WhatsApp 음성 메시지를 내려받으면 작은 .ogg 파일이 생깁니다. 그 안에는 음성 통화용으로 설계된 코덱인 Opus 오디오가 들어 있습니다.
작동 방식
두 개의 계층이 있고, 각각 IETF RFC로 정의되어 있습니다.
| 계층 | 규격 | 역할 |
|---|---|---|
| Opus 코덱 | RFC 6716 | 오디오를 압축합니다. SILK 기반의 선형 예측 계층과 CELT 기반의 MDCT 계층을 결합하며, 6kbit/s 협대역 음성부터 510kbit/s 스테레오 음악까지 다룹니다 |
| Ogg 컨테이너 | RFC 7845 | Opus 패킷을 파일로 감싸며, OpusHead 식별 헤더로 시작합니다 |
RFC 6716은 협대역(8kHz 샘플링 레이트)부터 전대역(48kHz)까지 다섯 가지 대역폭을 정의합니다. RFC 7845는 디코더의 출력 레이트와 관계없이 그래뉼 위치(granule position)가 항상 48kHz 기준으로 샘플을 센다고 명시합니다. 확장자로는 .opus를, 미디어 유형으로는 audio/ogg(선택적으로 audio/ogg; codecs=opus)를 권장합니다.
Meta의 WhatsApp Cloud API 미디어 레퍼런스는 OGG 오디오를 audio/ogg, “Opus codec only”(번역: Opus 코덱만), 모노, 최대 16MB로 표기합니다.
왜 중요한가
- 많은 API가 받지 않습니다. WAV나 MP3만 받는 음성 인식 엔드포인트는 변환하기 전까지 음성 메시지를 거부합니다.
- 변환은 간단합니다. ffmpeg 명령 하나로 Opus를 PCM으로 디코딩합니다. 결과물은 음성 메시지보다 훨씬 크므로 파일 크기 한도에 주의하세요.
- 이름 혼동. “Opus”는 다른 제공업체의 모델 이름이기도 합니다. 오디오 맥락에서는 코덱을 뜻합니다.
BroadNet Inference에서는
BroadNet 전사 엔드포인트는 WAV(audio/wav) 또는 MP3(audio/mpeg)만 받으며, 파일당 최대 26,214,400바이트입니다. 문서에서는 WhatsApp 음성 메시지를 한 번에 변환합니다.
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
ffmpeg 문서에 따르면 -ar은 오디오 샘플링 주파수를, -ac는 채널 수를 지정하므로, 이 명령은 16kHz 모노 WAV를 만듭니다. 그다음 language=ar(또는 en)과 함께 BroadNet Transcribe Arabic이나 BroadNet Transcribe로 보내세요. WhatsApp 음성 메시지 가이드에는 폴더 전체를 변환하고 전사하는 스크립트가 있고, n8n 가이드는 워크플로 안에서 같은 작업을 합니다. 파일 하나에 담기에는 너무 긴 음성 메시지라면 오디오 분할 도구가 나눌 구간을 계산해 줍니다.
흔한 실수
- 변환 대신 이름만 바꾸기.
.ogg를.wav로 바꿔도 안의 오디오는 그대로입니다. ffmpeg로 디코딩하세요. -ac 1빠뜨리기. 스테레오는 전사에 도움이 되지 않으면서 WAV 크기만 두 배로 늘립니다.