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.