---
title: "什么是 WAV 文件？PCM 音频与文件大小计算 | BroadRouter"
description: "WAV 是基于 RIFF 的音频容器，通常装的是未压缩的 PCM。里面有什么、文件大小怎么算，以及大小上限内能装下多少 16 kHz 单声道音频。"
url: https://broadrouter.com/zh/glossary/wav/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/glossary/wav/)（2026-11-15 更新）。

# WAV

更新于 2026-11-15

WAV（Waveform Audio File Format，又称 WAVE）是建立在微软与 IBM 的 RIFF 格式之上的音频容器。它通常存放未压缩的线性 PCM 样本，因此大小可以预测：每秒字节数 = 采样率 × 每样本字节数 × 声道数。

又称： WAV 文件、WAV 格式、WAVE 格式、PCM 音频、无损音频格式、WAV file、PCM WAV

WAV 是音频里最朴素的格式：体积大、结构简单，几乎哪里都能用。

## 工作原理

美国国会图书馆把 WAVE 描述为一种 “wrapper file format”（译文：封装文件格式），建立在微软与 IBM 开发的 RIFF（Resource Interchange File Format）之上，联合规范的日期为 1991 年 8 月。WAV 文件包含一段格式描述和音频数据。最常见的编码是线性 PCM：原始样本，不做压缩。标准 WAVE 的上限约为 4 GB；RF64 扩展就是为了突破这一限制。

因为 PCM 不压缩，大小就是简单的算术：

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

对于 16 kHz、单声道、16 位（2 字节）的语音转文字音频：

| 步骤 | 数值 |
| --- | --- |
| 16,000 个样本 × 2 字节 × 1 声道 | 每秒 32,000 字节 |
| 26,214,400 字节 ÷ 32,000 | 819.2 秒 |
| 819.2 ÷ 60 | 约 13.65 分钟（13 分 39 秒） |

同样时长的 44.1 kHz 立体声文件为每秒 44,100 × 2 × 2 = 176,400 字节，大了五倍多，对转写却毫无帮助。

## 为什么重要

-   **限的是字节，不是分钟。** 转写 API 常常限制文件大小。用 WAV，你能准确预测能装下多少音频。
-   **不会有编解码器的意外。** PCM WAV 在哪里解码结果都一样，所以从 [Ogg Opus](https://broadrouter.com/zh/glossary/ogg-opus/)、M4A 或视频转换时，它是稳妥的目标格式。
-   **降采样。** 更高的[采样率](https://broadrouter.com/zh/glossary/sample-rate/)和立体声只会增加字节，不会增加词。

## 在 BroadNet Inference 上

BroadNet 的转写端点接受 WAV（`audio/wav`）或 MP3（`audio/mpeg`），每个文件最多 26,214,400 字节。它的文档用下面的命令转换其他格式：

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

按 ffmpeg 文档，`-ar` 设置采样频率，`-ac` 设置声道数，输出格式则根据 `.wav` 扩展名推断。如需确认是 16 位 PCM，可以用 `ffprobe` 检查结果。在这种设置下超过约 13 分钟的音频都需要切分：[音频切分工具](https://broadrouter.com/tools/audio-splitter-ffmpeg/)可以生成命令，[长音频文件转写](https://broadrouter.com/zh/blog/transcribe-long-audio-files-api/)介绍了如何拼接文字。计费按音频分钟（[BroadNet Transcribe Arabic](https://broadrouter.com/zh/models/cohere-transcribe-arabic/) 为 $0.0042），所以切分不会改变音频总时长。

## 常见错误

-   **保留原始的 48 kHz 立体声。** 不到三分钟就会填满上限：48,000 × 2 × 2 = 每秒 192,000 字节。
-   **以为所有 .wav 都是 PCM。** 有些录音设备会在 WAV 封装里写入 ADPCM 或其他编码。

## 常见问题

### 25 MiB 能装下几分钟 WAV？

16 kHz、单声道、16 位 PCM 时，文件每秒增加 32,000 字节。26,214,400 除以 32,000 等于 819.2 秒，约 13 分 39 秒，算上文件头还要略少一点。

### WAV 一定是未压缩的吗？

不是。美国国会图书馆把线性 PCM 列为常见编码，但也列出了 mu-law、A-law 和 ADPCM。用于语音转文字时，普通的 16 位 PCM 最稳妥。

### 转写用 WAV 还是 MP3？

WAV 避免了有损编码，但在同样的字节上限下，MP3 能装下多得多的音频。长录音要么把 WAV 切分，要么用你自己的音频测试一下 MP3。

## 另请参阅

-   [采样率（sample rate）](https://broadrouter.com/zh/glossary/sample-rate/)（术语）
-   [Ogg Opus](https://broadrouter.com/zh/glossary/ogg-opus/)（术语）
-   [语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/)（术语）
-   [SRT 字幕（SRT subtitles）](https://broadrouter.com/zh/glossary/srt-subtitles/)（术语）
-   [用 API 把 WhatsApp 语音消息转成文字](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)（指南）
-   [阿拉伯语语音转文字 API 分步教程](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)（指南）
-   [转写超过 25 MB 的长音频：切分、发送、拼接](https://broadrouter.com/zh/blog/transcribe-long-audio-files-api/)（文章）
-   [浏览器录音并发送到语音转文字 API](https://broadrouter.com/zh/blog/record-browser-audio-transcription-api/)（文章）

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-wav&utm_content=page-cta) ·

**来源**

-   [美国国会图书馆，Sustainability of Digital Formats：WAVE 音频文件格式 fdd000001（2026-11-15 查阅）](https://www.loc.gov/preservation/digital/formats/fdd/fdd000001.shtml)
-   [FFmpeg 文档，ffmpeg 工具：-ar 与 -ac 音频选项、按扩展名确定格式（2026-11-15 查阅）](https://ffmpeg.org/ffmpeg.html)
-   [BroadNet Inference API 参考：WAV 和 MP3 上传，文件上限 26,214,400 字节（2026-11-15 查阅）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-wav&utm_content=sources)
