SoX Expert

Overview

SoX（Sound eXchange）は「音声のスイスアーミーナイフ」と呼ばれる、最も強力なコマンドライン音声処理ツールです。このスキルは、SoXを使用した効率的な音声変換、エフェクト適用、ノイズ除去、音声分析を支援します。

FFmpegとの使い分け:

• SoX推奨: 音声のみの処理、複雑なエフェクトチェーン、ノイズ除去、バッチ変換
• FFmpeg推奨: 動画からの音声抽出、動画＋音声の同時処理、ストリーミング

When to Use This Skill

• 音声フォーマットを変換したい（WAV, MP3, FLAC, OGG, AIFF等）
• 音声をトリミング・カットしたい
• 複数の音声ファイルを結合したい
• 音声にフェードイン/アウトを追加したい
• ノイズを除去したい
• 音量を正規化（ノーマライズ）したい
• イコライザーを適用したい（低音/高音調整）
• リバーブ・エコー等のエフェクトを追加したい
• サンプルレート・ビット深度を変換したい
• ステレオ/モノラル変換したい
• 音声ファイルの情報を確認したい
• スペクトログラムを生成したい
• バッチ処理で複数ファイルを一括変換したい

Example triggers:

• "WAVをMP3に変換して"
• "音声ファイルをトリムしたい"
• "ノイズを除去して"
• "音量を正規化したい"
• "複数の音声を結合して"
• "スペクトログラムを生成して"
• "soxコマンドを教えて"
• "音声ファイルの情報を確認したい"
• "フェードイン/フェードアウトを追加したい"

Installation & Prerequisites

macOS (Homebrew)

# 基本インストール
brew install sox

# MP3サポート付き（推奨）
brew install sox --with-lame

Linux (apt/dnf)

# Ubuntu/Debian（全フォーマットサポート）
sudo apt update && sudo apt install sox libsox-fmt-all

# Fedora
sudo dnf install sox sox-plugins-freeworld

# CentOS/RHEL
sudo yum install sox

Windows

# Chocolatey
choco install sox.portable

# Scoop
scoop install sox

# または公式サイトからダウンロード
# https://sourceforge.net/projects/sox/

確認コマンド

# バージョン確認
sox --version

# 対応フォーマット確認
sox --help-format all

# ヘルプ（エフェクト一覧）
sox --help-effect all

# ファイル情報確認ツール
soxi --version

Core Workflows

Workflow 1: フォーマット変換

1. 入力ファイル確認（soxi） → 2. 出力形式の選択 → 3. 品質設定 → 4. 変換実行

Step 1: 入力ファイルの確認

# 詳細情報を確認
soxi input.wav

# 特定項目のみ取得
soxi -r input.wav   # サンプルレート
soxi -c input.wav   # チャンネル数
soxi -b input.wav   # ビット深度
soxi -d input.wav   # 再生時間
soxi -D input.wav   # 再生時間（秒）

