---
title: "什么是音频采样率？语音转文字为什么用 16 kHz | BroadRouter"
description: "采样率是每秒记录的音频样本数。为什么语音模型使用 16 kHz 单声道、文件大小怎么算，以及 25 MiB 的上传上限能装下几分钟音频。"
url: https://broadrouter.com/zh/glossary/sample-rate/
lang: zh-Hans
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。 [阅读英文原文](https://broadrouter.com/glossary/sample-rate/) (2026-11-16 更新).

# 采样率（sample rate）

更新于 2026-11-16

采样率是每秒采集的音频样本数，单位为赫兹（Hz）。语音识别模型通常要求 16,000 Hz（16 kHz）单声道音频。采样率与位深、声道数一起，决定了未压缩音频每分钟的文件大小。

又称： 采样频率、音频采样率、16k 采样率、16 kHz 音频、sample rate、sampling rate、sampling frequency、audio sample rate、16 kHz audio

音频文件太大、或者转写请求被拒时，第一个要检查的数字就是采样率。

## 工作原理

数字音频把声波存成一串数字，每个样本一个。在 16,000 Hz 下，每个声道每秒有 16,000 个数字。位深为 16 位时，每个数字占 2 字节。因此未压缩 WAV 的大小为：

```text
bytes per second = sample rate x bytes per sample x channels
16 kHz, 16-bit, mono:    16,000 x 2 x 1 = 32,000 B/s  -> x 60 = 1,920,000 B per minute
44.1 kHz, 16-bit, stereo: 44,100 x 2 x 2 = 176,400 B/s -> x 60 = 10,584,000 B per minute
```

语音模型通常用 16 kHz 音频训练。OpenAI 的 Whisper 代码设置了 `SAMPLE_RATE = 16000`，并通过 ffmpeg 以 `-ac 1 -ar 16000` 加载每个文件。按照 FFmpeg 自己的文档，`-ar` 设置音频采样频率，`-ac` 设置声道数。

## 为什么重要

-   **文件大小限制。** CD 音质的立体声 WAV 是 16 kHz 单声道的 10,584,000 / 1,920,000 = 5.5 倍，而对 16 kHz 模型来说毫无增益。
-   **上传时间。** 文件越小，到达 API 越快，这对语音机器人很重要。
-   **兼容性。** [语音活动检测（VAD）](https://broadrouter.com/zh/glossary/vad/)等工具只接受特定采样率（WebRTC VAD 接受 8、16、32 或 48 kHz）。
-   **不要升采样。** 把 8 kHz 的电话录音转成 16 kHz，文件会大一倍，却不会多出任何细节。

## 在 BroadNet Inference 上

BroadNet 的转写端点接受 WAV 或 MP3，每个文件最多 26,214,400 字节（25 MiB）。它的文档用下面的命令转换 WhatsApp 的 `.ogg` 语音消息和 `.m4a` 录音：

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

以 16 位 WAV 计，一次请求能装下多少音频：

| 格式 | 每分钟字节数 | 26,214,400 字节可容纳 |
| --- | --- | --- |
| 16 kHz 单声道 | 1,920,000 | 26,214,400 / 1,920,000 = 13.65 分钟，约 13 分 39 秒 |
| 44.1 kHz 立体声 | 10,584,000 | 2.48 分钟，约 2 分 29 秒 |

更长的音频，可以像 [WhatsApp 语音消息指南](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)那样切成 10 分钟的片段（600 秒 × 32,000 B/s = 每段 19,200,000 字节），或者改发每分钟体积小得多的 MP3。务必设置 `language`。计费按音频分钟而不是按字节，所以采样率影响上传大小，但不影响价格；费用可以用[语音转文字费用计算器](https://broadrouter.com/tools/speech-to-text-cost-calculator/)估算。整体介绍见[语音转文字](https://broadrouter.com/zh/glossary/speech-to-text/)。

## 常见问题

### 语音转文字应该用多少采样率？

16 kHz 单声道是常见选择。Whisper 会把所有输入重采样到 16,000 Hz，BroadNet 的文档也用 ffmpeg -ar 16000 -ac 1 转换语音消息。

### 一分钟 16 kHz 的 WAV 有多大？

16 位单声道：16,000 个样本 × 2 字节 × 60 秒 = 1,920,000 字节，约 1.92 MB，另加一个很小的文件头。

### 提高采样率能让转写更准吗？

如果模型以 16 kHz 工作，就不能，因为它反正会把音频降采样。更高的采样率只会让上传文件更大。

## 另请参阅

-   [语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/) (术语)
-   [语音活动检测（VAD）](https://broadrouter.com/zh/glossary/vad/) (术语)
-   [说话人分离（speaker diarization）](https://broadrouter.com/zh/glossary/diarization/) (术语)
-   [时间戳（语音转文字，timestamps）](https://broadrouter.com/zh/glossary/timestamps-asr/) (术语)
-   [WAV](https://broadrouter.com/zh/glossary/wav/) (术语)
-   [Ogg Opus](https://broadrouter.com/zh/glossary/ogg-opus/) (术语)
-   [用 API 把 WhatsApp 语音消息转成文字](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/) (指南)
-   [阿拉伯语语音转文字 API 分步教程](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/) (指南)
-   [企业语音消息转文字：把 WhatsApp 和 Telegram 语音变成工单](https://broadrouter.com/zh/blog/voice-notes-to-text-for-business/) (文章)

用你的真实业务负载试一试。 新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-sample-rate&utm_content=page-cta) ·

**来源**

-   [FFmpeg 文档，-ar 与 -ac 音频选项（2026-11-16 查阅）](https://ffmpeg.org/ffmpeg.html)
-   [OpenAI Whisper 源码，audio.py（SAMPLE\_RATE = 16000）（2026-11-16 查阅）](https://github.com/openai/whisper/blob/main/whisper/audio.py)
-   [BroadNet Inference API 参考文档，转写与 ffmpeg 转换（2026-11-16 查阅） （英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-sample-rate&utm_content=sources)
