目次
ヘッドホンでクラシック音楽を聴いていると、音が頭のなかで鳴っているように感じることがあります。
ステレオ再生では避けがたいこの現象を、バイノーラル技術で克服し、より自然な空間体験を届けられないか。
放送局が限られた制作資源のなかで実現できる方法はあるのか。
この疑問に取り組んだ研究を紹介します。
なぜ従来のバイノーラル制作では放送現場に馴染まなかったのか
バイノーラルとは、頭部伝達関数（HRTF）と呼ばれるフィルタを使って、音が頭の外の三次元空間に定位しているように感じさせる技術です。
HRTFは、音源から聴取者の鼓膜までのあいだに、頭部や耳介が与える音響的な変化を伝達関数として表したものです。
このフィルタを通すことで、ヘッドホン再生でも音が外側から聞こえてくるように知覚されます。
ヘッドホンでのラジオ聴取が増えるなか、より没入感のある音声形式としてバイノーラルへの関心が高まっていました。
[バイノーラルを超えて。
無指向性AB方式マイクの「立体的」な魔力と未来](https://kuon-rnd.com/journal/omnidirectional-ab-stereo-magic)でも触れられているように、空間的な広がりはヘッドホン体験の質を大きく左右します。
しかし放送局にとって、ステレオミックスが制作の中心であることに変わりはなく、バイノーラル用に一からミックスを作り直す余裕はありません。
過去の研究では、音楽聴取においてステレオのほうがバイノーラルより好まれるという結果も報告されており、バイノーラルミックスの品質をステレオの音作りと両立させる手法が求められていました。
そこで Parnell と Pike（2018）は、既存のステレオミックスから効率的にバイノーラルミックスを生成する半自動化された手法を検討しました。
ステレオミックスの工程を壊さずにバイノーラルを生成できるか、どう確かめたのか
研究は、BBC Proms の本番公演を対象に、ロイヤル・アルバート・ホールで行われました。
この会場に既設されたマイクロホン設備と音声インフラをそのまま利用しています。
使用したマイクロホンは、オーケストラ全体を捉えるメインマイクと、個々の楽器や声楽を個別に収音するスポットマイクです。
スポットマイクは、特定の音源の明瞭度を確保し、ミックス内で独立したレベル調整を可能にするために奏者の近くに置かれるマイクロホンを指します。
これらに加えて、3Dアンビエンス用として Schoeps ORTF-3D アレイを追加設置しました。
3Dアンビエンス録音にはどのマイクアレイが適しているのか、その研究を読むでも扱われている3Dマイクアレイの一種で、このアレイは一辺 17 cm の正方形にマイクロホンを配置したものです。
アリーナの上方 10 m、ステージ前方から客席方向へ 12 m の位置に吊られました。
信号の流れが、この手法の核心です。
ステレオミキシングコンソール（Stagetec Aurus）の各チャンネルから、ポストフェーダー送りの信号を取り出しました。
ポストフェーダー送りとは、フェーダー通過後の信号出力のことで、フェーダーの動きにレベルが連動するため、ステレオミックスと同じ相対バランスを保ったまま信号を分岐できます。
取り出した信号は、イコライザやダイナミクス処理、ディレイを経たあとの段階のもので、MADI 経由で空間音響ミキシングアプリケーションである IRCAM Panoramix へ送られました。
Panoramix のなかで、すべてのマイクロホンと人工残響の信号は、四つのバイノーラルバスに整理されました。
各バスに適用された処理を表にまとめます。
人工残響には Lexicon 960L と Bricasti M7 を用い、そのステレオ出力をバイノーラルミックスの前方音場に配置しました。
各音源のバイノーラルレンダリングには、オブジェクトベース・バイノーラルレンダリングという手法が使われました。
これは、個々の音源にその定位方向に応じたHRTFを適用し、それぞれをバイノーラル信号に変換してから合成する方法です。
HRTFデータには、ダミーヘッド（Neumann KU-100）で測定された無響室HRIRが用いられ、SOFA形式のファイルとして読み込まれました。
SOFAは、HRTFのような空間音響データをやり取りするためのAES標準ファイル形式です。
各音源の三次元的な定位は、実際のマイクロホン位置と音楽的な意図にもとづいて調整されました。
この手法を選んだ理由は明快です。
ステレオミックスのポストフェーダー信号を使うことで、ステレオ制作で練り上げられた相対レベル、ダイナミクスの変化、音色のバランスをそのままバイノーラルミックスに引き継げます。
制作の工程を共有するため、限られた人員と時間のなかで、追加の作業を最小限に抑えられるのです。
バイノーラルミックス全体のレベルは、Aurusコンソールのステレオマスターレベルと連動させ、ステレオミックスとの動的な一貫性を保ちました。
