リズムゲームの音声遅延とキャリブレーション統計(2026年):Bluetooth遅延、判定幅、人間のタイミング閾値に関する45以上のデータポイント

リズムゲームの音声遅延統計2026:SBCコーデックのBluetoothイヤホンは平均259.8 msの遅延が生じる一方、osu!maniaの最も厳しい判定幅が許容する誤差はわずか13.9 ms。

RTINGSのラボテストでは、標準のSBCコーデックを使うBluetoothイヤホンの音声遅延は平均259.8 msだったのに対し、osu!maniaの最高難易度で最も厳しい判定幅はわずかプラスマイナス13.9 msである。 この差こそが、本格的なリズムゲームのすべてにキャリブレーション画面がある理由だ。Windows自体はもはやボトルネックではない。そのオーディオエンジンが加える遅延はWindows 10以降で1.3 msであり(Microsoft、Low Latency Audio 2024)、2024年の実験室研究は、人間の音声遅延に対する平均弁別閾(最小可知差異)をゼロ基準から48.8 msと見積もった(Schmidら、Audio Mostly 2024)。このまとめは音声出力の遅延とオフセットのキャリブレーションに焦点を当てている。ネットワーク遅延や入力遅延、ディスプレイの応答速度については、別のゲーム遅延統計をご覧ください。データは、Microsoft、GoogleのAndroid互換性プログラム、RTINGS、osu!とStepManiaのソースコード、Harmonixの特許出願、そしてPLoS ONE、Scientific Reports、IEEEおよびACMの会議録に掲載された査読付き研究から集めた。

主なポイント

  • Windows 10以降はオーディオエンジンの遅延を、浮動小数点アプリの約12 msから1.3 msに短縮した(Microsoft、Low Latency Audio 2024)。
  • Androidの最新のMedia Performance ClassレベルであるMPC 37は、タップから発音までの遅延を65 msに制限している(Google、Android 17 MPC要件 2026)。
  • 完全ワイヤレスイヤホンのSBCでの遅延は、5製品の平均で259.8 msだった(RTINGS、Test Bench 1.6 Latency R&D 2023)。
  • osu!maniaのPerfect判定幅は、難易度が上がるにつれてプラスマイナス22.4 msからプラスマイナス13.9 msに狭まる(ppy、osu!ソースコード 2026)。
  • StepManiaの既定の判定幅は22.5 ms(W1)から180 ms(W5)までである(StepMania 5.1ソースコード)。
  • StepManiaは既定のグローバル音声オフセットとして-8 msを採用している(StepMania 5.1ソースコード)。
  • Harmonixの出願は、外部ビデオの遅れを約85 ms、外部オーディオを約45 msとしている(Harmonix、US20090310027A1 2009)。
  • 音声遅延の平均弁別閾:0 ms基準で48.8 ms、64 ms基準で27.1 ms(Schmidら、Audio Mostly 2024)。
  • 音楽家でない人はキーと音の間の遅れを検出するのに180 msを要し、音楽家は102 msだった(van VugtとTillmann、PLoS ONE 2014)。

1. Windowsの音声出力遅延:デスクトップの遅れはどこから来るのか

PCでリズムゲームを遊ぶ人にとって最も重要な数値は、Windows 10のオーディオエンジンがすべてのアプリケーションに加えるレンダリング遅延はわずか1.3 msであるということだ(Microsoft、Low Latency Audio 2024)。エンジンは何年も前から問題ではなくなっている。今も重要なのはバッファだ。ゲームがWASAPI(Windows Audio Session API)やAudioGraphを通じて小さなバッファを明示的に要求しない限り、既定の10 msが割り当てられ、どこまで小さくできるかはドライバーが決める。

