ストリーミング(streaming)とは、動画や音声のデータを小さな断片に分けて送り、受信した部分から順に再生していく配信方式です。ファイル全体の受信を待たないので、再生ボタンを押してすぐに見始められます。YouTubeやNetflixの視聴、音楽配信サービス、ライブ配信、クラウドゲームはどれもこの方式で動いています。この記事では、ダウンロードとの違いから、プレイリストとセグメントによる仕組み、ライブ配信の遅延、取り込みからCDNまでの配信の構成、プロトコルの比較、通信量の目安までを、規格書と公式ヘルプの記述をもとに整理します。
まとめ
- ストリーミングは「受け取りながら再生する」方式。ダウンロードは「全部受け取ってから再生する」方式で、違いは再生を始めるタイミングと端末に残るデータ
- HLSなどのHTTPベースの配信では、数秒単位のセグメントと、その順番を書いたプレイリスト(HLSならm3u8)が仕組みの中心。プレイヤーはプレイリストを読んでセグメントを順に取りに行く
- 回線に合わせて画質を切り替えるのがアダプティブビットレート(ABR)。配信側は同じ映像を複数のビットレートで用意しておく
- ライブ配信の遅れは方式で決まる。YouTubeの低遅延は通常10秒未満、超低遅延は通常5秒未満。出演者同士が会話するならWebRTCを使う
- 配信の構成は「取り込み(RTMPなど)→トランスコード・パッケージング→オリジン→CDN→プレイヤー(DRM)」の5工程
- 通信量はビットレート(Mbps)×3600÷8で1時間あたりのMBになる。Netflixの公式目安はHDで1時間最大3GB、4Kで最大7GB
ストリーミングの意味とダウンロードとの違い
「ストリーム(stream)」は英語で「流れ」です。データが流れのように少しずつ届き、届いた先から再生される様子を指しています。ダウンロードも同じくインターネット経由でデータを受け取りますが、ファイル全体を端末に保存してから再生する点が違います。
| 比較項目 | ストリーミング | ダウンロード |
|---|---|---|
| 再生を始めるタイミング | 最初の断片が届いた時点 | ファイル全体の保存後 |
| 端末に残るデータ | 原則残らない(キャッシュは使う) | ファイルが残る |
| 視聴中の通信 | 常に必要 | 保存後は不要 |
| 繰り返し見るときの通信量 | 見るたびにかかる | 保存時の1回だけ |
| 画質の自動調整 | できる(ABR) | 保存したファイルの画質で固定 |
受信途中から再生を始められる「プログレッシブダウンロード」もあります。1本のファイルを先頭から順に受け取りながら再生する方式です。ファイルが1本なので、ABRによる画質の自動切り替えはできません。受信が再生に追いつかず、バッファを使い切ると再生が止まります。
どちらを選ぶかは視聴する場所で決まります。飛行機や地下など電波の届かない場所で見るなら、ダウンロード(配信サービスのオフライン保存機能)しか選択肢がありません。同じ作品を何度も見る場合も、毎回通信量がかかるストリーミングより保存した方が通信量は少なくなります。
受信しながら再生できる仕組み
ストリーミングを支えているのは、映像を短く区切った「セグメント」と、その並び順を書いた「プレイリスト」です。ここでは、Appleが開発し、RFC Editorが独立投稿の情報提供文書として2017年8月にRFC 8216として発行したHLS(HTTP Live Streaming)を例に説明します。
セグメントとプレイリスト(m3u8)の役割
配信側は映像を数秒ずつのファイル(セグメント)に切り分け、テキストのプレイリストに並べます。HLSのプレイリストは拡張子が .m3u8 のファイルです。次はRFC 8216の8.1節にある例を、URIを相対パスに置き換えたものです。
#EXTM3U
#EXT-X-TARGETDURATION:10
#EXT-X-VERSION:3
#EXTINF:9.009,
first.ts
#EXTINF:9.009,
second.ts
#EXTINF:3.003,
third.ts
#EXT-X-ENDLIST
#EXTINF の数字が各セグメントの秒数、#EXT-X-TARGETDURATION は、各セグメントの秒数を最も近い整数に丸めた値が超えてはならない上限です。プレイヤーはこのファイルを読み、first.ts から順にHTTPで取得して再生します。1本目を再生している間に2本目を取りに行くので、受信と再生が並行して進みます。
