結論
WAVファイルは、音を圧縮せずにそのまま数値(PCM)で入れた音声ファイルです。音は落ちませんが大きく、CDと同じ44.1kHz・16ビット・ステレオで1分約10.6MBになります。小さくしたいときはMP3(音が少し落ちる)かFLAC(音が落ちない)に変換します。
この記事でわかること
- 先頭44バイトの読み方(RIFF・WAVE・fmt・data)を16進の実物で
- 容量の計算式と、録音の設定ごとの1分・1時間の大きさ
- MP3・FLACへの変換コマンドと、大きさ・波形の差の実測
この記事で実際に動かしたもの:Python の wave モジュールで WAV を作り、先頭のバイトを16進で表示して自作のコードで読み、ffmpeg で MP3・FLAC・Opus に変換して大きさと戻したときの差を測りました。開けないときのエラーも、この環境で実際に出した原文を載せています。
WAV の中身は「入れ物の名札(RIFF)」「音の形式の説明(fmt)」「音の数値そのもの(data)」の3つが順に並んでいるだけです。この単純さが、どの機器でも扱いやすい理由であり、大きくなる理由でもあります。
flowchart TD
A["RIFF ヘッダー 12バイト<br>RIFF・全体の大きさ・WAVE"] --> B["fmt チャンク<br>形式・ch数・周波数・ビット数"]
B --> C["LIST チャンク(任意)<br>曲名・作成ソフトなど"]
C --> D["data チャンク<br>PCM の数値がそのまま並ぶ"]
よく調べられることの答えを先にまとめます。
| 知りたいこと | 答え | 詳しい節 |
|---|---|---|
| WAVファイルとは | RIFF という入れ物に、非圧縮の PCM を入れた音声ファイル | WAVファイルとは |
| WAV と MP3 の違い | WAV は音が落ちないが大きい。MP3 は約1/7〜1/11 に小さくなるが音が少し落ちる | WAVとMP3の違い |
| WAV の容量の計算 | サンプリング周波数×ビット数×チャンネル数×秒÷8(+ヘッダー約44バイト) | WAVの容量の計算 |
| WAV MP3 変換(Mac) | ミュージックの「読み込み設定」で「MP3エンコーダ」を選び「MP3バージョンを作成」 | WAVをMP3に変換する方法 |
| WAV MP3 変換(コマンド) | ffmpeg -i in.wav -c:a libmp3lame -b:a 192k out.mp3 |
ffmpegでWAVをMP3に変換 |
| 音を落とさずに小さく | FLAC に変換する。今回の音では元の68%になり、戻すと1ビットも違わなかった | 変換で大きさと音はどう変わるか |
| WAV が開けない | 中身が別の形式・32ビット浮動小数・途中で切れている・4GB超えのどれかが多い | WAVが開けない原因 |
| MP3 を WAV に戻すと音は戻るか | 戻らない。大きさだけ元の WAV と同じになる | よくあるつまずき |
確認環境:Ubuntu 24.04.5 LTS の上で、Python 3.13.18 の wave・struct モジュールと NumPy 2.5.3 を使い、ドレミの音階と低音に小さな雑音を混ぜた30秒のステレオの音(44.1kHz・16ビット)と、無音・440Hz の正弦波・白色雑音の10秒の音(モノラル)を自作して WAV で保存しました。変換は ffmpeg 6.1.1(Ubuntu の 6.1.1-3ubuntu5。MP3 は libmp3lame、FLAC は ffmpeg 内蔵のエンコーダー、Opus は libopus)を1スレッドで動かし、変換時間は3回の中央値です。中身の確認は ffprobe 6.1.1・file 5.45・od(GNU coreutils 9.4)と自作の Python で行いました。Windows・Mac・iPhone・Android の操作は手元では動かしておらず、Microsoft・Apple・Android の公式ドキュメントで確かめた範囲だけを書いています。WAV の構造は Microsoft Learn と米国議会図書館の形式の解説、FLAC は RFC 9639 で確かめました。図は mermaid 11.16.0 で描画を確かめています(確認日 2026年11月13日)。
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
(記載例)出典:株式会社RJC「WAVファイルとは|MP3との違い・容量の計算と変換方法」
WAVファイルとは(RIFFの入れ物に非圧縮のPCM)
この節では、WAV という名前の意味と、中に何が入っているのかが分かります。
WAV(WAVE、Waveform Audio File Format)は、マイクで拾った音の波を一定の間隔で数値に直し、その数値を圧縮せずに並べて保存する音声ファイルの形式です。拡張子は .wav です。米国議会図書館(Library of Congress)の形式の解説では、IBM と Microsoft が1991年8月に共同で設計し、Windows 3.1 のための RIFF(Resource Interchange File Format)の一種として作られた、と説明されています。
「数値に直す」ことを標本化(サンプリング)と量子化といい、こうして作った数値の並びを PCM(パルス符号変調)と呼びます。WAV はこの PCM をそのまま入れるのがふつうなので、「非圧縮の音声ファイル」と説明されます。ただし入れ物としては PCM 以外も入れられ、後の節で見るように「拡張子は .wav なのに中身は MP3」というファイルも作れます。
「wave」は、ふだんの英語では「波」です。音声ファイルの WAV も音の波形(waveform)から来た名前なので、意味のつながりがあります。
| 言葉 | ふだんの意味 | IT・音声での意味 |
|---|---|---|
| wave(ウェーブ) | 波・手を振ること | 音声ファイルの形式 WAV。読みは「ウェーブ」「ワブ」など |
| サンプリング | 見本を取ること | 音を1秒あたり決まった回数だけ測って数値にすること(44.1kHz なら毎秒44,100回) |
| ビット数(ビット深度) | ― | 1回の測定を何ビットの数で表すか。16ビットなら -32,768〜32,767 |
| チャンネル | テレビの番組の選局 | 同時に記録する音の本数。モノラル1・ステレオ2・5.1chは6 |
WAV の要点を3つにまとめます。
1音は落ちない
録った数値をそのまま入れるので、保存のたびに音が変わることがない。編集の途中の保存に向く。
2大きさは計算で決まる
中身の音に関係なく「周波数×ビット数×チャンネル数×秒」で決まる。無音でも雑音でも同じ大きさだった。
3構造が単純
先頭44バイトの説明のあとに数値が並ぶだけ。Python の標準のモジュールだけで作れて読める。
次の節で、よく比べられる MP3 との違いを表で整理します。
WAVとMP3の違い(比較表)
この節では、WAV と MP3 の違いと、どちらを使えばよいかの目安が分かります。
WAV は「録った数値をそのまま入れる」、MP3 は「人の耳に聞こえにくい部分を削って小さくする」形式です。MP3 は非可逆圧縮なので、一度 MP3 にすると、削った部分は元に戻りません。
WAV(非圧縮の PCM)
音は録ったときのまま
CD と同じ設定で1分約10.6MB
編集・録音・素材の受け渡しに向く
MP3(非可逆圧縮)
聞こえにくい部分を削る
192kbps で1分約1.44MB(WAV の13.6%)
配布・持ち歩き・メール添付に向く
| 項目 | WAV | MP3 |
|---|---|---|
| 圧縮 | ふつうは非圧縮(PCM) | 非可逆圧縮 |
| 30秒の音の大きさ(実測) | 5,292,044バイト | 721,650バイト(192kbps) |
| 大きさを決めるもの | 周波数・ビット数・チャンネル数・秒 | ビットレート・秒 |
| 先頭のバイト | 52 49 46 46(RIFF) |
ID3 タグがあれば 49 44 33(ID3) |
| 曲名などのタグ | LIST INFO チャンク(対応するソフトが少なめ) | ID3 タグ(多くのソフトが対応) |
| 編集して保存し直す | 何度保存しても音は変わらない | 保存し直すたびに少しずつ落ちる |
| 向く用途 | 録音・編集・素材・音声認識への入力 | 配布・スマホで聞く・容量を節約 |
MP3 の側から見た圧縮のこつ(ビットレートの選び方・モノラル化)は、近い記事「MP3を圧縮する方法|容量を小さくするビットレートを実測で比較」でまとめています。次の節では、WAV の中身を実際に16進で開いてみます。
WAVファイルの中身を16進で読む(RIFF・WAVE・fmt・data)
この節では、WAV の先頭44バイトに何がどの順で入っているのかが、実物のバイト列で分かります。
まず、Python の標準の wave モジュールで、8,000Hz・16ビット・モノラルで4サンプルだけの、いちばん小さな WAV を作ります。
import wave, struct
with wave.open('tiny.wav', 'wb') as w:
w.setnchannels(1) # モノラル
w.setsampwidth(2) # 1サンプル2バイト=16ビット
w.setframerate(8000) # 8,000Hz
w.writeframes(struct.pack('<4h', 0, 1000, -1000, 32767))
できたファイルは52バイトでした。od で16進表示した結果です。
$ od -A d -t x1z -v tiny.wav
0000000 52 49 46 46 2c 00 00 00 57 41 56 45 66 6d 74 20 >RIFF,...WAVEfmt <
0000016 10 00 00 00 01 00 01 00 40 1f 00 00 80 3e 00 00 >........@....>..<
0000032 02 00 10 00 64 61 74 61 08 00 00 00 00 00 e8 03 >....data........<
0000048 18 fc ff 7f >....<
0000052
数値はすべてリトルエンディアン(下の桁のバイトが先)です。たとえば 40 1f 00 00 は 0x00001f40 で、10進の8,000です。1バイトずつの意味を表にしました。
| 位置(バイト) | 実物 | 意味 | この例の値 |
|---|---|---|---|
| 0〜3 | 52 49 46 46 | 「RIFF」という名札 | RIFF |
| 4〜7 | 2c 00 00 00 | このあとの大きさ(ファイル全体−8) | 44(52−8) |
| 8〜11 | 57 41 56 45 | 中身の種類「WAVE」 | WAVE |
| 12〜15 | 66 6d 74 20 | 「fmt 」チャンクの名前(最後は空白) | fmt |
| 16〜19 | 10 00 00 00 | fmt チャンクの大きさ | 16 |
| 20〜21 | 01 00 | 形式の番号(1=PCM) | 1 |
| 22〜23 | 01 00 | チャンネル数 | 1 |
| 24〜27 | 40 1f 00 00 | サンプリング周波数 | 8,000 |
| 28〜31 | 80 3e 00 00 | 1秒あたりのバイト数 | 16,000 |
| 32〜33 | 02 00 | 1フレームのバイト数(ブロックアライン) | 2 |
| 34〜35 | 10 00 | 1サンプルのビット数 | 16 |
| 36〜39 | 64 61 74 61 | 「data」チャンクの名前 | data |
| 40〜43 | 08 00 00 00 | data の大きさ | 8 |
| 44〜 | 00 00 e8 03 … | 音の数値(16ビットずつ) | 0, 1000, -1000, 32767 |
最後の ff 7f は 0x7fff=32,767 で、16ビットで表せる最大の値です。18 fc は 0xfc18 で、符号付きとして読むと -1,000 になります。米国議会図書館の解説でも、WAV の先頭は16進で 52 49 46 46 xx xx xx xx 57 41 56 45 66 6D 74 20(RIFF....WAVEfmt )と書かれており、手元の実物と一致しました。
fmt の各欄の意味は、Windows の API の WAVEFORMATEX 構造体の説明(Microsoft Learn)に書かれています。PCM のときのブロックアラインは「チャンネル数×ビット数÷8」で、1フレーム(全チャンネルの1回分の測定)の大きさです。
チャンクを順に読むコード
WAV は「4文字の名前+4バイトの大きさ+中身」というチャンクの並びです。名前を見て、知らないチャンクは大きさの分だけ読み飛ばせば最後まで読めます。自作の読み取りコードです。
import struct, sys
def chunks(path):
b=open(path,'rb').read()
riff,size,form=struct.unpack('<4sI4s',b[:12])
print(f'{riff.decode()} size={size} (ファイル {len(b)} - 8 = {len(b)-8}) form={form.decode()}')
p=12
while p+8<=len(b):
cid,cs=struct.unpack('<4sI',b[p:p+8])
body=b[p+8:p+8+cs]
info=''
if cid==b'fmt ':
tag,ch,sr,br,ba,bits=struct.unpack('<HHIIHH',body[:16])
info=f'format={tag:#06x} ch={ch} rate={sr} byterate={br} blockalign={ba} bits={bits}'
if tag==0xFFFE and len(body)>=40:
vb,mask=struct.unpack('<HI',body[18:24]); info+=f' validbits={vb} mask={mask:#x} subformat={body[24:40].hex()}'
elif cid==b'LIST':
info='type='+body[:4].decode()+' '+repr(body[4:60])
elif cid==b'data':
