audio-mixing-mastering

オーディオミキシングとマスタリングの指針

オーディオを実際の再生環境で問題なく聴けるようにする必要がある場合は、このスキルを使用します。対象となる環境には、スマートフォンのスピーカー、イヤホン、ノートパソコン、テレビのサウンドバー、映画の予告編のような音響、ポッドキャスト、クライアント確認用リンク、放送用納品物、ソーシャルメディアのフィードが含まれます。ミックスは、最後に行う単なるノーマライズではなく、制作上の判断として扱ってください。

目指すのは、視聴者が前景の音を理解し、意図したエネルギーを感じ、聴き疲れや歪みを避け、明示された納品仕様を満たすことです。

まず音声の取り決めを決めます

レベルを調整する前に、プロジェクトの音声に関する簡潔な取り決めを書き出します。

• 納品の用途：ソーシャルメディアへの投稿、YouTubeへのアップロード、ポッドキャストのRSS、ストリーミング広告、放送、OTT、社内レビュー、映画の予告編のような音響、ミュージックビデオ、ドキュメンタリー、ローカライズ、アクセシビリティ対応版。
• 前景の優先順位：セリフ／ナレーションを最優先、演奏／音楽を最優先、サウンドデザインのインパクトを最優先、またはシーンごとに変化する優先順位。
• 必要な納品物：フルミックス、セリフのステム、音楽のステム、効果音のステム、M&E、ナレーションのみの音声、クリーンな字幕、音声解説版、別言語のミックス、ステレオへのダウンミックス、5.1／Atmos のプリントマスター、クライアント向けプレビュー。
• 目標仕様：クライアント、プラットフォーム、放送局から仕様が提示されている場合は、それを使用します。仕様が提示されていない場合は、保守的な目標を選び、ヒューリスティックであることを明記します。
• モニタリングの前提：ヘッドフォンのみ、ニアフィールドスピーカー、スマートフォン／ノートパソコンでの確認、音響調整済みの部屋、またはモニタリング手段なし。
• ソースのリスク：AI 音声のアーティファクト、部屋のノイズ、クリップ間のばらつき、クリッピング、音楽のライセンス、生成された効果音の耳障りさ、ルームトーンの欠如、モノラル／ステレオの不一致、翻訳したナレーションのタイミング、ステム間の音漏れ。

最も音量の大きいリファレンスに合わせて、むやみにマスタリングしないでください。ストリーミングや放送のシステムではラウドネスがノーマライズされることがあり、過剰なリミッティングは、再生時の音量向上がほとんど、あるいはまったくないまま、明瞭さを損なうおそれがあります。