そのため、PCでの遅延はOSではなく、ドライバーとゲームエンジンの問題になる。Microsoftはトレードオフにも触れている。1 msのバッファはCPUを10 msごとではなく1ミリ秒ごとに起こすため、消費電力が増え、ノートPCのバッテリー駆動時間が短くなる(Microsoft Learn、Low Latency Audio)。音楽制作ソフトでバッファサイズがどう影響するかについては、DAWのオーディオバッファサイズ統計をご覧ください。

指標値出典
Windows 10より前のWindowsオーディオエンジンのレンダリング遅延、浮動小数点と整数のオーディオデータを使うアプリの比較約12 ms 対 約6 msMicrosoft、Low Latency Audioドキュメント 2024
Windows 10以降のWindowsオーディオエンジンのレンダリング遅延、全アプリ1.3 msMicrosoft、Low Latency Audioドキュメント 2024
Windowsアプリがより小さい値を要求しない場合の既定のバッファサイズ約10 msMicrosoft、Low Latency Audioドキュメント 2024
Windows 8.1と比べたWindows 10のラウンドトリップ遅延の短縮、アプリやドライバーの変更なし4.5〜16 ms(整数データのアプリで4.5 ms、浮動小数点アプリで16 ms)Microsoft、Low Latency Audioドキュメント 2024
組み込みのMicrosoft HD Audioドライバーが対応するバッファ範囲128サンプル(48 kHzで2.66 ms)から480サンプル(48 kHzで10 ms)Microsoft、Low Latency Audioドキュメント 2024

補足:バッファを小さくしても、ゲームがそれを要求しなければ効果はない。小さい周期を要求せずに標準の共有モードストリームを開くリズムゲームは、サウンドカードの性能にかかわらず既定のバッファを引き継ぐ。

2. モバイルの音声遅延:Androidの保証とその上限

Androidは遅延を測定値ではなく約束として示している。実際の音声遅延を報告する実行時APIはなく、上限を定める機能フラグがあるだけだ。その上限どうしの差は大きい。デバイスは最大45 msの連続出力遅延を許容しながら「低遅延」オーディオをうたうことができる。これは、別のプロオーディオフラグのラウンドトリップ基準である20 msの2倍以上だ(Android NDK、Audio latency)。

デバイスを能力レベルごとに分類するMedia Performance Class(MPC)の表では、上限が時間とともに厳しくなっている。タップから発音までの遅延、つまり画面に触れてから音が聞こえるまでの遅れは、最初期のレベルの110 msからMPC 37の65 msまで下がっている(Android 17 Media Performance Class)。65 msでも、セクション4で見る最も厳しい判定幅の数倍もあり、モバイルのリズムゲームがキャリブレーションに強く依存する理由はここにある。

指標値出典
android.hardware.audio.low_latency機能フラグが約束する連続出力遅延45 ms以下Google、Android NDK Audio Latencyガイド
android.hardware.audio.pro機能フラグが約束する連続ラウンドトリップ遅延20 ms以下Google、Android NDK Audio Latencyガイド
Googleによれば、音楽家が一般に必要とするラウンドトリップ遅延10 msGoogle、Android NDK Audio Latencyガイド
タップから発音までの最大遅延、MPC 1と10 / MPC 20〜31 / MPC 33〜35110 / 100 / 80 msGoogle、Android 17 Media Performance Class要件 2026
音声ラウンドトリップ遅延の最大値、MPC 33〜35(これを定めた最初のレベル)80 msGoogle、Android 17 Media Performance Class要件 2026
タップから発音までの最大遅延と最大ラウンドトリップ遅延、MPC 37それぞれ65 msGoogle、Android 17 Media Performance Class要件 2026

補足:これらは認証上の上限であり、測定値ではない。スマートフォンは65 msで性能クラスに合格しても、20 msの判定幅からは大きく外れたままのことがあるため、残りはゲーム内のオフセットで吸収する必要がある。

