映像の作り方|音
録音の機材と技術

- デジタル録音の天井は0dBFSです。超えると音が割れて元に戻せないので、余白を残して録ります。
- 映像の音は48kHz・24bitで録るのが標準です。48kHzは映像のフレームレートと割り切れる数です。
- 映画やCMでは音を別に録り、カチンコやタイムコードで映像と合わせ、BWFという形式で時刻の情報を残します。
録りの機材の役割
録音の機材は、マイクの弱い信号を増幅し、大きさを整えて記録する道具です。マイクの信号を使える大きさまで増幅する部分をプリアンプといい、プリアンプの雑音の少なさが録れる音のきれいさを左右します。機材ごとの役割は次のとおりです。
| フィールドレコーダー(ミキサー一体型) | マイクの入力をプリアンプで増幅し、レベルを整えて記録する。ロケの音の中心 |
|---|---|
| ミキサー | 複数のマイクを混ぜ、レベルをそろえ、モニターやカメラに送る |
| オーディオインターフェース | マイクの音をパソコンに取り込む。ナレーションの収録やスタジオで使う。ファンタム電源を送れるものもある |
| ヘッドホン | 録っている音をその場で聞く。雑音や服のこすれは、メーターではなく耳でしか気づけない |
レベル管理 ― 現場で最も大事なこと
レベル管理とは、録る音の大きさが大きすぎず小さすぎないよう、プリアンプの増幅量(ゲイン)を合わせることです。
デジタル録音の鉄則は、0dBFSが天井だということです。これを超えると「クリップ」というデジタルの音割れが起き、元に戻せません。だから天井に余白(ヘッドルーム)を残して録ります。目安は、会話やナレーションで平均−20〜−12dBFS、ピークで−12〜−6dBFSです。突然の大声でも天井に当たらない安全な範囲です。
逆に、小さすぎる音を後で持ち上げると、雑音も一緒に大きくなります。音割れは戻せず、小さすぎると雑音が増える。ちょうど良い所に合わせるのが基本です。
近年は、32bit floatという録音形式が広まっています。理論上は天井を超えても後から取り戻せる階調を持つため、レベルの事故に強い形式です。ただし、マイクやプリアンプそのものの歪みは残るので、過信は禁物です。
サンプルレートとビット深度
映像の音は「48kHz・24bitで録る」のが現場の標準です。映画館向けの納品(DCP)も、24bit・48kHzが基本です。
48kHzが映像の標準になった理由の1つは、24・25・30という映像のフレームレートで割り切れ、音と画をそろえやすいことです。音楽CDの44.1kHzは、初期のデジタル録音に家庭用のビデオ機器を使っていた名残の数字とされます。サンプルレートで再現できる高い音の上限は、その半分です。48kHzなら24kHzまでで、人の耳が聞こえる約20kHzを超えています。
音楽の44.1kHzの素材が混ざると変換が必要になり、トラブルの元になるため、素材の入り口で48kHzにそろえます。
| サンプルレート(標準48kHz) | 1秒に何回音を測るか。再現できる高い音の上限を決める。映像は48kHzが世界標準(音楽CDは44.1kHz)。96kHzは、後で大きく伸ばしたり音程を変えたりする効果音やフォーリーの素材に使う |
|---|---|
| ビット深度(標準24bit) | 1回の測定の細かさ。音の大小の幅と、雑音への余裕を決める。収録は24bitが原則で、16bitは配信の最終形。32bit floatは録りの保険 |
同録と別録、そして同期
同録は、カメラのマイクや入力で、映像と一緒に音を録る方法です。手軽ですが、音質やレベルの自由度は低くなります。カメラの内蔵マイクは非常用と考えます。
別録は、レコーダーで音だけを高い品質で録り、後で映像と合わせる方法です。映画やCMの標準です。別録では、映像と音を合わせる「同期」が必要になります。同期の方法は主に3つです。
| カチンコ(スレート) | 板を叩いた「パチン」の音の波形と、板が閉じる映像の一致点で合わせる。頭と尻の両方で叩いたテイクを入れておくと、事故のときに助かる |
|---|---|
| タイムコード | カメラとレコーダーに同じ時刻の信号を配り、時刻で自動的に並べる。プロの現場の効率化の要。映像のフレームレートにタイムコードも合わせる |
| 波形の自動同期 | 編集ソフトが、カメラの音とレコーダーの音の波形を照らし合わせて合わせる。タイムコードの無い現場の主力。カメラ側でも必ず音を録っておく |
タイムコードとBWF ― 音に時刻を残す
タイムコードとは、映像や音の1コマごとに付ける「時:分:秒:フレーム」の住所です。たとえば 01:25:47:10 は、1時間25分47秒の10フレーム目を表します。よく使う速さは24・25・29.97・30フレームで、29.97ではドロップフレームという数え方で時計とのずれを補います。
