SPRESENSEで拡がる音声録音の世界：PCMとMP3、自由自在な使い分け

はじめに

この記事は、ソニー製マイクロコントローラーボード「SPRESENSE」の標準ライブラリを活用して、音声録音機能のコーデックタイプをPCMとMP3で切り替えたいと考えているArduino開発者、特に組み込みシステムやIoTデバイスで音声処理に興味がある方を対象としています。

この記事を読むことで、SPRESENSEの標準ライブラリを用いた音声録音において、PCM形式の生データと、圧縮効率に優れたMP3形式のどちらで録音するかをプログラム上で自在に切り替える方法が理解できます。さらに、それぞれのコーデック形式の特性と、SPRESENSEが持つハードウェアアクセラレーション機能の恩恵を受けることで、CPU負荷を抑えつつ高品質な録音を実現する具体的なコード例と解説を提供します。これにより、アプリケーションの要件に応じて最適な録音フォーマットを選択し、ストレージ容量の節約やデータ転送時間の短縮といったメリットを享受できるようになります。

前提知識

この記事を読み進める上で、以下の知識があるとスムーズです。

  • Arduino IDEの基本的な使い方: スケッチの作成、コンパイル、マイコンボードへの書き込みができること。
  • SPRESENSEボードの基本的な操作: カメラやSDカードなどの周辺機器の基本的な接続・利用方法の知識があると理解が深まります。
  • C/C++言語の基礎: 変数、関数、ポインターなどの基本的な文法を理解していること。
  • 音声ファイル形式の基本的な理解: PCMが非圧縮、MP3が非可逆圧縮であることの概念。

SPRESENSEにおける音声録音の基礎とコーデック選択の重要性

SPRESENSEは、その強力なCPU性能と内蔵されたハードウェアアクセラレーターにより、高度な音声処理能力を備えています。特に、標準ライブラリが提供する音声録音機能は、開発者が容易に高品質な録音を実現できるように設計されています。

音声データを記録する際、最も基本的な形式がPCM（Pulse Code Modulation）です。PCMは、アナログ音声をデジタル信号に変換する際に、サンプリング周波数とビット深度で定義されるそのままの値を記録するため、非圧縮でオリジナルの音質を忠実に再現できます。しかし、その反面、データ量が非常に大きくなるというデメリットがあります。例えば、CD品質（44.1kHz、16bitステレオ）の音声では、1秒あたり約10MBものデータが発生します。IoTデバイスなど、ストレージ容量や通信帯域に制約がある環境では、このデータ量が大きな負担となる可能性があります。

そこで、データ量を削減するために一般的に用いられるのがMP3（MPEG-1 Audio Layer III）などの圧縮形式です。MP3は、人間の聴覚特性に基づいた非可逆圧縮方式を採用しており、知覚できる範囲での音質劣化を最小限に抑えつつ、元のデータ量と比較して大幅な削減（一般的に1/10程度）を実現できます。これにより、ストレージ容量の節約や、ネットワーク経由でのデータ転送時間の短縮が可能になります。

SPRESENSEの利点は、このMP3エンコーディングをハードウェアアクセラレーションによって高速かつ低消費電力で実行できる点にあります。ソフトウェアのみでMP3エンコードを行う場合、CPUに大きな負荷がかかり、他の処理との両立が難しくなることがあります。しかし、SPRESENSEであれば、専用のハードウェアがエンコード処理を肩代わりしてくれるため、CPUリソースを他のアプリケーションやセンサー処理に割り当てることができ、システム全体のパフォーマンスを維持できます。

したがって、アプリケーションの要件に応じて、PCMとMP3のどちらのコーデックを選択するかは、システム設計において非常に重要な判断となります。

  • PCMが適しているケース:
    • オリジナルの音質を一切損なわずに記録したい場合。
    • 後段で高度な音声解析や編集を行う予定がある場合。
    • ストレージ容量やデータ転送時間に全く制約がない場合。
  • MP3が適しているケース:
    • ストレージ容量を節約したい場合。
    • ネットワーク経由でデータを送信する機会が多い場合。
    • 多少の音質劣化が許容できる場合（多くの場合、人間にはほとんど気になりません）。
    • CPU負荷を低減し、他の処理を優先させたい場合。