info=f'frames={cs//max(1,ba)}'
print(f' offset {p:>4} {cid.decode()!r:8} size={cs} {info}')
p+=8+cs+(cs&1)
for f in sys.argv[1:]:
print('==',f); chunks(f)
ffmpeg で作った WAV を読むと、fmt と data のあいだに LIST チャンクが入っていました。曲名や作った人のタグを付けると、LIST の中に INAM(曲名)・IART(アーティスト)が増えます。
== tagged.wav(ffmpeg -metadata title="RJC test" -metadata artist="RJC" で作成)
RIFF size=5292100 (ファイル 5292108 - 8 = 5292100) form=WAVE
offset 12 'fmt ' size=16 format=0x0001 ch=2 rate=44100 byterate=176400 blockalign=4 bits=16
offset 36 'LIST' size=56 type=INFO b'IART\x04\x00\x00\x00RJC\x00INAM\t\x00\x00\x00RJC test\x00\x00ISFT\x0e\x00\x00\x00Lavf60.16.100\x00'
offset 100 'data' size=5292000 frames=1323000
== m24.wav(-c:a pcm_s24le で24ビットにしたもの)
RIFF size=7938094 (ファイル 7938102 - 8 = 7938094) form=WAVE
offset 12 'fmt ' size=40 format=0xfffe ch=2 rate=44100 byterate=264600 blockalign=6 bits=24 validbits=24 mask=0x3 subformat=0100000000001000800000aa00389b71
offset 60 'LIST' size=26 type=INFO b'ISFT\x0e\x00\x00\x00Lavf60.16.100\x00'
offset 94 'data' size=7938000 frames=1323000
24ビットにすると、形式の番号が 0x0001 ではなく 0xfffe(WAVE_FORMAT_EXTENSIBLE)になり、fmt チャンクが16バイトから40バイトに増えました。Microsoft Learn の WAVEFORMATEX の説明では、3チャンネル以上の PCM や、有効なビット数と入れ物の大きさが違う PCM(20ビットを3バイトに入れるなど)を表すには WAVEFORMATEXTENSIBLE が要る、とされています。「44バイト目から必ず音が始まる」と決め打ちしたコードは、この形の WAV で音の先頭を読み違えます。上のコードのように、data という名前を探して読むのが安全です。
自分で確かめる:file コマンドで1行
Linux・Mac のターミナルで file 名前.wav と打つと、形式・ビット数・チャンネル数・周波数が1行で出る。手元では RIFF (little-endian) data, WAVE audio, Microsoft PCM, 16 bit, stereo 44100 Hz と表示された。
自分で確かめる:先頭16バイトを見る
od -A d -t x1z -N 16 名前.wav で、先頭が RIFF・WAVE・fmt になっているかを見る。RIFF でなければ、拡張子だけ .wav の別のファイル。
自分で確かめる:Mac の Finder で種類を見る
Apple の公式ヘルプでは、Finder でファイルを選んで Command-I を押し、「種類」の表示で形式を確かめる方法が案内されている。
16進表示の見方や xxd の使い方は、関連記事「バイナリエディタとは|使い方・おすすめとxxdで読む実例・戻し方」で扱っています。次の節では、この構造から WAV の大きさを計算します。
WAVの容量の計算(サンプリング周波数×ビット数×チャンネル数×秒)
この節では、WAV の大きさを録音の前に計算する方法と、設定ごとの大きさの目安が分かります。
WAV(PCM)の大きさ(バイト)=サンプリング周波数×ビット数×チャンネル数×秒÷8+ヘッダーです。ヘッダーは最小で44バイトで、LIST などのチャンクがあると数十バイト増えます。音の中身(静かか、にぎやかか)は大きさに関係しません。
CD と同じ設定(44.1kHz・16ビット・ステレオ)の30秒なら、44,100×16×2×30÷8=5,292,000 バイトに44バイトを足して 5,292,044 バイトです。手元で作った30秒の WAV は、ちょうど 5,292,044 バイトでした。wave モジュールで読んで、計算と実物を突き合わせたコードと結果です。
import wave, os
with wave.open('music.wav', 'rb') as w:
ch, width, rate, n = w.getnchannels(), w.getsampwidth(), w.getframerate(), w.getnframes()
print('チャンネル数', ch, '/ 1サンプルのバイト数', width, '/ サンプリング周波数', rate, '/ フレーム数', n)
print('長さ', n / rate, '秒')
print('計算した大きさ', rate * width * 8 * ch * (n / rate) / 8 + 44, 'バイト')
print('実際の大きさ', os.path.getsize('music.wav'), 'バイト')
チャンネル数 2 / 1サンプルのバイト数 2 / サンプリング周波数 44100 / フレーム数 1323000
長さ 30.0 秒
計算した大きさ 5292044.0 バイト
実際の大きさ 5292044 バイト
よく使う設定で、1秒・1分・1時間の大きさを Python で計算した表です(MB は100万バイト、GB は10億バイトで計算)。右の列は、ふつうの WAV(RIFF)の大きさの欄が32ビットのため、データが約4.29GB に達するまでに録れる時間です。
| 用途と設定 | ビットレート | 1分 | 1時間 | 4GB の上限まで |
|---|---|---|---|---|
| 電話・音声(8kHz・16ビット・モノラル) | 128kbps | 0.96MB | 0.06GB | 約74.6時間 |
| 会議の録音(16kHz・16ビット・モノラル) | 256kbps | 1.92MB | 0.12GB | 約37.3時間 |
| CD(44.1kHz・16ビット・ステレオ) | 1,411.2kbps | 10.58MB | 0.64GB | 約6.8時間 |
| 動画の音(48kHz・24ビット・ステレオ) | 2,304kbps | 17.28MB | 1.04GB | 約4.1時間 |
| 96kHz・24ビット・ステレオ | 4,608kbps | 34.56MB | 2.07GB | 約2.1時間 |
| 192kHz・24ビット・ステレオ | 9,216kbps | 69.12MB | 4.15GB | 約1.0時間 |
| 5.1ch(48kHz・24ビット・6ch) | 6,912kbps | 51.84MB | 3.11GB | 約1.4時間 |
MP3 は WAV と違い、大きさは「ビットレート×秒÷8」で決まります。128kbps で1分0.96MB、192kbps で1.44MB、256kbps で1.92MB、320kbps で2.40MB です。CD の設定の WAV(1,411.2kbps)と比べると、それぞれ9.1%・13.6%・18.1%・22.7%にあたります。
計算を逆に使うと、「容量からどれだけ録れるか」も出せます。たとえば会議を16kHz・モノラルで録るなら、1時間で約0.12GB です。音声認識のサービスに渡す音は、多くの場合この程度の設定で足りるかを、各サービスの公式の説明で確かめてから決めると、無駄に大きなファイルを作らずに済みます。
サンプリング周波数やビット数が音にどう効くか(折り返しなど)は、近い記事「サンプリングとは?意味を場面別に|統計・音声・音楽・ログを実測」で扱っています。次の節では、OS ごとの開き方を見ます。
WAVファイルの開き方(Windows・Mac・iPhone・Android)
この節では、OS ごとに WAV を開く標準のアプリと、公式の説明で確かめられた範囲が分かります。
Windows と Mac は、OS に入っているアプリで WAV を再生できます。スマホは機種や OS の版で違うため、公式の対応表に載っている形式を確かめるのが確実です。
| OS | 標準のアプリ | 公式の記載(2026年11月13日時点) |
|---|---|---|
| Windows | Windows Media Player | Microsoft サポートの対応形式の一覧に「Audio for Windows (.wav)」がある。FLAC(.flac)・MP3(.mp3)も載っている |
| Mac | ミュージック・QuickTime Player | Apple は QuickTime Player などが多くのメディア形式に対応すると説明。ミュージックの変換の説明に「圧縮されていない曲のフォーマット(AIFFまたはWAV)」とある |
| iPhone | ミュージック・ファイル など | iPhone 17 の仕様の「オーディオ再生」には AAC・APAC・MP3・Apple Lossless・FLAC などが並び、WAV の名前は挙がっていない |
| Android | 端末のメディア再生アプリ | Android Developers の対応形式表に「PCM/WAVE」があり、WAVE (.wav) の8ビット・16ビットのリニア PCM の再生に対応 |
| Linux | ffmpeg の ffprobe(中身の確認) | この環境で ffprobe を動かし、形式・周波数・長さを表示できた |
Windows のサポートページには「Windows に新しいコーデックを入れると、ほかの形式にも対応することがある」という注意も書かれています。iPhone は仕様の一覧が「〜などに対応」という書き方で、WAV が名指しされていないので、再生できなかったときは MP3・AAC・Apple Lossless に変換するのが確実です。Android は公式の表に載っているのが8ビット・16ビットの PCM なので、24ビットや32ビット浮動小数の WAV は、端末によっては再生できないことがあります。
Linux(や ffmpeg を入れた Windows・Mac)では、ffprobe で中身を確かめられます。この環境での出力です。
$ ffprobe -v error -show_entries stream=codec_name,sample_rate,channels,bits_per_sample,bit_rate:format=duration,size -of default=nw=1 music.wav
codec_name=pcm_s16le
sample_rate=44100
channels=2
bits_per_sample=16
bit_rate=1411200
duration=30.000000
size=5292044
pcm_s16le は「符号付き16ビット・リトルエンディアンの PCM」という意味で、ふつうの WAV です。Web ページで WAV を鳴らすときの audio 要素の書き方と、自動再生されないときの対処は、関連記事「HTML video・audioタグの使い方|自動再生されない原因と対処」で扱っています。次の節では、WAV を MP3 に変換する方法を見ます。
WAVをMP3に変換する方法(Macのミュージック・ffmpeg)
この節では、WAV を MP3 に変換するいちばん手早い方法が、Mac とコマンドに分けて分かります。
変換する前に、次の4点を確かめておくと、あとで困りません。
- 1元の WAV を消さないMP3 にすると削られた音は戻らない。編集し直す可能性があるなら WAV か FLAC で残す
- 2自分が権利を持つ音か自分で録った音や、使ってよいと許された素材を前提にする。配信サービスの保護された音の保存は扱わない
- 3ビットレートを決める迷ったら192kbps。声だけなら低めでもよく、音楽を残すなら256〜320kbps
- 4外部のサイトに送るかオンラインの変換サイトはファイルを外部に送ることになる。社外秘・個人情報を含む録音は送らない
Mac:ミュージックで「MP3バージョンを作成」
Apple の公式の手順(「MacでM4AファイルをMP3に変換する」「Macの「ミュージック」でミュージックファイルのフォーマットを変換する」)で、ミュージックを使って変換できます。画面の名前は公式ページの表記のとおりです。
変換の形式を MP3 にする
メニューバーで「ミュージック」>「設定」を選び、「ファイル」タブの「読み込み設定」をクリックする。「読み込み方法」ポップアップメニューで「MP3エンコーダ」を選び、「OK」をクリックする。
WAV をライブラリに入れる
WAV がライブラリになければ、Finder からミュージックにドラッグする。見つからないときはサイドバーの「最近追加した項目」を見る。
MP3 を作る
曲を選び、「ファイル」>「変換」>「MP3バージョンを作成」を選ぶ。新しい MP3 は、ライブラリで元の曲の隣に表示される。
ファイルの場所を開く
変換した曲を選び、「ファイル」>「Finderで表示」を選ぶ。
Apple の説明では、圧縮した形式への変換で失われたデータは、非圧縮に変換し直しても戻らない、とも書かれています。Windows については、Microsoft の公式で WAV から MP3 への変換の手順を確かめられなかったため、この記事では次の ffmpeg の方法を案内します(ffmpeg は Windows・Mac・Linux で動きます)。
ffmpegでWAVをMP3に変換(コマンド)
ffmpeg を使うと、OS を問わず同じコマンドで変換できます。手元で実行したコマンドです。
# 固定ビットレート(CBR)192kbps
ffmpeg -i in.wav -c:a libmp3lame -b:a 192k out.mp3
