目次 · 12の章
設計目標と信号境界
元データの保持と能動的な音声処理は、いずれも明確に提示されるべき再生アプローチです。
プレーヤーは音声をそのままビットパーフェクトで伝送することも、能動的に加工することも可能です。前者はサンプルが忠実に維持されているかを重視し、後者は変換時の周波数応答、ノイズ、安定性、リアルタイム性を重視します。RLPlayer はこの2つの用途に対して独立した処理パスを用意し、今回の再生で実際にどの処理が適用されたかを信号チェーン上に明示します。
アップサンプリングとは、より密な時間グリッド上で既存の信号を再構成する処理です。録音時に存在しなかった情報を復元するものではなく、出力サンプリングレートが高いことだけで音質向上を証明できるものでもありません。その工学的価値は、デジタル再構成フィルタリングを選択可能かつ測定検証可能なソフトウェア実装に委ね、出力機器がサポートするクロックに適合させる点にあります。DACが高サンプリングレートやDSDを受信した後に内部でどう処理するかは、依然としてDACチップとファームウェアの実装に依存します。
図はメインの処理順序を示しており、実際の再生時にはオフになっているステージはスキップされます。ReplayGain とピークマージン管理は入力側に配置され、20バンドパラメトリックEQ、チャンネル個別処理、ルーム音響補正はソースサンプリングレート側で適用されます。リサンプリング後に最終的な出力音量調整と量子化が行われます。イコライザー、ディレイライン、コンボリューション演算器、リサンプラーはブロック境界をまたいで状態を保持し、各ブロックの先頭で状態が途切れるのを防ぎます。
処理の透明性を確保
UI上では、プリセットの選択、最終出力フォーマット、および実際の実行ステータスを明確に区別して表示します。GPUが利用可能であることは現在の曲で実際にGPUが使用されていることを意味せず、ユーザーが7次モジュレーターを指定しても最終的な有効次数が必ず7次になるとは限りません。フォールバック、次数制限、クロックファミリをまたぐ変換が発生した場合、ステータス表示は設定値を単に繰り返すのではなく、実際に何が起きたのかを正確に説明します。
PCM リサンプリングとサンプリングレートファミリ
44.1 kHz から 705.6 kHz への変換は16倍ですが、44.1 kHz から 384 kHz への変換は 1280/147 倍になります。
有理数比リサンプリングは、出力レートと入力レートを約分して L/M の比率にします。まず時間軸グリッドを L 倍に細密化し、ローパスフィルターで折り返しエイリアシングを除去したのち、M ごとに間引き(デシメーション)を行います。ポリフェーズ実装ではフィルター係数を位相ごとに分割し、現在の出力サンプルに必要な部分のみを計算するため、ゼロ埋めされた巨大なオーディオバッファを実際に割り当てる必要はありません。
44.1、88.2、176.4、352.8、705.6 kHz は一般的な 44.1 kHz クロックファミリに属し、48、96、192、384、768 kHz は 48 kHz ファミリに属します。同一ファミリを維持することで、通常は小さな整数倍率と簡潔な位相スケジューリングが得られます。ファミリをまたぐ変換も数学的には可能ですが、有理数比パスが必要となりサンプル値が変化するため、ビットパーフェクト伝送には該当しません。
| PCM ポリシー | 自動選択 | 手動で異系列レートを指定 |
|---|---|---|
| 同族優先 prefer | 機器がサポートする同一ファミリのレートを優先選択。同一ファミリに対応レートがない場合は警告を表示 | 明示的な指定を許可し、異系列変換が行われた旨をマーク表示 |
| 厳格な同族 strict | 同一ファミリ内の変換またはソースレートの維持のみを許可 | 異系列への変換を拒否 |
| 互換変換 compatible | 同一ファミリに利用可能なレートがない場合、異系列への変換を許可 | 許可し、変換の事実をマーク表示 |
小さな画面ではテーブルを横スクロールできます
ポリシー判定は、ユーザーが最初に選択した数値だけでなく、実際のソースサンプリングレートと最終的な PCM クロックに基づいて行われます。機器の対応レート一覧が空の場合、サンプリングレートが不明な場合、または明示指定されたレートがサポートされていない場合でも、明確な結果が返されます。クロックファミリが不明な場合、自動モードではソースレートの維持を優先し、互換変換(compatible)ポリシーが選択されている場合のみ別ファミリへの自動変更を許可します。
ソースサンプリングレートを維持
入力レートと出力レートが同一の場合、リサンプラーはそのままスルーパスします。再生チェーン全体がビットパーフェクトであるかどうかは、チャンネル数、ビット深度、音量、ReplayGain、EQ、コンボリューション、ディザなどの条件も満たす必要があります。16-bit 整数をロスレスで 24-bit に拡張(ゼロパディング)した場合、元の数値自体は完全に保持されますが、伝送されるワード形式は元のバイト列と一致しなくなるため、元のビット深度のままでのビットパーフェクト直通とは区別して説明されます。
フィルターの帯域幅・位相特性・2ステージ構造
79種類の定義済みプリセットは、それぞれ異なる帯域幅、遷移帯域、時間軸応答、および実装構造を提供します。プリセット名そのものは測定結果を保証するものではありません。
有限インパルス応答(FIR)フィルターは、連続する入力サンプルのそれぞれに重み係数を掛け合わせ、その総和を現在の出力サンプルとして得る処理と理解できます。タップ数とはその重み係数の数を指します。より急峻な遷移帯域や深い阻止帯域減衰を実現するには、通常より長いフィルターが必要となり、係数の設計時間、メモリ消費、演算負荷、またはレイテンシが増加します。
設計予算から実際のフィルター係数へ
初期の実装のように補間ドメインのプロトタイプ全体に固定のタップ予算を割り当てると、L(補間倍率)が大きくなるほどポリフェーズ1位相あたりのタップ数が減少するという問題が生じます。現在のプロダクション構成では、ソース側の遷移帯域と目標仕様から位相ごとの長さを逆算して設計されます。明示的なソース長、アポダイジングフィルタリング、カスケード第2段のそれぞれに適切な設計ルールが適用されます。係数テーブルが必要リソースの上限を超える場合は、構築を明示的に拒否するか段階的なカスケード構造を採用すべきであり、メモリに収めるために密かにフィルター長を切り詰めて品質を落とすような処理は行いません。
また、カットオフ周波数と通過帯域端(パスバンドエッジ)を混同してはなりません。現在の標準的なリサンプリングローパスフィルターでは、カットオフ周波数は遷移帯域の中央に配置され、通過帯域、遷移帯域、阻止帯域はそれぞれ個別に評価されます。高域ロールオフ領域にある 20 kHz での減衰値をもって、通過帯域全体のリップル特性を代表させることはできません。
| 位相選択 | 時間軸特性 | 評価時の着眼点 |
|---|---|---|
| リニアフェーズ lp | 対称 FIR フィルターにより、有効帯域全体で一定の群遅延を実現 | 対称性、レイテンシ、ピーク前後のプリ/ポストリンギングエネルギー |
| ミニマムフェーズ mp | エネルギーを応答の立ち上がり部分に集中させ、プリリンギングを抑制。周波数によって群遅延が変化 | 振幅周波数特性の偏差、時間軸のエネルギー分布、実際のレイテンシ |
| ミックスフェーズ ip | 目標帯域幅の中で位相とエネルギー分布のバランスを最適化 | 実際のインパルスエンベロープ(名称だけでリンギング特性を判断しないこと) |
小さな画面ではテーブルを横スクロールできます
現在のミニマムフェーズおよびミックスフェーズの設計では、因数分解による構築や高精度コンボリューションなどのステップを採用し、極めて深い阻止帯域を持つ長いプロトタイプに対して一度の変換で生じる精度劣化を防いでいます。リニアフェーズとミニマムフェーズの目標仕様を近づけることは可能ですが、「振幅特性が完全同一」「ミニマムフェーズではピーク前のエネルギーが完全ゼロ」といった表現は厳密な定義と測定検証が必要であり、すべてのプリセットに無条件で当てはまる記述としては扱われません。[1]
2ステージアップサンプリングは2つの独立した音響エフェクトではありません
純粋な整数倍アップサンプリングで倍率が十分に大きく、カスケードが有効化されている場合、第1ステージでソース帯域幅を確定し、第2ステージでより高いサンプリングレートにおいて新たに生じる折り返しエイリアスを除去します。現在のポリフェーズ実装におけるカスケード条件は M=1 かつ L≥8 であり、有効な段数に分解できる場合に限られます。44.1→705.6 kHz はカスケード可能ですが、44.1→384 kHz(M=147)のように有理数比となる場合は、プリセット名に「2s」サフィックスが付いていても実際には2ステージ処理は行われません。DSD 用途では適合するカスケードが明示的に要求され、「PCM レートが高いから」という理由だけで用途を推測することはありません。
アポダイジング(apodizing)フィルターは異なる目的を持ちます。高域端を意図的かつ緩やかにロールオフさせることで、元の音源に含まれる高域リンギングを抑制します。高周波成分が変化するため、評価にあたってはプリセットが明示するロールオフ特性に基づいて検証する必要があります。広帯域パスバンドの基準を用いて不当に不合格と判定してはならず、またアポダイジングだからといって阻止帯域やエンドツーエンドの検証を省略することも許されません。
数値精度と 280 dB の正確な意味
280 dB は特定のデジタルフィルター設計目標を示す数値であり、DAC アナログ出力のダイナミックレンジを示すものではありません。
阻止帯域減衰量とは、フィルターが通過帯域に対して遮断対象の周波数をどれだけ減衰させるかを示す指標です。振幅比 a は 20 log10(a) dB で表され、−280 dB は約 10⁻¹⁴ という極めて微小な振幅比に相当します。この数値は数学モデルや高精度のデジタル周波数応答上に現れるものですが、ハードウェア全体のSN比、実効ビット深度、あるいは聴感上の改善度合いに直接換算することはできません。
現在の検証基準では、主要なフィルターファミリの多くに対して 280 dB を目標値として設定し、Gaussian ファミリには 100 dB の目標値を設定しています。これらは本ソフトウェアが特定の構成に対して定めた品質目標であり、窓関数一般に普遍的に成り立つ数学的限界ではありません。プリセットがこの目標を満たすかどうかは、ソースレート、ターゲットレート、位相、カスケード方式、通過帯域の定義、および実際のフィルター係数に依存します。
