（「DV」）またはMPEG-2を使用しています。商業DVDもそのフォーマットとしてMPEG-2を使用しています。インターネットからダウンロードされたビデオは、DivX、Windows Media Video（WMV）、QuickTimeなど、さまざまなフォーマットである可能性があります。

Appleがこれらの特定のコーデックを選択した理由は、オープンで確立された標準であり、与えられたファイルサイズに対して非常に高いビデオおよびオーディオ品質を提供するからです。MPEG-4は歴史的にこの点で非常に優れており、H.264コーデックは品質とファイルサイズの効率をさらに向上させています。

予想通り、ポータブルビデオ再生デバイスを開発する際には、品質とサイズの比率が非常に重要です。これは、ポータブルデバイスの限られたストレージに収まるコンテンツの量を最大化するだけでなく、デバイスのバッテリー寿命を最大化するためでもあります。大きなコンテンツは追加の処理能力を必要とする場合があるため、バッテリー寿命が短くなる可能性があります。H.264コーデックは、両方の要件に対応する自然な選択肢であるように見え、Appleが好むビデオフォーマットに使用するための安定したオープンスタンダードを提供しています。

iTunes StoreのコンテンツはH.264コーデックのみを使用しています。自分でエンコードするコンテンツは、H.264またはMPEG-4のいずれかにエンコードできますが、H.264は一般的に与えられたファイルサイズに対してより良い品質を提供しますが、エンコードには時間がかかります。

解像度とビットレート

ビデオ再生と結果として得られるファイルの品質に関する他の2つの重要な考慮事項は、解像度とビットレートです。解像度は、画面画像の寸法を指し、幅のピクセル数と高さのピクセル数（例：「640×480」）で表され、ビットレートは、実際にエンコードされるデータの量を指し、通常はキロビット毎秒またはメガビット毎秒で表されます。これは、AACやMP3などのオーディオフォーマットのビットレートと同じ概念です。

当然ながら、これらの数値が高いほど、結果として得られる画像の品質は良くなります。しかし、これらの要素は一緒に機能します。解像度は特定のフレームで利用可能なピクセル数を指定し、ビットレートはそれらのピクセルを生成するために使用される実際の情報の量を指定します。

あまり技術的な詳細に入らずに言うと、現代のロスのあるビデオ圧縮フォーマットは、実際にはビデオのすべてのフレームのすべてのピクセルをエンコードするのではなく、フレーム間で変化する情報をエンコードすることによって機能します。「参照フレーム」は特定のポイントで取得され、残りのフレームは各フレーム間の変化に基づいて構築されます。

これを概念化するために、プロのゴルファーがパットをするのを見ていると想像してください：ほとんどの風景、木々、空、そしてゴルフコース自体は、パットの間ずっと比較的変わらず、ゴルファーの動きともちろん小さな白いボールがグリーンを転がる動きだけが変化します。

このすべてのフレームをエンコードすると、非常に多くのストレージスペースを占有します（数百の高解像度JPEGファイルに相当します）が、実際にはフレーム間で非常に少ししか変化していません。その結果、各フレームで異なる情報だけを保存する必要があり、これは後で元の参照フレームに適用してスムーズなビデオ再生の動きを構築できます。

要するに、これによりビデオコンテンツのファイルサイズとストレージが大幅に効率化され、実際にはDVDがMPEG-2フォーマットで使用するのと同じ技術です。MPEG-2圧縮がなければ、90分のDVD映画は実際には167GB以上のスペースを占有し、4.7GBのDVDに収まることはありません。

したがって、ビットレートの概念に直接影響を与えるのは、各フレームに対して実際にエンコードされるデータの量ではなく、フレーム間の違いを記録するために利用可能なデータの量です。低ビットレートの高解像度ビデオは、よりぼやけた画像を生成し、高速動作シーケンスで「アーティファクト」（歪み、ブロッキング効果、ギザギザのエッジ）の目に見える兆候を示すことになります。

では、ビデオコンテンツをエンコードするためにどの解像度とビットレートを使用すべきでしょうか？論理的には、常に可能な限り最高の設定を使用すべきだと考えられますが、これは元のコンテンツと、それを視聴するために使用する機器の制限に大きく関係しています。

例えば、iPodの320×240画面でのみビデオコンテンツを視聴するつもりであれば、これらのビデオをそれ以上の解像度に変換するのは明らかにディスクスペースとエンコード時間の無駄です。

さらに、元のソースビデオがすでに小さい解像度である場合、それをより高い解像度やビットレートでエンコードする意味は全くありません。最初から存在しなかった解像度を魔法のように得ることはできません。私たちの経験では、「アップコンバージョン」を約束する消費者向けの変換ツールは、一般的に努力する価値がありません。

同様に、Apple TVが高解像度のビデオ出力（1280 x 720）をサポートしているにもかかわらず、標準解像度のDVDを変換する場合、それらを元の解像度以上にエンコードする意味はありません。

では、Appleのビデオ再生デバイスがサポートする異なる解像度とフォーマットは何でしょうか？以下の表は、サポートされている最大解像度とデバイス自体の出力品質の概要を提供します：

当然、iPodとiPhoneで再生するためのコンテンツをエンコードする場合、これらのデバイスの低解像度設定（640 x 480、1.5 mbps）に従う必要があります。Apple TVの高解像度でエンコードされたコンテンツは、Apple TV以外では再生できません。

上記のiPodとiPhoneの解像度は公式にサポートされているものであり、Appleの仕様でより標準的な解像度を表すように簡略化されています。より高度なユーザーは、これらの解像度とビットレートをわずかに押し上げることが可能であることに気づいていますが、iTunes自体はこれらのファイルをiPodやiPhoneに転送することを必ずしもサポートしません。したがって、最大の互換性を確保するためには、常に公表された仕様内に留まるのが最善です。

フレームレートについての一言

ビデオクリップの「フレームレート」は、通常「フレーム毎秒」またはfpsと略される、1秒あたりのフレーム数または静止画像の数を指します。通常の北米のテレビ（NTSC）は約30 fpsで放送され、映画は通常24 fpsで撮影されます。これは、DVD映画をエンコードする場合、24 fpsを使用することが多いことを意味します。一方、カメラコンテンツや放送テレビコンテンツを含むほとんどの他のビデオコンテンツは30 fpsになります。上記の高解像度のApple TVを除いて、すべての解像度は最大30 fpsをサポートしています。

ビットレートとファイルサイズ

ビデオをエンコードする際のもう1つの重要な考慮事項は、結果として得られるファイルのサイズです。これは、解像度ではなくファイルのビットレートに直接対応します（ただし、高解像度は高ビットレートを必要とします）。H.264およびMPEG-4コーデックは、低ビットレートで高品質のビデオを生成する非常に効率的な仕事をしますが、最終的には特定のデバイスで利用可能なストレージスペースと、保存したいコンテンツの量によって制約されます。

少し計算をする気があれば、変換されたビデオのファイルサイズを簡単に推定することができます。ビットレートにビデオの長さを掛けることで、次のような式を使用します：

*size* = (*bit-rate* / 8) * (*length in minutes* * 60)

結果のサイズは、kbpsビットレートが使用された場合はキロバイト、mbpsビットレートが使用された場合はメガバイトになります。例えば、1500 kbpsでエンコードされた90分の映画のサイズを計算するには、次のように数字を入力します：

*1500* / 8 * *90 * 60* 187.5 * 5400 = 1,012,500 (KB) または約1 GB。

ただし、一般的なルールとして、標準のiPodエンコードコンテンツ（1.5mbps）では、1時間のビデオコンテンツあたり約500MBを見込むことができます。Apple TVコンテンツは3 mbpsであるため、当然そのサイズは倍になります（1GB/時間）。