根拠の分類

文書で確認できる事実：

• ITU-R BS.1770-5 では、K 特性、チャンネルの重み付け、ゲーティング、トゥルーピークに関するガイダンスなど、番組ラウドネスおよびトゥルーピーク信号レベルの測定アルゴリズムを規定しています。確認日：2026-07-10：https://www.itu.int/dms_pubrec/itu-r/rec/bs/R-REC-BS.1770-5-202311-I!!PDF-E.pdf
• EBU R 128 バージョン 5.0 では、番組ラウドネスを -23.0 LUFS に正規化することを推奨しています。目標レベルの達成が実際上不可能な場合は、許容差として +/-1.0 LU が認められます。また、QC ワークフローでは測定誤差として +/-0.2 LU が許容される場合があります。制作時のリニア音声の最大トゥルーピークレベルは -1 dBTP を超えてはなりません。確認日：2026-07-10：https://tech.ebu.ch/files/live/sites/tech/files/shared/r/r128.pdf
• ATSC A/85:2026-07 クイックリファレンスには、事前の取り決めがない場合、メタデータなしで納品・交換する音声の目標値として -24 LKFS、最大トゥルーピークとして -2 dBTP、また当事者間に別途取り決めがない場合のストリーミング配信サービス向け納品の範囲として -23～-27 LKFS が記載されています。確認日：2026-07-10：https://www.atsc.org/wp-content/uploads/2026/07/A85-2026-07-Annex-M.pdf
• AES TD1008 では、インターネット音声ストリーミング／オンデマンド配信について、非可逆コーデックへの入力時の最大トゥルーピークを -1 dBTP 以下とすることを推奨しています。例として、スピーチ／各種コンテンツは約 -18 LUFS、トラック単位で正規化した音楽は -16 LUFS、アルバム内で最も音量の大きいトラックは -14 LUFS、合間に挿入するコンテンツは -18 LUFS、フォーマットの例は -16～-18 LUFS とされています。確認日：2026-07-10：https://aes.org/wp-content/uploads/2024/01/20210924_TD1008_v3.13.pdf
• Spotify for Artists では、統合ラウドネスを -14 dB LUFS に設定し、トゥルーピークを -1 dBTP 未満に保つことを推奨しています。マスター音源が -14 LUFS より大きい場合は、トゥルーピークを -2 dBTP 未満に保つことを推奨しています。確認日：2026-07-10：https://support.spotify.com/us/artists/article/loudness-normalization/
• Apple Podcasts では、ITU-R BS.1770-5 に従って算出した全体ラウドネスを約 -16 dB LKFS（許容差 +/-1 dB）とし、トゥルーピークを -1 dB FS 以下にすることを推奨しています。確認日：2026-07-10：https://podcasters.apple.com/support/893-audio-requirements
• YouTube の公式アップロード エンコードに関するヘルプには、推奨アップロード音声ビットレートとして、モノラル 128 kbps、ステレオ 384 kbps、5.1 512 kbps、イマーシブオーディオはチャンネルあたり 128 kbps が記載されています。同じ公式ページには、一般公開されているラウドネス目標値は記載されていません。確認日：2026-07-10：https://support.google.com/youtube/answer/1722171
• Netflix のブランドコンテンツ向けサウンドミックス仕様では、ダイアログゲート適用後のラウドネスを -27 LKFS（許容差 +/-2 LU）、トゥルーピークを -2 dB True Peak 以下とし、オリジナル言語ミックスまたは M&E ミックスのマスターを 48 kHz／24-bit とすることが求められています。確認日：2026-07-10：https://partnerhelp.netflixstudios.com/hc/en-us/articles/360001794307-Netflix-Sound-Mix-Specifications-Best-Practices-v1-6
• WCAG 2.2 の理解を助けるガイダンスでは、難聴のユーザーを支援するため、短時間の音を除き、背景音を前景の音声より少なくとも 20 dB 小さくするよう示しています。確認日：2026-07-10：https://www.w3.org/WAI/WCAG22/Understanding/low-or-no-background-audio.html
• FFmpeg の loudnorm フィルターは EBU R128 ラウドネス正規化を実装しており、シングルパスおよびダブルパスでの処理に対応しています。統合ラウドネス、ラウドネスレンジ、トゥルーピークを目標値に設定でき、ダイナミックモードでのトゥルーピーク検出では 192 kHz にアップサンプリングします。確認日：2026-07-10：https://ffmpeg.org/ffmpeg-filters.html#loudnorm

同梱のラウドネス測定ツール

エージェントがミックスや納品に関する判断を行う前に、再現可能なローカル測定が必要な場合は、scripts/measure_loudness.py を使用します。Python 3.11 以降と、loudnorm フィルターを備えた ffmpeg 実行ファイルが必要です。このスクリプトはシェルを介さず引数配列で FFmpeg を呼び出し、最初のオーディオストリームを選択して、安定した JSON を出力します。入力を正規化、書き換え、置換することはありません。

目標値を指定せずに測定します：

python scripts/measure_loudness.py final_mix.wav --pretty

プロジェクトで明示的に選択した目標値と比較します：

python scripts/measure_loudness.py final_mix.wav \
	--target-lufs -16 --lufs-tolerance 1 \
	--target-true-peak -1 --pretty

両方のスピーカーから再生するデュアルモノとして使用するモノラルファイルの場合は、FFmpeg のデュアルモノ補正を明示的に指定します：

python scripts/measure_loudness.py narration_mono.wav --dual-mono --pretty

JSON レポートには次の情報が含まれます：

• LUFS 単位の統合ラウドネス；
• dBTP 単位のトゥルーピーク；
• LU 単位のラウドネスレンジ；
• 測定しきい値；
• 解析モード、デュアルモノ補正が要求されたかどうか、および FFmpeg が報告した loudnorm のオフセット（ツールのメタデータ内）；
• 実測値、差分、許容値、合否結果を含む、任意の目標値チェック；
• 結果が FFmpeg のビルド、フィルター、アルゴリズム、解析モードに依存することを示す明示的な注記。

終了コードは次のとおりです：

• 0：測定が完了し、要求されたすべての目標値チェックに合格しました；
• 2：測定は完了しましたが、要求された目標値チェックのうち 1 つ以上が不合格でした；
• 3：入力ファイルがない、FFmpeg が見つからない、タイムアウト、オーディオストリームがない、loudnorm の出力が不正などの運用上のエラーが発生しました。

このツールは決定論的な補助機能であり、最終的なミックスの承認に代わるものではありません。納品物全体を聴き、選択した目標値が正式なものであることを確認し、チャンネルレイアウトとコーデックの挙動を調べてください。納品上のリスクがある場合は、エンコード後の出力も再測定してください。仕様で適切に校正されたメーターや受信側が指定する QC システムが求められている場合は、それらを使用してください。

