iOS向けの音楽プレーヤーアプリが「排他モード」や「Bit-Perfect再生」を実現したと宣伝しているのをよく見かけます。自分なりの理解をまとめてみました。私も勉強中なので、間違いがあればぜひ指摘・議論してください。
先に結論を言うと、iOSでは通常のサードパーティ製アプリに、厳密な意味でのハードウェア排他制御や、Bit-Perfectという結果を安定して保証するための権限が与えられていません。
まず「Bit-Perfect」と「排他モード」の意味を整理します。
Bit-Perfect:音声データが変化していないか
Bit-Perfectとは、デジタル音声データが伝送中に変更されず、完全な状態で保たれることです。
例えば16-bit / 44.1 kHzのFLACファイルをロスレスでデコードすると、元のPCMサンプルが得られます。
そのPCMサンプルがリサンプリング、デジタル音量調整、EQなどサンプル値を変える処理を受けずにDACまで正確に届けば、Bit-Perfectと呼べます。
よくある誤解があります。入力と出力のサンプリングレートが同じでも、Bit-Perfectとは限りません。
Bit-Perfectはデータの完全性を表すもので、音質の優劣を示すものではありません。
Exclusive Mode:音声デバイスを誰が制御するか
排他モードは別の問題です。プレーヤーが音声デバイスへの排他的アクセス権を取得できるかどうかを指します。
macOSのCoreAudioには、排他アクセスを要求するためのHog Modeを含む、低レベルのデバイス管理インターフェースがあります。
ハードウェアとシステムが許す場合、プロ向けプレーヤーはデバイスをより直接的に設定し、排他アクセスを要求できます。
ただし、排他アクセスを取得しても、EQ、SRC、その他のDSPを有効にすればBit-Perfectが保証されるわけではありません。
つまり、排他モードとBit-Perfectは同義ではなく、Bit-Perfectに排他モードが必須というわけでもありません。
前者はデバイスへのアクセス権、後者は音声データの完全性の話です。
なぜiOSにはmacOSのような排他モードがないのか?
理由はシンプルです。Appleは通常のiOSサードパーティ製プレーヤーに対し、macOSのCoreAudio Hog Modeに相当する汎用的なデバイス排他アクセスAPIを公開していません。
macOSでは、アプリがCoreAudio HALを通じて音声ハードウェアをより直接的に管理できます。
一方iOSでは、サードパーティ製プレーヤーは主にAVAudioSessionでシステムと音声設定を調整し、AudioUnitなどのインターフェースから音声データを供給します。
アプリはサンプリングレートを要求し、オーディオセッションや自前の処理を設定できますが、最終的なルーティングとハードウェアへのアクセスはシステムが管理します。
ここで重要なのは、オーディオセッションの設定によって他のアプリとの同時再生を制御することと、USB DACのハードウェアを排他的に所有することは別だという点です。
iOSの音声信号はどのようにDACへ届くのか?
iPhoneに外付けUSB DACを接続し、FLACを再生する場合を例にすると、概念的な信号経路は次のようになります。
┌───────────────────────────────────────────┐
│ iOSサードパーティ製アプリ
│ 音声ファイル/デコード/バッファ/任意のDSP
│
│ 再生フレームワーク/エンジン
│ AVPlayer / AVAudioEngine
│ またはAudioUnitを直接使用
│
│ システム提供の音声I/O(例:RemoteIO)
└────────────────────┬──────────────────────┘
│
システム権限の境界
│
▼
┌───────────────────────────────────────────┐
│ iOSが管理する音声出力経路
│ セッション調整/ルーティング/必要な形式変換
│ USB Audioドライバ
└────────────────────┬──────────────────────┘
│
▼
USB DAC
実装方法として、多くのプレーヤーはAVPlayerやAVAudioEngineを使用します。使用するフレームワークによって制御できる範囲が変わります。
iOSには複数のレベルの音声開発インターフェースがあります。
AVPlayer は高レベルのメディア再生フレームワークです。対応する音源を渡せば、デコード、再生スケジューリング、低レベル出力の多くをシステムが担います。一般的な再生には便利ですが、内部の音声処理を直接制御できる範囲は比較的限られます。
AVAudioEngine はカスタマイズ可能な音声処理グラフを提供します。ノードの接続、システムエフェクトの利用、独自DSPの追加によるPCM処理ができ、開発効率と自由度のバランスが取れています。
AudioUnit / RemoteIO は、さらに低レベルのリアルタイム音声処理・I/Oインターフェースを提供します。開発者はレンダリングコールバックを直接管理し、デコード、バッファリング、フォーマット変換などを自分で構成できます。
一般に、高レベルほどシステムに任せられる作業が多く、実装は楽になります。低レベルほど手間は増えますが、直接制御できる範囲は広がります。ただし、必ず音が良くなるという意味ではありません。
低レベルのAPIそのものが高音質を保証するわけではなく、正確さはアルゴリズム、フォーマット設定、再生経路の実装次第です。
どの方式を採っても、最終的にはiOSが提供するシステムの音声出力経路を通ってハードウェアに接続する必要があります。
DSDとDoPはどうなのか?
DSDはPCMとは異なるデジタル音声の符号化方式です。
iOS上では、DSDをPCMに変換して再生したり、DoP(DSD over PCM)を使って対応DACにDSDデータを送信したりできます。
DoPはDSDデータをPCM互換の伝送フレームに格納する方式です。DSD音声そのものをPCM音声に変換するわけではありません。
伝送中にデータが変更されなければ、DACは元のDSDビットストリームを完全に復元できます。
したがって、ネイティブDSDファイルの場合、適切なロスレスDoP伝送でDSDのBit-Perfectを実現できます。
では結局、どうなのか?
例えばロスレスデコードが正しく行われ、追加のDSPやリサンプリングを避け、音源と同じサンプリングレートを要求した場合、iOSが同じハードウェア出力形式を採用し、サンプル値を変える処理を行わなければ、Bit-Perfectになる可能性があります。
ただし、サンプリングレート設定はシステムとの交渉結果であり、アプリがハードウェアに強制できる方針ではありません。要求が通ったとしても、公開APIだけでUSB DACに届く全データがビット単位で一致することを完全には検証できません。
つまり、iOSのBit-Perfectは特定条件下で成立し得る結果であって、サードパーティ製プレーヤーがあらゆる環境で保証できる機能ではないのです。