# 品質を指定する可変ビットレート(VBR)。0が最高、9が最小
ffmpeg -i in.wav -c:a libmp3lame -q:a 2 out.mp3
# 声だけの録音を小さく:モノラル・16kHz にしてから MP3
ffmpeg -i in.wav -ac 1 -ar 16000 -c:a libmp3lame -b:a 64k voice.mp3
# 曲名・アーティストのタグを付ける
ffmpeg -i in.wav -c:a libmp3lame -b:a 192k -metadata title="曲名" -metadata artist="名前" out.mp3
# フォルダー内の WAV をまとめて MP3 に(bash・zsh)
for f in *.wav; do ffmpeg -nostdin -i "$f" -c:a libmp3lame -b:a 192k "${f%.wav}.mp3"; done
ffmpeg の公式ドキュメントでは、libmp3lame の -b は CBR・ABR のビットレート、-q(ffmpeg のコマンドでは -q:a)は LAME の -V にあたる VBR の品質の指定、と説明されています。まとめて変換する for 文は、手元で2つの WAV(各882,044バイト)から MP3(各241,415バイト)ができることを確かめました。-nostdin は、ループの中で ffmpeg がキーボードの入力を待って止まるのを防ぐためです。
変換したあとに ffprobe で見ると、MP3 は長さが30.04秒、開始が0.025057秒と表示されました。MP3 は仕組み上、先頭と末尾に少し余白が付くためです。ただし ffmpeg で PCM に戻すと、LAME が書き込む情報のおかげで、元と同じ1,323,000フレームに戻りました。ffmpeg のほかの使い方は、関連記事「ffmpegの使い方|コピペ用早見表20とMOV→MP4・圧縮・切り出し」で扱っています。次の節では、変換で大きさと音がどう変わるかを測ります。
変換で大きさと音はどう変わるか(MP3・FLAC・Opusの実測)
この節では、同じ WAV を MP3・FLAC・Opus に変換したときの大きさ・時間・元との差が、実測の表で分かります。
30秒・44.1kHz・16ビット・ステレオの WAV(5,292,044バイト)を変換し、変換したファイルを ffmpeg で再び16ビットの PCM に戻して、元の数値との差を測りました。「波形の差の SNR」は、元の音の強さと差の強さの比を dB で表したもので、大きいほど元の波形に近いことを表します。MP3 や Opus は耳に聞こえにくい部分を削る方式なので、この数字は「波形がどれだけ変わったか」の目安で、聞こえ方の良し悪しをそのまま表すものではありません。
import subprocess, numpy as np
F = ['ffmpeg', '-hide_banner', '-loglevel', 'error', '-y', '-threads', '1']
def pcm(path): # どの形式も 16ビット・ステレオ・44.1kHz の数値に戻す
r = subprocess.run(F + ['-i', path, '-f', 's16le', '-ac', '2', '-ar', '44100', '-'],
capture_output=True, check=True).stdout
return np.frombuffer(r, '<i2').reshape(-1, 2).astype(np.float64)
src = pcm('music.wav')
d = pcm('c192.mp3')
n = min(len(d), len(src))
diff = d[:n] - src[:n]
print('SNR', 10 * np.log10((src[:n] ** 2).sum() / (diff ** 2).sum()), 'dB')
print('ビット一致', len(d) == len(src) and np.array_equal(d, src))
| 変換先 | 大きさ(バイト) | WAV との比 | 変換時間 | 戻したときの差 |
|---|---|---|---|---|
| WAV(元) | 5,292,044 | 100% | ― | ― |
| MP3 128kbps CBR | 481,115 | 9.1% | 0.55秒 | SNR 24.0dB |
| MP3 192kbps CBR | 721,650 | 13.6% | 0.52秒 | SNR 27.6dB |
| MP3 320kbps CBR | 1,202,721 | 22.7% | 0.58秒 | SNR 35.3dB |
| MP3 VBR -q:a 2 | 638,776 | 12.1% | 0.47秒 | SNR 29.2dB |
| FLAC 圧縮レベル0 | 3,930,080 | 74.3% | 0.20秒 | 差なし(全サンプル一致) |
| FLAC 圧縮レベル5(既定) | 3,619,474 | 68.4% | 0.15秒 | 差なし(全サンプル一致) |
| FLAC 圧縮レベル8 | 3,613,671 | 68.3% | 0.20秒 | 差なし(全サンプル一致) |
| Opus 96kbps | 386,090 | 7.3% | 0.46秒 | SNR 24.4dB(48kHz を経由) |
変換時間は、2コアのマシンでほかの作業と同時に動かしたときの値で、目安です。MP3 はビットレートを上げるほど波形の差が小さくなり、320kbps で SNR 35.3dB でした。FLAC はどの圧縮レベルでも元の数値と1つも違わず、ffmpeg で音の部分の MD5 を出しても、元の WAV と FLAC はどちらも 3dfde26d14489cad490de5d07ddad2d8 で一致しました。
$ ffmpeg -loglevel error -i music.wav -f md5 -
MD5=3dfde26d14489cad490de5d07ddad2d8
$ ffmpeg -loglevel error -i f5.flac -f md5 -
MD5=3dfde26d14489cad490de5d07ddad2d8
ただし、FLAC を WAV に戻したファイルを cmp で比べると「differ」と出ました。音の数値は同じでも、戻した WAV には ffmpeg が LIST チャンク(作成ソフトの名前)を足すので、ファイル全体のバイト列は26バイト分変わるためです。「音が同じか」を確かめるときは、ファイル全体ではなく音の部分(PCM)を比べます。
中身で大きさが変わる FLAC、変わらない MP3
FLAC の縮み方は、音の中身で大きく変わります。10秒・モノラルの無音・440Hz の正弦波・白色雑音を作って比べました。
| 10秒の音 | WAV | FLAC(レベル5) | MP3 192kbps |
|---|---|---|---|
| 無音 | 882,044バイト | 9,346バイト(1.1%) | ― |
| 440Hz の正弦波 | 882,044バイト | 146,370バイト(16.6%) | 241,415バイト |