「設計」「計算」「測定」はそれぞれ異なる境界を持ちます
係数設計によって理想的な線形フィルターが定まり、演算処理によって係数量子化と累積丸め誤差が加わり、測定ツール自体にも測定限界が存在します。単に FFT のポイント数を増やすだけでは、信頼性のある −280 dB の測定値は得られません。深い阻止帯域の検証には、実際にエクスポートされた係数、高精度周波数応答計算、エッジ部および局所的なグリッド細密化を用い、実際の処理パスを検証することで、測定器のノイズフロアをフィルター性能の限界と誤認するのを防いでいます。
プロダクション環境の浮動小数点パイプラインでは主に double(64ビット浮動小数点数)を使用しています。これは約53ビットの有効な2進数精度を提供します。極めて小さな残差を計算する際、大きな正負の項同士が相殺されることで、最終結果そのものよりも大きな計算誤差が生じる場合があります。設計や検証で使用される Double-double(DD)は数値を上位・下位の2つの浮動小数点数に分割して中間計算の精度を高めるものですが、これはすべての再生サンプルが DD で処理されることを意味するものではなく、サウンドカードから 106-bit の音声が出力されるわけでもありません。
条件を満たす整数 PCM パスでは、固定小数点係数と128ビット整数アキュムレータを使用できます。アキュムレータの加算処理自体は完全な精度を保てますが、係数を整数フォーマットへ変換する際の量子化誤差は依然として存在し、最終的な出力フォーマットへ変換する際にも丸め誤差が発生する可能性があります。これは入力が整数グリッド上で正確に表現でき、事前の処理によってそのグリッドが崩れていない場合にのみ適用可能であり、すでにイコライザーやゲイン処理を受けた浮動小数点サンプルを整数グリッドに再圧縮して「誤差ゼロ」と称することはできません。
厳密な演算順序の維持
コンパイラの高速数学最適化(fast-math)は、加算の順序を並べ替えたり乗算と加算を融合(FMA)したりすることで仮数部を変化させる可能性があります。一般的な線形フィルタリングにおいてこれは極めて微小な数値差にとどまるかもしれませんが、フィードバックループを持つ 1-bit モジュレーターでは、わずかな差異がその後の膨大な出力ビット列を完全に変化させてしまいます。そのため、演算の並べ替え、FMAの縮約、逆数除算の書き換えの制限、SIMD とスカラー参照実装との照合、例外発生後の状態遷移および乱数ステップの整合性確認は、すべて「再現可能な計算」の不可欠な要素です。ここでの制約は、すべてのコンパイルオプションやすべての浮動小数点環境が完全な IEEE 厳密モードと同等であることを意味するものではありません。
DSD のビットパーフェクト直通・デコード・再モジュレーション
DSD は極めて高いビットレートと 1-bit の値で信号を表現し、PCM とは根本的に異なるノイズ分布を持ちます。
44.1 kHz系列における DSD64 のビットレートは 2.8224 MHz、DSD128 は 5.6448 MHz であり、DSD1024 では倍々で 45.1584 MHz に達します。48 kHz系列では 3.072 MHz から 49.152 MHz に対応します。1-bit とは、ある瞬間の出力が2つの電圧レベルのいずれかしか取れないことを意味し、信号情報は一定時間内のパルス密度によって表現されます。各ビットが直前の瞬間より「少し高いか低いか」を直接表しているわけではありません。[2]
| タスク | 実際の処理パス | データが保持されるか |
|---|---|---|
| DSD 同一ビットレート直通 | 元のビットストリームを読み込み → DoP またはネイティブ DSD で伝送 | 直通条件を満たす場合、元の DSD ビット列をそのまま保持 |
| DSD から PCM への変換 | 元のビットストリーム → ローパスおよび間引きデシメーション → PCM 処理チェーン | 出力はフィルタリング処理された PCM となる |
| PCM から DSD への変換 | PCM 処理 → オーバーサンプリング → マージン管理 → SDM → 1-bit パッキング | 再量子化が行われ、元のソースデータの直通ではない |
| DSD 異なるビットレート間の変換 | 元のビットストリーム → 中間 PCM → 補間 → 再モジュレーション | 新たな DSD ビットストリームとして再生成 |
小さな画面ではテーブルを横スクロールできます
デコードと間引き(デシメーション)
DSF / DFF ファイルの生のビットストリームはネイティブリーダーによってブロック単位で読み出され、FIR、IIR、または CIC に関連するデシメーションパスを通じて PCM に変換されます。ローパスフィルターは高周波の量子化ノイズを抑制するために用いられ、デシメーションはサンプリングレートを下げるために行われます。各パスは通過帯域の平坦性、位相特性、レイテンシ、計算負荷において異なります。出力ファイルが 24-bit PCM であることだけを見て、デシメーション処理の実際の品質を判断することはできません。