ストレージスペースが最も重要な場合、低ビットレートでエンコードすることで自然にスペースを節約できますが、これはビデオ品質のコストがかかります。例えば、640×480コンテンツのビットレートが1 mbps未満の場合、一般的に視聴可能なテレビ出力を生成するには低すぎます。

ソースを考慮する…

最適なビットレートを決定する際には、常にソースコンテンツを考慮することも重要です。例えば、DVDの古いテレビ番組は、元のビデオ品質が比較的低いため、非常に高いビットレートを使用してもほとんど利益を得られません。一方、アクションや動きが多い最近の大ヒット映画は、ターゲットデバイスに対してできるだけ高いビットレートでエンコードするべきです。

これは、iPodまたはApple TVに適したビットレートでエンコードするかどうかを考慮する際に特に関連しています。古いテレビコンテンツやアナログテレビ録画は、Apple TVで利用可能な高品質設定からほとんど利益を得ることはありません。

アスペクト比

コンテンツをエンコードする最適なフォーマットを決定する際に考慮すべき非常に重要な要素の1つは、元のソースコンテンツのアスペクト比です。

アスペクト比は、画面に表示される画像の幅と高さの比率を指します。

現在、商業ビデオコンテンツで使用されている一般的なアスペクト比は3つあります：

• 4:3 ほとんどすべての標準解像度のテレビ放送コンテンツで使用されます。これは時々1.33:1とも呼ばれます：

• 16:9 ほとんどすべての高解像度テレビコンテンツ（HDTV）や多くの劇場用DVDリリースで使用されます。これは時々1.78:1とも呼ばれます：

• 2.35:1 DVDの「シネマスコープ」または「パナビジョン」映画で使用されます：

商業DVDでは、通常、アスペクト比が背面に表示されます。他のタイプのビデオコンテンツについては、ビデオの幅を高さで割ることでアスペクト比を自分で判断できます。例えば、640×480のビデオクリップは1.33:1のアスペクト比を持ちます（640/480 = 1.33）。

コンテンツのアスペクト比が実際の出力デバイスのアスペクト比と常に一致するわけではないため、デバイスやその設定に応じて「レターボックス」またはクロッピングが発生することがよくあります。レターボックスは、標準のテレビでワイドスクリーンビデオを再生する際に、上部と下部に黒いバーを追加する一般的な手法です。

4:3画面で表示された16:9アスペクト比のワイドスクリーンテレビ番組

4:3画面で表示された2.35:1アスペクト比のシネマスコープ映画

逆に、標準の4:3テレビ番組をワイドスクリーンテレビで視聴すると、画像の両側に黒いバーが配置されるピラー・ボックスと呼ばれるものになります：

16:9ワイドスクリーンテレビで表示された標準の4:3テレビ番組

一方、iPod自体などの一部のテレビや他のデバイスは、画面のアスペクト比に合わせてコンテンツをクロッピングするオプションも提供しています。名前が示すように、コンテンツをクロッピングすると、フィットしない部分が切り取られ、画像が画面の全サイズに拡大されます。

これにより、4:3画面でワイドスクリーンコンテンツを表示しようとすると、左側と右側の詳細が失われます：

4:3表示用にクロッピングされたワイドスクリーンテレビ番組

4:3表示用にクロッピングされた2.35:1アスペクト比のシネマスコープ映画

または、16:9画面に4:3コンテンツを表示しようとすると、画像の上部と下部が切り取られます：

16:9表示用にクロッピングされた標準の4:3テレビ番組

アナモルフィックエンコーディング

最近のビデオ変換ツールの中には、アナモルフィックエンコーディングをサポートするものもあります。これは基本的に、1つのアスペクト比でビデオコンテンツをエンコードし、別のアスペクト比で表示するために、非正方形ピクセルを使用することを指します。