SPRESENSE SDKには、これらのコーデックを切り替えて利用するためのAPIが用意されています。次のセクションでは、具体的なコード例を交えながら、これらのAPIを使った実装方法を解説します。

SPRESENSE SDKを活用したPCM/MP3録音の実装

SPRESENSE SDKには、音声録音機能を利用するための多彩なAPIが用意されています。ここでは、audio_recorderコンポーネントを利用して、PCMとMP3の録音を切り替える方法を解説します。

準備：必要なヘッダーファイルと初期設定

まず、音声録音に必要なヘッダーファイルをインクルードし、SPRESENSE SDKの初期化を行います。

C++

#include <Arduino.h>
#include <AudioRecorder.h>
#include <sdcard.h> // SDカードを使用する場合
#include <ble.h>    // Bluetooth LEを使用する場合 (例)

// AudioRecorderオブジェクトの宣言
AudioRecorder recorder;

// 録音モードを切り替えるためのグローバル変数
typedef enum {
    MODE_PCM,
    MODE_MP3
} RecordingMode;

RecordingMode currentMode = MODE_PCM;

void setup() {
    Serial.begin(115200);
    while (!Serial); // シリアルポートが開くまで待機

    // SPRESENSE SDKの初期化
    spresense_sdk_init();

    // SDカードの初期化 (録音ファイルを保存するため)
    if (!sdcard_mount()) {
        Serial.println("SDカードのマウントに失敗しました。");
        while (1); // エラーで停止
    }
    Serial.println("SDカードをマウントしました。");

    // AudioRecorderの初期化
    // サンプリング周波数、ビット深度、チャンネル数などを設定
    // ここでは例として 44.1kHz, 16bit, モノラル を設定
     recorder.init();
    recorder.set_sampling_frequency(44100);
    recorder.set_bits_per_sample(16);
    recorder.set_num_channels(1); // モノラルの場合

    Serial.println("AudioRecorderの初期化が完了しました。");
}

void loop() {
    // ここで録音モードの切り替えや録音開始/停止のロジックを実装します。
    // 例：ボタン入力によってモードを切り替える、一定時間ごとに切り替えるなど

    // 例：5秒ごとにPCMとMP3を切り替えて録音するデモ
    static unsigned long lastSwitchTime = 0;
    unsigned long currentTime = millis();

    if (currentTime - lastSwitchTime >= 5000) { // 5秒経過したら
        lastSwitchTime = currentTime;

        if (currentMode == MODE_PCM) {
            Serial.println("PCMモードに切り替えます。");
            startRecording("rec_pcm.wav", MODE_PCM);
            currentMode = MODE_MP3;
        } else {
            Serial.println("MP3モードに切り替えます。");
            startRecording("rec_mp3.mp3", MODE_MP3);
            currentMode = MODE_PCM;
        }
    }
}

録音開始・停止処理の実装

録音を開始・停止するための関数を作成します。AudioRecorderクラスには、start()とstop()メソッドが用意されています。コーデックタイプの指定は、set_codec_type()メソッドで行います。

C++

// 録音開始関数
void startRecording(const char* filename, RecordingMode mode) {
    Serial.print("録音を開始します: ");
    Serial.println(filename);

    // コーデックタイプの設定
    if (mode == MODE_PCM) {
        // PCMモード (WAV形式として保存される)
        recorder.set_codec_type(AUDIO_CODEC_TYPE_PCM);
        Serial.println("コーデックタイプ: PCM");
    } else {
        // MP3モード (MP3形式として保存される)
        // SPRESENSE SDKでは、MP3エンコーディングにはハードウェアアクセラレーターが使用されます。
        recorder.set_codec_type(AUDIO_CODEC_TYPE_MP3);
        Serial.println("コーデックタイプ: MP3");
    }