完成したバイノーラル音声は MPEG-DASH 形式（AAC-LC）で BBC Taster を通じてライブ配信され、オンラインアンケートによって聴取者の反応が集められました。
半自動化ワークフローで何が分かったのか
この半自動化されたワークフローにより、ステレオミックスの構成要素からバイノーラルミックスを短時間で生成できることが確認されました。
四つのバスに整理したことで作業は単純化され、音楽バランサー（ミキシングを担当する音響技術者）はシステムを使いやすいと評価しました。
ただし、いくつかの課題も明らかになりました。
ソリスト用のスポットマイクのステレオペアは、そのままではバイノーラルミックスに馴染まず、追加のレベル調整を必要とすることがありました。
また、ステレオコンソール側でコントロールグループ（複数チャンネルを一つのマスターフェーダーでまとめて操作する機能）ではなくオーディオバスを使ってレベルを調整した場合、ステレオミックスとバイノーラルミックスのあいだに、わずかながら明確に感じ取れるバランスの差が生じることがありました。
空間的な再現性については、ホール内の複数箇所に奏者が分散するような編成の演奏では、バイノーラルがステレオよりも優れた臨場感を示しました。
一方で、HRTFの畳み込みと3Dアレイの特性に起因するとみられる、微小な音色の差がステレオミックスとの比較で指摘されました。
それでも全体としては、バイノーラルミックスはより広がりのある空間印象を与えると評価されています。
バランサーの関わり方にはばらつきがありました。
時間的制約やバイノーラル技術への不慣れが理由でしたが、3D空間上での定位操作については創造的な自由度を楽しんだという声が聞かれました。
音場の幅やアンビエンスと残響のバランスについては、バランサーごとに好みが分かれています。
ライブ配信とアンケートの結果は注目に値します。
配信には多数のブラウザからアクセスがあり、回答者の過半数が体験を最高評価としました。
大多数の回答者がステレオよりもバイノーラルのほうが楽しめたと答え、多くが「その場にいる感覚」を感じ取っています。
さらに大多数の回答者が、より多くのバイノーラルコンテンツを放送局が制作すべきだと考えていることも分かりました。
この手法はどこまで言えるのか
著者らは、この手法の限界を挙げています。
第一に、この試験はアコースティック演奏のみを対象としており、電気的に増幅されるコンサートは扱っていません。
後者は技術的にまったく異なるアプローチを必要とするためです。
第二に、本手法の評価は非公式なものであり、正式な主観評価実験は行われていません。
第三に、ステレオコンソール上でコントロールグループではなくオーディオバスを使う一部のバランス操作が、バイノーラルミックスへの直接的な転用を難しくしており、今後はより一貫性のある手法が必要とされています。
この研究から読み取れる適用範囲は、次のとおりです。
対象はアコースティックなクラシック音楽の公演であり、既設のマイクロホン設備とステレオミキシングの工程がある放送現場です。
測定や評価はロイヤル・アルバート・ホールという特定の会場と、特定の機材構成のもとで行われました。
扱われた信号は、ステレオミックスコンソールのポストフェーダー出力であり、オブジェクトベースレンダリングには特定のダミーヘッドのHRTFデータが使われています。
この研究を現場の文脈でどう受け止めるか
この研究は、放送局の実際の制作現場で運用できるバイノーラルミックス手法を提案し、実証した点で意味があります。
理論的可能性ではなく、本番公演という制約の多い環境で試されたことに価値があります。
とくに、ステレオミックスの工程をバイノーラル制作の土台とする考え方は、放送局が追加の人員や時間を大幅に割かずに立体音響へ踏み出すための、現実的な道筋を示しています。
一方で、バランサーの習熟度やバスの操作手順によって結果が左右されるという知見は、この手法がまだ人の判断に依存する部分を多く残していることを示しています。
また聴取者調査が好意的な結果を示したことは注目に値しますが、評価が非公式である点は留保が必要です。
この研究は、バイノーラル制作の効率化という課題に具体的な解を一つ与えたという位置づけで受け止めるのが適切でしょう。
参考資料
Tom Parnell, Chris Pike, "An efficient method for producing binaural mixes of classical music from a primary stereo mix," presented at the AES 144th Convention, e-Brief 430, 2018.
原典の主張は、An efficient method for producing binaural mixes of classical music from a primary stereo mix をご参照ください。
