Base64 в WAV

Как декодировать Base64 в WAV

1. Вставьте Base64 в поле Base64 или data URI. Префикс data:audio/wav;base64, или data:audio/x-wav;base64, не помешает.
2. Прослушайте запись в плеере. Длительность показывает длину в минутах и секундах.
3. Нажмите Показать hex-дамп, чтобы увидеть первые 512 байтов; на что смотреть, объясняет следующий раздел.
4. Нажмите Скачать файл, чтобы сохранить .wav.

Декодирование и воспроизведение идут в браузере. У страницы нет права отправлять данные по сети, кроме счётчика просмотров Cloudflare, поэтому записи речи остаются на вашем устройстве.

Как читать заголовок WAV в hex-дампе

Файл WAV начинается с 12-байтового заголовка RIFF, за которым обычно сразу идёт чанк fmt с описанием аудио. По этим позициям в hex-дампе видно, что за файл перед вами:

Все числа записаны в little-endian, поэтому 80 3e 00 00 читается как 0x3e80, то есть 16 000. От кода формата зависит, сможет ли браузер воспроизвести файл:

PCM воспроизводит любой браузер, а поддержка остальных кодеков различается, так что проверьте файл в том браузере, которым пользуются слушатели. Когда браузер не может декодировать файл, появляется сообщение «Ваш браузер не может воспроизвести этот файл WAV.», а в поле Длительность стоит н/д. Скачанный файл всё равно правильный, а настольные плееры вроде VLC справляются со всеми этими кодеками.

Длительность тоже вычисляется из заголовка: размер чанка данных, делённый на частоту × число каналов × байтов на отсчёт. Две секунды звука 16 кГц, моно, 16 бит дают 64 000 байтов отсчётов плюс заголовок не меньше 44 байтов.

Сырой PCM без заголовка

Речевые и голосовые API часто отдают аудио как голые 16-битные отсчёты PCM с частотой 16 или 24 кГц, без заголовка RIFF. У таких байтов нет сигнатуры, поэтому инструмент сообщает «Не похоже на WAV (определено: Binary)», и ничто их не воспроизведёт, даже если сохранить с расширением .wav. Оберните их в заголовок с частотой, числом каналов и размером отсчёта из документации API:

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) означает 16-битные отсчёты. Две секунды моно 24 кГц, то есть 96 000 байтов PCM, превращаются в WAV размером 96 044 байта, который начинается с UklGR и играет и здесь, и в любом плеере. Если результат звучит слишком быстро, слишком медленно или как шум, неверна частота или формат отсчётов: попробуйте другие распространённые частоты или проверьте, не присылает ли API 8-битный µ-law. Подробнее в статье Base64 в Python.

Другие форматы на странице WAV

Если в данных другой аудиоформат, инструмент назовёт его: сообщение «Похоже на MP3, а не на WAV.» появляется вместе с кнопкой Скачать как .mp3, а плеер всё равно работает. Файлы WAV большие, поэтому API и приложения ради экономии места часто переходят на MP3 или Opus, хотя в документации по-прежнему написано WAV. Разница в размере и кодирование WAV описаны на странице WAV в Base64, а обзор всех аудиоформатов есть на странице Base64 в аудио.

Вопросы и ответы