Step 2: 基本変換

# 最もシンプルな変換（自動設定）
sox input.wav output.mp3

# サンプルレート指定
sox input.wav -r 44100 output.wav

# ビット深度指定
sox input.wav -b 16 output.wav

# チャンネル数指定（モノラル化）
sox input.wav output.wav channels 1

Step 3: 品質調整（MP3）

# ビットレート指定（kbps）
sox input.wav -C 192 output.mp3

# 高品質（320kbps）
sox input.wav -C 320 output.mp3

# 可変ビットレート（VBR）
sox input.wav -C -4.2 output.mp3

Workflow 2: 音声編集（トリム・結合・分割）

1. 区間確認 → 2. 編集操作選択 → 3. 実行

トリミング（カット）

# 開始位置から指定時間（秒）
sox input.wav output.wav trim 0 30

# 開始位置から終了位置（MM:SS形式）
sox input.wav output.wav trim 0:30 1:30

# 最後の10秒を削除
sox input.wav output.wav trim 0 -10

# 最後の30秒のみ抽出
sox input.wav output.wav trim -30

結合

# 複数ファイルを順番に結合
sox file1.wav file2.wav file3.wav output.wav

# 異なるフォーマットも結合可能
sox file1.mp3 file2.wav output.wav

分割

# 30秒ごとに分割
sox input.wav output.wav trim 0 30 : newfile : restart

# 無音で自動分割
sox input.wav output.wav silence 1 0.5 1% 1 0.5 1% : newfile : restart

フェード

# フェードイン3秒
sox input.wav output.wav fade t 3

# フェードアウト5秒（全長指定必須）
sox input.wav output.wav fade t 0 0:0 5

# フェードイン3秒 + フェードアウト5秒
sox input.wav output.wav fade t 3 0:0 5

# fade タイプ: t=linear, q=quarter, h=half, l=logarithmic, p=parabolic

パディング（無音追加）

# 先頭に1秒の無音
sox input.wav output.wav pad 1 0

# 末尾に2秒の無音
sox input.wav output.wav pad 0 2

# 両端に無音追加
sox input.wav output.wav pad 1 2

Workflow 3: エフェクト適用

1. 入力分析 → 2. エフェクト選択 → 3. パラメータ調整 → 4. 適用

音量操作

# 音量をdBで指定
sox input.wav output.wav vol -3dB

# 音量を倍率で指定
sox input.wav output.wav vol 1.5

# ピークノーマライズ（0dB）
sox input.wav output.wav norm

# ヘッドルーム付きノーマライズ（-3dB）
sox input.wav output.wav norm -3

# ゲイン調整
sox input.wav output.wav gain -3

イコライザー

# 低音ブースト（+6dB @ 100Hz）
sox input.wav output.wav bass +6

# 高音ブースト（+3dB @ 3kHz）
sox input.wav output.wav treble +3

# バンドEQ（中心周波数、帯域幅Q、ゲイン）
sox input.wav output.wav equalizer 1000 1q +6

# ハイパスフィルタ（80Hz以下カット）
sox input.wav output.wav highpass 80

# ローパスフィルタ（12kHz以上カット）
sox input.wav output.wav lowpass 12000

空間系エフェクト

# リバーブ（リバーブ量、HFダンピング、ルームスケール）
sox input.wav output.wav reverb 50

# 詳細リバーブ
sox input.wav output.wav reverb 50 50 100 100 0 0

# エコー（ゲイン、遅延ms、減衰）
sox input.wav output.wav echo 0.8 0.9 500 0.3

# コーラス
sox input.wav output.wav chorus 0.7 0.9 55 0.4 0.25 2 -t

ダイナミクス

# コンプレッサー（基本）
sox input.wav output.wav compand 0.3,1 6:-70,-60,-20 -5 -90 0.2

# リミッター
sox input.wav output.wav compand 0.1,0.2 -inf,-50.1,-inf,-50,-50 0 -90 0.1

ピッチ・テンポ

# ピッチを半音上げる
sox input.wav output.wav pitch 100

# ピッチを半音下げる
sox input.wav output.wav pitch -100

# テンポを速くする（ピッチ維持）
sox input.wav output.wav tempo 1.2

# テンポを遅くする
sox input.wav output.wav tempo 0.8

# 速度変更（ピッチも変化）
sox input.wav output.wav speed 1.5

Workflow 4: ノイズ除去

1. ノイズプロファイル取得 → 2. プロファイル適用 → 3. 強度調整