BWF(Broadcast Wave Format)は、ふつうのWAVファイルに放送用の情報の欄を足した形式で、欧州放送連合(EBU)の規格 Tech 3285 で決められています。アメリカ議会図書館の解説によれば、BWFには作成者や作成日時などの情報を入れる欄があり、編集の時間軸に正確に置ける時刻の印を埋め込めます。2011年の第2版では、ラウドネスの情報も入れられるようになりました。
別録の音をBWFで記録しておくと、編集ソフトが時刻を読んで自動で並べられます。サンプルレートを変換するときも、時刻の情報を保てるBWFで書き出すのが安全です。
現場の雑音とハウリング
録った後では消しにくい音が多いので、できる限り発生源を止めるのが最善です。
- ハウリング:スピーカーの音をマイクが拾い、増幅し、また拾う、の繰り返しです。マイクをスピーカーの後ろや正面から外れた位置に置く、音量を下げる、問題の周波数を削る、指向性のマイクを使う、で防ぎます。
- 現場の雑音:エアコンや冷蔵庫の低いうなり、照明の電源の「ジー」という音、風、足音や机の振動。撮影中はエアコンを切るなど、発生源を止めます。
- ハムノイズ(50/60Hz):電源の回り込みで起きるうなりです。バランス接続やアイソレーターで対処します。
収録前のチェックリスト
収録前の確認は、録った後では直せない事故を防ぐためのものです。現場でそのまま使える順に並べます。
- レコーダーとカメラの設定が48kHz・24bit(または32bit float)になっている。
- タイムコードを使うなら、カメラとレコーダーのフレームレートと時刻がそろっている。
- ゲインは、本番で一番大きくなりそうな声で合わせた(リハーサルの小声で合わせない)。
- ヘッドホンで実際の音を聞き、服のこすれ・風・電源のうなりが無い。
- 部屋の音だけを数十秒録っておいた(編集で無音の穴を埋めるのに使う)。
- 電池と記録メディアの残りが本番の長さに足りていて、予備がある。
- カチンコを使うなら、テイクごとに頭か尻で叩く段取りが決まっている。
よくある間違いと直し方
録音の失敗の多くは、設定と確認の抜けから起きます。
- カメラの内蔵マイクだけで録る:音が遠く、部屋の響きと雑音が多くなります。口元に近いマイクを別に用意します。
- 44.1kHzと48kHzの素材が混ざる:音の高さや長さがずれる原因になります。入り口で48kHzにそろえます。
- 安全のために小さく録りすぎる:後で持ち上げると雑音も増えます。ピークが−12〜−6dBFSに来るよう合わせます。
- 32bit floatだからとゲインを気にしない:マイクやプリアンプの歪みは取り戻せません。ゲインはふつうに合わせます。
- ヘッドホンで聞かずにメーターだけ見る:メーターは大きさしか分からず、こすれや混信には気づけません。
AI動画では、こう使う
- 入口の音質は自分で用意するAI動画には「録り」がありません。そのぶん、ナレーションやセリフの音は48kHz・24bitで用意し、音割れさせないことが大切です。AI音声でも、レベルの管理は同じです。
- 素材のサンプルレートをそろえるAIで作った環境音や効果音、BGMは、サービスによってサンプルレートが違うことがあります。編集の前にすべて48kHzにそろえます。レートが混ざると、音の高さや長さがずれる事故が起きます。
- 「別録と同期」はリップシンクにあたるAIで生成した画と、別に用意した音を後で合わせるのは、別録と同じ考え方です。AI動画では、口の動きをセリフに合わせるリップシンクが、同期の役目を担います。
よくある質問
32bit floatで録れば、ゲインの調整は要りませんか?
32bit floatはデジタルの音割れには強い形式ですが、ゲインの調整が要らなくなるわけではありません。マイクやプリアンプの段階で起きる歪みは記録形式では防げないため、ふつうの録音と同じように適正なレベルに合わせます。
44.1kHzの音楽を48kHzの動画に使うとどうなりますか?
44.1kHzの音楽は、48kHzの動画の時間軸に合わせて変換する必要があります。変換せずに扱うと、音の高さや長さがずれる事故の原因になります。編集を始める前に、素材を48kHzにそろえておくのが安全です。
タイムコードが無いカメラでも別録できますか?
タイムコードが無いカメラでも別録はできます。カメラ側でも音を録っておき、編集ソフトの波形の自動同期で合わせるのが一般的です。カチンコを叩いておくと、自動同期がうまくいかないときに手で合わせられます。
24bitと16bitは何が違いますか?
24bitと16bitの違いは、1回の測定の細かさです。24bitのほうが音の大小の幅が広く、雑音への余裕も大きいため、収録や編集は24bitで行います。16bitは、配信や配布の最終形で使われることが多い形式です。
出典
この記事は、AIで下調べをして出典を確かめ、ファーストペンギン代表の向井 宏が監修しています。最終確認:2026年11月
