音声ファイルを結合

結合する前に、ファイルの形式をそろえる

音声ファイルは、全体を通して1つのサンプルレート、1つのチャンネル数、1つのコーデックを持ちます。食い違うファイルは単純に並べてつなげることができないため、最初のファイルが基準になり、それに合わないものはデコードして合うように再エンコードされます。これには前もって計画する価値があります。同じ方法（同じレコーダー、同じ設定、同じセッション）で録音したファイルの結合は速く、どのファイルにも手が加わりません。一方、44.1 kHzのMP3、48 kHzのステレオAAC、モノラルのボイスメモを結合すると、ほとんどのファイルが1世代分の音質を失います。

そのため、最も良いファイルを先頭に置くのは細かな話ではなく、実際に重要な判断です。ほかのすべてがそれに合わせて上げ下げされるので、そのなかで最も高いサンプルレートとチャンネル数のファイルから始めれば、良い素材を最も質の低いものに合わせて落とさずに済みます。

ギャップレスの結合は難しいケースで、原因はMP3にあります。 MP3エンコーダーは仕組み上、ファイルの先頭と末尾に短い無音を加え、その長さをヘッダーに記録して、優れたプレーヤーが読み飛ばせるようにしています。これを考慮せずにMP3を結合すると、つなぎ目ごとに数十ミリ秒の小さな間が入ります。話し声の区切りでは聞こえませんが、ライブアルバムや連続したミックスではすぐに分かります。ギャップレスの結果が重要なら、ロスレスのファイルを結合して、最後に1回だけエンコードしてください。

つなぎ目のクロスフェードにはまだ対応していないため、各ファイルはそのまま次へ切り替わります。素材が静かに始まり静かに終わるなら問題ありませんが、そうでなければ唐突になります。また、大きな音が続く途中でつなぐと、カットと同じ理由でクリック音が出ることがあります。

ほかの目的には

ファイルの形式が完全にそろっているなら、ffmpegのconcatデマルチプレクサーで再エンコードなしに結合できます。テキストファイルにファイルを列挙し、ffmpeg -f concat -safe 0 -i list.txt -c copy out.mp3 を実行します。一瞬で終わり、劣化もなく、長さの上限もありません。

クロスフェード、異なる音量で録音したファイル間のレベル合わせ、つなぎ目の無音のカットには、Audacity が無料で使え、作業中に波形を確認できます。数個以上のファイルを組み立てるなら、それが唯一まともな方法です。ポッドキャストやオーディオブックには、このツールではなくそちらが適しています。