Base64 から WAV へ変換

Base64 を WAV にデコードする手順

1. Base64 を Base64 または data URI に貼り付けます。data:audio/wav;base64, や data:audio/x-wav;base64, の接頭辞が付いたままでもかまいません。
2. プレーヤーで再生します。再生時間 に長さが分と秒で表示されます。
3. 16進ダンプを表示 を押すと先頭 512 バイトが表示されます。どこを見ればよいかは次のセクションで説明します。
4. ファイルをダウンロード を押して .wav を保存します。

デコードと再生はブラウザ内で行われます。このページは Cloudflare のページビュー計測以外にネットワーク経由でデータを送信できないため、音声の録音データは端末から出ません。

16進ダンプで WAV ヘッダーを読む

WAV ファイルは 12 バイトの RIFF ヘッダーで始まり、通常はその直後に音声の形式を記述する fmt チャンクが続きます。16進ダンプでは、次の位置を見れば中身がわかります。

数値はすべてリトルエンディアンなので、80 3e 00 00 は 0x3e80、つまり 16,000 です。ブラウザで再生できるかどうかは、フォーマットコードで決まります。

PCM はどのブラウザでも再生できますが、それ以外のコーデックの対応状況はブラウザごとに異なるので、聞き手が使うブラウザで試してください。ブラウザがファイルをデコードできないときは「お使いのブラウザはこの WAV ファイルを再生できません。」という注意が表示され、再生時間 は「該当なし」になります。それでもダウンロードされるファイルは正しく、VLC などのデスクトップ用プレーヤーならこれらのコーデックをすべて扱えます。

長さもヘッダーから求められます。再生時間は、data チャンクのサイズを「サンプルレート × チャンネル数 × サンプルあたりのバイト数」で割った値です。16 kHz・モノラル・16 ビットの音声 2 秒分は、サンプルが 64,000 バイトで、これに 44 バイト以上のヘッダーが加わります。

ヘッダーのない生 PCM

音声合成や音声認識の API は、RIFF ヘッダーのない 16 kHz または 24 kHz の 16 ビット PCM サンプルをそのまま返すことがよくあります。こうしたバイト列にはシグネチャがないため、ツールは「WAVではないようです（検出：バイナリ）」と表示し、.wav 拡張子で保存しても再生できません。API ドキュメントに書かれたサンプルレート、チャンネル数、サンプルサイズを使ってヘッダーを付けてください。

import base64, wave

with open("speech.b64") as f:
    pcm = base64.b64decode(f.read())

with wave.open("speech.wav", "wb") as w:
    w.setnchannels(1)
    w.setsampwidth(2)
    w.setframerate(24000)
    w.writeframes(pcm)

setsampwidth(2) は 16 ビットのサンプルを意味します。24 kHz・モノラルの音声 2 秒分（PCM で 96,000 バイト）は 96,044 バイトの WAV になり、UklGR で始まって、ここでもどのプレーヤーでも再生できます。結果が速すぎる、遅すぎる、ノイズのように聞こえる場合は、サンプルレートかサンプル形式が間違っています。ほかの一般的なレートを試すか、API が 8 ビットの µ-law を送っていないか確認してください。詳しくは Python での Base64 をご覧ください。

WAV ページに別の形式を貼り付けた場合

データが別の音声形式なら、ツールがその形式名を表示します。「これは WAV ではなく MP3 のようです。」という表示とともに .mp3 としてダウンロード ボタンが現れ、プレーヤーもそのまま使えます。WAV ファイルは大きいため、ドキュメントには WAV と書かれていても、API やアプリが容量削減のために MP3 や Opus に切り替えていることがよくあります。サイズの違いと WAV ファイルのエンコードについては WAV から Base64 へ、音声形式全般については Base64 から音声へ をご覧ください。

よくある質問