WAV는 가장 기본적인 오디오 형식입니다. 크고, 단순하고, 거의 어디서나 받아들여집니다.
작동 방식
미국 의회도서관은 WAVE를 Microsoft와 IBM이 개발한 RIFF(Resource Interchange File Format)를 바탕으로 한 “wrapper file format”(번역: 래퍼 파일 형식)이라고 설명하며, 공동 명세는 1991년 8월자입니다. WAV 파일에는 형식 정보와 오디오 데이터가 들어 있습니다. 가장 흔한 인코딩은 선형 PCM으로, 압축 없는 원시 샘플입니다. 표준 WAVE는 약 4GB로 제한되며, 이를 넘기기 위한 RF64 확장이 있습니다.
PCM은 압축하지 않으므로 크기는 간단한 산수로 구합니다.
bytes per second = sample rate × bytes per sample × channels
즉 초당 바이트 수 = 샘플링 레이트 × 샘플당 바이트 수 × 채널 수입니다. 16kHz, 모노, 16비트(2바이트) 음성 인식용 오디오라면 다음과 같습니다.
| 단계 | 값 |
|---|---|
| 16,000샘플 × 2바이트 × 1채널 | 초당 32,000바이트 |
| 26,214,400바이트 ÷ 32,000 | 819.2초 |
| 819.2 ÷ 60 | 약 13.65분(13분 39초) |
같은 길이의 44.1kHz 스테레오 파일은 44,100 × 2 × 2 = 초당 176,400바이트로 다섯 배 넘게 크지만, 전사에는 아무 이득이 없습니다.
왜 중요한가
- 분이 아니라 바이트 한도. 전사 API는 파일 크기를 제한하는 경우가 많습니다. WAV라면 오디오가 얼마나 들어가는지 정확히 예측할 수 있습니다.
- 코덱 때문에 놀랄 일이 없습니다. PCM WAV는 어디서나 똑같이 디코딩되므로, Ogg Opus, M4A, 동영상에서 변환할 때 안전한 목표 형식입니다.
- 다운샘플링하세요. 샘플링 레이트를 높이거나 스테레오로 두면 바이트만 늘고 단어는 늘지 않습니다.
BroadNet Inference에서는
BroadNet 전사 엔드포인트는 WAV(audio/wav)나 MP3(audio/mpeg)를 파일당 최대 26,214,400바이트까지 받습니다. 문서에서는 다른 형식을 이렇게 변환합니다.
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
ffmpeg 문서에 따르면 -ar은 샘플링 주파수를, -ac는 채널 수를 정하고, 출력 형식은 .wav 확장자로 추정합니다. 16비트 PCM인지 확인해야 한다면 ffprobe로 결과를 점검하세요. 이 설정에서 약 13분보다 긴 오디오는 나눠야 합니다. 오디오 분할 도구가 명령을 만들어 주고, 긴 오디오 파일 전사하기에서 텍스트를 이어 붙이는 방법을 다룹니다. 과금은 오디오 분 단위이므로(BroadNet Transcribe Arabic은 분당 $0.0042), 나눠도 전체 오디오 분량은 변하지 않습니다.
흔한 실수
- 원본 48kHz 스테레오를 그대로 두는 것. 48,000 × 2 × 2 = 초당 192,000바이트이므로 3분도 안 되어 한도가 찹니다.
- 모든 .wav가 PCM이라고 가정하는 것. 일부 녹음기는 WAV 래퍼 안에 ADPCM이나 다른 코덱을 씁니다.