実測からの所見：

• 小型スピーカーではサブベースが聞こえにくく、アッパーミッドの耳障りさが強調されることがよくあります。サブベースのエネルギーだけで厚みを感じるミックスは、スマートフォンでは薄く感じられることがあります。
• 生成された音声には、過渡的なクリック音、金属的な子音、不自然な位置のブレス、近接感のばらつきが含まれることがよくあります。こうした問題は、コンプレッションやリミッティングを行うと、より目立つようになります。
• 生成された音楽や効果音は、あらかじめリミッティングされている場合があります。さらにバスリミッティングを加えると、ラウドネスメーターに問題が現れる前に、音が平坦になったり、ざらついたり、耳が疲れやすくなったりすることがあります。
• AI 生成のアンビエンスは、ナレーションの下でループが目立ちやすい傾向があります。マスタリングの前にクロスフェードするか、ベッド音を変化させてください。

制作上の経験則：

• 正式な仕様がないウェブ／ソーシャル動画で音声が含まれる場合は、統合ラウドネスを -16〜-14 LUFS、トゥルーピークの上限を -1〜-2 dBTP の範囲で設定するところから始め、ジャンル、プラットフォーム、クライアントの期待に応じて調整します。これは作業上の目標値であり、文書化されたプラットフォーム規則ではないことを明記してください。
• 音声を主体とする解説動画では、ラウドネスより明瞭度が重要です。マスター全体を上げる前に、音声の下で音楽や効果音をダッキングしてください。
• 広告や予告編のインパクトは、常に最大の密度にすることではなく、コントラストと過渡音の明瞭さから生まれます。ヒット音の前後では短時間のダイナミクスを保ってください。
• ポッドキャストでは、リスナーは中程度のノイズよりも、会話音量のばらつき、歪み、耳障りな歯擦音、音声を覆い隠す音楽を許容しにくいものです。

セッションの準備

処理を始める前に、再現可能なセッションを作成します。

1. サンプルレート、フレームレート、タイムコード、長さ、ターゲットコンテナを確認します。
2. すべての素材の未加工コピーを保管します。元のナレーション、音楽、効果音、ステムを破壊的に上書きしないでください。
3. トラックを役割別にグループ化します。会話／ナレーション、制作時の会話、ADR、翻訳ナレーション、音楽、スコア、短い効果音、効果音、環境音／ルームトーン、UI音、字幕／音声解説の参照素材に分けます。
4. すべての音声を映像に同期させ、冒頭、中盤、終盤で同期を確認します。
5. 自然なタイミングを損なわない範囲でのみ無音部分を削除します。編集箇所の下にはルームトーンや環境音を残します。
6. 問題のある箇所に印を付けます。音割れした言葉、破裂音、歯擦音、部屋のノイズ、ハムノイズ、AIのアーティファクト、音楽によるマスキング、効果音のピーク、無音区間、シーンの切り替わりなどです。
7. ステム、フラット化された素材、またはその併用のどれを使ってミックスするか決めます。素材がフラット化されている場合は、きれいに修正できない点を記録します。

最終書き出し済みの映像しか受け取っていない場合は、分析用に音声をデマックスしますが、映像の基準位置は固定したままにします。マルチトラック／ステムを受け取った場合は、ステムのバランスが整うまでステレオミックスのマスタリングは避けます。

バランスと優先順位

前景から外側に向かってミックスを組み立てます。

• 会話／ナレーション：まず、聴感上の音量を安定させます。コンプレッサーを挿入する前に、クリップごとにレベルを調整します。
• 音楽：話し声を支えるのか、引き立てるのか、置き換えるのかを決めます。ナレーション中は、レベル、EQ、サイドチェインによるダッキング、アレンジの編集、オートメーションを使って音楽のための余地を作ります。
• 効果音：物語上重要な効果音は聞こえるように保ち、言葉と競合する装飾的な効果音は抑えます。
• 環境音／ルームトーン：空白や切り替わりを埋めますが、低域の蓄積やヒスノイズの蓄積は避けます。
• 無音：テンポを作るために意図的に使います。偶発的なデジタル無音で編集箇所が露呈しないようにします。

バランスの問題をリミッターだけで解決しないでください。音楽の下で声が聞こえなくなる場合は、音楽のレベルを下げるか、周波数帯を削ります。効果音が鋭すぎる場合は、効果音の音色を整えます。ミックスが適切に聞こえるのにマスターのラウドネスが目標に届かない場合は、その後でバスゲインやリミッターを慎重に使います。