末尾の #EXT-X-ENDLIST は「これ以上セグメントは増えない」という印です。この行はライブ配信の終了時にも付くため、オンデマンド配信との区別には使えません。この行が無ければ更新が続くものとして扱われ、プレイヤーはプレイリストを繰り返し読み直して新しいセグメントを追いかけます。セグメントは普通のファイルなので、一般的なWebサーバーやCDNでそのまま配れます。専用の配信サーバーが要らないことが、HTTP系の方式が主流になった理由です。
セグメントの長さについて、AppleのHLS Authoring Specificationは「Target durations SHOULD be 6 seconds」と、6秒を推奨しています。
バッファの深さと遅延の関係
プレイヤーは受け取ったセグメントをすぐ再生せず、少し先の分を「バッファ」にためてから再生します。通信が一瞬止まっても、ためた分を再生している間に回復すれば映像は止まりません。バッファが空になると再生が止まり、読み込み中の表示になります。
このバッファの深さが、ライブ配信の遅れに直結します。RFC 8216の6.3.3節は、ライブのプレイリストでは、末尾までの残りがtarget durationの3倍に満たない位置のセグメントから再生を始めるべきでないとしており、理由を「再生停止を招きうるため」と書いています。目標長6秒なら、プレイリストの末尾から18秒以上さかのぼった位置から再生が始まる計算です。エンコードやCDNを通る時間はこれに上乗せされます。遅延を縮めるとバッファが薄くなり、止まりやすくなる。これがライブ配信の設計で必ず突き当たるトレードオフです。
アダプティブビットレート(ABR)による画質の切り替え
視聴中に画質が勝手に上がったり下がったりするのは、アダプティブビットレート(ABR)が働いているためです。配信側は同じ映像を複数のビットレートでエンコードし、それぞれのプレイリストを、一覧用の「マスタープレイリスト」にまとめます。RFC 8216の8.4節の例は次のとおりです(URIは相対パスに置き換えています)。
#EXTM3U
#EXT-X-STREAM-INF:BANDWIDTH=1280000,AVERAGE-BANDWIDTH=1000000
low.m3u8
#EXT-X-STREAM-INF:BANDWIDTH=2560000,AVERAGE-BANDWIDTH=2000000
mid.m3u8
#EXT-X-STREAM-INF:BANDWIDTH=7680000,AVERAGE-BANDWIDTH=6000000
hi.m3u8
#EXT-X-STREAM-INF:BANDWIDTH=65000,CODECS="mp4a.40.5"
audio-only.m3u8
BANDWIDTH は各画質に必要な帯域(ビット毎秒)です。プレイヤーは実際の受信速度を測りながら、セグメントごとにどの画質を取りに行くかを選び直します。回線が細くなれば low.m3u8 側へ、太くなれば hi.m3u8 側へ移ります。最も低い画質でも受信が追いつかなければ止まります。
画質ごとのビットレートの組み合わせ(ラダー)は配信側が決めます。Appleの仕様書のH.264の例では、1920×1080に6,000kbpsと7,800kbpsの2段が示されています。
オンデマンド配信とライブ配信の違い
ストリーミングは、配信のタイミングでオンデマンド配信(VOD:Video On Demand)とライブ配信に分かれます。VODの事業形態(SVOD・AVOD・TVOD)や代表サービスはOTTとは?意味とVODとの違い、SVOD/AVOD/TVODの種類・代表サービス・市場規模で扱っています。
| 比較項目 | オンデマンド配信(VOD) | ライブ配信 |
|---|---|---|
| 映像の用意 | 事前に収録・保存 | 撮影と同時に送出 |
| エンコード | 事前に時間をかけて変換 | 配信中にリアルタイム変換 |
| プレイリスト | 完成済み(ENDLISTあり) | 更新され続ける |
| 早送り・巻き戻し | 自由 | サービスの設定次第 |
| 技術的な課題 | 保存容量と変換コスト | 遅延と配信の途切れ |
| 代表例 | 映画・ドラマ・研修動画 | スポーツ中継・ゲーム配信・ウェビナー |
ライブ配信の遅延の段階
ライブ配信の遅延は、どこまで縮めるかを配信者が選ぶものです。YouTubeのヘルプは3段階を案内しています。
| 方式 | 遅延の目安 | 向いている配信 | 制約 |
|---|---|---|---|
| YouTube 通常の遅延 | 指定なし | やり取りの無い配信 | 全解像度・全機能に対応 |
| YouTube 低遅延 | 通常10秒未満 | 限られた視聴者とのやり取り | 4K非対応 |
