WAV: Guía Completa del Formato de Audio Waveform

WAV: Guía Completa del Formato de Audio Waveform

WAV (Waveform Audio File Format) es un contenedor de audio de Microsoft/IBM estandarizado en 1991 como parte de la especificación RIFF (Resource Interchange File Format). Los archivos WAV almacenan audio PCM (Modulación por Impulsos Codificados) sin comprimir — la representación digital bruta de una forma de onda sonora sin compresión con pérdida. WAV es el formato de intercambio universal entre herramientas de audio profesional, DAWs, grabadores hardware y sistemas de radiodifusión.

Estructura del Contenedor RIFF

WAV está construido sobre el contenedor basado en bloques RIFF. Cada archivo RIFF consiste en una cabecera RIFF de 12 bytes seguida de bloques anidados:

Cabecera RIFF (12 bytes):
  ChunkID:   "RIFF"                (4 bytes, ASCII)
  ChunkSize: tamaño total − 8     (4 bytes, uint32 little-endian)
  Format:    "WAVE"               (4 bytes, ASCII)

Bloques obligatorios:
  Bloque "fmt " — parámetros del formato de audio
  Bloque "data" — datos de muestra brutos

Bloques opcionales:
  "bext" — metadatos Broadcast Wave Format (BWF)
  "smpl" — puntos de bucle de sampler
  "LIST" — sub-bloques INFO (artista, título, etc.)
  "cue " — marcadores de punto de señal

El Bloque fmt (16–40 bytes)

AudioFormat:    2 bytes  — 1=PCM, 3=IEEE float, 65534=Extensible
NumChannels:    2 bytes  — 1=mono, 2=estéreo, hasta 65535
SampleRate:     4 bytes  — ej. 44100, 48000, 96000, 192000
ByteRate:       4 bytes  — SampleRate × NumChannels × BitsPerSample/8
BlockAlign:     2 bytes  — NumChannels × BitsPerSample/8
BitsPerSample:  2 bytes  — 8, 16, 24, 32 (PCM); 32, 64 (IEEE float)

WAVE_FORMAT_EXTENSIBLE (AudioFormat=65534) extiende el bloque fmt básico para soportar más de 2 canales con mapeo de posición de altavoz, profundidades de bits donde ValidBitsPerSample < BitsPerSample (p. ej., 24 bits en un contenedor de 32 bits) y subformatos de códec arbitrarios mediante GUID.

Codificación de Muestras PCM

Para PCM entero estándar:

• 8 bits: enteros sin signo, 0–255, silencio en 128
• 16 bits: enteros con signo, −32768 a +32767, little-endian, silencio en 0
• 24 bits: enteros con signo, 3 bytes por muestra, little-endian — más común en grabación de estudio
• 32 bits float (IEEE 754): valores en rango −1.0 a +1.0; AudioFormat=3

Las muestras están intercaladas por canal: L₁ R₁ L₂ R₂ L₃ R₃ … (para estéreo).

Tasas de Muestreo Comunes y Sus Usos

Procesamiento WAV con Python

Módulo wave de la Biblioteca Estándar

import wave, struct

with wave.open('entrada.wav', 'rb') as wf:
    n_canales   = wf.getnchannels()
    ancho_muest = wf.getsampwidth()   # bytes por muestra
    tasa_frames = wf.getframerate()
    n_frames    = wf.getnframes()
    duracion    = n_frames / tasa_frames

    print(f"Canales     : {n_canales}")
    print(f"Profundidad : {ancho_muest*8} bits")
    print(f"Tasa        : {tasa_frames} Hz")
    print(f"Duración    : {duracion:.3f} s")

    datos_brutos = wf.readframes(n_frames)

# Desempaquetar muestras estéreo de 16 bits
n_muestras = n_frames * n_canales
muestras = struct.unpack(f'<{n_muestras}h', datos_brutos)

NumPy y SciPy para Procesamiento de Señal

import numpy as np
import scipy.io.wavfile as wav
import scipy.signal as signal

# Leer WAV
tasa, datos = wav.read('entrada.wav')
print(f"Forma: {datos.shape}, dtype: {datos.dtype}, tasa: {tasa} Hz")

# Normalizar a float −1.0 a +1.0
if datos.dtype == np.int16:
    datos_float = datos.astype(np.float32) / 32768.0

# Aplicar un filtro pasa-bajo a 8 kHz
sos = signal.butter(10, 8000, fs=tasa, btype='low', output='sos')
filtrado = signal.sosfilt(sos, datos_float, axis=0)

# Escribir resultado filtrado
wav.write('filtrado.wav', tasa, (filtrado * 32767).astype(np.int16))

soundfile para Soporte de Formatos Avanzados

import soundfile as sf

# Leer WAV de 24 bits o 32 bits float
datos, tasa_muestreo = sf.read('estudio_24bit.wav')
print(f"Forma: {datos.shape}, tasa: {tasa_muestreo}, dtype: {datos.dtype}")

# Escribir WAV de 24 bits
sf.write('salida_24bit.wav', datos, tasa_muestreo, subtype='PCM_24')

# Escribir WAV de 32 bits float
sf.write('salida_32f.wav', datos, tasa_muestreo, subtype='FLOAT')

# Subtipos disponibles: PCM_8, PCM_16, PCM_24, PCM_32, FLOAT, DOUBLE

WAV vs Otros Formatos de Audio

El límite de 4 GB de WAV: El campo de tamaño del bloque RIFF estándar es un entero sin signo de 32 bits, limitando los archivos WAV a ~4 GB (aproximadamente 6,4 horas a 44,1 kHz 16 bits estéreo). Para grabaciones más largas, usa RF64 (EBU R94) que extiende los campos de tamaño a 64 bits — FFmpeg escribe RF64 automáticamente cuando el contenido superaría los 4 GB.

Errores Comunes

• El desajuste de tasa de muestreo provoca reproducción a velocidad de ardilla o en cámara lenta. Si una DAW lee un archivo de 96 kHz como 48 kHz, lo reproduce a mitad de velocidad con la mitad del tono. Preserva siempre la tasa de muestreo.
• El WAV de 8 bits es sin signo; el de 16 bits+ es con signo. Esta asimetría complica los parsers personalizados — el silencio de 8 bits es 0x80 (128); el de 16 bits es 0x0000 (0).
• 24 bits en un contenedor de 32 bits. Algunos grabadores escriben WAV de 32 bits donde solo 24 bits llevan audio (el byte más bajo siempre es cero). soundfile lee la profundidad real correctamente; scipy.io.wavfile devuelve muestras int32 que necesitarías desplazar 8 bits a la derecha.
• Metadatos BWF (bloque bext) para flujos de trabajo profesionales. El cine y la radiodifusión requieren BWF con origen de código de tiempo SMPTE, descripción y campos UID en el bloque bext.

Conversiones relacionadas

Pares de formatos de audio más frecuentes:

• M4A a MP3
• WAV a MP3
• FLAC a MP3
• AAC a MP3
• OGG a MP3
• MP3 a WAV