---
title: "WAV ファイルとは？PCM 音声とファイルサイズの計算 | BroadRouter"
description: "WAV は RIFF ベースの音声コンテナで、通常は非圧縮の PCM を格納します。中身、ファイルサイズの計算方法、上限に 16 kHz モノラル音声がどれだけ入るかを解説します。"
url: https://broadrouter.com/ja/glossary/wav/
lang: ja
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。 [英語の原文を読む](https://broadrouter.com/glossary/wav/) (2026-11-15 更新).

# WAV

更新日 2026-11-15

WAV（Waveform Audio File Format、WAVE とも）とは、Microsoft と IBM の RIFF 形式をベースにした音声コンテナです。通常は非圧縮のリニア PCM サンプルを格納するため、サイズは予測できます。1 秒あたりのバイト数は、サンプリングレート × サンプルあたりのバイト数 × チャンネル数です。

別名： WAV ファイル、WAV 形式、WAVE 形式、ウェーブファイル、PCM 音声、WAV file、PCM WAV

WAV は音声のもっとも素朴な形式です。大きく、単純で、ほぼどこでも受け付けられます。

## 仕組み

米国議会図書館は WAVE を、Microsoft と IBM が開発した RIFF（Resource Interchange File Format）をベースにした “wrapper file format”（訳：ラッパーファイル形式）と説明しており、共同仕様の日付は 1991 年 8 月です。WAV ファイルには、形式の記述と音声データが入っています。最も一般的なエンコードはリニア PCM で、圧縮なしの生のサンプルです。標準の WAVE は約 4 GB が上限で、それを超えるために RF64 拡張があります。

PCM は非圧縮なので、サイズは単純な計算で求まります。

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

16 kHz・モノラル・16 ビット（2 バイト）の音声認識用音声では次のとおりです。

| ステップ | 値 |
| --- | --- |
| 16,000 サンプル × 2 バイト × 1 チャンネル | 1 秒あたり 32,000 バイト |
| 26,214,400 バイト ÷ 32,000 | 819.2 秒 |
| 819.2 ÷ 60 | 約 13.65 分（13 分 39 秒） |

同じ長さの 44.1 kHz ステレオのファイルは 1 秒あたり 44,100 × 2 × 2 = 176,400 バイトで、5 倍以上大きくなりますが、文字起こしには何の得もありません。

## なぜ重要か

-   **上限は分数ではなくバイト数。** 文字起こし API はファイルサイズを制限していることが多く、WAV ならどれだけの音声が入るかを正確に予測できます。
-   **コーデックで驚かされない。** PCM の WAV はどこでも同じようにデコードされるので、[Ogg Opus](https://broadrouter.com/ja/glossary/ogg-opus/)、M4A、動画から変換するときの安全な変換先です。
-   **ダウンサンプリングする。** 高い[サンプリングレート](https://broadrouter.com/ja/glossary/sample-rate/)やステレオは、バイト数を増やすだけで、単語は増えません。

## BroadNet Inference では

BroadNet の文字起こしエンドポイントは WAV（`audio/wav`）または MP3（`audio/mpeg`）を、1 ファイル 26,214,400 バイトまで受け付けます。ドキュメントでは、ほかの形式を次のように変換しています。

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

ffmpeg のドキュメントによると、`-ar` はサンプリング周波数、`-ac` はチャンネル数を設定し、出力形式は `.wav` の拡張子から推定されます。16 ビット PCM であることを確かめたいときは、`ffprobe` で結果を確認してください。この設定で約 13 分を超える音声は分割が必要です。[音声分割ツール](https://broadrouter.com/tools/audio-splitter-ffmpeg/)がコマンドを組み立て、[長い音声ファイルの文字起こし](https://broadrouter.com/ja/blog/transcribe-long-audio-files-api/)でテキストのつなぎ方を説明しています。課金は音声の分数単位（[BroadNet Transcribe Arabic](https://broadrouter.com/ja/models/cohere-transcribe-arabic/) では $0.0042）なので、分割しても音声の合計は変わりません。

## よくある間違い

-   **元の 48 kHz ステレオのままにする。** 3 分足らずで上限に達します。48,000 × 2 × 2 = 1 秒あたり 192,000 バイトです。
-   **.wav ならどれも PCM だと思い込む。** レコーダーによっては、WAV のラッパーに ADPCM やほかのコーデックで書き込みます。

## よくある質問

### 25 MiB に WAV は何分入りますか？

16 kHz・モノラル・16 ビット PCM では、ファイルは 1 秒あたり 32,000 バイト増えます。26,214,400 を 32,000 で割ると 819.2 秒、約 13 分 39 秒で、ヘッダーを含めるとわずかに短くなります。

### WAV は必ず非圧縮ですか？

いいえ。米国議会図書館はリニア PCM を一般的なエンコードとして挙げていますが、mu-law、A-law、ADPCM も挙げています。音声認識には、素の 16 ビット PCM が安全な選択です。

### 文字起こしには WAV と MP3 のどちらがよいですか？

WAV は非可逆エンコードを避けられますが、同じバイト上限なら MP3 のほうがはるかに多くの音声を入れられます。長い録音では、WAV を分割するか、自分の音声で MP3 を試してください。

## 関連項目

-   [サンプリングレート（sample rate）](https://broadrouter.com/ja/glossary/sample-rate/) (用語)
-   [Ogg Opus](https://broadrouter.com/ja/glossary/ogg-opus/) (用語)
-   [音声認識（Speech-to-Text）](https://broadrouter.com/ja/glossary/speech-to-text/) (用語)
-   [SRT 字幕（SRT subtitles）](https://broadrouter.com/ja/glossary/srt-subtitles/) (用語)
-   [WhatsApp のボイスメッセージを API で文字起こしする](https://broadrouter.com/ja/guides/transcribe-whatsapp-voice-notes/) (ガイド)
-   [アラビア語の音声認識 API を使う手順](https://broadrouter.com/ja/guides/arabic-speech-to-text-api/) (ガイド)
-   [25 MB を超える長い音声の文字起こし：分割・送信・結合](https://broadrouter.com/ja/blog/transcribe-long-audio-files-api/) (記事)
-   [ブラウザで録音して音声認識 API に送る方法](https://broadrouter.com/ja/blog/record-browser-audio-transcription-api/) (記事)

実際のワークロードで試してください。 新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-glossary-wav&utm_content=page-cta) ·

**出典**

-   [米国議会図書館、Sustainability of Digital Formats：WAVE 音声ファイル形式 fdd000001（2026-11-15 確認）](https://www.loc.gov/preservation/digital/formats/fdd/fdd000001.shtml)
-   [FFmpeg ドキュメント、ffmpeg ツール：-ar と -ac の音声オプション、拡張子による形式判定（2026-11-15 確認）](https://ffmpeg.org/ffmpeg.html)
-   [BroadNet Inference API リファレンス：WAV と MP3 のアップロード、ファイル上限 26,214,400 バイト（2026-11-15 確認） （英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-glossary-wav&utm_content=sources)