同一ファミリ内の異なる DSD レート間変換では、中間 PCM を介した再モジュレーション方式を採用しています。中間 PCM はマルチレベルの内部数値表現であり、あらかじめ CD クオリティのビット深度に圧縮されているわけではありません。出力された2系統の DSD ビットストリームを直接ビット比較しても、どちらがより正確であるかを評価することは通常不可能です。同一の信号であっても異なるノイズシェーピング系列を生成できるためです。同一の帯域幅に復調した上で、振幅誤差、残留ノイズ、折り返し歪みを評価する必要があります。
現在の専用 DSD レート変換プランナーは、標準レート間における同一ファミリ内の整数倍率によるレート変更をサポートしています。異系列間の変換要求は明示的に拒否されます。この制限は現在の実装方針によるものであり、「異系列変換が数学的に不可能である」という意味ではありません。もし異系列変換を行う場合は、独立した PCM 変換および再モジュレーションのワークフローとして説明されるべきであり、元の DSD ビットパーフェクト直通であるかのように偽ることはできません。
DSD モジュレーションと安定性
NaN が発生しないこと、クラッシュしないことだけで、モジュレーターが正常に動作している証明にはなりません。
モジュレーターの選択と有効な構成
SDM(シグマ・デルタ・モジュレーター)とは、フィードバックを用いてマルチレベルの演算結果を低ビット深度の系列へと変換するループ回路です。ノイズシェーピングは量子化誤差を可聴帯域外の高周波領域へ押しやることで、可聴帯域内の低ノイズを実現します。ノイズそのものを完全に消去するわけではありません。NTF(ノイズ伝達関数)は周波数に応じて量子化誤差がどのように分布するかを決定し、回路トポロジーと内部状態の実装が有限精度演算下での動作挙動を左右します。[2]
RLPlayer は、標準 DSD、Chebyshev、EC、AHM に関連する各種構成を提供します。設定可能な次数、量子化レベル、ディザ、ノイズシェーピングの制約条件は、出力フォーマットと切り離して論じることはできません。高次モジュレーターが自動的に優れた音質を意味するわけではなく、帯域内ノイズ、帯域外エネルギー、安定性、実行速度を総合的に検証する必要があります。本番の実行ステータスでは、実際に有効化された次数と制約の理由が明示されます。
3.0.10 では高倍率の標準7次 NTF に対し、因数構造を保持した区分的セグメント実装を新たに採用しました。これにより、高次多項式を展開して直接フィードバックした際に生じる係数桁落ちと精度損失を根本から回避しています。高倍率の指定時においても、単に5次にフォールバックして問題を回避するのではなく、本番ガードが設計の妥当性を常時検証します。セグメント実装による改善は特定のテスト条件下での帯域内誤差を証拠として示すべきであり、システム全体の音質や一般的な数値限界へ過度に一般化してはなりません。
AHM の 6〜8 bit 設定では 64、128、または 256 レベルの量子化ステップを提供します。量子化には隣接レベルの間隔を用い、現在の実装では要求ビット数と実際の量子化レベル数との対応関係を厳密に修正済みです。本プロジェクトにおける DoP および ASIO ネイティブ DSD 出力では、下流のデバイスは 1-bit ストリームのみを受け付けるため、AHM は同一 NTF の2レベル(1-bit)量子化へと明示的に制限され、その理由がステータスに報告されます。マルチレベル対応ハードウェアへの出力は現時点では開放されていません。パッカーは不正なマルチレベルサンプルを拒否し、単なる正負符号の取得による振幅歪みの発生を未然に防ぎます。
アップサンプリング、イコライザーによるブースト、畳み込み演算、インターサンプルピーク(ISP)などにより、演算ピーク値が元のファイルの最大サンプル値を超える場合があります。高次 1-bit ループでは、数値上のフルスケールに達する前に不安定領域へ突入することもあります。PCM のフルスケール入力を、無条件にモジュレーターの安全な動作レベルと見なすことはできません。
現在のヘッドルームマージン戦略では、ターゲットとなる DSD ビットレートに応じて動作ピーク値を決定します。4 MHz 未満または目標レートが不明な場合は 0.45、それ以外の場合は 0.62 を採用し、さらに保護マージンを重畳可能です。これらはオフラインのテストマトリクスに基づいて選定された現在の実装値であり、あらゆる音源やあらゆる設定に対する絶対的な安定性定理ではありません。マージンによって生じる減衰量は信号チェーン上に明示されます。
量子化器の入力リミッター、フィードバック誤差クランプ、非有限値(NaN/Inf)のトラップ処理、および有効次数ガードが組み合わさることで、多重の保護機構を構成します。NTF の帯域外ゲインピークや極の制約によって危険な設計を事前に排除できますが、線形化モデルだけでは非線形モジュレーターがあらゆる入力に対して安定であることを証明できません。実環境でのループ動作検証が不可欠です。
| 検証入力 | 着目する検証結果 |
|---|---|
| 定常正弦波、マルチトーン、無音信号 | 帯域内ノイズ、DCオフセット、過負荷時の増分、長時間連続動作時の挙動 |