会話と音声の処理

話し言葉のコンテンツでは、次のようにします。

• まずクリップゲインを調整します。コンプレッサーを挿入する前に、フレーズのレベルを適切な範囲に収めます。
• 低域を穏やかにハイパス処理して、通常は声の有効な基本周波数より下にあるランブルノイズを取り除きます。バリトンや温かみのあるナレーションを薄くしないようにします。
• こもりや箱鳴りは、発生している箇所だけをカットします。よくある問題の周波数帯は低中域ですが、決め打ちのカーブを適用するのではなく、周波数を掃引して聴きながら判断します。
• プレゼンスは小さく広い調整で高めます。プレゼンスを大幅にブーストすると、AI音声が合成的または耳障りに聞こえることがあります。
• 最終的なリミッティングの前に、歯擦音にはディエッサーを使います。フルバンドコンプレッサーが歯擦音に過剰反応しないようにします。
• 必要に応じて段階的にコンプレッションを行います。穏やかなレベリングの後に、速いピーク制御を行います。1段階で強く圧縮すると、息やノイズが目立ち、パフォーマンスが平坦になることがあります。
• 声をシーンになじませる効果がある場合にのみ、ルーム感やリバーブを加えます。解説ナレーションでは、リバーブを短く控えめにします。
• アバター／リップシンクでは、子音とタイミングを保護します。唇を閉じるタイミングの手がかりが遅れたり、ぼやけたりするほど強く処理しないでください。
• 多言語吹き替えでは、台本のタイミングだけでなく、元のシーンの音響的な視点と音量に合わせます。

AI音声のアーティファクトが聞こえる場合は、局所的な修復を優先します。セリフを差し替える、フレーズを再生成する、スペクトル修復を使う、クリックノイズをトリミングする、フェードを描き直す、または息継ぎを編集するといった方法があります。ナレーション全体に広帯域のノイズ除去をかけると、アーティファクトが悪化することがあります。

音楽の処理

音楽はライセンスを確認し、内容が適切であること、技術的に適切に制御されていることが必要です。

• 最終納品前に権利を確認してください。生成音楽やストック音楽が、すべての用途で自動的に使用許諾済みになると思い込まないでください。
• マスタリングの前に、映像の構成に合わせて編集してください。楽曲の締めや解決感のある終止が使える場合は、任意のフェードアウトで終わらせないでください。
• ナレーション用のBGMでは、アレンジを編集してください。重要な発話の下では、可能であればリード楽器、ボーカル、忙しいフィルを取り除いてください。
• サイドチェインダッキングは、ミックス上の唯一の判断基準ではなく、自然に補助する手段として使ってください。リリースを遅くするとポンピングが目立たなくなることがありますが、遅すぎると音楽が聞こえなくなったように感じられます。
• ほとんどのステレオ／ソーシャル向け納品では、低域を中央に配置し、適切に制御してください。低域を広げすぎると、モノラル再生で予測できない形で崩れることがあります。
• ミュージックビデオでは、音楽が軸になります。声のタグ、SFX、ナレーションのオーバーレイは、クリエイティブ上の意図がない限り、音楽のマスターを損なわないようにしてください。

効果音と環境音

SFXは、動作、規模、感情を明確にするために使ってください。

• 効果音は数を絞り、質を高めてください。生成した効果音を多数重ねると、マスキングや耳障りな音が生じることがよくあります。
• トランジェントの強さを調整してください。クリッピングさせたり、リスナーを物語から驚いて引き離したりしなくても、インパクトのある音は作れます。
• 遠近感を合わせてください。近くのUIのクリック音が劇場映画の爆発音のように聞こえたり、遠くの環境音がセリフを覆ったりしないようにしてください。
• 編集点をまたいでルームトーン／環境音を使い、音が途切れる箇所を防いでください。
• 生成したSFXを繰り返し使う場合、立ち上がりが同一でないか確認してください。繰り返しが目立つ場合は、タイミング、ピッチ、音源を変えてください。
• アクセシビリティに配慮し、装飾的な音声を常に流して発話を埋もれさせないでください。発話が説明的または不可欠な場合は、可能であればWCAGの20 dB分離ルールを厳格な目標として使用するか、背景音を下げる／無効にする方法を用意してください。