| YouTube 超低遅延 | 通常5秒未満 | リアルタイムの会話 | 4K非対応 |
| Low-Latency HLS | 設計目標1〜2秒 | 大規模な低遅延配信 | 対応するエンコーダー・CDN・プレイヤーが必要 |
| WebRTC | 通話並み | ビデオ会議・双方向の出演 | 大人数への配信はSFUなどの中継設計が必要 |
Low-Latency HLSは、セグメントをさらに短い「パーシャルセグメント」に分け、親セグメントの完成を待たずにプレイリストへ載せる拡張です(Appleのドキュメント)。AppleはWWDC 2019で、公衆インターネット上の大規模配信でライブから1〜2秒の遅れを目標に据えたと説明しています。
判断の目安は単純です。視聴者のコメントに数秒以内で反応したいなら低遅延か超低遅延、出演者同士が会話するならWebRTCを選びます。一方的に流すだけの中継で遅延を詰めると、止まりやすさと画質の制約だけを抱えることになります。WebRTCの接続の仕組みとSFUの選び方はWebRTCとは?P2Pの仕組み・ICE/STUN/TURNからSFU選定・実装・運用判断まで実装者向けに解説を参照してください。
ストリーミング配信の構成と各工程の役割
ライブ配信を例にすると、映像が視聴者の画面に届くまでに次の5つの工程を通ります。VODは1つ目の取り込みがファイルのアップロードに変わるだけで、2つ目以降は同じです。
- 取り込み:カメラの映像をエンコーダーで圧縮し、配信サーバーへ送る
- トランスコード・パッケージング:複数の画質に変換し、セグメントとプレイリストを作る
- オリジン:できたセグメントとプレイリストを置く元のサーバー
- CDN:オリジンの内容を各地のサーバーに複製し、視聴者の近くから配る
- プレイヤー:プレイリストを読み、画質を選び、必要ならDRMで復号して再生する
取り込み:エンコーダーから配信サーバーへの送出
OBS Studioなどのエンコーダーから配信サーバーへ映像を送る区間では、今もRTMP(RTMPS)が広く使われています。RTMPはFlash時代のプロトコルで、Adobeの仕様書は2012年12月21日付です。映像の入れ物がFLV形式に縛られ、HEVCやAV1を正式には運べませんでしたが、Veoveraが策定したEnhanced RTMPでHEVCやAV1、HDRを運べるようになりました。
取り込み側の対応プロトコルはサービスごとに違います。YouTube Live Streaming APIの cdn.ingestionType が受け付ける値は dash・hls・rtmp(RTMPSを含む)の3つで、YouTubeはHLSとDASHでの取り込みを超低遅延には向かないとしています。WebRTCで取り込む標準として、2025年3月にWHIP(RFC 9725)も発行されました。
取り込みで最初に効くのは配信者側の上り回線です。YouTubeの推奨設定では、1080p・60fpsの推奨ビットレートがH.264で17Mbps、AV1/H.265で12Mbpsです。推奨値を安定して送れない場合は、同じ解像度でもビットレートやコーデックを調整し、必要に応じて解像度やフレームレートを下げます。
トランスコードでの画質変換とパッケージングでの配信形式の生成
受け取った映像を、ABR用の複数の画質に変換するのがトランスコード、セグメントとプレイリストに切り出すのがパッケージングです。出力形式はHLSとMPEG-DASHが主流です。MPEG-DASHはISO/IEC 23009-1として標準化された方式で、プレイリストにあたる「MPD(Media Presentation Description)」とセグメントの形式を定めています。現行は2026年7月発行の第6版です(ISO)。
HLS用とDASH用で異なるセグメント形式を使う構成では、同じ映像のセグメントを2組保存することになります。そこで使われるのがCMAF(ISO/IEC 23000-19)です。CMAFはセグメントの共通フォーマットで、マニフェストやプレイヤー、配信プロトコルは定めていません。HLSのm3u8とDASHのMPDの両方から同じCMAFセグメントを参照させれば、保存と変換が1組で済みます。
オリジンサーバーの負荷とCDNキャッシュによる分散
パッケージングされたファイルはオリジンサーバーに置かれますが、視聴者全員がオリジンに取りに来ると、そこが詰まります。CDN(Content Delivery Network)は、各地に分散したサーバーにセグメントを複製し、視聴者に近いサーバーから返す仕組みです。人気のライブ配信では、大勢の視聴者がほぼ同時に同じセグメントを取りに来るため、CDN側のキャッシュでどれだけ返せるかが、オリジンの負荷と転送費用を決めます。
