📽️

MPEG-DASHについて調べたメモ

に公開
MPEG-DASH
idea

MPEG-DASH（Dynamic Adaptive Streaming over HTTP）は、HTTPを利用してメディアコンテンツを高品質にストリーミング配信するための規格です。NetflixやHulu、Youtubeなどでも使用されています。

MPEG-DASHについて調べたので、メモ程度に書き残しておく。MPEG-DASHを説明する前に、登場した背景から。

コンテンツ配信の変化

従来のコンテンツ配信ネットワーク（テレビ放送など）

均一的。One-size-fits-allのモデル。
一定の帯域を使って、常に同じ品質（解像度や音質）・同じ形式（映像・音声）のコンテンツを配信する。
日本のテレビでは、アナログ放送ではNTSC-J（今の地上デジタル放送はISDB-T）という規格が採用されていて、単一の規格のみを考慮すればよかった。受信機の機能も同じで、端末間の仕様の差異はほとんどない。

新しいコンテンツ配信ネットワーク（Internetなど）

従来の放送が均一だったのとは対照的に、多様性が高い。

  • 端末：PC・テレビ・スマートフォン・タブレットなど、画面サイズも処理能力も異なる。
  • 通信環境：光回線・Wi-Fi・モバイル通信...と、帯域や安定性などが異なる。

そのため様々なプロトコルが開発され、異なる機種間・異なる環境間でもサービスを享受できるように技術開発が続けられている。ただ、多様な要素の組み合わせ全てを、配信側が網羅的に想定してサービス提供を行うのは現実的ではない。例えばWebブラウザ経由で映像・音声を配信するだけでも、Webブラウザの種類、PCの処理能力（CPU、メモリ）、グラフィックボードの性能・それを制御するドライバーなど、考慮すべき要素がたくさんある。そこで、サービスのユビキタス性（いつでもどこでも利用できる状態）を実現するために必須となるのが、ユーザの環境に合わせてコンテンツをリアルタイムで最適化する「Content Adaptation」の考え方。

Content Adaptationとは

Content Adaptationとは、

  • ネットワーク条件（静的性能、動的性能...）
  • 端末条件（デコーダの種類、映像・音声出力装置の能力...）
  • ユーザー条件（歳、性別、趣味、視聴履歴...）
  • ユーザー環境条件（視聴場所、時間、天候...）

といった多様な条件に合わせて、コンテンツやその配信方法を変化させる技術。具体的には、ビットレートやフォーマットなどの変換、ユーザ嗜好を考慮したCMの差し替えなどを行う。Content Adaptationを実行するには、入力情報として2種類のメタデータが必要。

  • Content Metadata：コンテンツ内容やビットレート、フォーマット...
  • User Metadata：嗜好、ネットワーク環境...

これらのメタデータを使って行われる処理は、機能的な違いに基づいて、コンテンツの技術的な形式を最適化する「Format Layer」と、内容そのものを最適化する「Semantic Layer」の2つに大別できる。今回特に焦点を当てるのは、Format Layer。国際標準であるMPEG-DASHと、Appleが開発しRFCとしても標準化されたHLSの2つが主流となっているが、今回はMPEG-DASHを取り上げる。

MPEG-DASHとは

MPEG-DASHとは、HTTPを用いたアダプティブ・ストリーミングに関する国際標準規格（ISO/IEC 23009-1）です。視聴者の通信環境や端末性能に応じて、ライブおよびオンデマンドで配信される動画・音声の品質を動的に最適化し、安定した視聴体験を実現します。(Gemini)

MPEG-DASHが提供する主な機能として、下記のようなものがある。

  • 適応的なビットレート切り替え：ネットワークのトラフィック変動に合わせて、最適なビットレートの映像を選択し、再生の途切れを防ぐ。
  • 多言語のサポート：複数の音声言語トラックを用意し、ユーザーが選択できるようにする。
  • 広告の挿入：ユーザーに応じて広告を差し替えることが可能。
  • トリックプレイ：ポーズ（一時停止）やその解除、早送り／早戻し、特定時刻へのジャンプ、秒数を指定してのスキップといった操作

MPEG-DASHの仕組み

こちらの資料がとても分かりやすいので、一旦リンク飛んだ方がいい。MPEG-DASHによるアダプティブストリーミングの動作概要、MPDの内容、ユーザに応じた動画クリップの挿入・差し替えが解説されている。

MPEG-DASHコンテンツは、セグメントとMPD（Media Presentation
Description）の2種類のファイルで構成されている。さらにMPDはPeriod、AdaptationSet、Representationの順に階層構造で記述される。MPDの例は、こちらの資料にあるが、XMLで記述されていることがわかる。

ISO/IEC 23009シリーズ（2025/7/27時点）

  • Part 1: Media presentation description and segment formats (5th Edition)
  • Part 2: Conformance and reference software (3rd Edition)
  • Part 3: Implementation guidelines (2nd Edition)
  • Part 4: Segment encryption and authentication (2nd Edition)
  • Part 5: Server and network assisted DASH (SAND)
  • Part 6: DASH with server push and Websockets
  • Part 7: Delivery of CMAF contents with DASH
  • Part 8: Session-based DASH operations
  • Part 9: Redundant encoding and packaging for segmented live media (REaP)

参考になりそうなリンク

Discussion