| フルスケール信号および単一サンプルのクリッピング超過 | リミッター動作が説明可能か、内部状態が発散せず有限に保持されるか |
| 過渡応答終了後の信号または無音状態 | 帯域制限 RMS が基準値に復帰できるか、同一符号連続率が正常か、クリッピングカウントの増加が停止するか |
| 異なるデータブロック長およびチャンネル構成 | ブロックごとの出力、乱数系列、内部状態の連続性と一貫性 |
小さな画面ではテーブルを横スクロールできます
フルスケールの同一符号信号や矩形波を連続出力している場合でも、数値上は完全な有限値にとどまることがあります。したがって、復帰判定には出力の帯域制限エネルギー、DC成分、同一符号への偏り、カウンターの変化を総合的に観察する必要があります。特定の検証マトリクスを通過したことは、そのマトリクスに含まれる条件下での安全性を証明するものであり、パワーアンプやスピーカーの耐入力限界を保証するものではありません。
高倍率7次モジュレーターの数値実装
NTF の因数構造を保持し、極めて高いビットレートにおける高次展開式の精度低下を防止
DSD1024 のような極めて高いビットレートにおいて、標準的な7次 Butterworth NTF の展開多項式には互いに相殺し合う近接した係数が含まれます。これらをそのまま高次フィードバック差分方程式に投入すると、有限精度の丸め誤差が劇的に増幅されます。その結果、出力自体が破綻・発散していなくても、次数を上げたことでかえって帯域内特性が悪化するという現象が起こり得ます。
3.0.10 では1つの1次因数と3つの2次因数を保持し、区分的なセグメント構造によって内部状態を更新することで、丸められた7次展開式に依存したフィードバック処理を撤廃しました。各段で単位直達項を保持し、フィードバックには直前までの状態のみを使用するため、1サンプルの追加遅延を発生させません。設計目標は標準的な7次ノイズシェーピングのままであり、改善は数値計算の実装手法にあります。
| ビットレート | 従来の7次(診断用強制モード) | 従来の5次(保護ベースライン) | 3.0.10 新7次 |
|---|---|---|---|
| 45.1584 MHz | −69.0169 dBFS | −138.6755 dBFS | −166.8431 dBFS |
| 49.152 MHz | −63.4041 dBFS | −138.7398 dBFS | −167.3963 dBFS |
小さな画面ではテーブルを横スクロールできます
表中の数値は、同一の単音サンプルと 1-bit 出力を時間領域で引き算した上で帯域内誤差電力を算出した error_all 指標です。これは基本波の振幅残差および位相残差を含んでおり、基本波をノッチフィルターで除去して数値を良く見せる手法とは異なり、誤差をありのままに捉えます。0 dBFS は RMS=1 と定義されるため、フルスケール正弦波は −3.0103 dBFS となります。他の資料の基準レベルと比較する際は、あらかじめ基準を揃えておく必要があります。
測定条件は、標準 DSD ファミリ、入力ピーク 0.62、量子化ディザ 0.0005 LSB、NTF カットオフパラメーター 100 kHz、事前ウォームアップ 50 ms です。各ビットレートにおいて約 0.1、1、5 kHz の3つの整数周期単音を測定し、それぞれ3つの連続した 1,048,576 点の周期 Hann 窓を抽出。周波数は対応する FFT グリッドに厳密に整列させています。誤差の積分は正の最初の周波数グリッドから 20 kHz まで行い、DC成分は含めず、基本波のくり抜きも行っていません。9組の電力を線形領域で平均化した後、dB 値に換算しています。
新7次は本番ガードが有効化された構成で動作し、有効次数は7次として実行されます。定常状態の各解析ウィンドウにおいて、過負荷、クランプ、非有限値の増分はゼロを記録しました。この実例は、セグメント実装が当該条件下における高次の数値精度問題を解消したことを示しています。これは任意の入力、任意のパラメーター、またはすべてのデバイスにおける普遍的な誤差下限を示すものではなく、システム全体のダイナミックレンジや聴感上の優劣順位を示すものでもありません。
CPU・GPU とリアルタイム処理
アクセラレーションの本質的な価値は、目標とするアルゴリズムを忠実に維持しながら、処理スループットを高め、CPU負荷を低減することにあります。
CPU パスは SIMD を活用して複数の独立した演算結果を並列処理し、適用可能なタスクに対してマルチスレッドスケジューリングを行います。固定小数点パスと浮動小数点パスにはそれぞれ固有の適用条件があります。見かけのスループットを高く見せるために入力信号、フィルター帯域幅、有効タップ数、量子化ルールを変更したものを、同一アルゴリズムの高速化と称することはできません。
GPU バックエンドには AMD HIP と NVIDIA CUDA が含まれ、並列処理に適したアップサンプリングおよび畳み込み演算タスクに使用されます。GPU へのデータ転送、タスクの投入、同期処理自体に一定のオーバーヘッドが存在するため、短いインパルス応答の畳み込みや小規模なタスクでは必ずしも高速化されるとは限りません。現在の長インパルス応答コンボリューションには明示的な長さ判定ゲートが設けられており、API呼び出しをまたいで履歴データと余韻テールを保持するストリーミングセッションが使用されます。