EQ、コンプレッション、リバーブ、リミッティング

処理は、具体的な問題を解決するために使ってください。

• EQ：低周波のランブル、こもり、共鳴、耳障りな音、マスキングを除去します。小さな調整を優先し、バイパスして確認してください。トラックに極端なEQが必要な場合は、音源の修復または差し替えを検討してください。
• コンプレッション：パフォーマンスを安定させ、ピークを制御し、関連する要素をまとめるか、スタイルを作ります。素材に合わせてアタック／リリースを調整し、意図的でない限りポンピングを避けてください。
• エキスパンション／ゲーティング：語尾、息づかい、余韻、ルームトーンを切り落とさない場合に限り、無音区間やノイズを減らすために使ってください。生成音声では、ゲートよりも手作業でのクリーンアップが必要になることがよくあります。
• リバーブ／ディレイ：要素に自然な空間を与えるか、スタイルを作ります。発話の明瞭さを保ち、シーンが変わる際はリターンをオートメーションしてください。
• サチュレーション／迫力：密度を加える際は慎重に調整してください。小型スピーカーでの聞こえ方が改善する一方で、AIのアーティファクトやコーデックの歪みが強調されることもあります。
• リミッティング：コーデック変換とトゥルーピークに備えてヘッドルームを確保してください。最後の方でトゥルーピークリミッターを使い、必要以上にゲインリダクションをかけないでください。

リミッターの安全設定：

• 納品仕様に合わせてシーリングレベルを設定してください。仕様がない場合、ウェブ／ソーシャル向けでは-1 dBTPが一般的で保守的な上限です。強い圧縮を伴うもの、非可逆圧縮のもの、放送向けの納品物では-2 dBTPのほうが安全です。
• 可能であれば、エンコード／トランスコード後に再測定してください。マスター後にコーデックオーバーが発生することがあります。
• 統合ラウドネスが低すぎても、リミッターがすでに強く働いている場合は、ゲインをさらに上げる前にミックスのダイナミクスを修正してください。
• マスターを過度に潰して短期的なラウドネスを追求しないでください。プラットフォームのノーマライズで音量が下げられ、歪みだけが残ることがあります。

ラウドネス目標の選定

次の順に優先してください。

1. クライアント／放送局／プラットフォームの納品仕様。
2. 1つのマスターですべての納品先に対応する場合は、対象となる納品先のうち最も厳しい仕様。
3. 品質が重要で、仕様が競合する場合は、納品先ごとに別のマスターを作成。
4. 公式の目標値がない場合は、文書化されたプロジェクト独自の基準。

参考となる目標値一覧。2026-07-10 確認：

納品先	文書化された目標値または実務上の目標値	トゥルーピーク	備考
EBU R 128 放送／番組交換	-23 LUFS	-1 dBTP	規格に準拠したメーターを使用し、番組全体を測定します。実務上の目標許容差は +/-1 LU、QC測定の許容差は +/-0.2 LU の場合があります。
ATSC A/85 TV納品／メタデータなしの交換	-24 LKFS	-2 dBTP	長尺コンテンツではセリフのラウドネス、短尺コンテンツではA/85クイックリファレンスに基づく番組全体のミックスラウドネスを基準にします。
ATSC A/85 ストリーミングサービス	-23〜-27 LKFS	-2 dBTP	事前の取り決めがない場合に適用します。
Netflix ブランドコンテンツ	-27 LKFS +/-2 LU、ダイアログゲート適用	-2 dBTP	全仕様への準拠に加え、ステム／フォーマット規則への対応が必要です。
Apple Podcasts	約 -16 dB LKFS、+/-1 dB	-1 dB FS トゥルーピーク	エンコード前の条件です。
Spotify 音楽	-14 dB 統合 LUFS	-14 LUFSより大きい場合は -1 dBTP 未満、または -2 dBTP 未満	プラットフォーム固有の音楽ガイダンスです。
AES インターネットオーディオの例	音声／各種コンテンツは約 -18 LUFS、音楽はトラック正規化で -16 LUFS、アルバムの最も大きいトラックは -14 LUFS	非可逆コーデック入力時に -1 dBTP	配信事業者向けですが、制作者にとっても参考になります。
YouTube アップロード	アップロードのヘルプページに公式のラウドネス目標値は見つかりません	プロジェクト独自の基準を使用	公式ページには音声ビットレートが記載されていますが、ラウドネス目標値は記載されていません。
音声を重視する一般的なソーシャル／ウェブ動画	-16〜-14 LUFS を目安にします	-1〜-2 dBTP を目安にします	スマートフォン／ノートPC／イヤホンでセリフの明瞭さを確認してください。

これらの目標値を普遍的なルールとして扱わないでください。クライアントから仕様の指定があれば、それに従ってください。納品先でラウドネスが正規化される場合は、過渡音の明瞭さ、セリフの明瞭さ、コーデックで歪まないピークを優先してください。

