WAV или MP3: как перевести и какой формат лучше

Перевести MP3 в WAV или WAV в MP3 можно за минуту: в бесплатном редакторе Audacity, одной командой ffmpeg или в онлайн-конвертере. Сложнее понять, зачем это делать. WAV — несжатый звук, MP3 — сжатый с потерями. Поэтому WAV в MP3 конвертируют ради размера, а MP3 в WAV — ради совместимости. Лучше звучать файл после такой конвертации не станет.

Я Писец, сервис расшифровки аудио и видео в текст. Через меня каждый день проходят и WAV с диктофонов, и MP3 из мессенджеров, и записи созвонов. Поэтому смотрю на форматы с практической стороны: сколько весит запись, что от неё остаётся после сжатия и какой файл лучше отдавать на распознавание речи.

Ниже — чем форматы отличаются на самом деле, сколько весит минута в каждом, как конвертировать в обе стороны и какие ошибки портят звук. Про сами способы перевести запись в текст я уже писал в статье как преобразовать аудио в текст. Здесь речь только о файлах.

Чем WAV отличается от MP3?

WAV — контейнер, внутри которого обычно лежит несжатый звук LPCM: каждая выборка сигнала записана как есть. MP3 — кодек со сжатием с потерями: он выбрасывает то, что человек слышит хуже всего. Поэтому WAV точнее и тяжелее, а MP3 легче, но часть звука в нём утеряна навсегда.

Библиотека Конгресса США в описании формата WAVE объясняет, что WAV — разновидность контейнера RIFF. Самая распространённая начинка в нём — LPCM, линейная импульсно-кодовая модуляция. Проще говоря, это звук, разрезанный на тысячи замеров в секунду, без всякой упаковки.

MP3 устроен иначе. По описанию MP3 той же библиотеки, кодек использует психоакустическую модель. Она подсказывает, какие части сигнала ухо почти не замечает, и кодек их отбрасывает или упрощает. Формат придумали в конце 1980-х во Fraunhofer IIS, и, хотя сегодня есть более эффективные кодеки, MP3 по-прежнему очень популярен у пользователей.

Отсюда главное правило: из WAV можно сделать MP3, но из MP3 нельзя получить исходный WAV. Выброшенное при сжатии не восстанавливается ни одним конвертером.

Сколько весит минута записи в WAV и MP3?

Минута WAV в CD-качестве (44,1 кГц, 16 бит, стерео) весит около 10,6 МБ. Минута MP3 на 128 кбит/с — около 1 МБ. Разница примерно в 11 раз. Размер WAV зависит от частоты, разрядности и числа каналов, размер MP3 — только от битрейта.

Для WAV формула простая. В документации Microsoft к структуре WAVEFORMATEX поток считается так: частота дискретизации × число каналов × разрядность / 8 = байт в секунду. Для MP3 ещё проще: битрейт делим на 8. А Библиотека Конгресса приводит ориентир: MP3 на 128 кбит/с занимает примерно 1/11 от несжатого файла CD-качества.

Пример расчёта для нескольких типичных настроек (без учёта заголовка файла, 1 МБ = 1 000 000 байт):

Почему это важно на практике. Почта, мессенджеры и облака режут крупные вложения, а у сервисов расшифровки есть лимит на файл. Например, Писец принимает файлы до 4 ГБ и до 6 часов. Шестичасовой WAV в CD-качестве по расчёту выходит около 3,8 ГБ — на грани лимита. Такой же WAV на 48 кГц и 24 бита упрётся в 4 ГБ уже примерно через 3 часа 50 минут. Это пример расчёта, а не замер: реальный файл бывает чуть больше из-за служебных данных.

У самого WAV, кстати, тоже есть потолок. Библиотека Конгресса отмечает: для файлов больше 4 ГБ нужен расширенный вариант формата RF64. Не все программы его открывают, так что очень длинные записи разумнее делить или сжимать.

Как конвертировать WAV в MP3: три способа

Выбор зависит от того, сколько у вас файлов и насколько они конфиденциальны. Для одного файла хватит редактора или онлайн-сервиса. Для пачки записей удобнее командная строка.

Audacity: бесплатно и с кнопками

Audacity — бесплатный аудиоредактор для Windows, macOS и Linux. Открываете WAV, затем выбираете «Файл → Экспорт аудио» (в английском интерфейсе File → Export Audio) и формат MP3. В руководстве по экспорту MP3 описаны режимы битрейта: переменный, средний и постоянный, плюс готовые пресеты.

Два совета из справки Audacity об экспорте. Для записи одного голоса выбирайте моно — стерео там не нужно. А если важен размер, форматы Opus и M4A (AAC) при том же весе файла звучат лучше, чем MP3. Писец принимает и M4A, и OGG, так что их тоже можно смело отправлять на расшифровку.

ffmpeg: одна команда на любое число файлов

ffmpeg — бесплатная консольная программа для работы со звуком и видео, сборки лежат на официальной странице загрузки. MP3 она кодирует через библиотеку LAME. В документации кодеков сказано, что сборка должна быть сделана с поддержкой libmp3lame. В готовых сборках для Windows и macOS она обычно включена, но проверить не помешает.

Перевести WAV в MP3 с постоянным битрейтом 128 кбит/с:

ffmpeg -i zapis.wav -codec:a libmp3lame -b:a 128k zapis.mp3

Тот же файл, но в моно и легче — пример для записи одного голоса:

ffmpeg -i zapis.wav -ac 1 -codec:a libmp3lame -b:a 64k zapis.mp3

Параметр -b:a задаёт битрейт, а -q:a вместо него включает переменный битрейт по шкале LAME. Это описано в том же разделе libmp3lame. Ключ -ac задаёт число каналов, а -ar — частоту дискретизации; оба описаны в основной документации ffmpeg. Какой битрейт достаточен для вашего голоса, проверьте на коротком куске: сожмите минуту в двух вариантах и послушайте в наушниках.

Онлайн-конвертер: без установки

По запросу «конвертировать WAV в MP3» Яндекс показывает почти сплошь онлайн-конвертеры — Convertio, Zamzar, CloudConvert и похожие. Схема у всех одна: загрузили файл, выбрали формат, скачали результат. Это удобно для разовой задачи. Но помните, что запись уходит на чужой сервер. Интервью, переговоры и всё, что под NDA, надёжнее конвертировать у себя на компьютере.

Есть ли смысл переводить MP3 в WAV?

Только ради совместимости. Если программа, монтажный проект или API принимает исключительно WAV — конвертируйте. Ради качества — бесполезно: MP3 уже потерял часть звука при сжатии, и WAV просто сохранит эти потери в несжатом и в 11 раз более тяжёлом виде.

Когда WAV действительно нужен:

• Монтаж и обработка. В руководстве Audacity прямо предупреждают: если открыть MP3, отредактировать и снова сохранить в MP3, качество теряется дважды. Поэтому работать советуют в WAV, AIFF или FLAC, а в MP3 сохранять только финальную версию.
• API распознавания речи с жёсткими требованиями. Например, Yandex SpeechKit принимает LPCM с частотой 8, 16 или 48 кГц и разрядностью 16 бит. MP3 он тоже понимает, но не во всех версиях API.
• Старое оборудование и программы, которые открывают только WAV.

Сама конвертация в ffmpeg занимает одну строку:

ffmpeg -i zapis.mp3 zapis.wav

Если WAV нужен для распознавания речи, можно сразу привести его к 16 кГц, моно и 16 бит:

ffmpeg -i zapis.mp3 -ar 16000 -ac 1 -c:a pcm_s16le zapis.wav

Именно к такому виду открытая модель Whisper приводит любой входной файл: в её исходном коде загрузки аудио частота задана 16 000 Гц, канал один, формат — 16-битный PCM. Но это вопрос совместимости, а не качества: разборчивее речь от такой конвертации не станет.

Какой формат лучше для расшифровки речи?

Для записи — формат без потерь: WAV или FLAC, с частотой не ниже 16 кГц. Для уже готового файла — тот, в котором он есть. Конвертация MP3 в WAV точность распознавания не повысит, а лишняя перекодировка может её снизить. Пересжимать запись перед загрузкой стоит, только если она не влезает в лимит сервиса.

Этот совет не мой — так пишет Google в рекомендациях к Speech-to-Text. Записывать звук стоит с частотой от 16 000 Гц, а кодек выбирать без потерь, например FLAC или LINEAR16 (тот же несжатый PCM, что внутри WAV). MP3, M4A и другие кодеки с потерями при записи и передаче могут снизить точность распознавания.

Там же есть важная оговорка: не надо менять частоту дискретизации без нужды. Если телефонный звонок записан на 8 кГц, его и отправляют на 8 кГц. Повышение до 44,1 кГц не добавит в запись ни одного нового звука, только объём.

Как это выглядит на практике:

• Записываете интервью или встречу сами — если диктофон позволяет, пишите в WAV. Исходник оставьте себе, а для пересылки сделайте MP3.
• Получили MP3 из мессенджера или от коллеги — загружайте как есть в расшифровку аудио в текст, без конвертации.
• Нужен звук из видео — сначала извлеките дорожку, как в инструкции как извлечь звук из видео. Хотя Писец и так принимает MP4, MKV, MOV и другие видеоформаты.
• WAV больше 4 ГБ — сожмите во FLAC (тоже без потерь) или в MP3, либо разделите на части.

Если файл лежит на Яндекс Диске или в облаке, качать его не обязательно — можно расшифровать запись по ссылке. А как нейросеть справляется с шумом и плохим звуком, я разбирал в статье нейросеть для транскрибации.

Пять ошибок, из-за которых конвертация портит звук

Каждую из них я встречаю в файлах, которые приходят на расшифровку. Их легко избежать, если знать заранее.

1. Переводить MP3 в WAV «для качества». Файл станет в 11 раз тяжелее, а звук останется тем же. Потерянное при сжатии MP3 не возвращается, это прямо следует из принципа работы кодека.
2. Пережимать MP3 в MP3. Каждое повторное сжатие с потерями добавляет новые искажения. Если запись нужно обрезать или почистить, работайте с WAV и сжимайте один раз в конце.
3. Повышать частоту телефонной записи. 8 кГц, растянутые до 48 кГц, остаются 8 кГц по содержанию. Google советует не делать лишнюю передискретизацию и отправлять звук с родной частотой.
4. Слишком сильно ужимать речь. Снижение частоты ниже 16 кГц, по тем же рекомендациям Google, может ухудшить распознавание. Если нужен лёгкий файл, лучше уменьшить битрейт MP3 и перейти в моно, чем срезать частоту.
5. Удивляться тишине в начале MP3. Кодер добавляет в начало файла короткую паузу. Audacity объясняет, что это ограничение самого формата MP3: не все программы её убирают. Если важно совпадение таймкодов с исходником, держите рабочую копию в WAV или FLAC.

Что запомнить

WAV и MP3 решают разные задачи. WAV — рабочий исходник без потерь: его записывают, монтируют и хранят как оригинал. MP3 — лёгкая копия для пересылки, прослушивания и архива, где важен объём. Отсюда простое правило направления: WAV в MP3 — чтобы сэкономить место, MP3 в WAV — только когда этого требует программа.

Для расшифровки речи формат вторичен. Важнее, чтобы запись изначально была сделана с нормальной частотой и без лишних перекодировок. Если файл уже есть, отправляйте его в том виде, в каком он пришёл. Конвертируйте, только если он не проходит по лимиту или по формату.

Часто задаваемые вопросы

Можно ли улучшить качество, переведя MP3 в WAV?

Нет. При сжатии в MP3 часть звука выбрасывается навсегда, и WAV лишь сохранит оставшееся в несжатом виде. Файл станет примерно в 11 раз тяжелее, а звучать будет так же.

Сколько весит час записи в WAV и в MP3?

По расчёту час WAV в CD-качестве (44,1 кГц, 16 бит, стерео) занимает около 635 МБ. Час MP3 на 128 кбит/с — около 58 МБ. Студийный WAV на 48 кГц и 24 бита выходит примерно 1 ГБ в час.

Нужно ли конвертировать WAV в MP3 перед расшифровкой в Писце?

Нет, Писец принимает оба формата, а также M4A, FLAC, OGG, AAC, WMA и видеофайлы. Сжимать стоит только файл больше 4 ГБ — это лимит на одну загрузку. Длительность одного файла — до 6 часов.

Почему в начале MP3 после конвертации появилась тишина?

Это задержка кодера, особенность самого формата MP3. Некоторые программы считывают служебную метку и убирают паузу автоматически, другие нет. Если нужна точная синхронизация с видео или исходником, работайте с WAV или FLAC.

В каком формате записывать интервью на диктофон?

Если позволяет память, — в WAV или другом формате без потерь, с частотой от 16 кГц. Такой исходник лучше подходит для распознавания речи и для монтажа. Для пересылки и хранения из него потом можно сделать MP3.

Остался последний шаг — проверить всё на своей записи. Загрузите WAV или MP3 в Писец без всякой конвертации: первые 10 минут каждого файла расшифровываются бесплатно, без карты и регистрации. Так вы сразу увидите, как ваша запись превращается в текст с таймкодами и подписями спикеров.