ミックスマイナス（N-1）とIFB設計の実務
対象読者：撮影・配信・制作進行など映像制作の現場に関わり、複数拠点をつないだリモート収録・中継の音声設計に携わるプロフェッショナル。パネルディスカッション、リモート出演、海外拠点とのライブQ&Aで「出演者が自分の声に邪魔される」現象に心当たりのある人。
画面共有された資料をもとに説明していた海外拠点のゲストが、途中から言葉に詰まり始めた。話すたびに、コンマ数秒遅れて自分の声が耳に返ってくる。本人はそれを「回線が悪い」と思い込み、話す速度を落とし、単語を区切りながら話すようになった。進行役が何度合図を送っても、ぎこちなさは消えなかった。スタジオ側のモニターでは、映像も音声も乱れなく届いている。壊れていたのは回線ではなく、ゲストの耳に返す音声の設計そのものだった。
この現象には、音響心理学の裏付けがある。ハース効果（先行音効果）の研究では、会話音声の場合、元の音とその繰り返しの間隔がおよそ50ミリ秒を超えると、人間の聴覚はそれを別々の2つの音、つまり「エコー」として認識し始める（出典：Haas, H., 1949年の研究に基づく先行音効果、および音響学における一般的な残響知覚のしきい値）。さらにITU-T勧告G.114は、片道の伝送遅延について0〜150ミリ秒を許容範囲、150〜400ミリ秒を「劣化を伴うが会話は可能」な範囲、400ミリ秒超を「会話品質として受け入れ不能」な範囲と定めている（出典：ITU-T Recommendation G.114）。この2つの数字が示しているのは、リモート出演者に「自分の声を含んだ音声」をそのまま返すと、符号化・ネットワーク・復号を経由するだけで50ミリ秒という知覚のしきい値を越えるケースが珍しくないという事実だ。
原因は、谷底で「ヤッホー」と叫ぶ体験に近い。声を出した直後、少し遅れて壁に跳ね返った自分の声が返ってくる。次の言葉を発しようとした瞬間に、さっきの自分の声が耳に飛び込んでくるので、会話のリズムを保てなくなる。リモート出演者が経験しているのは、まさにこれと同じ構造だ。本人の滑舌や経験の問題ではない。音声設計が、意図せず「谷」を作ってしまっているだけだ。
この問題には、すでに確立された解決策がある。放送業界で長く使われてきたミックスマイナス（N-1）という設計思想と、それを出演者の耳元まで届けるIFB（インタラプティブル・フォールドバック）という仕組みだ。正しく設計すれば、出演者は自分の声を一切耳にすることなく、他の全員の声だけを聞きながら話せる。谷はもう存在しなくなる。
この記事の有料部を読み終えると、次の3つが手元に揃う。
- 出演者が1人の場合と、3人以上の多拠点パネルの場合、それぞれで必要なN-1バスの設計パターン
- ハードウェアの音声コンソールとソフトウェア（配信ミキサー・会議ツール）、両方でのバス構築手順
- 「よくあるミス」3種と「珍しいトラブル」3種、それぞれの正しい直し方をまとめたトラブル早見表
この設計を知らないまま多拠点の生放送に臨むと、本番中に出演者の会話が崩れ、進行役が何度も言い直しを求める気まずい時間が流れる。次の現場で同じことを起こさないための手順を、このあとに書いた。
コメント