ピクセルは必ずしも画像の完全に正方形の要素としてレンダリングされるわけではなく、多くの現代のビデオ再生アプリケーションやハードウェアはピクセルアスペクト比（PAR）設定をサポートしています。実際、通常の北米DVDに保存されているコンテンツのアスペクト比は1.5:1（720 x 480）であり、16:9や4:3ではありません。しかし、DVDプレーヤーは、ビデオコンテンツを再生する際に使用するピクセルの形状を示すフラグを読み取ることによって、適切なアスペクト比の画像を生成します。その結果、720×480のDVD画像は、実際には640 x 480（4:3）または854 x 480（16:9）でレンダリングされます。

あまり技術的な詳細に入らずに言うと、アナモルフィックエンコーディングを使用することで、実際に高解像度でエンコードすることなく、映画の適切なワイドスクリーンプレゼンテーションを提供できます。ビデオのエンコード解像度を上げることで得られるものはないため、ストレージスペースを節約し、単にフレームを適切なアスペクト比でレンダリングする方が理にかなっています。これはDVDプレーヤーが行うのと同じ方法です。

アナモルフィックにエンコードされたビデオをQuicktimeのムービーインスペクターを表示ダイアログで調べると、実際には2つの異なる解像度が表示されます：

最初の数字、720 x 480は、ビデオ画像の実際の保存された解像度です。2番目は、再生時のアスペクト比を示します。720の横ピクセルは単に画面の幅を埋めるように引き伸ばされ、適切な16:9プレゼンテーションが得られます。

ピクセルアスペクト比（PAR）を理解しないデバイスでアナモルフィックにエンコードされたビデオを表示すると、結果のビデオは歪んで見えることに注意してください。これは、実際の保存された解像度で再生されるからです。

この時点で、第5世代iPodとApple TVはピクセルアスペクト比をサポートしており、したがってアナモルフィックビデオを適切に表示します。iPhoneは現在、ピクセルアスペクト比を処理しておらず、したがってアナモルフィックビデオはiPhoneで見ると歪んで見えます。

ハードレターボックス

もう1つの問題は、多くのDVD、特に古いものが、実際には適切なアナモルフィックワイドスクリーンフォーマットではなく、「ハードレターボックス」フォーマットであることです。この場合、元のビデオフォーマットがワイドスクリーンであったとしても、DVDビデオは実際にはワイドスクリーンアスペクト比でエンコードされていません。むしろ、「レターボックス」映画は基本的に4:3アスペクト比でDVDにエンコードされ、実際に映画に追加された黒いバーが上部と下部にあります。これにより、これらの映画は、ワイドスクリーンモードを持たない古いDVDプレーヤーでもワイドスクリーンフォーマットで再生できるようになります。

残念ながら、これらのDVDが変換されると、ほとんどのビデオコンバータは元の4:3アスペクト比のままにし、黒いバーをフレームの一部として残します。この場合、結果のビデオは4:3ビデオとして扱われ、フレームの上部と下部に黒いバーが常に表示されます。iPodではクロッピングが利用できず、Apple TVとiPhoneはデフォルトでこれらのビデオを黒いフレームで表示します：

この場合、上部と下部の黒いバーは出力デバイスによって生成されているのではなく、実際にはビデオ画像の一部です。

DVDを扱う際には、パッケージの説明がソースフォーマットを判断するのに役立つことがよくあります。スタジオによって用語が異なるものの、多くの古いDVDで「レターボックス」という用語が使用されている場合、これはこのタイプのエンコーディングを指します：フレームに追加された黒いバーを持つ4:3画像。一方、「アナモルフィックワイドスクリーン」という用語は、ほぼ常に1.85:1または2.35:1のアスペクト比で適切にエンコードされたビデオを指します。最近発行されたDVDでは、この問題ははるかに一般的ではありません。

また、iTunesやQuickTimeを通じてコンピュータのウィンドウで視聴することで、ビデオコンテンツが適切なワイドスクリーンフォーマットであるかどうかを確認することもできます。