MPEGはAppleのQuickTimeを単一のISOコンテナに統合し、MP4が動画ファイルとなった

初期の動画は特定のプレーヤーに結び付いた独自コンテナに存在していた。QuickTimeやAVIのファイルは、それを書き出したアプリケーションにしか意味を持たなかったため、動画を共有するには再エンコードが必要だった。

MPEGはAppleのQuickTimeコンテナを取り上げ、そのアーキテクチャを汎用化してISOベースメディアファイル形式とし、2001年にISO/IEC 14496-14としてMP4ファイル形式を公開した。

コンテナは自己記述型のボックスの連なりである。「moov」ボックスがタイミングと構造を保持し、「mdat」ボックスが生のメディアを保持し、「ftyp」ボックスがブランドを宣言する。構造が明示的かつ標準化されているため、準拠したプレーヤーであれば、どのコーデックを使っていてもストリームのシーク、順序付け、再生ができる。

この汎用性こそが、MP4とその兄弟であるMPEG-4および3GPが勝利した理由である。小さな標準化された1つのファイルが、あらゆるデバイス向けに音声、動画、字幕を運ぶ。

メディアをボックスで記述し、どのプレーヤーでもどのファイルでも読めるようにした

自己記述型のボックス構造により、どのプレーヤーでもタイミングとメディアを独立して解析できる。

この形式はコンテナ専用であるため、1つのコーデックに縛られることなく多数のコーデックを収容できる。

ISO標準であることが、あらゆるベンダーに受け入れられる理由となった。

単一の構造を持つ小さな1つのファイルは、保存、ストリーミング、交換が簡単である。

コンテナをコーデックから分離し、自己識別型の構造で記述することで、どのリーダーでもファイルをたどることができ、コーデックが変わっても形式が生き残る。

MP4とISOベースメディアファイル形式は、オンラインで動画を保存およびストリーミングする既定の方法となった。その普及は2021年に技術・工学エミー賞で認められ、同じボックス構造がMP4、3GP、Motion-JPEG 2000の基盤となっている。