BroadRouter

Ogg Opus

更新日

Ogg Opus とは、Opus コーデック(RFC 6716)で符号化し、Ogg コンテナ(RFC 7845)に格納した音声です。低ビットレートでの音声や双方向の音声向けに設計されており、WhatsApp がボイスメッセージに使う形式で、通常は .ogg または .opus ファイルです。

別名: Opus、Opus コーデック、Opus 音声、Ogg、OGG ファイル、ogg を wav に変換、WhatsApp ボイスメッセージの形式、Opus codec、Opus audio、OGG file、Ogg/Opus

WhatsApp のボイスメッセージをダウンロードすると、小さな .ogg ファイルが手に入ります。中身は Opus 音声で、音声通話向けに設計されたコーデックです。

仕組み

2 つの層があり、それぞれ IETF の RFC で定義されています。

層 仕様 役割
Opus コーデック RFC 6716 音声を圧縮します。SILK ベースの線形予測層と CELT ベースの MDCT 層を組み合わせ、6 kbit/s の狭帯域音声から 510 kbit/s のステレオ音楽まで対応します
Ogg コンテナ RFC 7845 Opus のパケットをファイルに包みます。先頭は OpusHead 識別ヘッダーです

RFC 6716 は、狭帯域(8 kHz のサンプリングレート)から全帯域(48 kHz)まで 5 つの帯域幅を定めています。RFC 7845 によると、デコーダーがどのレートで出力するかにかかわらず、グラニュール位置は常に 48 kHz でサンプル数を数えます。拡張子は .opus、メディアタイプは audio/ogg(任意で audio/ogg; codecs=opus)を推奨しています。

Meta の WhatsApp Cloud API メディアリファレンスは、OGG 音声を audio/ogg、“Opus codec only”(訳:Opus コーデックのみ)、モノラル、最大 16 MB としています。

なぜ重要か

  • 受け付けない API が多い。 WAV または MP3 しか受け付けない音声認識エンドポイントは、変換するまでボイスメッセージを拒否します。
  • 変換は手軽。 ffmpeg のコマンド 1 つで Opus を PCM にデコードできます。結果はボイスメッセージよりかなり大きくなるので、ファイルサイズの上限に注意してください。
  • 名前の混同。 「Opus」はほかのプロバイダーのモデル名でもあります。音声の文脈では、コーデックを指します。

BroadNet Inference の場合

BroadNet の文字起こしエンドポイントが受け付けるのは WAV(audio/wav)または MP3(audio/mpeg)のみで、1 ファイル最大 26,214,400 バイトです。ドキュメントでは、WhatsApp のボイスメッセージを 1 ステップで変換しています。

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

ffmpeg のドキュメントによると -ar はサンプリング周波数、-ac はチャンネル数を設定するので、これで 16 kHz モノラルの WAV が書き出されます。あとは language=ar(または en)を付けて BroadNet Transcribe Arabic か BroadNet Transcribe に送ります。WhatsApp ボイスメッセージのガイドにはフォルダごと変換して文字起こしするスクリプトがあり、n8n のガイドではワークフローの中で同じことを行います。1 ファイルに収まらない長いボイスメッセージは、音声分割ツールで分割の仕方を計算できます。

よくある間違い

  • 変換せずに名前だけ変える。 .ogg を .wav に変えても中の音声は変わりません。ffmpeg でデコードしてください。
  • -ac 1 を省く。 ステレオにすると WAV のサイズが倍になるだけで、文字起こしの役には立ちません。

よくある質問

.ogg ファイルは必ず Opus ですか?

いいえ。Ogg はコンテナで、ほかのコーデックも格納できます。WhatsApp の Cloud API は audio/ogg を Opus コーデックかつモノラルの場合にのみ受け付けるため、WhatsApp のボイスメッセージは Ogg Opus です。

.ogg のボイスメッセージを BroadNet にそのまま送れますか?

いいえ。BroadNet の文字起こしエンドポイントは WAV と MP3 を受け付けます。先に ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav で変換してください。

.ogg と .opus ファイルの違いは何ですか?

RFC 7845 は、Ogg Opus ファイルには .opus 拡張子、メディアタイプには audio/ogg を推奨しています。同じ内容でも .ogg を使うアプリはまだ多くあります。

Markdown で読むChatGPT に聞くClaude に聞くPerplexity に聞く