3. Bluetoothとワイヤレスヘッドホンの遅延

Bluetoothは、ほとんどのプレイヤーが加えうる唯一最大の遅延要因だ。RTINGSが27機種のヘッドホンを再測定したところ、標準のBluetoothコーデック(ワイヤレス接続のために音声を圧縮する形式)であるSBCを使う完全ワイヤレスイヤホンは、平均259.8 msだった(RTINGS、Test Bench 1.6 Latency R&D)。ゲーミングヘッドセットはBluetoothでも速かったが、本当の違いは専用のUSBワイヤレスドングルから生まれ、その遅延は22から42 msだった。

実用上の読み方はこうだ。キャリブレーションのオフセットは固定のBluetooth遅延を隠せるが、短縮はできず、再接続のたびに遅延が再びずれる可能性がある。ヘッドホンのブランドよりコーデックの選択のほうが重要であることは、下のaptX Low Latencyの行が示している。イヤーカップ内部の処理がどのように独自の遅延を加えるかについては、ノイズキャンセリングヘッドホンのDSP遅延統計をご覧ください。

指標値出典
SBCの平均遅延、完全ワイヤレスイヤホン5機種259.8 msRTINGS、Test Bench 1.6 Latency R&D記事 2023
SBCの平均遅延、イヤホン以外のゲーミング用でないヘッドホン7機種257.6 msRTINGS、Test Bench 1.6 Latency R&D記事 2023
SBCの平均遅延、Bluetooth接続のゲーミングヘッドセット6機種170.3 msRTINGS、Test Bench 1.6 Latency R&D記事 2023
専用のUSBワイヤレスドングルを使うゲーミングヘッドセットの遅延範囲22〜42 msRTINGS、Test Bench 1.6 Latency R&D記事 2023
Plantronics BackBeat Pro 2の遅延:有線 / SBC / aptX / aptX Low Latency7 / 173 / 166 / 34 msRTINGS、SBC vs aptX記事 2017(2025年更新)
Bluetooth LE Audioで使われるLC3コーデックのフレーム長10 ms(最適化設定)または7.5 ms(従来のBluetooth Classicの間隔との互換用)Baertら、IEEE 2024(Experimental Validation of a Bluetooth-Based Speech Audio Broadcasting Model)

補足:RTINGSの結果は同社独自の測定環境でのWindowsに当てはまり、測定精度は1.0 ms未満と報告されている。LC3のフレームが短いからといって遅延が比例して短くなるわけではない。Bluetooth SIGのインタビューで、エンジニアのPeter Liuは7.5 msモードでは遅延が比例して小さくなるわけではないと述べている(Bluetooth SIG、A behind-the-scenes look at LE Audio)。カテゴリ別平均の入手可能な最新データ:RTINGS、2023年。

4. 判定幅:ゲームがどれだけの誤差を許すか

判定幅とは、早くても遅くても、一定の評価を得られるタイミング誤差の範囲のことだ。主要な2つのリズムゲームのオープンソースコードを見れば、それがどれほど狭くなるかがわかる。osu!ではすべての判定幅がプラスマイナスの値であり、OD(全体難易度)10におけるosu!maniaのPerfect判定幅は、どちらの方向にも13.9 msの誤差しか許さない(ppy、ManiaHitWindows.cs)。OD(全体難易度)は、譜面ごとに0から10で設定でき、判定幅を狭める設定である。

数値を並べてみると、キャリブレーションの問題は明らかだ。セクション3のSBCイヤホンの平均259.8 msは、13.9 msの半幅の18.7倍(259.8 / 13.9 = 18.7)にあたり、最も易しい設定でのosu!の最も緩い得点判定幅である200 msよりも大きい(ppy、OsuHitWindows.cs)。オフセットがなければ、そのようなイヤホンで聞こえる音にぴったり合わせて叩いたプレイヤーは、すべての得点判定幅の外、ミスの範囲に入ってしまう。