GPU アクセラレーションは、SDM フィードバックループの全サンプルがGPUによって並列実行されることを意味するものではありません。ループ処理には前後のサンプル間の依存関係が存在するため、実際のアーキテクチャでは前段のリサンプリングをGPUで実行し、モジュレーションおよび最終出力処理はCPUで実行するハイブリッド構成をとることができます。2ステージアップサンプリングにおいても、片方のステージのみがGPUで実行されたのか、両ステージともGPUで完結したのかを明確に区別する必要があります。
一貫性における3つのレベル
第1レベルはビルドとインターフェースです。アーキテクチャ固有のバイナリコードとエクスポートシンボルが存在すること。第2レベルは実行です。自明な単純カーネル(定数書き込み)の出力が正しく読み戻され、実際の処理パイプラインにおいて実行の証跡が存在すること。第3レベルは結果の一致です。同一の入力、同一の係数、同一の内部状態において、規定の判定基準のもとで参照出力と比較検証されること。ドライバーが成功を返した、あるいは DLL がロードできたという事実は、これらのごく一部をカバーするに過ぎません。
一部の確定的な構成ではビット単位の完全一致を達成できますが、その他のパスでは単位を持った物理誤差、周波数応答、またはエンドツーエンドの検証基準を用いる必要があります。本文書では、局所的な一致の記録を「すべての CPU/GPU パスが常にビット単位で完全同一である」と一般化することはありません。現在ローカルマシンで実証されている実際の GPU 実行証拠は AMD HIP によるものであり、CUDA におけるビルドおよびインターフェース検証は NVIDIA 実機での実行検証と同等ではありません。
処理速度を正しく理解するために
リアルタイム倍率とは、処理された音声の再生時間を所要時間で割った値であり、1.0 を超えて初めてその測定条件下で途切れなくリアルタイム再生できることを意味します。チャンネル数、入出力サンプリングレート、フィルター、モジュレーター、バッチサイズ、ハードウェア環境、および初期化時間やデータ転送時間が含まれているかどうかを明記する必要があります。3.0.8 における対照オフライン測定は14のパス、計120回の実行をカバーしていますが、測定値のばらつきを超えて明確な高速化が認められたのは一部のパスに限られます。これらの結果は任意のハードウェア環境におけるリアルタイム動作を保証するものではなく、他のプレーヤーに対する包括的な優劣を結論付けるものでもありません。
測定手法と実証データ
1つの検証結果は、4つの問いに答えられるべきです:何を測定したのか、どこを測定したのか、どう計算したのか、その結論はどこまで適用できるのか。
フィルタリングの検証にあたっては、再生パイプラインを別の似たフィルターで代用するのではなく、本番オブジェクトから実際に使用されているフィルター係数を直接エクスポートして検証します。入力レート、出力レート、プリセット名、位相、および2ステージ構成によって測定対象を識別し、ビルド情報とデータダイジェストを保存することで、「この特性図がどのアルゴリズムに対応しているのか」を後から確実に照合できるようにしています。
周波数領域の評価では、通過帯域と阻止帯域を明確に区別します。通過帯域ではゲイン誤差、リップル、帯域幅を評価し、阻止帯域では指定された全領域における最悪ケースの残留レベルを評価します(局所的な最も深いディップを都合よく抜き出すようなことはしません)。折り返しエイリアス抑制とイメージ抑制は、実際のサンプリングレート変換方向と着目帯域幅に基づいて定義されるべきです。FFT に高密度グリッド、エッジ部、局所的な細密化を導入することでカバー範囲を強化できますが、有限個の周波数ポイントで合格したことは、連続する全帯域にわたる数学的証明と同等ではありません。
2ステージ構造の特性は、単に2つの理想的な振幅周波数特性を掛け算しただけで実際の実装と見なすことはできません。本番のフィルター係数と実際の時間領域での処理結果を照合する必要があります。適用可能なケースでは各ステージの丸め誤差を考慮し、保守的なエンベロープまたは直接処理へのフォールバックによって安全性を確保します。位相特性とレイテンシについても実際の処理ブランチに沿って測定し、時間軸アライメントのわずかなズレをアルゴリズムの大幅な差異と誤認しないよう配慮する必要があります。
| アーカイブ済みベースライン | 観測された結果 | 支持される結論 |
|---|---|---|
| 3.0.8 フィルター品質マトリクス | 948 件の記録;863 件の適用可能記録がそれぞれの目標を達成、85 件は対象外として除外 | 720 件が高密度サンプリング目標を達成、143 件が有限グリッドの実処理エンベロープ目標を達成(連続全帯域の証明ではない) |
| 本番レポートとパイプラインの照合 | 49,416 サンプル中、差異サンプル数 0 | 当該レポート構成が実際のパイプラインと完全一致することを確認(全構成への外挿は不可) |
小さな画面ではテーブルを横スクロールできます
