BroadRouter
Bắt đầu

WAV

Cập nhật

WAV (Waveform Audio File Format, hay WAVE) là một container audio xây trên định dạng RIFF của Microsoft và IBM. Nó thường chứa các mẫu PCM tuyến tính không nén, nên dung lượng dễ dự đoán: mỗi giây bằng tần số lấy mẫu nhân số byte mỗi mẫu nhân số kênh.

Còn gọi là: file WAV là gì, định dạng WAV, tính dung lượng WAV, chuyển sang WAV, WAV file, PCM WAV

WAV là định dạng audio “mộc”: dung lượng lớn, đơn giản và được chấp nhận gần như ở mọi nơi.

Cách hoạt động

Thư viện Quốc hội Mỹ mô tả WAVE là một “wrapper file format” (Bản dịch: định dạng file bao gói) xây trên RIFF (Resource Interchange File Format), do Microsoft và IBM phát triển, với đặc tả chung ghi ngày tháng 8 năm 1991. Một file WAV chứa phần mô tả định dạng và dữ liệu audio. Cách mã hóa phổ biến nhất là PCM tuyến tính: mẫu thô, không nén. WAVE chuẩn bị giới hạn khoảng 4 GB; phần mở rộng RF64 tồn tại để vượt qua giới hạn đó.

Vì PCM không nén, dung lượng chỉ là phép tính đơn giản:

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

Tức là số byte mỗi giây = tần số lấy mẫu × số byte mỗi mẫu × số kênh. Với audio speech-to-text ở 16 kHz, mono, 16-bit (2 byte):

Bước Giá trị
16.000 mẫu × 2 byte × 1 kênh 32.000 byte mỗi giây
26.214.400 byte ÷ 32.000 819,2 giây
819,2 ÷ 60 khoảng 13,65 phút (13 phút 39 giây)

Một file stereo 44,1 kHz cùng độ dài là 44.100 × 2 × 2 = 176.400 byte mỗi giây, lớn hơn năm lần, mà không giúp gì cho việc chép lời.

Vì sao quan trọng

  • Giới hạn theo byte, không theo phút. API chép lời thường giới hạn kích thước file. Với WAV, bạn dự đoán chính xác được bao nhiêu audio vừa giới hạn.
  • Không bất ngờ về codec. PCM WAV giải mã như nhau ở mọi nơi, nên là đích chuyển đổi an toàn khi bạn chuyển từ Ogg Opus, M4A hay video.
  • Hạ tần số lấy mẫu. Tần số lấy mẫu cao hơn và stereo chỉ thêm byte, không thêm chữ.

Trên BroadNet Inference

Endpoint chép lời của BroadNet nhận WAV (audio/wav) hoặc MP3 (audio/mpeg), tối đa 26.214.400 byte mỗi file. Tài liệu của BroadNet chuyển đổi các định dạng khác bằng:

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

Tài liệu ffmpeg cho biết -ar đặt tần số lấy mẫu, -ac đặt số kênh, và định dạng đầu ra được suy ra từ phần mở rộng .wav. Hãy kiểm tra kết quả bằng ffprobe nếu cần xác nhận PCM 16-bit. Audio dài hơn khoảng 13 phút ở thiết lập này cần được tách: công cụ tách audio tạo sẵn các lệnh, còn chép lời file audio dài hướng dẫn ghép văn bản lại. Giá tính theo phút audio ($0.0042 trên BroadNet Transcribe Arabic), nên việc tách file không làm thay đổi tổng số phút audio.

Lỗi thường gặp

  • Giữ nguyên bản gốc 48 kHz stereo. File sẽ chạm giới hạn trong chưa đến ba phút: 48.000 × 2 × 2 = 192.000 byte mỗi giây.
  • Cho rằng mọi file .wav đều là PCM. Một số máy ghi âm ghi ADPCM hoặc codec khác bên trong vỏ WAV.

Câu hỏi thường gặp

25 MiB chứa được bao nhiêu phút WAV?

Với PCM 16 kHz, mono, 16-bit, file tăng 32.000 byte mỗi giây. 26.214.400 chia 32.000 là 819,2 giây, khoảng 13 phút 39 giây, ít hơn một chút khi tính cả header.

WAV lúc nào cũng không nén phải không?

Không. Thư viện Quốc hội Mỹ liệt kê PCM tuyến tính là cách mã hóa phổ biến, nhưng cũng có mu-law, A-law và ADPCM. Với speech-to-text, PCM 16-bit thông thường là lựa chọn an toàn.

Nên dùng WAV hay MP3 để chép lời?

WAV tránh được một lần mã hóa có mất dữ liệu, nhưng MP3 chứa được nhiều audio hơn hẳn dưới cùng giới hạn byte. Với bản ghi dài, hãy tách file WAV hoặc thử MP3 trên audio của chính bạn.

Đọc dạng MarkdownHỏi ChatGPTHỏi ClaudeHỏi Perplexity