WAVファイルとは

WAV はコンテナです。誰か別のものが符号化した流れを、中に収めておく外殻です。 編集と長期保存のために使われます。

拡張子は .wav、正式名称は Waveform Audio です。ただしどちらも、そのファイルが中に何を持てるかほどには多くを語りません。このページの残りは、その中身についての話です。

Microsoft が 1991 年に公開しました。 仕様は RIFF WAVE です。

これだけ長く読まれ続けてきた形式なら、10 年後に取り出したいものを預けても大丈夫です。

文書があり、それに沿って実装できます。それでも、次の版がどうなるかを決めるのはその会社です。実務上、ファイルが開き続けるにはこれで足ります。安心するには足りません。

WAV ファイルは中身をそのまま保存します。保存し直しても何も変わらないので、開いて、直して、また保存する——それを何度繰り返しても劣化は積み上がりません。これが、渡すための形式ではなく作業のための形式である理由です。

1 チャンネルあたり最大 32 ビット。

1 チャンネルあたり 8 ビットを超えるぶんこそが、編集のあいだ階調が段に割れるのを防いでいます。作業用のファイルでは効きますが、完成したファイルではまず関係ありません。

中に入っているのはたいていPCMです。「なぜ再生できないのか」という質問のほとんどは、この区別に行き着きます。同じ拡張子の 2 つのファイルの中に、まったく違う符号化が入っていることがあり、片方を拒むプレーヤーがもう片方は問題なく再生します。

箱を入れ替えるのが速くて劣化もないのに、コーデックを変えるとそのどちらでもなくなる理由も、これで説明がつきます。同じ流れを別の箱に入れるのは箱を書き直すこと、再エンコードするのは画そのものを書き直すことだからです。

最大 65535 本です。2 本あればステレオは完成で、ほとんどのものはそこまでです。2 本を超えるとサラウンドの話になり、それを定義してすらいない形式へ変換するときは、この部分が真っ先に折りたたまれます。

Audacity、Adobe Audition、Reaperが読めますし、同じ種類のプログラムならたいてい読めます。

ファイルが開かないとき、形式が悪いことはめったにありません。たいていはプログラムのほうが形式より古いのです。もっと古い形式に変換してしまうのが確実な逃げ道で、このサイトの残りの部分はそのためにあります。

これは今のブラウザーならどれでも読めます。

ですからページに置くのも、メッセージに添えて送るのも、安心してできます。相手が何をインストールしているかを考える必要がありません。

WAV ファイルは文書のプロパティを持てます。

このうち何が変換後まで残るかは、変換先の形式次第です。そして正直な答えはたいてい「一部だけ」です。

WAV は、開いて手を入れるために作られています。作業が続いているあいだはこの形式でファイルを持ち、完成したものが必要になるたびに、ここから書き出してください。

繰り返し挙がる不満はこれです。中身のわりにファイルが大きくなる。

どれも、この形式を避ける理由にはなりません。どれかに不意を突かれる前に知っておくべきことがら、というだけです。これは別の主張であり、そして役に立つほうの主張です。

WAV は各音のサンプルを、何も加工せずに生の数値として保存します。CD 品質のステレオ ── 44.1 kHz、16 ビット、二チャンネル ── はおよそ一分あたり 10 MB になり、その一分がオーケストラでも完全な無音でも変わりません。サイズは長さと設定だけで決まり、それ以外には何も左右されません。

これは予測しやすく、そして巨大です。四十分なら 400 MB、一時間のインタビューならおよそ 600 MB、丸一日のフィールド録音は、たいていの人が扱おうと思う量をはるかに超えます。WAV にまつわる実務上の困難は、すべてこの一つの性質から来ています。

WAV はチャンクのサイズを記録するのに 32 ビットのフィールドを使い、それがファイルを 4 GB に制限します。CD 品質ではおよそ六時間半でそこに届き、24 ビット・96 kHz なら二時間足らずで届きます。

レコーダーはこの上限をファイルを分割することで扱い、これが長いセッションが番号付きの複数のパートで戻ってくる理由です。一部のソフトウェアはその境界を越えて書いてしまい、その結果、壁までは正しく再生されてそこから先で再生時間の表示が狂うか、まったく開けなくなるファイルができます。RF64 と BWF はこの上限をなくすためにこの形式を拡張したもので、プロ用のレコーダーが長時間の作業用に書き出すのがこれです。ただし普通の `.wav` にはいまもその上限があります。

WAV は RIFF コンテナで、原理上は圧縮された音声も持てます ── 中に格納できたレガシーなコーデックが存在します。実際には存在する WAV のほぼすべてが無圧縮の PCM で、これがこの形式が無圧縮音声の代名詞として扱われる理由です。

ごくまれに、古い Windows のソフトウェアから来たファイルが別の何かを持っていて、現代の編集ソフトで再生を拒まれることがあります。注意というより珍事と呼べるほどまれで、症状は特徴的です。ある `.wav` があるプログラムでは開き、別のプログラムでは非対応と言われる、というものです。

サンプルレートは信号をどれくらいの頻度で測定するかを決めます。CD なら 44.1 kHz、動画作業なら 48 kHz、ハイレゾ録音なら 96 か 192。ビット深度は各測定値をどれだけ精密に保存するかを決めます。16 ビットなら 65,536 段階、24 ビットならおよそ 1,670 万段階です。

録音するなら 24 ビットを使う価値があり、理由は聞こえる品質ではなく余地です。控えめに録音しておいてあとでレベルを持ち上げても、ノイズフロアが持ち上がってこないだけの余裕が生まれます。48 kHz を超えて上げていくと、統制された聴取テストで確実に示されたことのない利点のために、ファイルサイズだけが何倍にもなります。

オーディオ編集ソフト、文字起こしツール、音声認識のパイプライン、強制アライメントのソフトウェア、それに多くの研究用ツール群は WAV を受け付け、圧縮された形式を拒みます。理由は忠実度ではなく、生のサンプルを読むのにデコーダーが要らないので、自分たちのコードからバグと依存関係のまるごと一つのクラスを取り除けるからです。

これが、MP3 を WAV に変換することが何も復元しないにもかかわらず正当でよくある操作である理由です。ファイルは十倍大きくなり、MP3 が持っていたのとまったく同じ音声を含みます。得られるのは、そうでなければ拒否するプログラムに受け入れられるということです。

MP3 から作った WAV は、無圧縮ファイルのサイズと、圧縮されたファイルの内容を持っています。MP3 のエンコーダーが捨てた音声は消えていて、どの形式もそれを取り戻せません。WAV は残っているものを忠実に保存するだけです。

逆の思い込みがよくあるので、はっきり言っておく価値があります。WAV は、それを要求するソフトウェアに対する正しい行き先であって、ファイルを改善する行き先ではありません。品質が目標なら、答えはより良い元データに戻ることしかなく、それが存在しないなら存在しません。

WAV にまともなタグ付けの慣習はありません。一部のツールはタイトルとアーティストを持つ小さな INFO チャンクを書きますが、多くは何も書かず、それを読む対応も一貫していません。音楽プレーヤーはたいていファイル名くらいしか表示しません。

放送用 WAV、いわゆる BWF は、来歴の詳細とタイムコードのための構造化されたチャンクを加えていて、プロ用のレコーダーが書くのはこれです。普通の WAV では、ファイルは無題で届くものと考え、何かタグ付けの仕組みを持つ形式に変換したあとでタグ付けする計画を立ててください。

多くの WAV は、一本のマイクの音を両方のチャンネルに複製しただけのステレオファイルです ── 会議の録音、電話のボイスメモ、一人の声だけを収めたインタビュー。それは同じことを二回言うためにサイズを二倍にしています。

そういうファイルをモノラルに変換すれば、何も本物のものを失わずに半分になります。文字起こしに向かう音声にとっては、はっきりとより良い選択です。音楽や、本物のステレオの広がりを持つもの、二人が別々のチャンネルで話している録音にはステレオを残してください。

ファイルを動かす必要がある ── メール、アップロード、スマートフォン、車 ── なら MP3 か AAC です。だいたい十分の一のサイズになります。話し声には 128 kbps を、音楽には 192 kbps 以上を使ってください。何も失えないのにサイズが実用的でないなら FLAC です。可逆で、まったく同じサンプルを返し、およそ半分に収まります。

FLAC はたいてい人が望んでいて、めったに検討されない答えです。600 MB のインタビューはすべてのサンプルを保ったままおよそ 300 MB になり、これは WAV をそのまま持つことよりも、非可逆な圧縮を受け入れることよりも良い取引です。この変換はブラウザーの中で動くので、録音がアップロードされることはありません。ここで変換されるものが圧倒的にインタビューや会議、ボイスメモであることを思えば、それは重要な点です。