Video Compression Guide: Balance Quality and File Size

マーカス・チェン氏による、StreamTech Solutionsのシニアビデオエンジニアで、50M以上のユーザーにサービスを提供するプラットフォーム向けに12年間動画配信の最適化を行ってきた

3年前、私は製品発表中に私たちの動画プラットフォームがほぼ崩壊するのを見ました。数ヶ月かけてコンテンツを完璧に仕上げましたが、宣伝用動画の圧縮が適切に行われていませんでした。ライブ配信の2時間後、CDNコストが1日だけで47,000ドルに急増し、サーバーは悲鳴を上げ、モバイル接続のユーザーは次々にサイトを離れていきました。平均的な動画の読み込みに4G接続で8分かかっていました。この災害から、私は重要なことを学びました：素晴らしいコンテンツも、誰も視聴できなければ意味がありません。

それ以来、私はストリーミングプラットフォーム、企業研修システム、ソーシャルメディアキャンペーンで230万以上の動画を圧縮してきました。私は4Kの傑作が視聴不可能なアーティファクトに変わるのを見て、完全に受け入れ可能な720pの動画が異常なファイルサイズに膨れ上がるのを見ました。真実は、動画圧縮は単に式に従うことではなく、視覚的品質、ファイルサイズ、特定の配信コンテキストの間の微妙なバランスを理解することです。今日は、これらの決定を下すために私が使っているフレームワークを共有します。それは私たちのクライアントの帯域幅コストを68%削減し、実際に知覚される品質を改善する手助けをしたものです。

本当に重要な圧縮の基本を理解する

まず、ほとんどの人を混乱させる技術用語を取り除きましょう。動画圧縮は、目が気にしない情報を取り除くことによって機能します。シンプルに聞こえますが、どの情報が取り除かれるのか、どのように行われるのかの詳細が重要です。

すべての動画ファイルには、3つの重要なコンポーネントが含まれています：空間情報（各フレーム内の詳細）、時間情報（フレーム間の変化）、およびカラーデータです。私が動画を圧縮する際には、これらの要素のどれを保持し、どれを犠牲にするかについて計算された決定を下しています。選択したコーデックは、この犠牲の数学的アプローチを決定し、エンコーディング設定はその犠牲がどれだけ攻撃的になるかを制御します。

ほとんどのガイドが伝えないことがあります：“最良の”圧縮設定は空いている空間には存在しません。トーキングヘッドインタビューは、速い動きのシーンよりもはるかに攻撃的な圧縮に耐えることができます。制御されたLAN環境向けの企業研修動画は、不安定なモバイル接続上で瞬時に読み込む必要があるソーシャルメディアクリップとはまったく異なる要件があります。

私の作業では、90%の実世界のシナリオをカバーする3つの圧縮プロファイルを特定しました。ハイモーションプロファイルは時間的な品質を優先し、標準設定の40〜60%高いビットレートを使用します—スポーツ、ゲームコンテンツ、または急速な動きのあるものにとって不可欠です。ハイディテールプロファイルは空間解像度に焦点を当てており、製品デモ、建築ウォークスルー、細部が滑らかな動きよりも重要なコンテンツに最適です。 バランスプロファイルは、その中間に位置しており、vlog、プレゼンテーション、およびほとんどの企業動画のような一般的なコンテンツに最適化されています。

コーデックのランドスケープは劇的に進化しました。H.264は98%のデバイス互換性を持つ普遍的な標準ですが、ますます非効率的になっています。H.265（HEVC）は、同等の品質で40〜50%のより良い圧縮を提供しますが、ライセンスの複雑性やブラウザサポートの制限が課題となります。VP9およびAV1は、より良いライセンス条件で同様の効率向上を提供しますが、エンコーディング時間が10〜20倍長くなることがあります。私のクライアントのほとんどにとって、私は依然としてH.264を主な配信形式として推奨し、H.265をサポートされたデバイスのためのオプションの拡張機能として提案します。

ビットレートの決定：品質と現実の交差点

ビットレートは動画圧縮で最も重要な数値ですが、最も誤解されがちです。私はビデオコーデックの選択に執着する人々を見てきましたが、全く不適切なビットレートを使用しているのを見てきました。まるで壊れたエンジンに高級燃料を入れているかのようです。

ビットレートは、動画が1秒間に使用するデータ量を測定し、通常はメガビット毎秒（Mbps）で表されます。ビットレートが高いほど、より多くの情報を保持し、より良い品質を提供しますが、ファイルサイズが大きくなります。しかし、関係は線形ではありません—ビットレートを倍にしても品質は倍にはなりません。私のテストでは、2 Mbpsから4 Mbpsに上げると顕著な改善が得られますが、8 Mbpsから16 Mbpsにジャンプすると、ほとんどの視聴者が認識しない効果の減少が生じます。

以下は、数千のエンコーディングテストを通じて洗練されたH.264圧縮用の出発点として使用するビットレート範囲です：

• 1080p (1920x1080): 標準コンテンツに対して4-8 Mbps、高速動作コンテンツに対して8-12 Mbps、トーキングヘッドには3-5 Mbps
• 720p (1280x720): 標準コンテンツに対して2.5-5 Mbps、高速動作コンテンツに対して5-7.5 Mbps、トーキングヘッドには2-3 Mbps
• 480p (854x480): 標準コンテンツに対して1-2.5 Mbps、高速動作コンテンツに対して2.5-4 Mbps、トーキングヘッドには0.8-1.5 Mbps
• 4K (3840x2160): 標準コンテンツに対して15-25 Mbps、高速動作コンテンツに対して25-40 Mbps、トーキングヘッドには12-18 Mbps

これらの範囲は30fpsのコンテンツを想定しています。60fpsの動画には、ビットレートを40-50%増加させてください。H.265の場合、同等の品質を維持しながらこれらの数値を40-45%削減できます。

私が常に見る重大な間違いは、可変ビットレート（VBR）の方がはるかに効率的な場合に、定常ビットレート（CBR）エンコーディングを使用することです。CBRは動画全体で同じビットレートを維持し、単純なシーンでデータを無駄にし、複雑なシーンでは不足します。VBRはビットを動的に割り当て、複雑なシーンにはより多くのデータを、単純なシーンにはより少ないデータを使用します。私の比較では、2パスVBRエンコーディングは、同等の品質で通常CBRよりも20-30%小さいファイルを生成するか、同じファイルサイズで明らかに向上した品質を得ることができます。

ストリーミングアプリケーションには、制約付きVBRという技術を使用します。これは、しきい値以下での変動を許可しながら最大ビットレートの上限を設定します。これにより、複雑なシーン中のバッファアンダーランを防ぎつつ、VBRの効率的な利点を維持します。一般的な設定では、ターゲットビットレート5 Mbpsで最大7.5 Mbpsに設定されており、エンコーダーはアクションシーケンス中に7.5 Mbpsに急上昇できますが、穏やかな瞬間でははるかに低い平均値となります。

解像度の選択：大きいことが必ずしも良いわけではない

以前、私は月に12,000ドルを4K研修動画のストレージに費やしている企業に相談しましたが、94%のユーザーが1080pモニターで視聴していました。彼らは「未来のための投資」がコストを正当化すると確信していました。実際の視聴パターンを分析し、ブラインド品質テストを実施した結果、1080p配信に切り替え、ストレージコストを73%削減しました。品質の低下について不満を言うユーザーは一人もいませんでした。

解像度の選択は、視聴者の端末、コンテンツの種類、および配信帯域幅の3つの要素によって推進されるべきです。4Kの誇大広告は、多くのクリエイターに高解像度が自動的により良い品質を意味すると信じ込ませていますが、それは必ずしも真実ではありません。