WebAssembly（Wasm）とは？ブラウザで高速処理を実現する技術

WebAssembly（Wasm）は2019年にW3Cの正式勧告となったWeb標準技術です。バイナリ形式の低レベル命令セットで、主要なブラウザ（Chrome・Firefox・Safari・Edge）でネイティブサポートされています。JavaScriptが動的型付けのインタープリター言語であるのに対し、WebAssemblyはコンパイル済みの静的型付けバイナリコードです。

WebAssemblyのコードはブラウザのJITコンパイラによって、ほぼネイティブコード（機械語）に近い速度で実行されます。JavaScriptより3〜10倍程度高速なケースが多く、特に演算集約的な処理（画像処理・音声処理・物理シミュレーション・暗号化等）で大きな性能差が出ます。

Emscriptenは、CとC++のコードをWebAssemblyにコンパイルするためのツールチェーンです。LLVMコンパイラをバックエンドとして使用し、CのポータブルなAPIをWebブラウザの環境にマッピングします。ファイルI/OはメモリFS（仮想ファイルシステム）にマッピングされ、システムコールはJavaScriptのAPIにエミュレートされます。

ffmpegはCで書かれた数十万行のコードで構成されています。ffmpeg.wasmはEmscriptenを使ってffmpegをWebAssemblyにコンパイルし、JavaScriptのAPIラッパーを添付したライブラリです。これにより、JavaScriptからffmpegの処理を呼び出すことができます。ファイルはEmscriptenの仮想ファイルシステム（MemFS）を通じて読み書きされます。

WebAssemblyはブラウザのサンドボックス環境内で実行されます。JavaScriptと同じセキュリティモデルを持ち、ブラウザのセキュリティポリシーに従います。WebAssemblyモジュールはJavaScriptから明示的に渡された値とメモリしかアクセスできず、OSのファイルシステム・ネットワーク・デバイスへの直接アクセスは制限されています。

これはVideoAudioTuneのセキュリティ上の重要な特性です。ffmpeg.wasmが動画ファイルを処理しても、処理はブラウザのメモリ内（WebAssemblyの線形メモリ）で完結し、ユーザーのローカルファイルシステムへの無断アクセスは不可能です。ユーザーが選択して許可したファイルのみが処理対象になります。

WebAssemblyはSharedArrayBufferとWeb Workers（Atomics API）を使うことで、マルチスレッド処理が可能になります。ffmpeg.wasmはSharedArrayBufferが利用可能な場合はマルチスレッドモードで動作し、処理速度が向上します。SharedArrayBufferはCross-Origin-Opener-Policy（COOP）とCross-Origin-Embedder-Policy（COEP）ヘッダーが設定されているページでのみ使用できます。

SharedArrayBufferが使えない環境（iOSやCOEP未設定のページ等）では、シングルスレッドモードで動作します。シングルスレッドモードはマルチスレッドモードより処理速度が低下します。これがiOS SafariでVideoAudioTuneの処理が遅い・または動作しない原因の一つです。

WebAssemblyはWeb以外の環境（サーバーサイド・エッジコンピューティング等）でも注目されています。WASI（WebAssembly System Interface）はWebAssemblyをブラウザ外で動かすための標準仕様で、CloudflareワーカーやFastlyのエッジコンピューティングでも利用されています。

ブラウザでの応用例としては、ffmpeg.wasmのほかにも、OpenCV.js（コンピュータビジョン）・SQLite.wasm（インブラウザSQL）・TensorFlow.js（機械学習）などがWebAssemblyを使用しています。これらはすべて、元々ネイティブアプリ向けに書かれたC/C++コードをブラウザで高速に動作させるというWebAssemblyの強みを活かした応用例です。