    // 録音ファイルのオープン
    if (!recorder.open(filename)) {
        Serial.print("ファイルを開けませんでした: ");
        Serial.println(filename);
        return;
    }

    // 録音開始
    if (!recorder.start()) {
        Serial.println("録音の開始に失敗しました。");
        recorder.close(); // ファイルを閉じる
        return;
    }

    Serial.println("録音が開始されました。");
    // ここで、録音中の状態を示すLEDを点灯させるなどの処理を追加できます。
}

// 録音停止関数 (必要に応じて)
void stopRecording() {
    if (recorder.is_recording()) {
        Serial.println("録音を停止します。");
        recorder.stop();
        recorder.close();
        Serial.println("録音が停止され、ファイルが閉じられました。");
    }
}

ハードウェアアクセラレーションの活用（MP3モード）

MP3モードを選択した場合、SPRESENSEは内蔵のハードウェアMP3エンコーダーを利用します。これにより、CPU使用率を大幅に削減しながら、高音質なMP3ファイルを生成できます。recorder.set_codec_type(AUDIO_CODEC_TYPE_MP3);を呼び出すだけで、SDKが自動的にハードウェアエンコーダーを有効にします。

注記: AUDIO_CODEC_TYPE_PCMは非圧縮の生データを記録し、AUDIO_CODEC_TYPE_MP3はハードウェアアクセラレーションを利用したMP3エンコードを行います。

pitfallsとトラブルシューティング

  • SDカードのフォーマット: SDカードはFAT32などのSPRESENSEが対応するファイルシステムでフォーマットされている必要があります。フォーマットされていない、あるいは破損している場合は、録音ファイルが作成できません。
  • ファイル名の指定: ファイル名に日本語や特殊文字を使用すると、予期せぬエラーが発生する可能性があります。英数字とアンダースコア、ハイフンなどの安全な文字を使用してください。
  • 録音時間: SPRESENSEのメモリ容量やSDカードの書き込み速度によっては、長時間連続して録音すると問題が発生する場合があります。必要に応じて、録音を分割したり、サンプリング周波数やビット深度を調整したりすることを検討してください。
  • エラーハンドリング: start()やopen()メソッドの戻り値（true/false）を必ずチェックし、エラーが発生した場合は適切な処理（ファイルクローズ、エラーメッセージ表示など）を行ってください。
  • SDKのバージョン: 使用しているSPRESENSE SDKのバージョンによって、APIの挙動や利用可能な機能が異なる場合があります。最新のSDKを利用することを推奨します。

コード全体例 (上記をまとめたもの)

C++

#include <Arduino.h>
#include <AudioRecorder.h>
#include <sdcard.h> // SDカードを使用する場合

// AudioRecorderオブジェクトの宣言
AudioRecorder recorder;

// 録音モードを切り替えるためのグローバル変数
typedef enum {
    MODE_PCM,
    MODE_MP3
} RecordingMode;

RecordingMode currentMode = MODE_PCM; // 初期モードはPCM

void startRecording(const char* filename, RecordingMode mode);
void stopRecording();

void setup() {
    Serial.begin(115200);
    while (!Serial); // シリアルポートが開くまで待機

    // SPRESENSE SDKの初期化
    spresense_sdk_init();

    // SDカードの初期化 (録音ファイルを保存するため)
    if (!sdcard_mount()) {
        Serial.println("SDカードのマウントに失敗しました。");
        while (1); // エラーで停止
    }
    Serial.println("SDカードをマウントしました。");

    // AudioRecorderの初期化
    // サンプリング周波数、ビット深度、チャンネル数などを設定
    // ここでは例として 44.1kHz, 16bit, モノラル を設定
    recorder.init();
    recorder.set_sampling_frequency(44100);
    recorder.set_bits_per_sample(16);
    recorder.set_num_channels(1); // モノラルの場合