Step 1: ノイズプロファイル取得

# ノイズのみの部分（無音区間）からプロファイル生成
sox noisy_input.wav -n trim 0 0.5 noiseprof noise.prof

# または別のノイズサンプルから
sox noise_sample.wav -n noiseprof noise.prof

Step 2: ノイズ除去適用

# 基本のノイズ除去（0.21 = 21%の強度）
sox noisy_input.wav clean_output.wav noisered noise.prof 0.21

# 強めのノイズ除去
sox noisy_input.wav clean_output.wav noisered noise.prof 0.3

# 弱めのノイズ除去（音質重視）
sox noisy_input.wav clean_output.wav noisered noise.prof 0.1

ワンライナー（プロファイル取得＋適用）

# 先頭0.5秒をノイズとして使用
sox input.wav -n trim 0 0.5 noiseprof | sox input.wav output.wav noisered

Workflow 5: 音声分析

1. ファイル情報取得 → 2. 統計分析 → 3. 可視化

ファイル情報

# 全情報表示
soxi input.wav

# 特定情報
soxi -r input.wav   # サンプルレート
soxi -c input.wav   # チャンネル数
soxi -b input.wav   # ビット深度
soxi -e input.wav   # エンコード方式
soxi -d input.wav   # 再生時間（HH:MM:SS.ss）
soxi -D input.wav   # 再生時間（秒）
soxi -s input.wav   # サンプル数

統計情報

# 基本統計（RMS、ピーク等）
sox input.wav -n stat

# 詳細統計
sox input.wav -n stats

# 波形の特性
sox input.wav -n stat -v

スペクトログラム生成

# 基本スペクトログラム
sox input.wav -n spectrogram -o spectrogram.png

# カスタマイズ
sox input.wav -n spectrogram \
  -x 1000 \          # 幅（ピクセル）
  -y 500 \           # 高さ
  -z 80 \            # ダイナミックレンジ（dB）
  -t "Audio Analysis" \  # タイトル
  -o spectrogram.png

Audio Operations Reference

サンプルレート変換

# CD品質（44.1kHz）
sox input.wav -r 44100 output.wav

# DVD品質（48kHz）
sox input.wav -r 48000 output.wav

# 高品質リサンプリング
sox input.wav -r 44100 output.wav rate -v

ビット深度変換

# 16ビット
sox input.wav -b 16 output.wav

# 24ビット
sox input.wav -b 24 output.wav

# ディザリング付き（高品質ダウンサンプル）
sox input.wav -b 16 output.wav dither -s

チャンネル操作

# モノラルに変換
sox input.wav output.wav channels 1

# ステレオに変換
sox input.wav output.wav channels 2

# 左チャンネルのみ抽出
sox input.wav output.wav remix 1

# 右チャンネルのみ抽出
sox input.wav output.wav remix 2

# L/Rを入れ替え
sox input.wav output.wav remix 2 1

# ミックスダウン（L+R）
sox input.wav output.wav remix 1,2

Effects Reference

音量系エフェクト

エフェクト	構文	説明
vol	vol <gain>	音量調整（dB or 倍率）
norm	norm [dB]	ピークノーマライズ
gain	gain [dB]	ゲイン調整
compand	compand <attack,decay> <soft-knee-dB> <gain> <initial-vol> <delay>	コンプレッサー/エキスパンダー
contrast	contrast [amount]	コントラスト強調

フィルタ系エフェクト

エフェクト	構文	説明
highpass	highpass <freq>	ハイパスフィルタ
lowpass	lowpass <freq>	ローパスフィルタ
bandpass	bandpass <freq> <width>	バンドパスフィルタ
equalizer	equalizer <freq> <width> <gain>	パラメトリックEQ
bass	bass <gain>	低音調整
treble	treble <gain>	高音調整

空間系エフェクト

エフェクト	構文	説明
reverb	reverb [reverb%] [HF-damping%] [room-scale%]	リバーブ
echo	echo <gain-in> <gain-out> <delay> <decay>	エコー
chorus	chorus <gain-in> <gain-out> <delay> <decay> <speed> <depth>	コーラス
flanger	flanger [delay] [depth] [regen] [width] [speed]	フランジャー
phaser	phaser <gain-in> <gain-out> <delay> <decay> <speed>	フェイザー

時間系エフェクト

エフェクト	構文	説明
trim	trim <start> [length]	トリミング
pad	pad <start-silence> [end-silence]	無音追加
fade	fade [type] <fade-in> [stop] [fade-out]	フェードイン/アウト
repeat	repeat <count>	繰り返し
reverse	reverse	逆再生
silence	silence <above-periods> <duration> <threshold>	無音検出・除去

Common Patterns

Pattern 1: ポッドキャスト音声処理

sox input.wav output.mp3 \
  highpass 80 \
  compand 0.3,1 6:-70,-60,-20 -5 -90 0.2 \
  norm -3 \
  rate 44100

Pattern 2: 音楽マスタリング

sox input.wav output.wav \
  bass +2 \
  treble +1 \
  compand 0.3,1 6:-70,-60,-20 -5 -90 0.2 \
  norm -1

Pattern 3: 音声クリーンアップ

# Step 1: ノイズプロファイル取得（先頭の無音部分）
sox noisy.wav -n trim 0 0.5 noiseprof noise.prof

# Step 2: ノイズ除去 + ノーマライズ
sox noisy.wav clean.wav noisered noise.prof 0.21 norm -3

Pattern 4: 電話音声シミュレーション

sox input.wav output.wav \
  lowpass 3400 \
  highpass 300 \
  compand 0.3,1 6:-70,-60,-20 -5 -90 0.2

Pattern 5: バッチ変換

# 全WAVをMP3に変換（320kbps）
for f in *.wav; do
  sox "$f" -C 320 "${f%.wav}.mp3"
done

# 全音声をノーマライズ
for f in *.wav; do
  sox "$f" "normalized_$f" norm -3
done

# 一括サンプルレート変換
for f in *.wav; do
  sox "$f" -r 44100 "44k_$f"
done

Pattern 6: 無音分割（音声ファイルを無音区間で分割）

sox input.wav output.wav silence 1 0.5 1% 1 0.5 1% : newfile : restart

Pattern 7: 再生（確認用）

# 音声再生
play input.wav

# エフェクトをプレビュー
play input.wav reverb 50

# 音量調整して再生
play input.wav vol -6dB

Best Practices

1. 入力ファイルをsoxiで確認してから処理する

   • サンプルレート、ビット深度、チャンネル数を把握

2. ロスレスフォーマット（WAV/FLAC）で編集、最後にMP3等へ変換

   • 中間処理での品質劣化を防ぐ

3. エフェクトチェーンの順序に注意

   • 推奨順序: ノイズ除去 → EQ → コンプ → ノーマライズ

4. normは処理チェーンの最後に適用

   • 他のエフェクトでレベルが変わるため

5. ノイズ除去は適切なプロファイルと強度設定

   • 強すぎると音質劣化、弱すぎると効果なし
   • 0.1〜0.3の範囲で調整

6. 高品質リサンプリングにはrate -vオプション

   • デフォルトより高品質な変換

7. バックアップを取ってから処理

   • 元ファイルを上書きしない

8. playコマンドでプレビュー

   • 処理前にエフェクトを確認できる

Troubleshooting

よくある問題と解決策の詳細は references/troubleshooting.md を参照してください。

主なエラー:

• "sox FAIL formats: no handler for file extension" → 対応フォーマットをインストール（libsox-fmt-all）
• "sox WARN rate: rate clipped X samples" → 入力レベルが高すぎる、normで調整
• MP3が作成できない → libsox-fmt-mp3 または lame をインストール
• "can't open input file" → ファイルパスを確認、スペースは引用符で囲む

Resources

scripts/

• soxi_analyzer.py: 音声ファイルの分析と最適処理設定の提案

references/

• quick_reference.md: よく使うコマンドのチートシート
• effects_guide.md: エフェクト詳細ガイド
• format_conversion.md: フォーマット変換ガイド
• troubleshooting.md: トラブルシューティングガイド

assets/

このスキルにはアセットファイルは含まれません。