WAV 转 Base64

如何把 WAV 转换为 Base64

1. 把 .wav 文件拖到框里，或者用文件选择器选择它。
2. 在预览中播放一下。
3. 输出为 已设为 Data URI。用于 API 时选择 纯 Base64；选 JSON 则会附带文件名、MIME 类型和大小。
4. 点击 复制输出。超过几秒的录音会是很长的字符串，用 另存为 .txt 更方便处理。

Base64 WAV 会有多大

未压缩的 PCM 很容易计算：采样率 × 每个采样的字节数 × 声道数，就是每秒的字节数。加上标准的 44 字节文件头，再乘以 4/3 就是 Base64 的长度：

有些应用录制的文件带有存放元数据的额外块，所以实际大小可能略大一些。

WAV 和语音 API

语音识别服务通常接受未压缩的 16 位 PCM，因为它可以无损解码，也不需要编解码器。当它们在 JSON 请求中接收内联音频时，音频以 Base64 形式传入，同时还有描述编码、采样率和声道数的字段。这些值必须与文件一致。把 44.1 kHz 立体声录音声明为 16 kHz 单声道，会得到乱七八糟的转写结果或者报错。

语音模型通常以 16 kHz 单声道或更低的规格工作。编码前把 CD 音质的立体声录音转换为 16 kHz 单声道，请求会缩小约五倍半，通常也不会影响识别效果。请在音频编辑器中或用命令行转换工具完成这一步；本页面会按文件原样编码。

如果内联大小限制对长录音来说仍然太小，这些服务通常也接受指向存储中文件的链接，这样就完全不需要 Base64。

用 Python 生成 WAV 并编码

标准库就能写出 WAV 并编码，做测试数据很方便。下面生成一段 200 毫秒、880 Hz 的提示音：

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()

文件为 3,244 字节，data URI 为 4,350 个字符，以 data:audio/wav;base64,UklGRqQMAABXQVZF 开头。文件和流的更多内容见 Python 中的 Base64。

反向转换

Base64 转 WAV 可以播放 Base64 WAV 字符串，并将其保存为文件。要为网页缩小音频，请使用压缩格式；大小对比见 MP3 转 Base64。

常见问题