    Serial.println("AudioRecorderの初期化が完了しました。");

    // 起動時に最初の録音を開始
    startRecording("startup_pcm.wav", MODE_PCM);
}

void loop() {
    // 例：5秒ごとにPCMとMP3を切り替えて録音するデモ
    static unsigned long lastSwitchTime = 0;
    unsigned long currentTime = millis();

    // 録音中かどうかを確認
    if (recorder.is_recording()) {
        // 録音時間が一定時間（例: 5秒）を超えたら停止・切り替え
        static unsigned long recordStartTime = 0;
        if (recordStartTime == 0) {
            recordStartTime = currentTime;
        }

        if (currentTime - recordStartTime >= 5000) { // 5秒経過したら
            stopRecording();
            recordStartTime = 0; // リセット

            if (currentMode == MODE_PCM) {
                Serial.println("PCMモード録音終了。MP3モードに切り替えます。");
                currentMode = MODE_MP3;
            } else {
                Serial.println("MP3モード録音終了。PCMモードに切り替えます。");
                currentMode = MODE_PCM;
            }
            // 次の録音を開始 (すぐに開始)
            if (currentMode == MODE_PCM) {
                startRecording("next_pcm.wav", MODE_PCM);
            } else {
                startRecording("next_mp3.mp3", MODE_MP3);
            }
        }
    }
}

// 録音開始関数
void startRecording(const char* filename, RecordingMode mode) {
    Serial.print("録音を開始します: ");
    Serial.println(filename);

    // コーデックタイプの設定
    if (mode == MODE_PCM) {
        recorder.set_codec_type(AUDIO_CODEC_TYPE_PCM);
        Serial.println("コーデックタイプ: PCM");
    } else {
        recorder.set_codec_type(AUDIO_CODEC_TYPE_MP3);
        Serial.println("コーデックタイプ: MP3");
    }

    // 録音ファイルのオープン
    if (!recorder.open(filename)) {
        Serial.print("ファイルを開けませんでした: ");
        Serial.println(filename);
        return;
    }

    // 録音開始
    if (!recorder.start()) {
        Serial.println("録音の開始に失敗しました。");
        recorder.close(); // ファイルを閉じる
        return;
    }

    Serial.println("録音が開始されました。");
}

// 録音停止関数
void stopRecording() {
    if (recorder.is_recording()) {
        Serial.println("録音を停止します。");
        recorder.stop();
        recorder.close();
        Serial.println("録音が停止され、ファイルが閉じられました。");
    }
}

このコード例では、setup()関数で初期化を行い、loop()関数内で5秒ごとに録音モードを切り替え、それぞれ5秒間録音するというデモを実行しています。これにより、SDカードにstartup_pcm.wav、next_pcm.wav、next_mp3.mp3といったファイルが順次作成され、PCMとMP3の録音を切り替えられていることが確認できるはずです。

まとめ

本記事では、SPRESENSEの標準ライブラリを活用し、音声録音機能においてPCM（非圧縮）とMP3（圧縮）のコーデックタイプをプログラム上で自在に切り替える方法を解説しました。

  • PCM: オリジナルの音質を忠実に再現しますが、データ量が大きくなります。
  • MP3: ハードウェアアクセラレーションを利用することで、CPU負荷を抑えつつ、データ量を大幅に削減できます。
  • AudioRecorderクラス: set_codec_type()メソッドを用いて、AUDIO_CODEC_TYPE_PCMまたはAUDIO_CODEC_TYPE_MP3を指定することで、録音フォーマットを切り替えます。

この記事を通して、SPRESENSEの強力なハードウェアリソースを活用し、アプリケーションの要件（音質、ストレージ容量、CPU負荷など）に応じて最適な録音フォーマットを選択する柔軟性を得られたことでしょう。

今後は、BluetoothやWi-Fi経由でのリアルタイム音声ストリーミングや、外部マイクモジュールとの連携など、さらに発展的な音声処理についても記事にする予定です。

参考資料