Web で動くドラムマシンを作るとき、たいていは .wav か .mp3 のサンプル音をロードして再生します。動くのは動くのですが、サンプルファイルなしで「ドラムらしい音」を OscillatorNode と BiquadFilter だけで合成することができます。各ボイス 20 行、合計 60 行。サンプル不要なので fetch 待ちもなく、即起動で叩けます。

16 ステップシーケンサ + サンプルゼロ合成の実装と、合成レシピを音響学的にどう設計したかの話です。

🥁 Demo: https://sen.ltd/portfolio/drum-machine/
📦 GitHub: https://github.com/sen-ltd/drum-machine

ドラムらしさの正体 — 3 つの要素

ドラム音を合成するときに見る要素は以下の 3 つ:

要素	何を決めるか	実装でどうするか
エネルギーカーブ	アタックの鋭さ + 減衰の速さ	`GainNode.gain` の `setValueAtTime` + `exponentialRampToValueAtTime`
スペクトル	「音の色」 — 鈍いか、鋭いか、金属的か	`OscillatorNode.type` (sine/triangle/square) + `BiquadFilter`
ピッチ動作	アタックで高く、すぐ低くなる (Kick の本質)	`frequency.exponentialRampToValueAtTime`

サンプル再生だと全部「録音されたとおり」しか出せませんが、合成だとこの 3 つを独立に調整できる。「もう少しアタックを鋭く」「胴体を厚く」みたいな調整がパラメータで効きます。

Kick — sine sweep + 急速 amp decay

実物のキックドラムは「コツン」というアタックの後に「ボーン」という胴体が残る音。これを 1 個の正弦波で合成するレシピ:

osc.frequency.setValueAtTime(150, time);                       // アタック (click 寄り)
osc.frequency.exponentialRampToValueAtTime(48, time + 0.05);   // 50ms で急降下
ampEnv: 1.0 → 0.0001 で 450ms (exponential)

ポイントは:

150 Hz → 48 Hz の急降下 が「コツン → ボーン」を作る。150 Hz だけだと音程が立ちすぎ、48 Hz だけだと胴体しかない
ピッチ降下は 50ms と速い (人間の耳は 30ms 以下のイベントを連続音として聞く)
amp 減衰は 450ms ぐらいでちょうど良い。短すぎると「ピッ」、長すぎると「ブーン」が間延びする
波形は sine 一択。triangle や square だと倍音が乗って「電子音」感が出てキック感が薄れる

export function playKick(ctx, time, dest, gain = 1) {
  const osc = ctx.createOscillator();
  osc.type = "sine";
  osc.frequency.setValueAtTime(150, time);
  osc.frequency.exponentialRampToValueAtTime(48, time + 0.05);

  const ampEnv = ctx.createGain();
  ampEnv.gain.setValueAtTime(0, time);
  ampEnv.gain.linearRampToValueAtTime(gain, time + 0.001);
  ampEnv.gain.exponentialRampToValueAtTime(0.0001, time + 0.45);

  osc.connect(ampEnv).connect(dest);
  osc.start(time);
  osc.stop(time + 0.5);
}

exponentialRampToValueAtTime は 0 に到達できない (内部的に対数領域で計算するため) のが地味なハマりどころ。0.0001 などの十分小さい値を指定するか、最後に setValueAtTime(0, end) を打って明示的に切る必要があります。

Snare — pitched body + bandpassed noise の二層

実物のスネアはほぼノイズです。が、それだけだと「ザーッ」としか聞こえない。「鋭い音色」を立たせる pitched body を並列で混ぜることで「スネアらしさ」が出ます:

[ triangle 200Hz → 50ms decay ] ─┐
                                  ├─→ master
[ noise → bandpass 1.5kHz Q=0.6 → 180ms decay ] ─┘

合成レシピ:

// Body: 200Hz triangle、急減衰
const body = ctx.createOscillator();
body.type = "triangle";
body.frequency.setValueAtTime(200, time);
const bodyEnv = envelopedGain(ctx, time, 0.55, 0.05);  // 50ms
body.connect(bodyEnv).connect(dest);
body.start(time);
body.stop(time + 0.07);

// Noise: white noise を bandpass、長めに減衰
const noise = ctx.createBufferSource();
noise.buffer = whiteNoiseBuffer;  // pre-generated Float32Array
const filter = ctx.createBiquadFilter();
filter.type = "bandpass";
filter.frequency.value = 1500;
filter.Q.value = 0.6;
const noiseEnv = envelopedGain(ctx, time, 0.6, 0.18);  // 180ms
noise.connect(filter).connect(noiseEnv).connect(dest);
noise.start(time);

ポイント:

bandpass の中心周波数 1500 Hz はスネアの「シャリ」が住む帯域。ここを外すと「ザザザ…」のノイズだけになる
Q = 0.6 は「軽くフィルタリング」レベル。Q を上げすぎると音色が変わって金属的になる (鳴り物パーカッションっぽい)
body の triangle は sine より倍音が乗って音色がカチッとする。snare 系では sine だと地味すぎる
ホワイトノイズバッファは ctx.createBuffer(1, len, sampleRate) で 1 回作って Math.random() * 2 - 1 で埋めて使い回し。毎回作ると hit ごとに数 KB のアロケーションが発生する

Hi-hat — square wave + 鋭い bandpass

ハイハットの正体は「金属同士のカチッ」です。これは合成的には 超高い倍音が密集して、急速に減衰する で表現できます:

osc.type = "square";          // square は奇数倍音が豊富 → 金属的
osc.frequency.setValueAtTime(7800, time);

filter.type = "bandpass";
filter.frequency.value = 7500;  // 7-8kHz が cymbal の主要成分
filter.Q.value = 12;            // 狭い帯域に絞る (高 Q = ピーキー)

decay: closed = 40ms / open = 320ms

ポイント:

square wave (7800Hz の) は奇数倍音が豊富で、ハイハットの「カチッ」感が出る。sine だと「ピッ」になって金属感が消える
bandpass Q=12 は高めの Q。これで 7500Hz 中心の狭帯域だけ通す → 金属的な「鳴り」になる
closed (40ms) と open (320ms) は decay だけの違い。同じオシレータ + 同じフィルタで両方作れる。「open hat」を別ボイスとして用意する必要なし

export function playHat(ctx, time, dest, open = false, gain = 1) {
  const osc = ctx.createOscillator();
  osc.type = "square";
  osc.frequency.setValueAtTime(7800, time);

  const filter = ctx.createBiquadFilter();
  filter.type = "bandpass";
  filter.frequency.value = 7500;
  filter.Q.value = 12;

  const decay = open ? 0.32 : 0.04;
  const env = envelopedGain(ctx, time, 0.45 * gain, decay);

  osc.connect(filter).connect(env).connect(dest);
  osc.start(time);
  osc.stop(time + decay + 0.02);
}

Lookahead Scheduler — JS タイマーが信用できない問題

ここまでが「音作り」、次は 正確な timing で打つ 仕組み。

ナイーブな実装 setInterval(playStep, 60_000 / bpm / 4) は 必ずズレます。理由は JS の event loop が GC や layout で 10-50ms 平気で詰まるから。それを setInterval のコールバックで触ると音もそのままズレる。

正解は Chris Wilson の "A Tale of Two Clocks" パターン:

function tick() {
  while (state.nextStepTime < audioCtx.currentTime + 0.1) {
    onStep({ step: state.step, time: state.nextStepTime });  // ステップ予約
    state.nextStepTime += secondsPerStep();
    state.step = (state.step + 1) % stepsPerBar;
  }
}
setInterval(tick, 25);   // 25ms ごとに tick(), 100ms ahead で予約

仕組み:

audioCtx.currentTime は audio スレッドが renders した正確な時刻
ステップの予約は osc.start(time) で 未来の時刻指定 が可能
JS タイマーは「予約をするだけ」、実際の発音は audio スレッドが render する
JS タイマーが 50ms 詰まっても、すでに 100ms 先まで予約済みなので発音は遅れない

これで「JS の timing は信頼しない、audio クロックだけが真」という設計になります。

Chris Wilson 方式は何が嬉しいか

setTimeout(playStep, 100) ではダメな理由がもう 1 つあって、OscillatorNode.start() を setTimeout の中から呼ぶと そこからオーディオ生成が始まる。 hit のタイミングが GC や layout の influence をモロに受ける。

これに対し osc.start(time) で未来の時刻を指定すれば、audio スレッドはそれを sample-accurate でレンダーします。50 ms の jitter があっても、tick が動く限り次の 100ms 分は予約済みなので 耳にはズレが届かない。

テスト — 偽 AudioContext で完全カバー

シンセシス部分 (kick が kick らしい音か) はもちろん耳テスト。ですが scheduler は決定論的に test できる:

function makeFakes() {
  const audio = { currentTime: 0 };  // 偽の audio clock
  const intervals = [];
  const setIntervalFn = (fn, ms) => {
    intervals.push({ fn, ms, cleared: false });
    return intervals.length - 1;
  };
  const advance = (sec) => {
    audio.currentTime += sec;
    for (const slot of intervals) if (!slot.cleared) slot.fn();
  };
  return { audio, setIntervalFn, advance, /* ... */ };
}

test("at 120 BPM, 16 steps per bar = 0.125 s per step", () => {
  const fakes = makeFakes();
  const queued = [];
  const sched = createScheduler({
    audioCtx: fakes.audio,
    bpm: 120, stepsPerBar: 16, beatsPerBar: 4,
    onStep: ({ time }) => queued.push(time),
    setIntervalFn: fakes.setIntervalFn,
    clearIntervalFn: fakes.clearIntervalFn,
  });
  sched.start();
  fakes.advance(1.0);
  // 連続するステップの間隔がきっかり 0.125 秒
  for (let i = 1; i < queued.length; i++) {
    assert.ok(Math.abs(queued[i] - queued[i - 1] - 0.125) < 1e-9);
  }
});

scheduler は audioCtx と setIntervalFn を 依存性注入で受け取るので、Node の node:test で AudioContext なしに完全に検証できる。17 ケースで 0.07 秒。

まとめ

Kick = sine 150→48 Hz exponential sweep、amp 450ms decay。三要素のうち pitch sweep が一番効く
Snare = triangle 200Hz body (50ms) + bandpass 1.5kHz Q=0.6 noise (180ms) を並列で混ぜる。ノイズだけでは「スネア感」がない
Hi-hat = square 7800Hz + bandpass 7500Hz Q=12 を closed/open で decay だけ違える。1 オシレータ + 1 フィルタで両方表現
exponentialRampToValueAtTime は 0 に届かない。0.0001 を使う
Lookahead scheduler で JS タイマーの jitter を吸収。25ms tick + 100ms ahead で sample-accurate
依存性注入で AudioContext を fake にすれば、scheduler のテストは Node node:test で完結

コード全文 — drums.js (合成 + パターン)、scheduler.js (Chris-Wilson lookahead)、tests/ (17 ケース)。MIT。

Web Audio 連作 3 件目: #206 metronome (timing) → #212 pitch-detector (analysis) → 今回 (synthesis)。