BroadRouter
Inizia

WAV (file audio WAV)

Aggiornato

WAV (Waveform Audio File Format, o WAVE) è un contenitore audio basato sul formato RIFF di Microsoft e IBM. Di solito contiene campioni PCM lineari non compressi, quindi la sua dimensione è prevedibile: frequenza di campionamento per byte per campione per canali, al secondo.

Detto anche: file WAV, formato WAV, file .wav, audio WAV, WAVE, WAV file, PCM WAV

Il WAV è il formato audio più semplice: grande, lineare e accettato quasi ovunque.

Come funziona

La Library of Congress descrive WAVE come un “wrapper file format” (traduzione: formato di file contenitore) basato su RIFF (Resource Interchange File Format), sviluppato da Microsoft e IBM, con una specifica congiunta datata agosto 1991. Un file WAV contiene una descrizione del formato e i dati audio. La codifica più comune è il PCM lineare: campioni grezzi, senza compressione. Il WAVE standard è limitato a circa 4 GB; l’estensione RF64 esiste per superare questo limite.

Poiché il PCM non è compresso, la dimensione è un semplice calcolo:

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

Per audio da speech-to-text a 16 kHz, mono, 16 bit (2 byte):

Passaggio Valore
16.000 campioni × 2 byte × 1 canale 32.000 byte al secondo
26.214.400 byte ÷ 32.000 819,2 secondi
819,2 ÷ 60 circa 13,65 minuti (13 min 39 s)

Un file stereo a 44,1 kHz della stessa durata occupa 44.100 × 2 × 2 = 176.400 byte al secondo, più di cinque volte tanto, senza alcun vantaggio per la trascrizione.

Perché è importante

  • Limiti in byte, non in minuti. Le API di trascrizione spesso limitano la dimensione del file. Con il WAV puoi prevedere esattamente quanto audio ci sta.
  • Nessuna sorpresa di codec. Il WAV PCM si decodifica allo stesso modo ovunque, quindi è un formato di destinazione sicuro quando converti da Ogg Opus, M4A o video.
  • Ricampiona verso il basso. Frequenze di campionamento più alte e stereo aggiungono byte, non parole.

Su BroadNet Inference

L’endpoint di trascrizione di BroadNet accetta WAV (audio/wav) o MP3 (audio/mpeg), fino a 26.214.400 byte per file. La sua documentazione converte gli altri formati con:

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

Secondo la documentazione di ffmpeg, -ar imposta la frequenza di campionamento, -ac il numero di canali, e il formato di output viene dedotto dall’estensione .wav. Controlla il risultato con ffprobe se devi confermare che sia PCM a 16 bit. Tutto ciò che supera circa 13 minuti con queste impostazioni va diviso: lo strumento per dividere l’audio genera i comandi, e trascrivere file audio lunghi spiega come riunire il testo. La fatturazione è per minuto di audio ($0.0042 su BroadNet Transcribe Arabic), quindi dividere non cambia il totale dell’audio.

Errori comuni

  • Lasciare l’originale a 48 kHz stereo. Riempie il limite in meno di tre minuti: 48.000 × 2 × 2 = 192.000 byte al secondo.
  • Dare per scontato che ogni .wav sia PCM. Alcuni registratori scrivono ADPCM o altri codec dentro un contenitore WAV.

Domande frequenti

Quanti minuti di WAV stanno in 25 MiB?

A 16 kHz, mono, PCM a 16 bit il file cresce di 32.000 byte al secondo. 26.214.400 diviso 32.000 fa 819,2 secondi, circa 13 minuti e 39 secondi, un po’ meno se si conta l’intestazione.

Il WAV è sempre non compresso?

No. La Library of Congress indica il PCM lineare come codifica comune, ma anche mu-law, A-law e ADPCM. Per lo speech-to-text, il semplice PCM a 16 bit è la scelta sicura.

WAV o MP3 per la trascrizione?

Il WAV evita una codifica con perdita, ma l’MP3 fa stare molto più audio sotto un limite in byte. Per registrazioni lunghe, dividi il WAV oppure prova l’MP3 sul tuo audio.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity