［CEDEC 2008＃04］MGS4サウンド制作という「戦場からの帰還報告」

　「METAL GEAR SOLID 4 GUNS OF THE PATRIOTS」（以下MGS4）は，おそらく2008年に発売されたゲームのなかでPLAYSTATION 3（以下PS3）だけでなく，PCを含む全プラットフォームにおいてプレイヤーにもっとも強烈なインパクトを与えたタイトルのはずだ。小島“監督”のこだわりが，PS3という先進的なハードウェアの持つ数々のテクノロジーと結びつき，一種異様ともいえる独特の世界観を奏でている。もちろん，そのサウンドも例外ではない。本セッションでは，同タイトルのサウンドプロデューサーを務めた戸島壮太郎氏が，MGS4で行った数々の技術について解説を行った。
　本稿では，セッションに参加した筆者の所感を交えてレポートする。なお，試聴はすべて5.1chシステムで行われている。

まずはデモムービーを聞く
PCゲームではありえないようなクオリティ

　セッションはまず，オープニングと思われるムービーから始まった。品質的におそらく最高レベルと思われるリアル系の映像をサウンドパートがしっかり盛り上げているのが印象的だ。筆者の好みは，もう少し音数を絞って，聞かせたい音をしっかり聞かせる方向性なのだが，MGS4チームの目指した方向性にも異論はない。映像の圧倒的な情報量と齟齬を生じないよう，後述の「にぎやかし」を含め，これでもかというくらい音情報が突っ込まれており，その割に全体としてとくに破綻はない。

　個人的に，この「破綻しない」ことが，数多くあるPCゲームの効果音との大きな違いであり，「本気の」コンシューマ製品は，まだアドバンテージを持っていると感じさせる一因だろう。PCゲームの効果音は正直いって「ただ音数が多く鳴っているだけ」で，ときおりバランスが悪く，やたら爆発音が大きかったり，銃声が耳についたり，さらには，やたら効果音がドライ（残響がない状態）ものが多いと思えるのに対し，ムービーだけでなくゲーム中に入ってもほぼそのまま，破綻せずムービーと同等のサウンド品質が持続している。ここらへんは，サウンド制作における哲学（サウンドコンセプト），テクノロジー，リソース（投入人員数，所用時間，開発環境など）すべてが高いレベルに達しているからできることであろう。業界大手の執念のようなものすら感じられる。

サウンドでどれだけ感情を揺さぶることができるのか

　さて，その哲学，テクノロジー，リソースのうち，まず哲学として解説されていたのが，小島監督の打ち出すサウンドコンセプションだ。サウンドは「どれだけ感情を揺さぶることができるか」が重要であり，その存在意義である，と明快にいい切っている。いい換えると，近年ゲーム業界でも一般的になってきた，サウンドを「演出効果」として捉える考え方である。アーケードゲームや初期の民生コンソールではどちらかというと「ただ鳴っているだけ」のイメージがあったゲームサウンドだが，飛躍的なビジュアル演出技法の向上に伴い，どんどん演出寄りになっているのは周知のとおり。
　MGS4は，これを極限まで推し進めた作品と考えてよいであろう。このコンセプトがないと，せっかく多くの発音数を使えても脈絡がなく「ただ鳴っているだけ」という状態に陥ってしまう。
　そして，割とさらりと流していたが，「ゲームの場合，演出の前に，まずゲームの世界観に入ってきてもらう役割も大事」という主張も面白い。ゲームの世界観は現実世界と比べて突飛なことが多いので（最たるものはRPGか），おそらくサウンドをクッションにしてその世界観に親しんでもらうという意味であろう。別に上から目線というわけではないが，「さすが，よく分かってらっしゃる」と感じた。

劇的に向上したハードウェアと，
よりこだわりの領域に達したソフトウェアテクノロジー

　とはいえ，素晴らしいコンセプションだけでは，これだけの製品は生まれない。今回これだけの品質を実現できたのは，やはり，PS2から劇的に向上したサウンド周りのハードウェア環境が大きな役割を果たしている。

　右のスライドのとおり，同時発音数128音，リアルタイム音響処理（残響処理，周波数フィルター），リアルタイム5.1chサラウンド出力のうち，ほとんどはPS3で新規に採用された仕様であり，PS2では現実的ではなかったソリューションだ。サラウンド出力は，確かにミドルウェアを採用して無理をすればPS2でも可能であったが，採用例は少なく，かなりトリッキーでシステムに負荷のかかるやり方であった。PS3ではあれだけの映像演出を行いながら，これだけのシステム要件を満たせるのだから，やはりPS2とは比較にならない。ということは，PS2と比べて圧倒的に「できることが増えた」ということを意味する。

　個別に見ていこう。ストリームを含め同時最大発音数128という数字は，モノラルの効果音であれば同時に128個再生できるということである。現場のデザイナーから見たらまだ十分ではないものの，工夫次第でかなり「リアルに聞こえる」演出が可能になる数でもある。ストリームにも使用するので，実際にはこれよりやや少ない数が使われているようだ。
　微妙に面白かったのはADPCMフォーマットがオリジナル（コナミ製）という点。世の中にはこの手の圧縮音声フォーマットは掃いて捨てるほどあるのだが，わざわざ自社で開発している点に興味を覚える。戸島氏はまだ改良の余地があると思っているようだが，少なくともPS2時代の低サンプルレート/低ビットレート品質とは比較にならない高い品質であった。

　音響処理アルゴリズムの採用もPS2でも実現されており，PS3やXbox 360で初めて実現されたというわけではないが，PS2時代のリバーブ（残響を擬似的に付加するアルゴリズム）やフィルタ（周波数バランスを変えるアルゴリズム。いわゆる「イコライザ」が実質トータルミックス（最終的なステレオ出力）にかかるのに対し，PS3やXbox360では個別またはグループごとに細かくかかり具合を調整できる。これによって，音の距離感の演出が現実的になったといってもよいと思う。もちろんアルゴリズムの品質自体も劇的に向上しており，「なんでもかんでもトンネルで鳴っている音に聞こえる」PS2とは雲泥の差だ。

　この音響処理を活用したものかは定かでないが，おそらくこれも組み合わせているであろう戸島氏のデモの一つに「距離遅延」があった。銃声はプレーヤーの間近で鳴るので，音が聞こえるまでにほとんど遅延はないし，残響も聞こえないが，数百メートル先で爆発した音は遅れて聞こえ，残響も深い。現実に即した，細やかな「リアルに聞こえる」演出の一例であった。

　リアルタイム5.1chサラウンド出力であるが，これはPS3/Xbox360両方共に採用している，次世代機（というか，現行のハイエンドコンソール）特有の機能である。まず，各音源またはグループごとに5.1chのマルチチャンネル定位をサポートしており（LFE含む），さらにこれをまとめる内部サラウンドミキサー→Dolby Liveによる最終的なリアルタイムエンコード→デジタルビットストリーム出力という，民生では必須のサラウンドソリューションに対応している。昔からサラウンドをサポートしているSoundBlasterは未だにサラウンドだとアナログ出力しかできないが，PS3/Xbox360はDVD/BDプレーヤーのように，デジタルケーブル1本でAVアンプ/ホームシアターシステムと接続し，サラウンドサウンドを楽しめる。

　さらに，興味深かったのは「あえてリア成分を抑えめにしている（リア成分のボリュームを下げ目にしているらしい）」という点。確かにほとんどの場合画面に映っている音にフォーカスして再生すればよい映画と異なり，特にMGS4のようなゲーム性だとプレーヤーのうしろでもバンバン効果音が鳴っているはずで，それはプレイ時にかえってわずらわしく感じてしまう。そのため，リア成分を下げ目にしているとのことだ。こういう「敢えて抑えめにする」こともプレーヤーにゲームを楽しんでもらう＝ゲームに没頭してもらうための大切なノウハウだ。

ストリームはBD/HDD両方から読み出す

　初代プレイステーション以降，効果音やBGMの中でも長時間にわたるものは「ディスクストリーム」と呼ばれる技法で再生されるのが一般的だが，PS3タイトルであるMGS4はいわゆるプリレンダリングムービー（映画のようにあらかじめ用意された映像）時のみサウンドデータを内蔵BDから読み出し，それ以外のリアルタイムムービーやゲーム中のBGM，効果音のストリームはあらかじめHDに書き込んでおいたデータを読み出す仕組みだ。

　ディスクストリームはもはや古くからある定番の技術だが，光ディスク（当時はCD/DVD）のランダム読み出し/転送速度に限界があるため，実質プリレンダリングムービー再生時とその他BGMの再生，または声優のボイスが重要な作品ではセリフの再生のどちらかに限定されていた。しかし，PS3はHDDを標準で内蔵しているのでもはやその制約もない。従って，MGS4ではストリームを複数使い，かつてないゴージャスな音世界を作り出している。具体的にはストリームBGM，遠景戦場（環境音），戦場ストリームであり，状況に応じてクロスフェード処理され，自然に音色切替を行っていると解説されていた。これにオンメモリの近景戦場を加えることで，リアルタイムムービーとゲーム中の効果音が構成されているわけだ。
　近景戦場は実際に映像と連動している効果音で，遠景戦場はどちらかというと環境音。これに場の雰囲気を盛り上げる「にぎやかし」としてさらに戦場ストリームというサウンドデータを持ち込んでいる。

　この「戦場ストリーム」という概念が面白く，戦争映画などで見る，遠くで鳴っている戦闘の音そのものである。しかし，近景戦場と異なり映像と連動しない。従って，画面では大砲など一発も発射されていないのになぜか大砲の発射音が聞こえたりする。アイデアだけ聞くと「？」と感じるが，実際に戦場ストリームだけのときと，プラス近景/遠景戦場のときとで聞き比べると，それほど不自然に感じない。音自体に意味はないため結局は「にぎやかし」なわけだが，これを戸島氏は「Finishingのために大切な要素。非常に効果があり，従来のオンメモリ効果音だけでは詰め切れなかった効果音演出をより高めることができた」と解説している。

　ちなみ，Finishingとは，戸島氏曰く一通りすべての音がそろったあとで行うもので，効果音同士のバランスやBGMとのバランスをとり，プレーヤーに聞いてもらいたい通り音が聞こえるようにする最終工程。一般的にはバランス調整などと呼ばれることもある。

至難の業，リアルタイムミックス

　このFinishingも非常に重要だが，負けず劣らず重要なのが音響調整，俗に言う「ミックスダウン」である。
　近景戦場，遠景戦場，戦場ストリーム，BGM，効果音のバランスをFinishing時に取ればOK……というわけでは残念ながらない。音楽制作時のミックスダウン・マスタリングが非常に重要なように，周波数，ダイナミクス，サラウンド感（ステレオ感）の調整を行うことは今やゲームにとっても必須となりつつある。

　特に数多くの効果音がのべつまくなしに鳴り続けるMGS4のようなゲームではなおさらである。また，同時に鳴る音も多く，最初に述べたとおり関わる人員（リソース）も従来と比べて多いので，音によって個々の制作担当者の処理がバラバラでは，最終的なミックスダウンがうまくいかない。PS3というコンピュータが処理を自動で行うため，ミックスダウンの前にある程度音がまとまるようにしておかなければ，大変なことになってしまうのだ。
　この点，MGS4ではFinishingの前，つまり個々の効果音を用意する際の約束事を決めておき，これに従って制作を進めることにしたそうだ。

　音響制作の上で一番重要かつ難物の低域処理の約束事を図のように決め，これに準拠して作る。特に面白いのは重要SE以外はLFEに振っていない点だ。つまり大雑把に言い切ると，重要SE以外はサブウーファーの重低音を使用しない（小型のサテライトスピーカーでSUBの成分が多い場合は別であろう）ということだ。確かに2000年以降のハリウッド映画でもずっとサブウーファーが鳴りっぱなしの作品は影を潜め，要所要所で「ブーン」とサブウーファーがうなる（＝LFEに信号が送られる）ような演出方法が主流になってきており，これは合理的な判断といえよう。

　一方，ダイナミクスに気を配ることももちろん忘れてはいない。戸島氏は個々の音に対し，ダイナミックレンジを狭くするような処理（強いダイナミクス処理）はあまり行わない，という方針にしたと解説する。いわゆる「潰れた音」にしない，という意味で，リミッターでこれ以上ないくらい音圧レベルを上げておき，音抜けをよくする，という長年ゲーム業界で行われていた「常識的な手法」を取らなかったわけだ。
　これにより，特に「トランジェント(transient)」と呼ばれるアタックの鋭い音のアタック部分が失われないため（戸島氏は「音の振幅を壊さず残す」，という言い回しであった），本来のダイナミクスを持って再生される。しかし，このトランジェントを維持しながらある程度以上の音圧レベルと両立させるのは最新のテクニックであり，プロでも難しいことが多い。また，伝統的なやり方はこのトランジェントを潰して音圧を一定にする手法なので，なかなか開発者も慣れなかったようで，戸島氏はとりまとめに相当苦労されていた様子だ。その甲斐あって，筆者の耳にも，音数が多いにも関わらず，音がそれほどペタンと平坦にならず，きちんと抑揚＝ハリウッド的なリアリティが感じられた。現在のハリウッド映画に準拠した最先端の音場処理を目指したMGS4チームには素直に敬意を表したい。

主人公の状況によって切り替わるBGM

　ここでようやくBGMの話になるわけだが，プレーヤーが操作している主人公の置かれた状況に合わせてBGMがリアルタイムに切り替わる手法が取られている。切り替わるタイミングは図のようになっている。潜入時は緊迫感があるため（おなじみの）BGMなしになっているようだ。戸島氏は今回のどのステージでも心情/状況ごとのBGMが同じという状況にまだ満足いかないようで，ステージが進むにつれもっとバリエーションが欲しいとのこと。なかなか作曲家泣かせの発言だが，映画一本を遙かに上回るボリュームの大作ゲームらしいといえばらしい。

　BGMは4ch(FL/FR/RL/RR)のサラウンド処理を施されており，最大4曲まで同時に再生可能だ。ここらへんの処理能力の高さは前述のPS3のパワーだが，ゲームの場合，まだまだステレオ・トゥ・サラウンド(Stereo-to-Surround。ステレオ音源を擬似的にサラウンド処理する技術。Dolby ProLogicIIが有名）処理して終わりのことが多いのだが，きちんとディスクリート版を用意しているところに意気込みとこだわりを感じる。

　曲は前述の主人公の状況に応じて切り替わる。まず潜入ではBGMがないが，その後の回避では回避BGMが開始される。ただし最大音量ではなく，赤い横線が示す通り2/3くらいのボリュームで再生される。
　その後，警戒状態では警戒BGM，危険状態だと危険BGMと回避BGMが再生される。BGMで主人公の状況をプレーヤーに理解させ，主人公の心情を直感的に理解することができるシステムが組まれている。

　面白い仕掛けとしては，主人公はアップル社のiPodを携帯しているという設定になっており（実際にアップル社とタイアップしている），このiPodをミュージックプレーヤーとして使用することで，プレイヤーがBGMを変更できるようになる。更にiPodを使用しているときの効果音とBGMのバランスは異なり，あたかもプレーヤーがiPodをイヤフォンで聴いているようなバランスになるのだ。通常のタイアップと異なり，ただタイアップ商品を前面に押し出すだけでなく，一風変わった取り上げ方をしている点も興味が持てた。

次世代サウンド制作はめっちゃ面白い？

　戸島氏は次世代コンソール機では「従来ゲームが苦手としてきた時間軸をよりうまく扱えるようになっている」とし，これからもっと面白いタイトルが現れることを期待しているようだ。
　最後のスライドが「次世代サウンド制作はめっちゃおもしろい」だったが，当然「めっちゃ大変」でもあるわけで，その気になればリソースに大きな投資ができる大手メーカーにアドバンテージがあることは疑いない。言い換えればリソースこそが大手のメリットなわけで，これを最大限活かした作品がMGS4といえる。ただし，セッションを見てきたとおり，業界関係者の筆者ですら単に巨体にものを言わせて人海戦術で乗り切った印象は受けない。むしろ，大手にいるメリットを活かす以前にまず知恵を絞り，工夫を凝らし，目標に向かって邁進するサウンド制作者の姿が目に浮かんだ。
　MGS4は現状最高峰のクオリティを有するビッグタイトルであることは間違いない。開発者には今後も我々を驚かすタイトルを作り続けてもらいたい。ただし，くれぐれも身体には気をつけて。