BroadRouter

Ogg Opus

Обновлено

Ogg Opus — это аудио, закодированное кодеком Opus (RFC 6716) и упакованное в контейнер Ogg (RFC 7845). Формат создан для речи и интерактивного аудио на низких битрейтах, и именно в нём WhatsApp хранит голосовые сообщения, обычно в файлах .ogg или .opus.

Также называют: кодек Opus, формат Opus, формат ogg, файл ogg, голосовые WhatsApp ogg, конвертировать ogg в wav, Opus codec, Opus audio, Ogg, OGG file, Ogg/Opus

Скачайте голосовое сообщение из WhatsApp — и получите небольшой файл .ogg. Внутри аудио Opus, кодек, созданный для голосовых звонков.

Как это работает

Здесь два уровня, и каждый определён своим RFC от IETF:

Уровень Спецификация Что делает
Кодек Opus RFC 6716 Сжимает аудио. Сочетает слой линейного предсказания на основе SILK со слоем MDCT на основе CELT и работает от узкополосной речи на 6 кбит/с до стереомузыки на 510 кбит/с
Контейнер Ogg RFC 7845 Упаковывает пакеты Opus в файл, который начинается с идентификационного заголовка OpusHead

RFC 6716 перечисляет пять полос пропускания — от узкополосной (narrowband, частота дискретизации 8 кГц) до полнополосной (fullband, 48 кГц). RFC 7845 говорит, что позиции гранул всегда считают сэмплы при 48 кГц, с какой бы частотой ни выводил звук декодер. Он рекомендует расширение .opus и медиатип audio/ogg, при желании audio/ogg; codecs=opus.

Справочник по медиа WhatsApp Cloud API от Meta указывает аудио OGG как audio/ogg с пометкой “Opus codec only” (перевод: «только кодек Opus»), моно, до 16 МБ.

Почему это важно

  • Многие API его не принимают. Эндпоинт распознавания речи, который принимает только WAV или MP3, отклонит голосовое сообщение, пока вы его не сконвертируете.
  • Конвертация дешёвая. Одна команда ffmpeg декодирует Opus в PCM. Результат намного больше голосового сообщения, так что следите за лимитами на размер файла.
  • Путаница в названиях. «Opus» — это ещё и название модели у других провайдеров. В контексте аудио имеется в виду кодек.

В BroadNet Inference

Эндпоинт транскрибации BroadNet принимает только WAV (audio/wav) или MP3 (audio/mpeg) размером до 26 214 400 байт на файл. Документация конвертирует голосовое сообщение WhatsApp за один шаг:

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

По документации ffmpeg, -ar задаёт частоту дискретизации, а -ac — число каналов, так что команда записывает WAV 16 кГц моно. Затем отправьте его с language=ar (или en) в BroadNet Transcribe Arabic или BroadNet Transcribe. В руководстве по голосовым сообщениям WhatsApp есть скрипт, который конвертирует и транскрибирует целую папку, а руководство по n8n делает то же внутри воркфлоу. Если голосовое слишком длинное для одного файла, нарезчик аудио рассчитает фрагменты.

Частые ошибки

  • Переименование вместо конвертации. Если сменить .ogg на .wav, аудио внутри не изменится. Декодируйте через ffmpeg.
  • Пропуск -ac 1. Стерео вдвое увеличивает размер WAV и ничем не помогает транскрибации.

Вопросы и ответы

Файл .ogg — это всегда Opus?

Нет. Ogg — контейнер, и в нём могут быть другие кодеки. WhatsApp Cloud API принимает audio/ogg только с кодеком Opus и только в моно, поэтому голосовые сообщения WhatsApp — это Ogg Opus.

Можно ли отправить голосовое .ogg напрямую в BroadNet?

Нет. Эндпоинт транскрибации BroadNet принимает WAV и MP3. Сначала сконвертируйте файл: ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav.

Чем файлы .ogg отличаются от .opus?

RFC 7845 рекомендует для файлов Ogg Opus расширение .opus и медиатип audio/ogg. Многие приложения по-прежнему используют .ogg для того же содержимого.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity