BroadRouter
Başlayın

WAV

Güncellendi

WAV (Waveform Audio File Format veya WAVE), Microsoft ve IBM'in RIFF formatı üzerine kurulu bir ses kapsayıcısıdır. Genellikle sıkıştırılmamış doğrusal PCM örnekleri taşır; bu yüzden boyutu öngörülebilirdir: saniye başına örnekleme hızı çarpı örnek başına bayt çarpı kanal sayısı.

Diğer adları: WAV dosyası, WAV formatı, WAVE, wav nedir, PCM WAV, WAV file

WAV, sesin en sade formatıdır: büyük, basit ve neredeyse her yerde kabul gören.

Nasıl çalışır

Library of Congress, WAVE’i Microsoft ve IBM’in geliştirdiği RIFF (Resource Interchange File Format) üzerine kurulu bir “wrapper file format” (çeviri: sarmalayıcı dosya formatı) olarak tanımlar; ortak spesifikasyon Ağustos 1991 tarihlidir. Bir WAV dosyası bir format tanımı ve ses verisini içerir. En yaygın kodlama doğrusal PCM’dir: sıkıştırmasız, ham örnekler. Standart WAVE yaklaşık 4 GB ile sınırlıdır; bunun ötesine geçmek için RF64 uzantısı vardır.

PCM sıkıştırılmamış olduğu için boyut basit bir aritmetiktir:

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

16 kHz, mono, 16 bit (2 bayt) konuşmadan metne sesi için:

Adım Değer
16.000 örnek × 2 bayt × 1 kanal saniyede 32.000 bayt
26.214.400 bayt ÷ 32.000 819,2 saniye
819,2 ÷ 60 yaklaşık 13,65 dakika (13 dk 39 sn)

Aynı uzunluktaki stereo 44,1 kHz bir dosya saniyede 44.100 × 2 × 2 = 176.400 bayttır; beş kattan da büyüktür ve transkripsiyona hiçbir katkısı yoktur.

Neden önemli

  • Dakika değil bayt sınırı. Transkripsiyon API’leri çoğu zaman dosya boyutunu sınırlar. WAV ile ne kadar sesin sığacağını tam olarak öngörebilirsiniz.
  • Codec sürprizi yok. PCM WAV her yerde aynı biçimde çözülür; bu yüzden Ogg Opus, M4A veya videodan dönüştürürken güvenli bir hedeftir.
  • Örnekleme hızını düşürün. Daha yüksek örnekleme hızları ve stereo, kelime değil bayt ekler.

BroadNet Inference’ta

BroadNet’in transkripsiyon uç noktası dosya başına 26.214.400 bayta kadar WAV (audio/wav) veya MP3 (audio/mpeg) kabul eder. Belgeleri diğer formatları şu komutla dönüştürür:

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

ffmpeg belgelerine göre -ar örnekleme frekansını, -ac kanal sayısını ayarlar; çıktı formatı da .wav uzantısından tahmin edilir. 16 bit PCM olduğunu doğrulamanız gerekiyorsa sonucu ffprobe ile kontrol edin. Bu ayarda yaklaşık 13 dakikadan uzun her şeyin bölünmesi gerekir: ses bölme aracı komutları oluşturur, uzun ses dosyalarını yazıya dökme yazısı da metni birleştirmeyi anlatır. Faturalandırma ses dakikası başınadır (BroadNet Transcribe Arabic için $0.0042); dolayısıyla bölmek toplam ses süresini değiştirmez.

Sık yapılan hatalar

  • Orijinal 48 kHz stereo sesi olduğu gibi bırakmak. Sınırı üç dakikadan kısa sürede doldurur: saniyede 48.000 × 2 × 2 = 192.000 bayt.
  • Her .wav dosyasının PCM olduğunu varsaymak. Bazı kaydediciler WAV sarmalayıcısının içine ADPCM veya başka codec’ler yazar.

Sık sorulan sorular

25 MiB'a kaç dakikalık WAV sığar?

16 kHz, mono, 16 bit PCM'de dosya saniyede 32.000 bayt büyür. 26.214.400 bölü 32.000, 819,2 saniye eder; bu yaklaşık 13 dakika 39 saniyedir, başlık da hesaba katılınca biraz daha az.

WAV her zaman sıkıştırılmamış mıdır?

Hayır. Library of Congress doğrusal PCM'i yaygın bir kodlama olarak listeler, ama mu-law, A-law ve ADPCM'i de sayar. Konuşmadan metne için düz 16 bit PCM güvenli seçimdir.

Transkripsiyon için WAV mı, MP3 mü?

WAV kayıplı bir kodlamadan kaçınır, ama MP3 aynı bayt sınırına çok daha fazla ses sığdırır. Uzun kayıtlarda ya WAV'ı bölün ya da MP3'ü kendi sesleriniz üzerinde test edin.

Markdown olarak okuChatGPT asistanına sorClaude asistanına sorPerplexity asistanına sor