【G検定】パルス符号変調(PCM)とは？標本化・量子化・符号化の3ステップを解説

マイクで拾った「音の波」を、コンピュータが扱える「0と1の列」に変える最も基本的な方法が、パルス符号変調(PCM)です。音声認識も音声合成も、すべてはこの変換から始まります。

📖 ひと言でいうと

パルス符号変調器(PCM: Pulse Code Modulation)は、連続的なアナログ音声信号を、一定間隔で測って数値にすることでデジタル信号へ変換する仕組みです。

例えるなら、なめらかに変化する気温を「1時間ごとに温度計を読んで、小数点以下を四捨五入してノートに記録する」作業に似ています。連続的な変化(アナログ)を、とびとびの時刻・とびとびの値(デジタル)に置き換えるわけです。音の場合はこれを1秒間に何万回という速さで行います。

🖼 1枚でわかるパルス符号変調

パルス符号変調(PCM) = 音をデジタル化する3ステップ

標本化 — 一定の時間間隔で信号を測る(時間をとびとびに)
量子化 — 測った値を決まった段階の数値に丸める(振幅をとびとびに)
符号化 — 丸めた数値を0と1のビット列に変換する
役割 — 音声認識・音声合成など、音声AIすべての入口

つくもち屋「G検定対策」SUMMARY

📘 公式テキストの説明

アナログ音声信号をデジタル信号に変換する基本的な手法である。この方法では、連続的なアナログ信号を一定の時間間隔でサンプリングし、各サンプルの振幅を数値化する。この数値化されたデータがデジタル音声データとなる。PCMのプロセスは主に3つのステップから成る。まず、標本化（サンプリング）では、アナログ信号を一定の時間間隔で観測し、離散的な時間信号に変換する。次に、量子化により、標本化された信号の振幅を離散的な値に変換する。最後に、符号化を行い、量子化された値をデジタル符号、すなわち0と1のビット列に変換する。PCM方式は、音声認識技術においても重要な役割を担っている。音声認識システムは、入力された音声をデジタルデータとして処理する必要があるため、PCMによるアナログからデジタルへの変換が不可欠である。この変換により、音声信号はコンピュータでの解析や処理が可能な形式となる。

公式の説明はやや硬いですが、要点は「標本化 → 量子化 → 符号化の3ステップで音をデジタル化する」ということに尽きます。3つのステップの名前と順番、そして各ステップが「何をとびとびにするのか」を押さえれば、この項目の核心はつかめています。

🔍 しっかり理解する

3つのステップで何が起きているか

音は空気の振動で、マイクが拾った直後は「連続的になめらかに変化する電気信号(アナログ信号)」です。コンピュータは連続的な値をそのまま扱えないため、次の3段階で離散的なデータに変換します。

標本化

一定間隔で信号を測る(時間の離散化)

→

量子化

振幅を決まった段階に丸める(振幅の離散化)

→

符号化

数値を0と1のビット列へ変換

標本化(サンプリング)は、時間方向の離散化です。1秒間に測る回数を「サンプリング周波数」と呼び、単位はHz(ヘルツ)です。音楽CDでは44,100Hz、つまり1秒間に44,100回も信号を測っています。細かく測るほど元の波形を忠実に再現できますが、データ量は増えます。

量子化は、振幅方向の離散化です。測った値を、あらかじめ決めた段階(目盛り)のうち最も近い値に丸めます。段階の細かさは「ビット数」で表され、音楽CDの16bitなら2の16乗=65,536段階の目盛りで振幅を表現します。目盛りが粗いと、丸めによる誤差(量子化誤差)がノイズとして聞こえます。

符号化は、量子化された数値を0と1のビット列に変換する仕上げの工程です。ここまで来ると、音は完全に「数値の列」となり、保存・伝送・計算のすべてがコンピュータで可能になります。

なぜ音声AIの「入口」なのか

音声認識(音声→文字)も、話者認識も、WaveNetのような音声合成も、処理の対象はすべてデジタル化された音声データです。つまり、どんなに高度な音声AIであっても、その前段には必ずPCMのようなアナログ→デジタル変換が存在します。ディープラーニングのモデルに入力されるのは、生の空気振動ではなく、PCMで数値化された系列データなのです。

なお、標本化の間隔をどこまで粗くできるかには理論的な限界があります。信号に含まれる最高周波数の2倍を超えるサンプリング周波数で標本化すれば元の信号を復元できる、という標本化定理がその根拠です。人間の可聴域はおよそ20,000Hzまでとされるため、その2倍強にあたる44,100HzがCDの規格として採用されています。

💡 具体例で考える

最も身近なPCMの実例は音楽CDとWAVファイルです。CDの音質を表す「44.1kHz/16bit」という表記は、まさに「標本化を1秒44,100回、量子化を65,536段階で行ったPCMデータ」という意味です。パソコンで扱うWAVファイルも、基本的には無圧縮のPCMデータを格納する形式です。

もうひとつの例はスマートフォンの音声入力です。あなたが話しかけた瞬間、マイクの信号はまずPCMでデジタル化され、その数値列が音声認識モデルに渡されます。認識精度の議論の前に、そもそも「音がきちんと数値になっているか」という土台をPCMが支えているわけです。

⚠️ よくある誤解・つまずきポイント

💡 ポイント

「PCM=A-D変換そのもの」と混同する — A-D変換は「アナログからデジタルへの変換」という広い概念で、PCMはその代表的な方式のひとつです。試験では「PCMの3ステップ(標本化・量子化・符号化)」という具体的な手順を問う形で区別されます。
標本化と量子化の役割を逆に覚える — 標本化は「時間」をとびとびにし、量子化は「振幅(値)」をとびとびにします。「サンプリング=時間、量子化=目盛り」とセットで覚えましょう。
「PCM=圧縮技術」と誤解する — 基本のPCM(リニアPCM)は圧縮していない生データです。MP3やAACのような圧縮形式は、PCMデータをさらに加工して容量を減らしたものです。
順番の入れ替え問題に注意 — 「量子化→標本化→符号化」のように順番を入れ替えた誤答選択肢が作りやすい項目です。正しい順序は必ず「標本化→量子化→符号化」です。

📝 試験でのポイント