指標値出典
osu!(標準モード)のGreat判定幅、OD 0 / 5 / 10±80 / ±50 / ±20 msppy、osu!ソースコード(OsuHitWindows.cs)2026
osu!のOk判定幅、OD 0 / 5 / 10±140 / ±100 / ±60 msppy、osu!ソースコード(OsuHitWindows.cs)2026
osu!のMeh判定幅、OD 0 / 5 / 10±200 / ±150 / ±100 msppy、osu!ソースコード(OsuHitWindows.cs)2026
osu!のミス判定幅、難易度にかかわらず固定400 msppy、osu!ソースコード(OsuHitWindows.cs)2026
osu!maniaのPerfect判定幅、OD 0 / 5 / 10±22.4 / ±19.4 / ±13.9 msppy、osu!ソースコード(ManiaHitWindows.cs)2026
osu!maniaのGreat判定幅、OD 0 / 5 / 10±64 / ±49 / ±34 msppy、osu!ソースコード(ManiaHitWindows.cs)2026
StepManiaの既定の判定幅の値、W1(最良)からW5(最悪)22.5 / 45 / 90 / 135 / 180 msStepMania 5.1ソースコード(Player.cpp)
Harmonixの特許出願におけるリズムアクションゲームの入力判定幅の例±50 msHarmonix、US20090310027A1 2009

補足:osu!maniaの値は、速度や難易度の倍率を適用する前の既定値であり、旧方式のスコアリングでは別の従来型の計算が適用される。StepManiaのコードは、ホールドノーツ(250 ms)とロール(500 ms)にはさらに広い既定値も設定している(StepMania、Player.cpp)。

5. キャリブレーションとオフセット:音声の遅れと映像の遅れを分ける

キャリブレーションが必要なのは、音声と映像が同じだけ遅れて届くことはめったにないからだ。音声と映像の遅れを別々に補正するHarmonixの特許出願は、外部ビデオシステムが約85 msの遅れを加え、外部オーディオは約45 msであると説明しており、補正しなければ2つの信号はプレイヤーに約40 msの差で届く(Harmonix、US20090310027A1)。この出願自身の入力判定幅の例はプラスマイナス50 msなので、40 msのずれはその大半を食いつぶしてしまう。

キャリブレーションでは、機器が加える遅れとプレイヤー自身が加える遅れも切り分ける必要がある。Harmonixの計算例では、音声オフセットを保存する前に、測定したラウンドトリップからコントローラーの遅れと入出力の遅れを差し引いており、すべてをひとまとめにする単純なタップテストが誤解を招きかねない理由もここにある。プロの測定でさえずれる。RTINGSは、Bluetoothの遅延テストの間に接続のリセットを省くと約50 msの誤差が加わることを発見しており、再接続の前に設定したオフセットは、再接続後にはもう正しくないかもしれない。

指標値出典
StepManiaの既定のグローバル音声オフセット-8 ms(-0.008 s)StepMania 5.1ソースコード(PrefsManager.cpp)
外部オーディオシステムが加える遅れ、Harmonixの例約45 msHarmonix、US20090310027A1 2009
外部ビデオシステムが加える遅れ、Harmonixの例約85 msHarmonix、US20090310027A1 2009
DLPおよび背面投写型HDTVが生じさせうる映像の遅れ最大100 msHarmonix、US20090310027A1 2009
音声キャリブレーションの計算例:測定したラウンドトリップ80 msからコントローラーの遅れ5 msと入出力の遅れ7 msを引く音声システムの遅れ68 msHarmonix、US20090310027A1 2009

補足:Harmonixの数値は、2008年の出願(2009年12月17日に公開され、のちに放棄)に記載された説明用の例であり、テレビを対象とした調査測定ではない。入手可能な最新データ:Harmonix、2009年。StepManiaのオフセット設定は秒単位で保存される(StepMania、PrefsManager.cpp)。

