コンテンツへスキップ
  1. ブログ
  2. ファイル・画像

ファイル・画像Web標準WebCodecs音声・動画ブラウザ技術

W3C WebCodecs(2026年11月Draft)と Codec Registry が決める「ブラウザ内だけの音声・動画変換」の境界

2026年11月19日更新のW3C WebCodecs Working DraftおよびCodec Registry(Opus / AAC / Linear PCM等)の分離設計を、ブラウザ完結型メディア処理の視点から読み解く。

StemStudio の中の人4分で読める

Webサイト上で動画を圧縮したり形式変換したりするとき、重いWASM版 ffmpeg(約30MB前後)を毎回ダウンロードさせる代わりに、OSやブラウザが持つハードウェアデコーダ/エンコーダをJavaScriptから直接叩ける仕様が W3C WebCodecs だ。2026年11月19日にも新しい Working Draft スナップショットが公開された本体仕様と、それとは別立てで維持されている WebCodecs Codec Registry の構造を読むと、「なぜあるブラウザではMP4変換が爆速で動き、別の形式では途中で失敗するのか」という現場の挙動が仕様書レベルで腑に落ちる。

1. 本体仕様と「Codec Registry」を切り分けた意味

W3CのWebCodecs仕様書を見ると、VideoEncoder / AudioDecoder / EncodedAudioChunk などのコアAPI定義とは別に、個々のコーデックのバイト列ルールが 独立した非規範(Noteトラック)レジストリ文書 として切り出されている。

レジストリ対象代表的な codec 文字列仕様上の役割(なぜ切り分けられているか)
Opus"opus"生Opusパケットと EncodedAudioChunk のマッピングおよびチャンネル設定の規約
AAC"mp4a.40.2" 等デコーダ初期化に必須な AudioSpecificConfig(descriptionバイト列)の渡し方
Linear PCM"pcm-f32" / "pcm-s16" 等圧縮を伴わない生PCMサンプル配列をそのまま AudioData 等と行き来させるパススルー規約
その他音声"flac", "mp3", "vorbis", "ulaw", "alaw"パケット分割単位とサンプルフォーマットごとの個別定義

この分離によって、将来新しいコーデックが登場してもAPI本体を書き換えずに登録仕様(Registry)側だけでバイト構造の約束を追加でき、同時にブラウザ実装者にも「APIはサポートするが、特許やOS都合で特定コーデックのエンコードだけは実装しない」選択の余地を残している。

2. アプリ側が踏む「実装可否」と「コンテナ多重化(Muxing)」の壁

StemStudioの ファイル圧縮ツール や ファイル変換ツール をブラウザ完結で組んでいて痛感するのは、WebCodecs はあくまで「圧縮された映像・音声の素のチャンク(frame / chunk)」しか扱わないという点だ。

  1. コンテナ(.mp4 や .webm)は自分の仕事ではない: WebCodecsはMP4ファイルのボックス構造(moov/mdat)を読んだり書いたりしない。そのため実運用では、mp4box.js のようなデマルチプレクサで素のサンプルを取り出し、VideoDecoder / VideoEncoder に通し、mp4-muxer 等で再びMP4コンテナに組み立て直す必要がある。
  2. 音声の description バイト(AudioSpecificConfig)問題: AACを扱う場合、ただ "mp4a.40.2" と文字列を渡すだけでは動かず、入力MP4ヘッダ内にある esds ボックス由来の description バイト配列を正確に引き継がないとデコーダ設定が失敗する。
  3. 非対応コーデック時の誠実なフォールバック: ChromeやSafariでもWebM内のVP9/Opusなどコンテナと環境によってWebCodecs経路が構成できないケースがあり、そのときは事前に設定確認APIで判定して別経路へ逃がすか、正直に未対応を伝える設計が要る。

3. ローカル処理ツールのこれから

W3C WebCodecsの継続的な更新(2026年11月時点のDraftおよび各Audio/Linear PCMレジストリ整備)は、サーバーへ動画や音声をアップロードせずに手元の端末のハードウェア能力をブラウザから安全に引き出す基盤が標準として成熟してきたことを示している。

利用者がツールを選ぶ立場でも、「対応と書いてあるのに動かない」「実は裏でサーバーへ送信していた」という見分け方として、ローカルでどのAPIとコーデックを実際に使っているかを知っておくとツールの信頼性を判断しやすくなる。処理方式の詳細はデータの取り扱い確認ページにも記録している。

この記事で使えるツール

この記事を共有・保存
X で共有

あわせて読みたい

ファイル・画像

IETF httpbis の No-Vary-Search 仕様と、ブラウザ・CDN 間で起きているキャッシュ実装ギャップ

URLクエリパラメータの違いによるキャッシュミスを防ぐ HTTP ヘッダー No-Vary-Search(draft-ietf-httpbis-no-vary-search)の構文と、Chromeの実装範囲・CDN側の注意点を一次仕様から整理する。

#Web標準#IETF
ファイル・画像

ブラウザが「対応しています」と答えたのに、壊れた動画が出てきた

対応形式を確認する仕組みが true を返したのに、出てきたのは1,690バイトの壊れたMP4だった。実測した4通りの結果と、聞くのをやめて測るようにした話だ。

#動画#実測
ネット・セキュリティ

VPNはどこまで通せて、なぜ全部は抜けないのか。TrueNAS上のTailscaleが学校フィルタリングで止まる仕組み

「VPNを繋げばどんな制限も回避できる」わけではない理由を、Tailscale(WireGuard)の通信構造・Exit Node・UDP遮断・DPI(ディープパケットインスペクション)・VPNプロトコルごとの違いから整理した。

#VPN#Tailscale
思考・物理・会計

AI文章っぽい定型句を避けて、ChatGPT過去ログの「実測と失敗」を一次記事にする

AI生成文章に出やすい導入定型句の傾向を確認しつつ、一般論の焼き直しではなく自分のChatGPTエクスポートに眠る実機検証や失敗談をブログ記事へ起こす編集方針をまとめた。

#ライティング#ブログ運営
思考・物理・会計

なぜ減価償却で「100万円使って赤字」ではなく1円(備忘価額)を残すのか

設備投資した年の現金支出(キャッシュフロー)と本業の稼ぐ力(損益計算)を切り分ける減価償却の意味と、償却完了後に帳簿へ1円(備忘価額)を残す理由、建物の定額法統一を整理した。

#会計#減価償却
思考・物理・会計

「6時半」に違和感がないのにデンマーク語の20進数を奇妙に感じるのはなぜか

時(24進)+分(60進)+半(2進)の雑種である「6時半」は自然なのに、デンマーク語の50・70・90の20進数表現を難しく感じる理由を「パターン認識と文化バイアス」から考察した。

#数学#認知科学

ブログのトップへ