除外(対象外)は合格を意味しません。その組み合わせが現在のコンテンツ境界または当該判定基準に適合しないことを示しており、個別に理由を明記する必要があります。Gaussian の目標値は他のファミリとは異なっており、全体の集計において「すべてのフィルターが 280 dB を達成した」と表現することはできません。表中のデータはアーカイブされた過去バージョンのベースラインです。新しいバージョンで関連アルゴリズムを変更した場合は、影響を受ける構成を再検証する必要があり、古い数値をそのまま使い回すことは認められません。
音楽解析と研究室向けテスト信号
実際の音楽音源には未知の周波数成分や過渡応答が多数含まれており、直接引き算できるような「完全なリファレンス」は存在しません。ダイナミクス、帯域幅、クリッピング、実効ビット深度の手がかり、周波数スペクトルの形状はファイルの特性を理解する上で有用ですが、統計量だけで録音の真贋、マスター音源の由来、あるいは高調波歪みを断定することはできません。THD+N などの客観指標を論じる場合は、テスト信号、測定帯域幅、窓関数、基本波の処理方法、ノイズ積分手法を明記する必要があります。
現時点において、統一されたハードウェア、入力信号、帯域幅、出力フォーマット、および測定境界のもとで、関連するすべての処理パスを網羅した HQPlayer との同一条件比較テストは完了していません。アルゴリズムの改善や本プロジェクト内のリグレッションテスト結果は、「HQPlayer を包括的に凌駕したことが証明された」という結論を構成するものではありません。
出力フォーマットとビットパーフェクトの成立条件
接続機器がサポートする能力が、最終的なステップを要求通りに実行できるかを決定します。
Windows 環境でのローカル出力には WASAPI や ASIO などのオーディオバックエンドを使用します。WASAPI 共有モードは Windows システムのミキサーを経由するため、サンプリングレート、音量、フォーマットが変更される可能性があります。排他モードではシステムミキサーをバイパスできますが、デバイスが実際に受け入れ可能なサンプリングレート、ビット深度、チャンネル数を照合する必要があります。排他モードでオープンできたこと自体が、アプリケーションパイプライン全体が無加工であることを保証するものではありません。
本プロジェクトにおける ASIO ネイティブ DSD 出力は、デバイスがサポートする LSB1 または MSB1 ビットストリームサンプルタイプを使用し、対応するビットレートを厳密に照合します。ASIO 仕様には NER8 拡張定義が存在しますが、これは本プロジェクトが AHM マルチレベルハードウェア出力を開放したことを意味するものではありません。[4] DoP(DSD over PCM)は各チャンネルの連続する 16 個の DSD ビットを PCM 形式のフレームに格納し、0x05 と 0xFA が交互に現れるマーカーによって識別されます。キャリアのフレームレートは DSD ビットレートを 16 で割った値となります(DSD64 は 176.4 kHz、DSD128 は 352.8 kHz に対応)。キャリアフレームは PCM に変換された音楽データそのものではないため、通常のデジタル音量調整やリサンプリングを施すことはできません。[3]
DoP マーカーが正常であることは、カプセル化フォーマットの一部が正しいことを示しているに過ぎません。パッキングおよびアンパッキング後の DSD ビット列の一致、ブロック境界をまたぐマーカー位相の連続性、チャンネル順序およびビットオーダーの正しさ、そしてデバイス側が確実に DSD として認識していることを検証する必要があります。同一ビットレートでのビットパーフェクト直通を実現するには、EQ、コンボリューション、非ゼロゲイン、その他信号を変更するいかなる処理も適用されていないことが前提となります。
| 信号チェーンステータス | 意味 |
|---|---|
| オリジナルビット深度直通 | 入出力フォーマットの一致およびすべての処理のバイパス条件を満たし、元のサンプル値を完全に維持 |
| ロスレスビット拡張 | 元の数値を完全に保持したまま上位ビット深度へ拡張。伝送されるワード形式は変更される |
| DSP 処理適用中 | リサンプリング、ゲイン、EQ、コンボリューション、ディザ、または再モジュレーションによりデジタル演算結果が変化 |
| 共有モードまたはネットワーク出力 | 最終デバイス側でミキシング、リバッファリング、フォーマット変換が行われる可能性があり、エンドポイントごとの確認が必要 |
小さな画面ではテーブルを横スクロールできます
UPnP ネットワーク配信はコンテンツのレンダリングをネットワーク受信端末に委ねるため、ローカルの排他出力におけるビットパーフェクトの結論をそのまま引き継ぐことはできません。ネットワークの到達性、配信リクエストの成功、レンダラーによるファイルの受理、実際の再生の持続性は、それぞれ異なるレイヤーの検証対象です。
PCM のビット深度低減は量子化誤差を引き起こします。TPDF などのディザは微小なランダムノイズを加えることで誤差と入力信号との相関を解消し、ノイズシェーピングはその誤差の周波数分布を可聴帯域外へと再配置します。これらは意図的にサンプル値を変化させる処理であるため、ビットパーフェクト直通には該当しません。24-bit 出力に対しても「いかなる状況でも絶対に影響がない」という理由で検証を省略することは認められず、ターゲットフォーマットと処理チェーン全体の一貫性が重要視されます。
AI メタデータと音声処理の境界
AI は音楽メタデータの理解を支援し、確定的な DSP が再生サンプルの生成を担います。
RLPlayer のメタデータ機能は、アルバム、アーティスト、楽曲、クラシック作品、公演に関する情報を検索・整理し、キャッシュによって重複クエリを削減します。これはメタデータの解説レイヤーを提供するものであり、アーティスト名に表記揺れが存在したり、リリース情報に食い違いがあったり、AIの生成結果に誤りが含まれる可能性があります。したがって、流暢なテキスト表現よりも、出典の引用、帰属の検証、および手動修正の導線が重視されます。
AI はリサンプリングカーネル、モジュレーターのフィードバックループ、サンプルの量子化、出力カプセル化などのリアルタイム演算には一切関与しません。再生サンプルは明確なアルゴリズムとパラメーターによって生成されます。メタデータの取得要求は完全に非同期で実行され、外部モデルサービスの応答遅延がオーディオ再生ループをブロックすることはありません。
オーディオ健康診断における各種測定値は確定的な解析エンジンによって算出され、AI はそれらの数値を分かりやすい解説文へ翻訳する役割を果たします。解説文が未測定の指標を勝手に創作してはならず、スペクトルのカットオフ兆候を音源由来の確定的な証拠として断定することも避けるべきです。楽曲本来の倍音構造や未知のマスタリング処理については、常に判断の留保と境界の明示が必要です。
オンライン AI や外部メタデータソースを利用する場合、楽曲名、アルバム名、または検索コンテキストが必要最小限の範囲で設定された外部サービスへ送信されます。具体的な送信内容は有効化された機能とサービス設定に依存します。アプリケーション全体を一括して「完全な通信遮断・オフライン」と表現することはできません。ローカル再生とオフライン DSP の挙動は、ユーザーが能動的に有効化したオンライン機能と切り離して正しく理解される必要があります。
本文書における検証証拠の読み方
本文では、すでに実装済みの処理パスとアーカイブ済みの測定範囲について記述しています。現在研究中のトポロジー、未対応のデバイス、または主観的な聴感評価については、実装済み機能として記載していません。ソフトウェアの客観指標は不具合の排除と設計のトレードオフを定量化するためのものです。最終的な聴感上の評価は、適切な音量管理、明確な設定、適切な比較対象のもとで、ユーザーご自身によって行われるべきものです。
参考文献と対象バージョン
本文書の対象範囲は、RLPlayer 3.0.10 の Windows デジタルオーディオ処理パイプラインです。
ソフトウェア側の根拠:バージョンとともに管理されている DSP、再生エンジン、出力実装(ポリフェーズリサンプリング、定義済みフィルター群、厳密な浮点演算、固定小数点コンボリューション、SDM、DSD レート変換、DoP、サンプリングレートポリシー、信号チェーンステータス)。データ側の根拠:3.0.8 の品質・性能アーカイブ、3.0.9 の統合検証、および本バージョンにおける増分検証ドキュメント。過去バージョンの特性曲線や数値は、新しいアルゴリズムの性能をそのまま表すものではありません。
3.0.10 における高倍率標準7次の数値実例は第7章に記載されています。この実例は本番パラメーターと独立したスペクトル再検証を用いており、AHM 量子化レベル数および 1-bit 出力制約は現在の実装と整合しています。本文書は、未開放のマルチレベルハードウェア出力や未検証のデバイスに対する性能保証を行うものではありません。
- [1]Julius O. Smith IIIIntroduction to Digital Filters — Filters Preserving Phase ↗リニアフェーズ FIR の対称インパルス応答と群遅延特性。
- [2]Michael Clifford / Analog DevicesFundamental Principles Behind the Sigma Delta ADC Topology Part 1 ↗オーバーサンプリング、フィードバック、ノイズシェーピングの基礎理論(原理を解説するためのものであり、RLPlayer の性能認証を示すものではありません)。
- [3]DSD GuideDoP Open Standard ↗DSD over PCM のカプセル化、マーカー構造、キャリア周波数の関係。
- [4]Steinberg Media TechnologiesAudio Streaming Input Output Specification SDK 2.3 ↗Sony DSD formats(35ページ);LSB1、MSB1、NER8 を明確に区別した公式仕様の公開ミラー。
外部理論資料の照合日:2026年11月1日。RLPlayer は GPL ライセンスに基づくオープンソースプロジェクトであり、サードパーティ製コンポーネントおよびデータのライセンスは配布パッケージ内の該当条項を参照してください。プロジェクト開発者:RainLain、Cats and Asteroids;共同開発者:Listen Storm;メディア・アートワーク:Gosed。