Le WAV, c’est le format audio brut : volumineux, simple et accepté presque partout.
Comment ça marche
La Library of Congress décrit le WAVE comme un « wrapper file format » (traduction : « format de fichier conteneur ») fondé sur RIFF (Resource Interchange File Format), développé par Microsoft et IBM, avec une spécification commune datée d’août 1991. Un fichier WAV contient une description du format et les données audio. L’encodage le plus courant est le PCM linéaire : des échantillons bruts, sans compression. Le WAVE standard est limité à environ 4 Go ; l’extension RF64 existe pour aller au-delà.
Comme le PCM n’est pas compressé, la taille relève de l’arithmétique simple :
bytes per second = sample rate × bytes per sample × channels
Pour de l’audio de speech-to-text en 16 kHz, mono, 16 bits (2 octets) :
| Étape | Valeur |
|---|---|
| 16 000 échantillons × 2 octets × 1 canal | 32 000 octets par seconde |
| 26 214 400 octets ÷ 32 000 | 819,2 secondes |
| 819,2 ÷ 60 | environ 13,65 minutes (13 min 39 s) |
Un fichier stéréo en 44,1 kHz de même durée pèse 44 100 × 2 × 2 = 176 400 octets par seconde, plus de cinq fois plus, sans aucun gain pour la transcription.
Pourquoi c’est important
- Des limites en octets, pas en minutes. Les API de transcription limitent souvent la taille des fichiers. Avec le WAV, vous savez exactement combien d’audio tient.
- Pas de surprise de codec. Le WAV PCM se décode partout de la même manière : c’est une cible sûre quand vous convertissez depuis l’Ogg Opus, le M4A ou la vidéo.
- Rééchantillonnez à la baisse. Une fréquence d’échantillonnage plus élevée et la stéréo ajoutent des octets, pas des mots.
Sur BroadNet Inference
L’endpoint de transcription de BroadNet accepte le WAV (audio/wav) ou le MP3 (audio/mpeg), jusqu’à 26 214 400 octets par fichier. Sa documentation convertit les autres formats avec :
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
D’après la documentation de ffmpeg, -ar règle la fréquence d’échantillonnage, -ac le nombre de canaux, et le format de sortie est déduit de l’extension .wav. Vérifiez le résultat avec ffprobe si vous devez confirmer du PCM 16 bits. Au-delà d’environ 13 minutes avec ce réglage, il faut découper : l’outil de découpage audio génère les commandes, et transcrire de longs fichiers audio explique comment recoller le texte. La facturation se fait à la minute d’audio ($0.0042 sur BroadNet Transcribe Arabic), donc découper ne change pas le total d’audio.
Erreurs fréquentes
- Garder le 48 kHz stéréo d’origine. La limite est atteinte en moins de trois minutes : 48 000 × 2 × 2 = 192 000 octets par seconde.
- Supposer que tout .wav est du PCM. Certains enregistreurs écrivent de l’ADPCM ou d’autres codecs dans un conteneur WAV.