| 白色雑音 | 882,044バイト | 860,984バイト(97.6%) | 241,415バイト |
WAV はどれも同じ大きさで、FLAC は予測しやすい音ほど小さくなり、予測できない雑音はほとんど縮みませんでした。MP3 の固定ビットレートは、正弦波でも雑音でも同じ241,415バイトです。FLAC の仕組み(可逆圧縮)と圧縮レベルの詳しい比較は、近い記事「FLACとは|ロスレス圧縮の仕組み・WAVやMP3との違いと開き方」で扱います。画像で同じように「元に戻せる圧縮・戻せない圧縮」を比べた記事に、関連記事「WebP・HEICとは|JPG・PNGへの変換と画像圧縮を実測で解説」があります。次の節では、WAV が開けないときの原因を見ます。
WAVが開けない・再生できない原因と直し方
この節では、WAV が開けないときの原因を、症状から順に切り分ける方法が分かります。
この環境で、わざと「開けない WAV」を作り、Python の wave モジュールと ffprobe で読んだときのエラーの原文です。
# MP3 の拡張子を .wav に変えただけのファイル
fake.wav wave.Error: file does not start with RIFF id
$ file fake.wav
fake.wav: Audio file with ID3 version 2.4.0, contains: MPEG ADTS, layer III, v1, 192 kbps, 44.1 kHz, Stereo
# 入れ物は WAV だが、中身が MP3(形式の番号 0x0055 = 85)
mp3in.wav wave.Error: unknown format: 85
# 32ビット浮動小数の WAV(WAVE_FORMAT_EXTENSIBLE)を Python 3.13 の wave で読む
mf32.wav wave.Error: unknown extended format: 00000003-0000-0010-8000-00aa00389b71
# 途中で切れた WAV(30秒のファイルの先頭3,000,000バイトだけ)。ヘッダーの nframes と読めた数が違う
cut.wav _wave_params(nchannels=2, sampwidth=2, framerate=44100, nframes=1323000, comptype='NONE', compname='not compressed')
read frames 749989
$ ffprobe cut.wav
[wav @ 0x55ecf28636c0] Estimating duration from bitrate, this may be inaccurate
Duration: 00:00:17.01, bitrate: 1411 kb/s
途中で切れた WAV は、ヘッダーには「30秒分ある」と書かれたまま、実際には17.01秒分しかありません。ffprobe は「ビットレートから長さを推定した。不正確かもしれない」と警告して、ファイルの大きさから長さを出していました。録音中にアプリが止まった・コピーが途中で終わった、というときによく起きます。
Python の wave は、Python の公式ドキュメントで「非圧縮の PCM と IEEE 浮動小数の WAV に対応」と説明されていますが、浮動小数の読み書きは 3.15 で加わった機能で、手元の 3.13 では上のエラーになりました。24ビットの PCM(形式の番号 0xfffe)は、3.12 で加わった WAVE_FORMAT_EXTENSIBLE への対応のおかげで、3.13 でも読めました。
| 症状 | 原因 | 確かめ方 | 直し方 |
|---|---|---|---|
| どのアプリでも開けない | 拡張子だけ .wav で、中身は別の形式 | file で見る・先頭が RIFF か |
本当の形式の拡張子に直す |
| 一部のアプリ・ライブラリで開けない | 中身が PCM でない(MP3・ADPCM など) | fmt の形式の番号が 1 以外 | ffmpeg で PCM の WAV に変換し直す(-c:a pcm_s16le) |
| Python・以前の機器で開けない | 32ビット浮動小数・24ビット | ffprobe で pcm_f32le・pcm_s24le と出る | 16ビットに変換する(-c:a pcm_s16le) |
| 途中で音が切れる・長さの表示が変 | ファイルが途中で切れている | 計算した大きさと実際の大きさを比べる | 元のファイルを取り直す。読める部分だけ ffmpeg で書き出す |
| 4GB を超える録音が開けない | RIFF の大きさの欄(32ビット)を超えた | ヘッダーが RF64 か、大きさの欄が 0xffffffff | RF64 に対応したソフトで開く。録音を分ける |
| スマホで再生できない | 端末が対応していない形式・ビット数 | 公式の対応表と、WAV の設定を比べる | MP3・AAC・FLAC に変換する |
| 曲名が表示されない | WAV のタグ(LIST INFO)に対応していない | チャンクの一覧に LIST があるか | タグが要るなら MP3・FLAC にする |
メールなどで届いた、出どころの分からない音声ファイルは、開く前に送り主に確かめるのが安全です。次の節では、プログラムで WAV を作る・読む方法を見ます。
PythonでWAVを作る・読む(waveモジュールとNumPy)
この節では、プログラムで WAV を作る・読むときの最小のコードと、つまずきやすい点が分かります。
テストの音を作る、録音を数値として解析する、といった場面では、Python の標準の wave モジュールと NumPy の組み合わせが手軽です。440Hz(ラ)の音を1秒作るコードです。
import wave
import numpy as np
sr = 44100
t = np.arange(sr) / sr
x = 0.5 * np.sin(2 * np.pi * 440 * t) # -1〜1 の小数
pcm = (x * 32767).astype('<i2') # 16ビット・リトルエンディアンの整数に
with wave.open('a440.wav', 'wb') as w:
w.setnchannels(1)
w.setsampwidth(2)
w.setframerate(sr)
w.writeframes(pcm.tobytes())
with wave.open('a440.wav', 'rb') as w:
y = np.frombuffer(w.readframes(w.getnframes()), dtype='<i2')
print(len(y), y.max(), y.min())
実行すると 44100 16383 -16383 と表示され、88,244バイト(88,200+44)の WAV ができました。振幅0.5なので、最大値は32,767の半分の16,383です。
ステレオのときは、左右の数値が「左・右・左・右…」と交互に並びます(インターリーブ)。NumPy なら np.stack([L, R], axis=1) で2列にしてから tobytes() にすると、この並びになります。
小数の音を WAV に書くとき
