BroadRouter
Loslegen

WAV

Aktualisiert

WAV (Waveform Audio File Format, auch WAVE) ist ein Audiocontainer auf Basis des RIFF-Formats von Microsoft und IBM. Er enthält meist unkomprimierte lineare PCM-Samples, daher ist seine Größe vorhersehbar: Abtastrate mal Bytes pro Sample mal Kanäle, pro Sekunde.

Auch genannt: WAV-Datei, WAVE-Datei, PCM-WAV, Wave-Format, WAV file, PCM WAV

WAV ist das schlichte Audioformat: groß, einfach und fast überall akzeptiert.

So funktioniert es

Die Library of Congress beschreibt WAVE als „wrapper file format“ (Übersetzung: „Container-Dateiformat“) auf Basis von RIFF (Resource Interchange File Format), entwickelt von Microsoft und IBM, mit einer gemeinsamen Spezifikation vom August 1991. Eine WAV-Datei enthält eine Formatbeschreibung und die Audiodaten. Die häufigste Codierung ist lineares PCM: rohe Samples ohne Kompression. Standard-WAVE ist auf etwa 4 GB begrenzt; die Erweiterung RF64 gibt es, um darüber hinauszugehen.

Da PCM unkomprimiert ist, ist die Größe einfache Arithmetik:

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

Für Speech-to-Text-Audio mit 16 kHz, Mono, 16 Bit (2 Bytes):

Schritt Wert
16.000 Samples × 2 Bytes × 1 Kanal 32.000 Bytes pro Sekunde
26.214.400 Bytes ÷ 32.000 819,2 Sekunden
819,2 ÷ 60 etwa 13,65 Minuten (13 min 39 s)

Eine Stereo-Datei mit 44,1 kHz und gleicher Länge hat 44.100 × 2 × 2 = 176.400 Bytes pro Sekunde, mehr als fünfmal so groß, ohne Gewinn für die Transkription.

Warum es wichtig ist

  • Byte-Limits statt Minuten-Limits. Transkriptions-APIs begrenzen oft die Dateigröße. Mit WAV können Sie genau vorhersagen, wie viel Audio hineinpasst.
  • Keine Codec-Überraschungen. PCM-WAV wird überall gleich decodiert und ist daher ein sicheres Ziel, wenn Sie aus Ogg Opus, M4A oder Video umwandeln.
  • Heruntersampeln. Höhere Abtastraten und Stereo bringen mehr Bytes, aber keine zusätzlichen Wörter.

Bei BroadNet Inference

Der Transkriptions-Endpoint von BroadNet akzeptiert WAV (audio/wav) oder MP3 (audio/mpeg), bis 26.214.400 Bytes pro Datei. Die Dokumentation wandelt andere Formate so um:

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

Laut ffmpeg-Dokumentation setzt -ar die Abtastfrequenz, -ac die Zahl der Kanäle, und das Ausgabeformat wird aus der Endung .wav abgeleitet. Prüfen Sie das Ergebnis mit ffprobe, wenn Sie 16-Bit-PCM bestätigen müssen. Alles, was mit dieser Einstellung länger als etwa 13 Minuten ist, muss geteilt werden: Das Audio-Splitter-Tool erzeugt die Befehle, und lange Audiodateien transkribieren erklärt das Zusammenfügen des Texts. Abgerechnet wird pro Audiominute ($0.0042 bei BroadNet Transcribe Arabic), das Teilen ändert die Gesamtmenge an Audio also nicht.

Häufige Fehler

  • Das ursprüngliche 48-kHz-Stereo beibehalten. Damit ist das Limit in unter drei Minuten erreicht: 48.000 × 2 × 2 = 192.000 Bytes pro Sekunde.
  • Annehmen, jede .wav sei PCM. Manche Rekorder schreiben ADPCM oder andere Codecs in einen WAV-Container.

Häufige Fragen

Wie viele Minuten WAV passen in 25 MiB?

Bei 16 kHz, Mono, 16-Bit-PCM wächst die Datei um 32.000 Bytes pro Sekunde. 26.214.400 geteilt durch 32.000 ergibt 819,2 Sekunden, etwa 13 Minuten 39 Sekunden, mit dem Header etwas weniger.

Ist WAV immer unkomprimiert?

Nein. Die Library of Congress nennt lineares PCM als gängige Codierung, aber auch mu-law, A-law und ADPCM. Für Speech-to-Text ist einfaches 16-Bit-PCM die sichere Wahl.

WAV oder MP3 für die Transkription?

WAV vermeidet eine verlustbehaftete Codierung, aber MP3 bringt unter einem Byte-Limit weit mehr Audio unter. Bei langen Aufnahmen teilen Sie entweder die WAV-Datei oder testen MP3 mit Ihrem eigenen Audio.

Als Markdown lesenChatGPT fragenClaude fragenPerplexity fragen