ステレオ、モノラル、サラウンド、イマーシブ

ステレオ／ソーシャル向けの場合：

• 重要なセリフ、低音、行動喚起の要素がモノラルでも確実に聞こえるようにします。
• 位相相関とモノラルへのダウンミックスを確認します。広がりのあるパッドやステレオエンハンサーを使うと、スマートフォンでセリフや音楽が消えてしまうことがあります。
• 映像上の明確な理由がない限り、重要なUI音を片側だけに配置しないでください。
• ステレオの広がりは、重要な情報ではなく、感情や空間の表現に使います。

5.1／7.1／Atmos／イマーシブ向けの場合：

• 正確な納品形式を確認します。チャンネル順、ベッド／オブジェクト形式、ADM／IAB／IMF／WAVの要件、ダウンミックス要件、M&E／ステムの要件などです。
• クライアントがアップミックスを受け入れる場合を除き、ステレオマスターからイマーシブ納品物を作成しないでください。
• ダウンミックスを確認します。センターのセリフ、LFEの管理、サラウンド効果音、オブジェクトレベル、ステレオ互換性をチェックしてください。
• 話し言葉の明瞭度を軸に保ちます。意図したアクセシブルなモードでない限り、基本的な内容を理解するために字幕やセリフが必要になるほど、イマーシブな音響に偏らないようにしてください。

アクセシビリティと聞き取りやすさ

明瞭な音声をアクセシビリティ要件として扱ってください。

• コンテンツが説明、指示、販売、または解説を行う場合、理想的な聴取環境でなくても音声を理解できる必要があります。
• 背景音は音声より十分に小さくしてください。厳格な WCAG スタイルの事前収録音声コンテンツでは、短い効果音を除き、背景音を前景の音声より少なくとも 20 dB 低くすることを目標にしてください。
• 歌詞がストーリーの一部として意図され、音声を妨げない場合を除き、ナレーションの下に歌詞入りの音楽を流し続けないでください。
• 耳につく歯擦音や鋭く刺さる効果音は抑えてください。イヤホンや補聴器では痛みを感じることがあります。
• 特に、話す速度が速い、アクセントがある、合成音声である、スタイライズされている、ノイズがある、または翻訳されている場合は、字幕や文字起こしを提供するか、依頼してください。
• 音声解説版では、説明のための無音区間を設けるか、説明中に本編の音声を下げた別ミックスを作成してください。
• 可能であれば、小型スピーカーまたはスマートフォン、イヤホンまたはヘッドホン一組、そして通常のモニタリング環境で確認してください。

ステムと納品物

最終ミックスを書き出す前に、納品物を計画してください。

• フルミックス：意図した内容をすべて含む完全なプログラム音声です。
• ダイアログ／VO ステム：前景で話されるすべての音声を、クリーンかつ時間軸に同期した状態で収録します。
• 音楽ステム：ダイアログ／SFX を含まない、スコア／楽曲／ジングルです。
• 効果音ステム：強い効果音、環境音、フォーリー、UI 音です。
• M&E：元のダイアログを除いた音楽と効果音です。吹き替え／ローカライズに必要です。
• ナレーションのみ、またはクリーン VO：アクセシビリティ対応、別バージョンの作成、クライアントによる編集に役立ちます。
• プリントマスター：納品仕様に準拠した最終承認済みミックスです。
• アーカイブマスター：高品質の WAV/BWAV です。仕様に別段の指定がない動画では、通常 48 kHz/24-bit を使用します。
• プレビュー書き出し：圧縮されたレビュー用ファイルです。聞き取りやすさとピークのチェックにも合格する必要があります。

クライアントが明示的に異なる方法を求めない限り、ステムを合算したときにフルミックスと一致する必要があります。ステムの書き出し開始タイムコード、サンプルレート、長さ、チャンネルレイアウトが同一であること、また、マスターバスの処理が漏れていないことを確認してください。マスターバスのコンプレッションやリミッティングでバランスが変わる場合は、処理済みのステムをソロセーフグループでバス経由でプリントするか、ステムがマスター処理前の素材であることを明記してください。

修復と反復作業のワークフロー

ミックスに問題がある場合は、症状に基づいて原因を診断してください。

• ダイアログが埋もれている：音楽の音量を下げる／ダッキングする、マスキングを起こす周波数帯を整える、環境音／SFX を下げる、単語単位でクリップゲインを調整する、または不明瞭な台詞を再生成します。
• 声が耳につく／金属的：プレゼンスの共鳴を抑える、ディエッサーを使う、AI 音声を差し替える、サチュレーション／リミッターを弱める、過剰なノイズ除去を避けます。
• ミックスがこもっている：音楽／環境音の低中域の膨らみを取り除く、低音以外の要素にハイパスを適用する、リバーブの残響を短くします。
• ミックスが薄い：リミッターのゲインを上げる前に、音の厚みを戻します。ハイパスフィルターが強すぎないか確認します。
• ポンピングが発生する：コンプレッサー／ダッキングのリリースを遅くするか弱める、レベルを手動でオートメーションする、コンプレッションを複数段階に分けます。
• ラウドネス目標に達していない：トゥルーピークに余裕がある場合のみ全体ゲインを調整します。余裕がない場合はダイナミクスとバランスを見直します。
• トゥルーピークが基準を超えている：リミッターの上限を下げる、リミッター前にトランジェントの強い要素を抑える、再レンダリングしてから再測定します。
• コーデック歪み：トゥルーピークを下げる、高域の耳につく成分を抑える、リミッターのドライブを下げる、許可される場合はビットレートを上げて書き出します。
• ステムを合算しても一致しない：バスルーティング、センド、サイドチェーン、マスターエフェクト、パン則、サンプルオフセット、書き出し対象を確認します。
• 同期がずれる：サンプルレート、動画のフレームレート、プルアップ／プルダウン、編集時に音声を伸縮したかどうかを確認します。

次の順序で反復してください：ソースの修復、編集のクリーンアップ、バランスのオートメーション、トラック処理、バス処理、ラウドネスの正規化、エンコードのチェック、最終 QC。後工程のマスタリングで、既知のソースや編集の欠陥を覆い隠してはいけません。

最終音声 QA

納品前に、簡潔な QA メモを作成します。

• 統合ラウドネス、必要に応じて短期／モーメンタリーの所見、必要な場合は LRA、最大トゥルーピーク。
• 測定規格／ツール／モード。ITU／EBU／ATSC／ダイアログゲート／2パスのいずれかも記載します。
• 書き出し形式、サンプルレート、ビット深度、コーデック、チャンネルレイアウト、ビットレート、コンテナ。
• 冒頭／中間／末尾の同期チェック状況。
• 試聴チェック：全編の試聴に加え、可能な範囲でスマートフォン／ノートパソコン／イヤホン／ニアフィールドで確認します。
• 明瞭度チェック：音声が音楽／SFXと競合する箇所、および実施した対処。
• ノイズ／アーティファクトのチェック：クリック、ポップ、破裂音、クリッピング、ルームトーンの途切れ、AI アーティファクト、コーデック歪み。
• ステレオマスターはモノラル／フォールドダウンを確認します。サラウンド／イマーシブ音声はダウンミックスを確認します。
• ステムの検証：開始位置、長さ、サンプルレート、チャンネルレイアウト、加算時の動作が一致していること。
• 既知の制限：入手できないステム、クリップした音源、クライアント提供の低ビットレート音声、避けられないノイズ、プラットフォームの不確実性、未確認のターゲット。

プロジェクトに複数の出力がある場合は、最初のマスターだけでなく、書き出したファイルをすべて QA します。

完全な例

例：音声優先のソーシャル向け解説動画

制作意図：AI ナレーション、控えめな音楽、UI クリック音、字幕を含む、Instagram／TikTok／YouTube Shorts 向けの60秒縦型解説動画です。正式なプラットフォームラウドネス規格は指定されていません。

方針：

• 取り決め：音声を前面に出し、音楽はテンポを支え、SFX はアクセントとしてのみ使います。
• 作業目標：ソーシャル／ウェブ向けの目安として、統合ラウドネスを -15 LUFS、上限を -1.5 dBTP とします。公式の YouTube ラウドネス目標は使用していないことを明記します。
• 準備：VO を映像に合わせ、クリック音や不自然な息継ぎを整え、VO／音楽／SFX／アンビエンスを整理します。
• ミックス：VO の各フレーズにクリップゲインを設定し、低域のランブルをハイパスし、軽くコンプレッションをかけ、ディエッサーを使います。ナレーションの下では音楽を 6～10 dB 下げ、字幕が多い箇所や専門用語ではさらに下げます。UI クリック音は短くし、音声より小さく保ちます。
• アクセシビリティ：スマートフォンで確認します。言葉が聞き取れない場合はマスター音量を上げるのではなく、音楽を下げます。背景音は音声より大幅に小さく保ち、説明の要点では可能な範囲で WCAG 形式の 20 dB の分離を目指します。
• マスター：トゥルーピークリミッターの上限を -1.5 dBTP に設定し、ゲインリダクションは最小限にします。プレビューを書き出し、トゥルーピークと音声を再確認します。
• 納品：MP4 に加え、要望に応じて WAV マスターと VO／音楽／SFX のステムを納品します。

期待される結果：スマートフォンのスピーカーでもナレーションが明瞭に聞こえ、音楽は存在感がありながら音声を妨げず、エンコード後にクリッピングがなく、クライアントは VO を作り直さずに音楽を変更できます。