費用の多くは視聴時間に比例するCDNの転送量で決まります。視聴時間から月額を逆算する方法は動画配信システムの費用|視聴時間から逆算するASP月額と自社構築の実額にまとめています。
プレイヤーとDRMによる再生
視聴者側では、ブラウザやアプリのプレイヤーがプレイリストを読み、ABRで画質を選び、セグメントをつないで再生します。有料作品のように不正コピーを防ぎたい場合は、配信方式とは別にDRM(デジタル著作権管理)で暗号化します。
ブラウザでは、W3Cが2017年9月18日に勧告したEncrypted Media Extensions(EME)が窓口になります。EME自体はDRMを定義せず、暗号化された映像の再生を制御するAPIを提供するだけです。実際の保護は、GoogleのWidevine、AppleのFairPlay Streaming、MicrosoftのPlayReadyといったDRMが担います。対応するDRMはブラウザや端末によって違うため、幅広い端末で再生させるなら複数のDRMへの対応が必要です。ただし、暗号方式と端末の対応条件が合えば、同じ暗号化済みデータを複数のDRMで共用できます。視聴権限とDRMライセンスの発行をつなぐ設計は動画配信の課金システム|視聴権限とDRMライセンス発行をつなぐ実装設計で解説しています。
自前構築とクラウド・ASPの選び分け
5つの工程を全部自分で組む必要はありません。選択肢は大きく3つです。
- 動画配信ASP:取り込みから再生までが一式。社内研修やセミナー配信のように、見せられれば足りる用途
- クラウドの配信サービス:Amazon IVSやCloudflare Streamのように、工程の大半をAPIで呼べるもの。自社サービスに配信機能を組み込みたい場合
- OSSでの自前構築:変換・保存・配信を自分で運用する。閉域網で配る機密映像など、外部サービスに出せない場合
自前構築は、必要な提供時間に応じた監視・障害対応と、継続的なセキュリティ更新を引き受けられるときに選ぶべきです。視聴者が数百人規模でも、障害を切り分けて復旧できる担当者を確保できないなら、OSSの自前運用は避けるべきです。
クラウドで組む具体的な手順は、AWSならAWSとOBSでライブ配信基盤を構築する手順|IVSとMediaLiveの選び方・東京リージョンの料金試算、CloudflareならCloudflare Streamとは?動画アップロードから配信・視聴制限までのAPI実装と料金【2026年11月時点】で扱っています。OSSの候補とライセンス条件は動画配信システムのオープンソース8製品|ライセンス条件と自前運用の限界を実装目線で判定にまとめました。DRMや会員課金まで含めて自社サービスとして作る場合は、動画配信システム開発として要件整理の段階から相談を受けています。
配信プロトコルとフォーマットの比較
ここまでに出てきた規格を、使われる区間と遅延で並べます。
| 規格 | 標準化 | 主な区間 | 遅延・補足 |
|---|---|---|---|
| HLS | RFC 8216(2017年8月) | 視聴者への配信 | 目標長6秒なら末尾から18秒以上手前で再生開始 |
| Low-Latency HLS | Appleの拡張 | 視聴者への配信 | 設計目標1〜2秒 |
| MPEG-DASH | ISO/IEC 23009-1 | 視聴者への配信 | セグメント長とバッファで決まる |
| CMAF | ISO/IEC 23000-19 | セグメントの共通形式 | プロトコルではない |
| RTMP/RTMPS | Adobe仕様書(2012年) | エンコーダーからの取り込み | 視聴者への配信には使われなくなった |
| WebRTC | W3C勧告(2021年1月) | 双方向の通話・出演 | 通話並み |
| WHIP | RFC 9725(2025年3月) | WebRTCでの取り込み | WebRTCと同じ |
大まかには、視聴者へ届ける区間はHLSかMPEG-DASH、エンコーダーから送る区間はRTMP、会話が要る用途はWebRTCという分担です。iPhoneのSafariはHLSをそのまま再生できる一方、MPEG-DASHはブラウザ標準では再生できず、JavaScriptのプレイヤーが要ります。対象端末にiPhoneが含まれるなら、HLSを外す構成は避けてください。RTMPやSRTでの取り込みからLL-HLSで配るまでの実装はライブ配信システムの構築|RTMP/SRT取り込みからLL-HLS配信・冗長化・費用設計までで手順を追っています。