np.clip(x, -1, 1) で範囲に収めてから整数にする。音量を下げたいなら掛ける数を小さくする見分ける問い:「整数にする前に、最大値が1を超えていないか」
範囲を超えた値で実際に試すと、1.2 は 32,767 を超えて -26,216 に回り込み、-1.3 は 22,939 になりました。np.clip を通すと最大値・最小値で止まります。
>>> x = np.array([0.9, 1.2, -1.3])
>>> (x * 32767).astype('<i2')
array([ 29490, -26216, 22939], dtype=int16)
>>> (np.clip(x, -1, 1) * 32767).astype('<i2')
array([ 29490, 32767, -32767], dtype=int16)
NumPy の配列の作り方・型の指定は、関連記事「NumPyの使い方 基本一覧|配列の作成・演算・形状変更」で扱っています。次の節では、WAV と似た形式との違いを見ます。
似た形式との違い(FLAC・AIFF・M4A・RF64・BWF)
この節では、WAV と取り違えやすい音声の形式の違いが分かります。
| 形式 | 圧縮 | 先頭のバイト | WAV との違い |
|---|---|---|---|
| WAV | ふつうは非圧縮 | RIFF....WAVE | 基準 |
| RF64 | ふつうは非圧縮 | RF64....WAVE | 4GB を超えられる WAV の拡張。ds64 チャンクに64ビットの大きさを持つ |
| BWF(Broadcast Wave) | ふつうは非圧縮 | RIFF....WAVE | 中身は WAV で、放送・制作向けの情報(bext チャンク)を足したもの |
| AIFF | 非圧縮 | FORM....AIFF | Apple が使ってきた非圧縮の形式。数値の並びがビッグエンディアン |
| FLAC | 可逆圧縮 | fLaC | 元の PCM に完全に戻せたまま、今回の音で約68%に縮んだ |
| MP3 | 非可逆圧縮 | ID3。タグが無ければ ff で始まる(手元では ff e3) | 大きさは約1/7〜1/11。音は元に戻らない |
| M4A | 非可逆(AAC)か可逆(ALAC) | 4バイト目から ftyp | MP4 と同じ入れ物。Apple の機器でよく使う |
表の先頭のバイトは、この環境で tiny.wav を ffmpeg で各形式に変換し、先頭12バイトを od で表示して確かめました(AIFF は FORM...6AIFF、M4A は ....ftypM4A 、FLAC は fLaC)。
RF64 は、ffmpeg の WAV の出力の -rf64 オプションで作れます(auto にすると、大きくなったときだけ RF64 にする)。小さな WAV を -rf64 always で書き出して読むと、先頭が RF64 になり、RIFF の大きさの欄は 0xffffffff(4,294,967,295)、代わりに ds64 チャンクが入っていました。
== rf.wav(ffmpeg -i tiny.wav -rf64 always rf.wav)
RF64 size=4294967295 (ファイル 122 - 8 = 114) form=WAVE
offset 12 'ds64' size=28
offset 48 'fmt ' size=16 format=0x0001 ch=1 rate=8000 byterate=16000 blockalign=2 bits=16
offset 72 'LIST' size=26 type=INFO b'ISFT\x0e\x00\x00\x00Lavf60.16.100\x00'
offset 106 'data' size=4294967295 frames=2147483647
米国議会図書館の解説でも、RF64 は「4GB を超えるファイルを作れる、BWF と互換の多チャンネルの形式」と説明されています。FLAC の先頭が fLaC(0x664C6143)であることは、RFC 9639 に書かれています。M4A の中身(ftyp・moov・mdat)は、近い記事「M4Aとは|MP3との違い・開き方とMP3への変換方法を実測」で扱います。次の節では、WAV のまま使うか変換するかの判断表をまとめます。
WAVのままかMP3・FLACか(判断表)
この節では、目的ごとに WAV・MP3・FLAC のどれを選べばよいかが分かります。
- 1これから編集・加工する → WAV のまま保存し直しても音が変わらない。編集ソフト・音声認識への入力にもそのまま渡せる
- 2音を落とさずに保管したい → FLACいつでも元の WAV に戻せて、今回の音では68%の大きさ。タグも付けられる
- 3聞くため・配るため → MP3(192kbps 前後)WAV の約14%。ほぼすべての機器で再生できる
- 4声だけを小さく送りたい → モノラル・低い周波数にしてから MP316kHz・モノラルの WAV は1分1.92MB。MP3 64kbps ならさらに小さい
| やりたいこと | おすすめ | 理由 |
|---|---|---|
| 録音した素材を編集ソフトに渡す | WAV(48kHz・24ビットなど) | 編集のたびに音が落ちない。多くの編集ソフトが読める |
| 完成した曲をスマホで聞く | MP3 か AAC | 小さく、ほぼどの機器でも再生できる |
| 録音をきれいなまま残す | FLAC | 元に戻せて約3割小さい(今回の音で) |
| Web ページで効果音を鳴らす | 短い音なら WAV でも可。長いなら MP3 | 短い音は大きさの差が小さい。長い音は通信量が効く |
| プログラムで解析・生成する | WAV(16ビット PCM) | Python の標準のモジュールで読み書きできる |
| 4時間を超える高音質の録音 | RF64 か、録音を分ける | ふつうの WAV は約4GB が上限 |
次の節では、WAV の扱いでよくあるつまずきをまとめます。
よくあるつまずき(WAV・MP3の変換)
この節では、WAV を扱うときに起きやすい勘違いと、その直し方が分かります。
| つまずき | 起きていること | 直し方 |
|---|---|---|
| MP3 を WAV にすれば音が良くなると思った | 192kbps の MP3(721,650バイト)を WAV にすると5,292,078バイトに増えたが、削られた音は戻らない | 元の WAV・CD・録音から作り直す |
| 拡張子を .mp3 に変えれば変換できると思った | 中身は WAV のまま。ほとんどのアプリで開けなくなる | ffmpeg やミュージックで変換する |
| 44バイト目から音を読んだら雑音になった | 24ビットや LIST 入りの WAV では、data の位置がずれる | チャンクの名前で data を探す |
| FLAC から戻した WAV が元と違うと出た | 音は同じでも、LIST チャンクなどファイルの付け足しが違う | 音の部分の MD5(-f md5)で比べる |
| MP3 の長さが WAV より少し長い | MP3 の先頭・末尾の余白。ffprobe で30.04秒・開始0.025秒と出た | ffmpeg など余白の情報を読むソフトで戻す |
| ffmpeg の for 文が途中で止まる | ffmpeg がキーボードの入力を読もうとしている | -nostdin を付ける |
| Python で WAV が読めない | 浮動小数・MP3 入りなど wave が扱わない形式 | ffmpeg で16ビットの PCM にしてから読む |
次の節では、よくある質問にまとめて答えます。
よくある質問
この節では、WAV について検索でよく調べられる疑問への短い答えが分かります。
Q. WAVファイルとは何ですか?
音を数値(PCM)にして、圧縮せずに入れる音声ファイルです。RIFF という入れ物の一種で、先頭は「RIFF」「WAVE」で始まります。
Q. WAV と MP3 はどちらが音が良いですか?
同じ録音から作るなら、元の数値をそのまま持つ WAV のほうが元の音に忠実です。MP3 は聞こえにくい部分を削るので、ビットレートが低いほど元の波形との差が大きくなりました(128kbps で SNR 24.0dB、320kbps で35.3dB)。
Q. WAV の容量はどう計算しますか?
サンプリング周波数×ビット数×チャンネル数×秒÷8 で、ヘッダーの約44バイトを足します。CD と同じ設定なら1分約10.58MB です。
Q. WAV を MP3 に変換するいちばん手早い方法は?
Mac ならミュージックの「MP3バージョンを作成」、OS を問わないなら ffmpeg -i in.wav -c:a libmp3lame -b:a 192k out.mp3 です。
Q. WAV をオンラインで変換するときの注意は?
オンラインの変換は、ファイルを外部のサーバーに送ることになります。社外秘の会議の録音や個人情報を含む音声は送らず、手元のアプリか ffmpeg で変換するのが安全です。サービスの使い方の条件は、提供元の最新の説明で確かめます。
Q. WAV と FLAC の違いは?
どちらも音は落ちませんが、FLAC は可逆圧縮で小さくなります。今回の音では68%の大きさになり、戻すと全サンプルが一致しました。
Q. iPhone で WAV は再生できますか?
Apple の iPhone 17 の仕様の「オーディオ再生」には、AAC・MP3・Apple Lossless・FLAC などが並び、WAV は名指しされていません。再生できないときは MP3・AAC・Apple Lossless に変換するのが確実です。
Q. 24ビットや32ビットの WAV は何が違いますか?
1回の測定を細かい数で表すので、編集のときの余裕が大きくなります。そのぶん大きく(24ビットは16ビットの1.5倍)、fmt の形式も WAVE_FORMAT_EXTENSIBLE になることがあり、対応していない機器やソフトでは開けないことがあります。
Q. WAV に曲名やジャケット画像は付けられますか?
曲名やアーティストは LIST INFO チャンクに入れられ、ffmpeg の -metadata で付けたものを手元で確かめました。ただし表示に対応するアプリが MP3 の ID3 タグより少ないため、タグを重視するなら MP3 や FLAC が扱いやすいです。
Q. WAV に4GB の上限があるのはなぜですか?
RIFF のヘッダーの大きさの欄が32ビット(最大4,294,967,295)だからです。CD の設定で約6.8時間、48kHz・24ビット・ステレオで約4.1時間が上限の目安です。超えるときは RF64 を使うか、録音を分けます。
まとめ
この節では、記事の要点を5つで振り返れます。
- WAV は、RIFF の入れ物に非圧縮の PCM を入れた音声ファイル。先頭は
RIFF・WAVE・fmt・dataの順に並ぶ。 - 大きさは「サンプリング周波数×ビット数×チャンネル数×秒÷8+ヘッダー」で決まり、CD の設定で1分約10.58MB。音の中身には関係しない。
- MP3 に変換すると、192kbps で WAV の13.6%に縮むが、削った音は戻らない。FLAC なら68%に縮み、戻すと全サンプルが一致した。
- 変換は Mac のミュージックの「MP3バージョンを作成」か ffmpeg。オンラインの変換は社外秘・個人情報を送らない。
- 開けないときは、中身が別の形式・PCM 以外・浮動小数・途中で切れた・4GB 超えのどれかを、file・ffprobe・チャンクの一覧で切り分ける。
参考・出典
確認日はいずれも 2026年11月13日です。
- Library of Congress「WAVE Audio File Format」:https://www.loc.gov/preservation/digital/formats/fdd/fdd000001.shtml
- Microsoft Learn「WAVEFORMATEX structure (mmreg.h)」:https://learn.microsoft.com/en-us/windows/win32/api/mmreg/ns-mmreg-waveformatex
- Microsoft Learn「WAVEFORMATEXTENSIBLE structure (mmreg.h)」:https://learn.microsoft.com/en-us/windows/win32/api/mmreg/ns-mmreg-waveformatextensible
- Microsoft サポート「File types supported by Windows Media Player」:https://support.microsoft.com/en-us/kb/316992
- Apple サポート「Macの「ミュージック」でミュージックファイルのフォーマットを変換する」:https://support.apple.com/ja-jp/guide/music/musfb0cea9fa/mac
- Apple サポート「MacでM4AファイルをMP3に変換する」:https://support.apple.com/ja-jp/120493
- Apple サポート「If a media file doesn't open or play on your Apple device」:https://support.apple.com/en-gb/102644
- Apple サポート「iPhone 17 - Tech Specs」:https://support.apple.com/en-us/125089
- Android Developers「Supported media formats」:https://developer.android.com/media/platform/supported-formats
- Python ドキュメント「wave — Read and write WAV files」:https://docs.python.org/3/library/wave.html
- IETF「RFC 9639 Free Lossless Audio Codec (FLAC)」:https://www.rfc-editor.org/rfc/rfc9639
- FFmpeg「FFmpeg Codecs Documentation」libmp3lame・flac:https://ffmpeg.org/ffmpeg-codecs.html
- FFmpeg「FFmpeg Formats Documentation」wav:https://ffmpeg.org/ffmpeg-formats.html
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
(記載例)出典:株式会社RJC「WAVファイルとは|MP3との違い・容量の計算と変換方法」
株式会社RJC ― SI事業・SES事業・AI駆動開発。RJCは一緒に成長を楽しめる会社です。
WE ARE HIRING
RJCで一緒に開発しながら、
成長を楽しみませんか?
RJCは、Web・モバイル・AIを活用した開発プロジェクトで、テックリードやPM・PMOも活躍するシステム開発会社です。会社を知る、待遇を確かめる、話を聞いてみる。気になるところ見てみてください!
- 127日年間休日
- 12時間平均残業時間
- 毎日ガチャ遊びココロも大切にする福利厚生。アマギフなどの賞品ラインナップ!
ほかにも、チケットレストラン、書籍読み放題、2年ごとの慰労報奨(休暇 or 金一封)、11期連続の黒字決算。