6. 人間のタイミング知覚の閾値

知覚研究は、判定幅が今の位置にある理由を説明してくれる。34人の参加者を分析した2024年のAudio Mostlyの研究では、音声遅延の平均弁別閾(JND、聞き手が確実に検出できる最小の変化)は0 msを起点にすると48.8 msだったが、64 msを起点にするとわずか27.1 msだった(Schmidら、Measuring the Just Noticeable Difference for Audio Latency)。人は、実際の機器がすでに位置している範囲での遅延の変化に最も敏感である。

1つの音が遅れていることを検出するのは、拍に合わせてタップするよりもはるかに難しい。van VugtとTillmannの研究では、音楽家でない人は報告するまでにキーと音の間に180 msの遅れを必要とした(PLoS ONE)。それでもタップする人は通常、メトロノームより25〜50 ms早く打っており、研究者はこの癖を負の平均非同期性と呼ぶ(Hove、Keller、Krumhansl、Perception and Psychophysics)。プレイヤーは50 msの遅れを遅れとして聞き取れないかもしれないが、スコアにはそれが表れる。

指標値出典
音声遅延の弁別閾、0 ms基準から48.8 ms(標準偏差33.0、範囲10〜129 ms)Schmidら、Audio Mostly 2024
音声遅延の弁別閾、64 ms基準から27.1 ms(標準偏差17.0)Schmidら、Audio Mostly 2024
音声遅延の弁別閾、512 ms基準から77.1 ms(標準偏差57.6)Schmidら、Audio Mostly 2024
検出に必要なキーを押してから音が鳴るまでの遅れ、音楽家でない人180 ± 104 msvan VugtとTillmann、PLoS ONE 2014
検出に必要なキーを押してから音が鳴るまでの遅れ、音楽家(ピアニストと金管奏者)102 ± 65 msvan VugtとTillmann、PLoS ONE 2014
メトロノームに対するタップタイミングの標準偏差、ピアニスト / 金管奏者 / 音楽家でない人19.9 / 19.3 / 37.4 msvan VugtとTillmann、PLoS ONE 2014
タップがメトロノームの拍に先行する典型的な量(負の平均非同期性)25〜50 msHove、Keller、Krumhansl、Perception and Psychophysics 2007
高度に訓練された聞き手が2つの音のどちらが先かを判別するのに十分な間隔約20 msHove、Keller、Krumhansl、Perception and Psychophysics 2007

補足:2024年のJND研究の参加者は19歳から29歳で、プロの音楽家はいなかった。キー押下とタッピングの数値について入手可能な最新データ:van VugtとTillmann、2014年、およびHoveら、2007年。

7. 技能、経験、追加の音声遅延への耐性

技能は、プレイヤーが何に気づくかとそれをどう感じるかの両方を変える。タップが拍により正確に合っていた人ほど、音声の遅れもより早く検出した、ρ(49) = -.53、p < .0001(van VugtとTillmann、PLoS ONE 2014)。下の表の2024年のJNDデータでも、音楽的洗練度は同じ方向を示している。訓練された耳は寛容さが低く、競技プレイヤーがハードウェアを変えるたびに再キャリブレーションする理由もそこにある。

最も近い統制されたゲーム研究はリズムゲームではない。Halbhuberらは一人称視点シューティングに0、40、270、500 msの音声遅延を加えたところ、スコアへの有意な影響は見られなかったが、熟練プレイヤーは500 msで明らかに強い緊張を報告した(Halbhuberら、Mensch und Computer 2022)。遅延は、スコアボードを損なう前に体験を損なう。2025年の研究は、人間の精度そのものに新たな視点を加えている。訓練されたアシカは、検査した音楽家でない人間10人全員よりも安定した拍を保った(Cookら、Scientific Reports)。タイミングがVRタイトルの没入感にどう影響するかについては、VRゲームの音響プレゼンス統計をご覧ください。

指標値出典
追加した音声遅延(0、40、270、500 ms)がスコアに与える影響、一人称視点シューティングのプレイヤー24人有意でない、F(2,66) = 1.84、p = 0.154Halbhuberら、Mensch und Computer 2022
追加の音声遅延0 ms対500 msでの熟練プレイヤーの平均スコア348.7 対 324.1点Halbhuberら、Mensch und Computer 2022
追加の音声遅延0 ms対500 msでの熟練プレイヤーの自己報告による緊張0.56 対 1.65(p = 0.041)Halbhuberら、Mensch und Computer 2022
音楽的洗練度スコア(Gold-MSI)と遅延のJNDとの相関r(32) = -0.345、p = 0.046Schmidら、Audio Mostly 2024
遅延検出閾値と同期精度との相関ρ(49) = -.53、p < .0001van VugtとTillmann、PLoS ONE 2014
メトロノーム停止後のタップ間隔の標準偏差、ピアニスト / 金管奏者 / 音楽家でない人17.9 / 19.6 / 31.4 msvan VugtとTillmann、PLoS ONE 2014
音楽家でない人間10人のメトロノームに対する平均位相角、112 / 120 / 128 bpm-15.9 / -14.7 / -21.4度(負の値は拍より先行を意味する)Cookら、Scientific Reports 2025
訓練されたアシカの間隔の標準偏差と音楽家でない人間10人との比較3つのテンポすべてで、すべての人間の参加者より低いCookら、Scientific Reports 2025

補足:2022年の遅延研究はリズムゲームではなくシューティングを使っているため、スコアへの影響が見られなかったという結果を、リズムゲームのスコアが遅延の影響を受けない証拠と読むべきではない。入手可能な最新データ:Halbhuberら、2022年。

まとめ:数字で見るリズムゲームの音声遅延とキャリブレーション

指標値出典
Windowsオーディオエンジンのレンダリング遅延、Windows 10以降1.3 msMicrosoft、Low Latency Audioドキュメント 2024
Windowsアプリの既定のバッファサイズ約10 msMicrosoft、Low Latency Audioドキュメント 2024
Androidのプロオーディオフラグのラウンドトリップ上限20 ms以下Google、Android NDK Audio Latencyガイド
タップから発音までの最大遅延、MPC 3765 msGoogle、Android 17 Media Performance Class要件 2026
SBCの平均遅延、完全ワイヤレスイヤホン259.8 msRTINGS、Test Bench 1.6 Latency R&D記事 2023
専用のUSBワイヤレスドングルを使うゲーミングヘッドセットの遅延22〜42 msRTINGS、Test Bench 1.6 Latency R&D記事 2023
LC3コーデックのフレーム長10 msまたは7.5 msBaertら、IEEE 2024
osu!maniaのPerfect判定幅、OD 10±13.9 msppy、osu!ソースコード(ManiaHitWindows.cs)2026
StepManiaのW1〜W5判定幅22.5〜180 msStepMania 5.1ソースコード(Player.cpp)
StepManiaの既定のグローバル音声オフセット-8 msStepMania 5.1ソースコード(PrefsManager.cpp)
外部オーディオと外部ビデオの遅れ、Harmonixの例約45 ms 対 約85 msHarmonix、US20090310027A1 2009
音声遅延の弁別閾、0 ms基準48.8 msSchmidら、Audio Mostly 2024
キーと音の遅れの検出、音楽家でない人対音楽家180 ms 対 102 msvan VugtとTillmann、PLoS ONE 2014
タップが拍に先行する典型的な量25〜50 msHove、Keller、Krumhansl、Perception and Psychophysics 2007
音楽家でない人のメトロノームに対する位相角、120 bpm-14.7度Cookら、Scientific Reports 2025

方法論と出典

VoxBoosterを試す — 3日間無料。

リアルタイム音声クローン、サウンドボード、エフェクト — 会話するすべての場所で。

  • カード不要
  • ~30msのレイテンシ
  • Discord · Teams · OBS
3日間無料で試す