BroadRouter

Ogg Opus

Cập nhật

Ogg Opus là audio được mã hóa bằng codec Opus (RFC 6716) và lưu trong container Ogg (RFC 7845). Nó được thiết kế cho giọng nói và audio tương tác ở bitrate thấp, và là định dạng WhatsApp dùng cho tin nhắn thoại, thường là tệp .ogg hoặc .opus.

Còn gọi là: codec Opus, file OGG, đổi ogg sang wav, chuyển ogg sang mp3, định dạng tin nhắn thoại WhatsApp, Opus codec, Opus audio, Ogg, OGG file, Ogg/Opus

Tải một tin nhắn thoại WhatsApp xuống, bạn sẽ có một tệp .ogg nhỏ. Bên trong là audio Opus, một codec được thiết kế cho cuộc gọi thoại.

Cách hoạt động

Có hai lớp, mỗi lớp được định nghĩa bởi một RFC của IETF:

Lớp Đặc tả Chức năng
Codec Opus RFC 6716 Nén audio. Nó kết hợp một lớp dự đoán tuyến tính dựa trên SILK với một lớp MDCT dựa trên CELT, và hoạt động từ giọng nói băng hẹp 6 kbit/s đến nhạc stereo 510 kbit/s
Container Ogg RFC 7845 Gói các packet Opus vào một tệp, bắt đầu bằng header nhận dạng OpusHead

RFC 6716 liệt kê năm băng thông, từ băng hẹp (tần số lấy mẫu 8 kHz) đến toàn băng (48 kHz). RFC 7845 nói granule position luôn đếm mẫu ở 48 kHz, bất kể decoder xuất ra ở tần số nào. Nó khuyến nghị đuôi .opus và media type audio/ogg, có thể kèm audio/ogg; codecs=opus.

Tài liệu media của WhatsApp Cloud API từ Meta ghi audio OGG là audio/ogg với “Opus codec only” (Bản dịch: chỉ codec Opus), mono, tối đa 16 MB.

Vì sao quan trọng

  • Nhiều API không nhận nó. Một endpoint speech-to-text chỉ nhận WAV hoặc MP3 sẽ từ chối tin nhắn thoại cho tới khi bạn chuyển đổi.
  • Chuyển đổi rất nhẹ. Một lệnh ffmpeg giải mã Opus sang PCM. Kết quả lớn hơn nhiều so với tin nhắn thoại, nên hãy để ý giới hạn kích thước tệp.
  • Dễ nhầm tên. “Opus” cũng là tên model ở một số nhà cung cấp khác. Trong ngữ cảnh audio, nó là codec.

Trên BroadNet Inference

Endpoint chép lời của BroadNet chỉ nhận WAV (audio/wav) hoặc MP3 (audio/mpeg), tối đa 26.214.400 byte mỗi tệp. Tài liệu của BroadNet chuyển một tin nhắn thoại WhatsApp chỉ trong một bước:

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

Theo tài liệu ffmpeg, -ar đặt tần số lấy mẫu audio và -ac đặt số kênh, nên lệnh này tạo ra WAV mono 16 kHz. Sau đó gửi nó kèm language=ar (hoặc en) tới BroadNet Transcribe Arabic hoặc BroadNet Transcribe. Hướng dẫn chép lời tin nhắn thoại WhatsApp có script chuyển đổi và chép lời cả một thư mục, còn hướng dẫn n8n làm việc đó trong một workflow. Với tin nhắn thoại quá dài cho một tệp, công cụ cắt audio sẽ tính các đoạn cần cắt.

Lỗi thường gặp

  • Đổi tên thay vì chuyển đổi. Đổi .ogg thành .wav không thay đổi audio bên trong. Hãy giải mã bằng ffmpeg.
  • Bỏ qua -ac 1. Stereo làm tệp WAV lớn gấp đôi mà không giúp gì cho việc chép lời.

Câu hỏi thường gặp

Tệp .ogg có luôn là Opus không?

Không. Ogg là container và có thể chứa codec khác. WhatsApp Cloud API chỉ nhận audio/ogg với codec Opus và chỉ mono, nên tin nhắn thoại WhatsApp là Ogg Opus.

Tôi có gửi thẳng tin nhắn thoại .ogg lên BroadNet được không?

Không. Endpoint chép lời của BroadNet nhận WAV và MP3. Hãy chuyển đổi trước bằng ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav.

Tệp .ogg và .opus khác nhau thế nào?

RFC 7845 khuyến nghị đuôi .opus cho tệp Ogg Opus và audio/ogg làm media type. Nhiều ứng dụng vẫn dùng .ogg cho cùng nội dung đó.

Đọc dạng MarkdownHỏi ChatGPTHỏi ClaudeHỏi Perplexity