通信量と必要な回線速度の目安
ストリーミングの通信量は、ビットレートと視聴時間の掛け算です。1時間あたりの通信量は次の式で求まります。
1時間あたりの通信量(MB) = ビットレート(Mbps) × 3600 ÷ 8
たとえば5Mbpsの映像を1時間見ると、5×3600÷8で2,250MB、約2.25GBです。8で割るのは、ビット(b)をバイト(B)に直すためです。この値は平均ビットレートを5Mbpsとした映像データ量です。ABRによる変動に加え、音声や通信の付加データもあるため、実際の通信量の上限ではありません。
| Netflixの画質 | 推奨する回線速度 | 1時間の通信量(最大) |
|---|---|---|
| 標準画質(SD) | – | 1GB |
| 高画質(HD・720p) | 3Mbps以上 | 3GB(HD) |
| フルHD(1080p) | 5Mbps以上 | 3GB(HD) |
| 超高画質(4K) | 15Mbps以上 | 7GB |
通信量はNetflixのデータ使用量のヘルプ(データ使用量の設定が「高」のとき、デバイス1台あたり)、回線速度は推奨インターネット接続速度のヘルプの値です。月20GBをすべて視聴に使う場合、HDで毎時3GBを消費すると約6時間40分で使い切る計算です。モバイル回線で長時間見るなら、アプリの通信量設定を下げるか、Wi-Fiで事前にダウンロードしておく方が確実です。
配信する側は逆に、上り回線を考えます。前述のYouTubeの1080p・60fps推奨値17Mbps(H.264)で1時間配信すると、同じ式で7,650MB、約7.7GBを送り出します。
再生が止まるときの原因の切り分け
再生停止は受信不足によるバッファ切れのほか、端末やアプリの問題でも起こります。画質低下は、バッファが空になる前にABRが再生停止を避けるために行う場合もあります。以下では、インターネット回線、宅内ネットワーク、端末・アプリ、配信側の順に切り分けます。
- 回線:速度測定の結果が、見ている画質の推奨速度(Netflixの1080pなら5Mbps)を下回っていないか。夜間の混雑時だけ遅いなら、時間帯を変えるか有線接続にする
- 宅内:Wi-Fiの電波が弱い、同じ回線で別の端末が大容量のダウンロードをしている。ルーターに近づく、ほかの通信を止める
- 端末・アプリ:ストレージ不足でキャッシュを書き込めない、アプリやブラウザが古い。不要なデータを消して更新・再起動する
- 配信側:別の回線や端末でも同じ作品だけ止まるなら、サービス側の障害を疑い、公式の障害情報を確認する
画質を手動で1段下げて改善する場合は、回線速度の不足や端末の処理負荷を疑います。改善しない場合も回線原因は除外せず、別の回線・端末で比較します。
よくある質問
ストリーミング再生とダウンロード再生の違いは何ですか?
ストリーミング再生は届いた部分から順に再生し、通常は再利用できる動画ファイルとして保存されませんが、キャッシュが端末に残る場合があります。ダウンロード再生はファイル全体を保存してから再生するので、保存後は通信なしで見られます。すぐ見たいならストリーミング、電波の届かない場所で見る・何度も見るならダウンロードが向いています。
YouTubeはストリーミング再生ですか?
はい。YouTubeの動画もライブ配信もストリーミングで再生されています。回線に応じて画質が自動で変わるのはABRの働きです。YouTube Premiumのオフライン保存のように、アプリ内に一時保存して再生する機能は、ストリーミングではなくダウンロード側の機能です。
ストリーミングは無料で聴けますか?
ストリーミングは配信の方式なので、無料か有料かはサービスの料金プランで決まります。広告付きの無料プランを用意している音楽・動画サービスもあれば、有料会員だけが使えるサービスもあります。無料で聴ける場合でも、モバイル回線なら通信量はかかります。
m3u8とは何のファイルですか?
HLSで使われるテキスト形式のプレイリストファイルです。メディアプレイリストにはセグメントの秒数とURIが、マスタープレイリストには各画質のプレイリストのURIなどが並びます。m3u8ファイルそのものに映像は入っておらず、プレイヤーはこれを読んで実際の映像ファイルを取りに行きます。
ストリーマーと配信者の違いは何ですか?
ストリーマーは英語の「streamer」から来た言葉で、ライブ配信をする人を指します。日本語の「配信者」とほぼ同じ意味で、ゲームのライブ配信をする人をストリーマーと呼ぶことが多い傾向です。録画した動画を編集して投稿する人は、実況者や動画投稿者と呼ばれることが多く、リアルタイムかどうかが呼び分けの目安です。