はじめに
「自分専用のiPad用イコライザーアプリが欲しい!」と思い立ち、Swift(SwiftUI + AVAudioEngine) を学びながら個人開発をしています。
本記事では、開発の中で大きな壁となった 波形描画と音声再生位置がズレる問題 と、修正をした過程で得た知見を共有したいと思います。
開発環境
2025年7月末時点
- iOS ネイティブアプリ(Swift / SwiftUI)
- Xcode Version 16.4
- iPadOS 16.7.2
- Swift 6.1.2
前提知識:AVAudioEngineと波形描画
AVAudioEngineについて
- Apple公式のオーディオ処理フレームワーク(iOS/macOS標準)
-
ノード(Audio Node) をつないで音声処理を行うのが特徴
(※Web Audio API の AudioNode と概念的に似ており、「入力 → エフェクト → 出力」とパイプラインを組むイメージです)-
AVAudioPlayerNode→ 音声ファイルを再生する -
AVAudioUnitEQ→ イコライザー処理を行う -
mainMixerNode→ 全体の音量をまとめて出力する
-
- リアルタイム処理に強く、音響アプリなどに多用されます。
波形描画とは?
- 音声ファイルのサンプル値を用いて「時間軸 vs 振幅」のグラフを描くこと
- 今回は Metal を使って GPU で描画(UI軽量化の期待)
- 再生位置に合わせてカーソルを動かし、波形と音声再生位置の同期を目指しました
今回起きた問題
- 再生している時間と、UI側で計算している再生位置が合わず 音とカーソルがズレる
- 数秒では分かりづらいが、2〜3分以上の再生で終盤に 約0.02秒 のズレが毎回発生
- 原因は サンプルレートの扱いを誤っていた こと
問題の発生と原因
ズレが発生していたコード(誤り)
@objc private func updatePlaybackTime() {
guard let file = audioFile,
let nodeTime = playerNode.lastRenderTime,
let playerTime = playerNode.playerTime(forNodeTime: nodeTime) else { return }
let currentSample = Double(pausedFrame) + Double(playerTime.sampleTime)
let maxSeconds = Double(file.length) / file.fileFormat.sampleRate
let seconds = min(currentSample / file.fileFormat.sampleRate, maxSeconds)
self.playbackSeconds = seconds
waveformView?.updatePlaybackPosition(self.playbackSeconds)
}
一見正しそうですが、file.fileFormat.sampleRate を使って秒換算していたのが落とし穴でした。
AVAudioEngine は mainMixerNode.outputFormat(forBus: 0).sampleRate(実際のレンダーサンプルレート)で動作するため、ファイルのサンプルレートとレンダーのサンプルレートが異なると、時間換算に誤差が蓄積します。
実際に気づいた場面と検証
2〜3分の音声ファイルを再生した後、最後の数秒で音と波形がわずかにズレていることを目視で確認。
「気のせいかな?」と思い、再生位置をログ出力するデバッグコードを仕込み、約0.02秒の誤差を数値でも確認しました。
0.02秒はどれくらい?
-
44.1kHz:
0.02秒 × 44,100 ≈ 882 samples -
48kHz:
0.02秒 × 48,000 = 960 samples
サンプルとフレームの違い
- Sample(サンプル): 1チャンネル分のデータ点
- Frame(サンプルフレーム): 全チャンネルをまとめた1単位(例:ステレオは1フレーム=2サンプル)
→ 0.02秒の誤差は
- モノラル: 約 882〜960サンプル = 882〜960フレーム
- ステレオ: 約 882〜960サンプル = 441〜480フレーム
わずか0.02秒でもサンプル換算では数百〜千近い差になり、見た目のズレとして認識されやすくなります。
修正内容
ポイント:「進んだ時間」はレンダー側のサンプルレートで計算、「全長/開始位置」はファイル側のサンプルレートで計算。
// サンプルレート参照を一元化
private var renderSampleRate: Double {
audioEngine.mainMixerNode.outputFormat(forBus: 0).sampleRate
}
private var fileSampleRate: Double {
audioFile?.fileFormat.sampleRate ?? 44100
}
@objc private func updatePlaybackTime() {
guard let file = audioFile,
let nodeTime = playerNode.lastRenderTime,
let playerTime = playerNode.playerTime(forNodeTime: nodeTime) else { return }
// 「進んだ時間」= レンダー側 / 「全長・開始位置」= ファイル側
let maxSeconds = Double(file.length) / fileSampleRate
let pausedSeconds = Double(pausedFrame) / fileSampleRate
let progressed = Double(playerTime.sampleTime) / renderSampleRate
let seconds = min(pausedSeconds + progressed, maxSeconds)
self.playbackSeconds = seconds
waveformView?.updatePlaybackPosition(self.playbackSeconds)
}
-
進んだ時間 →
playerTime.sampleTime / renderSampleRate -
全体の長さ/開始位置 →
file.length / fileSampleRate
に分けることで、ズレが解消しました。
停止時のサンプル位置計算を修正
もう一つハマったのが「停止→再生」の処理です。
AVFoundationの「frame」は サンプルフレーム(全チャンネル分まとめた1単位) を指します。
当初のコード(誤り)
if playerNode.isPlaying {
if let nodeTime = playerNode.lastRenderTime,
let playerTime = playerNode.playerTime(forNodeTime: nodeTime) {
pausedFrame = max(0, playerTime.sampleTime) // ❌ レンダーSR基準のまま
}
playerNode.stop()
}
playerTime.sampleTime は レンダー側のサンプルレート基準なので、ファイル側の位置に換算しないとズレます。
修正版(正しい換算を追加)
if playerNode.isPlaying {
if let file = audioFile,
let nodeTime = playerNode.lastRenderTime,
let playerTime = playerNode.playerTime(forNodeTime: nodeTime) {
let advancedFileFrames =
Double(playerTime.sampleTime) * (file.fileFormat.sampleRate / renderSampleRate)
pausedFrame = AVAudioFramePosition(Double(pausedFrame) + advancedFileFrames)
}
playerNode.stop()
}
レンダー側 → ファイル側 に換算することで、「停止→再開」でも正しい位置から再生できるようになりました。
参考資料
- Apple Developer Documentation
- iOSDC Japan 2021:
- オーディオ波形を表示するために知っておくべきこと / 八十嶋祐樹 さん https://www.youtube.com/watch?v=pHMxS9e4pQs
あとがき
「再生時間をどう計算するか」という基本的な部分で大いにつまずき、プロジェクトのコードが膨らんでいく中で誤りを見抜けず格闘していました。。
そんな折に HAKATA.swift feat. Japan-(region).swift #1 の開催を知り思い切って参加をしたところ、今回のつまづきポイントについて質問をさせていただいたり、この問題を解決するためのヒントを沢山いただきました!
本記事が、Swift で音響アプリ開発をはじめる方の参考になれたら幸いです🙌