BroadRouter
Mulai

WAV

Diperbarui

WAV (Waveform Audio File Format, atau WAVE) adalah container audio yang dibangun di atas format RIFF milik Microsoft dan IBM. Biasanya berisi sampel PCM linear tanpa kompresi, sehingga ukurannya mudah diprediksi: sample rate dikali byte per sampel dikali jumlah kanal, per detik.

Disebut juga: file WAV, format WAV, apa itu WAV, WAVE, PCM WAV, WAV file

WAV adalah format audio yang paling polos: besar, sederhana, dan diterima hampir di mana saja.

Cara kerjanya

Library of Congress menggambarkan WAVE sebagai “wrapper file format” (terjemahan: format file pembungkus) yang dibangun di atas RIFF (Resource Interchange File Format), dikembangkan oleh Microsoft dan IBM, dengan spesifikasi bersama bertanggal Agustus 1991. File WAV berisi deskripsi format dan data audio. Encoding yang paling umum adalah PCM linear: sampel mentah tanpa kompresi. WAVE standar dibatasi sekitar 4 GB; ekstensi RF64 ada untuk melampaui batas itu.

Karena PCM tidak dikompresi, ukurannya cukup dihitung dengan aritmetika sederhana:

bytes per second = sample rate × bytes per sample × channels

Untuk audio speech-to-text pada 16 kHz, mono, 16-bit (2 byte):

Langkah Nilai
16.000 sampel × 2 byte × 1 kanal 32.000 byte per detik
26.214.400 byte ÷ 32.000 819,2 detik
819,2 ÷ 60 sekitar 13,65 menit (13 menit 39 detik)

File stereo 44,1 kHz dengan durasi yang sama berukuran 44.100 × 2 × 2 = 176.400 byte per detik, lebih dari lima kali lebih besar, tanpa manfaat apa pun untuk transkripsi.

Mengapa penting

  • Batas byte, bukan batas menit. API transkripsi sering membatasi ukuran file. Dengan WAV, Anda bisa memprediksi dengan tepat berapa banyak audio yang muat.
  • Tanpa kejutan codec. WAV PCM di-decode dengan cara yang sama di mana pun, jadi aman sebagai target konversi dari Ogg Opus, M4A, atau video.
  • Turunkan sample rate. Sample rate yang lebih tinggi dan stereo menambah byte, bukan kata.

Di BroadNet Inference

Endpoint transkripsi BroadNet menerima WAV (audio/wav) atau MP3 (audio/mpeg), hingga 26.214.400 byte per file. Dokumentasinya mengonversi format lain dengan:

ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav

Menurut dokumentasi ffmpeg, -ar mengatur frekuensi sampling, -ac jumlah kanal, dan format output ditebak dari ekstensi .wav. Cek hasilnya dengan ffprobe jika Anda perlu memastikan PCM 16-bit. Audio yang lebih panjang dari sekitar 13 menit pada pengaturan itu perlu dipecah: tool pemecah audio membuatkan perintahnya, dan mentranskripsi file audio panjang membahas cara menggabungkan teksnya. Penagihan dihitung per menit audio ($0.0042 untuk BroadNet Transcribe Arabic), jadi memecah file tidak mengubah total audio.

Kesalahan umum

  • Membiarkan audio asli 48 kHz stereo. Batasnya penuh dalam kurang dari tiga menit: 48.000 × 2 × 2 = 192.000 byte per detik.
  • Menganggap setiap .wav pasti PCM. Sebagian perekam menulis ADPCM atau codec lain di dalam pembungkus WAV.

Pertanyaan umum

Berapa menit WAV yang muat dalam 25 MiB?

Pada PCM 16 kHz, mono, 16-bit, file bertambah 32.000 byte per detik. 26.214.400 dibagi 32.000 adalah 819,2 detik, sekitar 13 menit 39 detik, sedikit kurang jika header ikut dihitung.

Apakah WAV selalu tanpa kompresi?

Tidak. Library of Congress mencantumkan PCM linear sebagai encoding yang umum, tetapi juga mu-law, A-law, dan ADPCM. Untuk speech-to-text, PCM 16-bit biasa adalah pilihan yang aman.

WAV atau MP3 untuk transkripsi?

WAV menghindari encoding lossy, tetapi MP3 memuat jauh lebih banyak audio di bawah batas byte yang sama. Untuk rekaman panjang, pecah WAV-nya atau uji MP3 dengan audio Anda sendiri.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity