WAV を Base64 に変換

WAV を Base64 に変換する方法

1. .wav ファイルをボックスにドロップするか、ファイル選択で選びます。
2. プレビューで再生します。
3. 出力形式 は Data URI に設定されています。API 用には プレーン Base64 を、ファイル名、MIME タイプ、サイズも含めるなら JSON を選びます。
4. 出力をコピー を押します。数秒を超える録音は長い文字列になるので、.txt で保存 のほうが扱いやすいでしょう。

Base64 の WAV の大きさ

非圧縮の PCM は簡単に計算できます。サンプリングレート × 1 サンプルのバイト数 × チャンネル数が 1 秒あたりのバイト数です。標準の 44 バイトのヘッダーを足し、Base64 にするために 4/3 を掛けます。

アプリによっては録音したファイルにメタデータの追加チャンクが含まれるので、実際のサイズはわずかに大きくなることがあります。

WAV と音声認識 API

音声認識サービスは、非圧縮の 16 ビット PCM をよく受け付けます。劣化なくデコードでき、コーデックが不要だからです。JSON リクエストに音声をインラインで入れる場合は Base64 にし、エンコード方式、サンプリングレート、チャンネル数を示すフィールドを添えます。これらの値はファイルと一致していなければなりません。44.1 kHz ステレオの録音を 16 kHz モノラルと申告すると、意味不明な文字起こし結果になるかエラーになります。

音声認識モデルは通常 16 kHz モノラル以下で動作します。CD 品質のステレオ録音をエンコード前に 16 kHz モノラルに変換すると、リクエストは約 5.5 分の 1 になり、たいていは認識精度も落ちません。変換はオーディオエディターかコマンドラインの変換ツールで行ってください。このページはファイルをそのままエンコードします。

長い録音でインラインの上限にまだ収まらない場合、こうしたサービスはたいていストレージ上のファイルへのリンクも受け付けるので、Base64 をまったく使わずに済みます。

Python で WAV を生成してエンコードする

標準ライブラリだけで WAV を書き出してエンコードでき、テスト用データを作るのに便利です。次のコードは 880 Hz、200 ミリ秒のビープ音を作ります。

import base64, io, math, struct, wave

rate = 8000
samples = b"".join(
    struct.pack("<h", int(12000 * math.sin(2 * math.pi * 880 * i / rate)))
    for i in range(rate // 5)
)
buf = io.BytesIO()
with wave.open(buf, "wb") as w:
    w.setnchannels(1)
    w.setsampwidth(2)
    w.setframerate(rate)
    w.writeframes(samples)

uri = "data:audio/wav;base64," + base64.b64encode(buf.getvalue()).decode()

ファイルは 3,244 バイト、data URI は 4,350 文字で、data:audio/wav;base64,UklGRqQMAABXQVZF で始まります。ファイルとストリームについては Python での Base64 で詳しく解説しています。

元に戻す

Base64 を WAV に では、Base64 の WAV 文字列を再生し、ファイルとして保存できます。Web 用に音声を小さくするなら、圧縮形式を使ってください。サイズの比較は MP3 を Base64 に を参照してください。

よくある質問