WAV в Base64

Как конвертировать WAV в Base64

1. Перетащите файл .wav в поле или выберите его через диалог.
2. Прослушайте его в предпросмотре.
3. Формат вывода стоит на Data URI. Для API выберите Чистый Base64 или JSON, чтобы получить ещё имя, MIME-тип и размер.
4. Нажмите Скопировать результат. Записи длиннее нескольких секунд дают очень длинные строки; с ними удобнее Сохранить как .txt.

Сколько весит WAV в Base64

Несжатый PCM легко посчитать: байт в секунду = частота дискретизации × байт на сэмпл × число каналов. Добавьте стандартный заголовок в 44 байта и умножьте на 4/3 для Base64:

Некоторые приложения записывают в файл дополнительные чанки с метаданными, так что реальный размер может быть чуть больше.

WAV и API распознавания речи

Сервисы распознавания речи обычно принимают несжатый 16-битный PCM: он декодируется без потерь и не требует кодека. Если аудио идёт прямо в JSON-запросе, его кодируют в Base64 и рядом указывают кодировку, частоту дискретизации и число каналов. Эти значения должны совпадать с файлом. Запись 44,1 кГц стерео, объявленная как 16 кГц моно, даёт бессмысленную расшифровку или ошибку.

Речевые модели обычно работают с 16 кГц моно или ниже. Если перед кодированием перевести стереозапись CD-качества в 16 кГц моно, запрос станет примерно в пять с половиной раз меньше, и на качестве распознавания это обычно не сказывается. Сделайте это в аудиоредакторе или консольным конвертером; эта страница кодирует файл как есть.

Если длинная запись даже так не помещается в лимит на встроенные данные, такие сервисы обычно принимают ссылку на файл в хранилище, и тогда Base64 не нужен вовсе.

Создать WAV и закодировать его в Python

Стандартной библиотеки хватает, чтобы записать WAV и закодировать его, что удобно для тестовых данных. Код ниже создаёт писк длиной 200 мс на 880 Гц:

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()

Файл занимает 3 244 байта, а data URI длиной 4 350 символов начинается с data:audio/wav;base64,UklGRqQMAABXQVZF. О файлах и потоках подробнее в статье Base64 в Python.

Обратное преобразование

Base64 в WAV воспроизводит строку Base64 с WAV и сохраняет её как файл. Чтобы уменьшить аудио для веба, лучше взять сжатый формат; сравнение размеров есть на странице MP3 в Base64.

Вопросы и ответы