想定される失敗モード：AI 音声に高めの中高域 EQ をかけすぎること、ダッキングした音楽のポンピング、VO 編集時のクリック音、リミッターのゲインリダクションを引き起こす SFX のピーク。

例：ノイズの多いリモートインタビューを再編集したポッドキャスト／動画

制作意図：リモートで話す2人の出演者、イントロ音楽、アウトロ広告タグ、ときおり表示されるローワーサードを使った、18分のポッドキャスト用ハイライト動画です。

方針：

• 取り決め：対話の明瞭度と音量の一貫性がコンテンツの要です。音楽はイントロ／アウトロとトランジションの下でのみ使用します。
• 目標：音声もポッドキャスト RSS として公開する場合は、Apple Podcasts 互換の音声として -16 dB LKFS +/-1 前後、トゥルーピークを -1 dB FS 以下にします。それ以外の場合は、動画の配信先の規格を選びます。
• 準備：出演者ごとに音声を分け、クリップした音節やクロストークに印を付け、ルームトーンを集め、会話のリズムを損なわずに長い無音を削除します。
• 修復：一定のノイズは控えめに低減します。突発音やクリック音には手動編集を使います。深刻に損傷した語だけを差し替えるかマスクし、水っぽいノイズ除去のアーティファクトは避けます。
• ミックス：コンプレッションをかける前に、各出演者の知覚ラウドネスを近づけます。EQ を変えるのは、それぞれの声の問題を解決する場合だけにします。イントロ／アウトロの音楽は適切なレベルに保ち、広告タグが歪まないようにします。
• マスター：個別のクリップではなく、エピソード全体を測定します。イヤホンで口のクリック音や聴き疲れを確認します。
• 納品：動画全体のミックス、WAV 音声マスター、対話のみのステム、音楽／広告のステム、キャプション／トランスクリプト。 期待される結果：話者の音量感が揃い、背景ノイズが自然さを保ちながら低減され、イントロ／アウトロが唐突に感じられず、リスナーが音量を頻繁に調整せずに済みます。

よくある失敗例：ノイズを除去しすぎる、ソースに含まれるクリッピングがそのまま残る、話者の一人だけが著しく明るい音色または大きな音量になっている、音楽のイントロでリミッターが作動し、その後の音声が小さくなる。

例：VO、音楽、効果音、放送向けのクライアントレビューを含むトレーラー／広告

制作意図：映画のような音楽、VO、スウィッシュ音、インパクト音、最後のロゴのジングルを使った30秒の商品トレーラーです。クライアントは有料ソーシャルメディアに掲載し、後に放送で使用する可能性もあります。

方針：

• 契約：VOとブランドメッセージの明瞭さを保ち、音楽／効果音でスケール感を演出します。メディアバイの仕様が確定するまでは、ウェブ／ソーシャル向けマスターを作成し、放送向けの安全な別バージョンも用意します。
• 目標値：ウェブ／ソーシャル向けマスターは、保守的な目安として -16〜-14 LUFS、エンコード負荷が高い場合は -2 dBTP を目標にします。放送向けの別バージョンは、バイヤーの仕様を受け取ってから作成します。EBU を使用する場合は -23 LUFS および -1 dBTP、メタデータなしで ATSC を使用する場合は -24 LKFS および -2 dBTP を目指します。
• 準備：映像のビートに合わせて音楽を編集し、音楽のトランジェントと重複する効果音を取り除き、ロゴのジングルがリミッターの上限を超えないようにします。
• ミックス：音楽よりVOを前に出すようオートメーションを設定し、タグラインの箇所では音楽の帯域を空け、低域のインパクト音には迫力を持たせつつ短く保ち、各インパクトの前にコントラストをつけます。
• マスター：リミッターは控えめにかけます。インパクト音を潰さないと目標値に届かない場合は、音楽／効果音の密度を下げるか、余白を増やします。
• ステム：フルミックス、ダイアログ、音楽、効果音、M&E を書き出し、すべてのステムが 00:00 から始まり、意図どおりに合算されることを確認します。
• QC：ラウドネス、トゥルーピーク、モノラルへの折りたたみ、ノートPCのスピーカー、イヤーバッド、最終エンコードを確認します。

期待される結果：トレーラーに迫力がありながらメッセージが埋もれず、非可逆圧縮のプラットフォームでもピークに余裕があり、ステムを使って放送向けに再編集できます。

よくある失敗例：効果音のインパクトによってリミッターのポンピングが発生する、音楽が最後のCTAをマスキングする、モノラルに折りたたむと幅広いライザー音が失われる、ソーシャル向けマスターの音量を下げるだけで、仕様に合わせてミックスし直さずに放送向けバージョンを作る。