ไฟล์เสียง WAV คืออะไร ? ทำงานอย่างไร ? พร้อมรู้จักข้อดี-ข้อเสีย ฯลฯ

ไฟล์เสียง WAV คืออะไร ? ทำงานอย่างไร ? พร้อมรู้จักข้อดี-ข้อเสีย ฯลฯ

ในยุคดิจิทัลที่เทคโนโลยีการบันทึก และการถ่ายทอดเสียงวิวัฒนาการไปอย่างรวดเร็ว รูปแบบ ไฟล์เสียง (Audio File Format) มีบทบาทสำคัญในการกำหนดคุณภาพ และความถูกต้องของสัญญาณเสียง แม้ว่ารูปแบบไฟล์เสียงบีบอัดอย่างเช่น ไฟล์ MP3 หรือ AAC จะได้รับความนิยมในกลุ่มผู้ฟังทั่วไปเนื่องจากขนาดไฟล์ที่เล็ก และประหยัดพื้นที่จัดเก็บ แต่สำหรับอุตสาหกรรมดนตรีระดับมืออาชีพ, งานตัดต่อภาพยนตร์, สถานีวิทยุกระจายเสียง ตลอดจนคลังจัดเก็บข้อมูลเสียงเชิงวิทยาศาสตร์ เช่น Macaulay Library, Library of Congress และ British Library ไฟล์ WAV ยังคงได้รับการยอมรับให้เป็นมาตรฐานหลัก (Gold Standard) ในการบันทึก และจัดเก็บเสียงดิจิทัล

การเลือกใช้ไฟล์ WAV ช่วยรับประกันว่าข้อมูลเสียงทั้งหมดจะถูกบันทึกไว้อย่างแม่นยำ ปราศจากการสูญเสียรายละเอียดของสัญญาณ (Lossless Audio) ซึ่งมีความสำคัญอย่างยิ่งต่อการนำไปประมวลผลต่อ, การวิจัยโครงสร้างคลื่นเสียง ตลอดจนการอนุรักษ์สื่อเสียงในระยะยาว

ไฟล์ WAV คืออะไร ? (What is WAV File ?)

WAV ย่อมาจากคำว่า "Waveform Audio File Format" โดยมันมีนามสกุลของไฟล์เป็น .wav หรือ .wave คือมาตรฐานฟอร์แมตไฟล์คอนเทนเนอร์ (File Contrainer) สำหรับจัดเก็บข้อมูลสตรีมเสียงดิจิทัลบนเครื่องคอมพิวเตอร์ โดยมันได้รับการพัฒนาร่วมกันขึ้นมาจากความร่วมมือของบริษัท IBM และ Microsoft

ลักษณะสำคัญของไฟล์ WAV คือ 

เก็บข้อมูลแบบไม่บีบอัด (Uncompressed Audio)

 ไฟล์ WAV โดยส่วนใหญ่นิยมใช้จัดเก็บข้อมูลเสียงดิบในรูปแบบ LPCM (Linear Pulse-Code Modulation) ซึ่งเป็นรูปแบบเดียวกับที่ใช้ในแผ่น Audio CD โดยจะบันทึกทุกตัวอย่างสัญญาณเสียงตามเวลาจริงโดยไม่มีการตัดทอนความถี่ใด ๆ ออกไป

ความสมจริงของเสียงสูงสุด (High Fidelity)

ให้คุณภาพเสียงที่ตรงกับต้นฉบับขณะบันทึกอย่างถูกต้องแม่นยำ ไม่ผ่านกระบวนการลบความถี่ที่หูมนุษย์อาจไม่อื่นรับรู้ ซึ่งต่างจาก MP3 หรือ AAC ที่มีการตัดข้อมูลบางส่วนออกเพื่อลดขนาดไฟล์ให้มีขนาดเล็กลง

โดยไฟล์ WAV จะมีตัวแปรหลักที่กำหนดคุณภาพเสียง ดังต่อไปนี้

Sample Rate (อัตราสุ่มสัญญาณ)

จำนวนครั้งในการสุ่มวัดค่าสัญญาณเสียงต่อหนึ่งวินาที มีหน่วยเป็น Hertz (Hz) เช่น 44.1 kHz (มาตรฐาน CD), 48 kHz (มาตรฐานงานวิดีโอและวิทยุ) ไปจนถึงระดับ Hi-Res เช่น 96 kHz, 192 kHz หรือ 352.8 kHz (DXD)

Bit Depth (ความลึกบิต)

จำนวนบิตข้อมูลที่ใช้บันทึกความละเอียดของระดับความดังในแต่ละตัวอย่าง เช่น 16-bit, 24-bit หรือ 32-bit float

Channels (จำนวนช่องสัญญาณ)

รองรับตั้งแต่ระบบเสียง Mono (1 ช่อง), Stereo (2 ช่อง) ไปจนถึงระบบ Multi-channel เช่น Surround 5.1, 7.1 หรือ Immersive Audio 5.1.4

ความยืดหยุ่นในฐานะ Container

แม้ส่วนใหญ่ไฟล์ WAV จะจัดเก็บเสียงแบบ Uncompressed LPCM แต่เนื่องจาก WAV เป็นโครงสร้างแบบคอนเทนเนอร์ (RIFF) จึงสามารถใช้ห่อหุ้มข้อมูลเสียงที่บีบอัดผ่านตัวแปลงสัญญาณ (Codecs) อื่น ๆ เช่น ADPCM, GSM, μ-law หรือ MP3 ได้เช่นกันผ่านเทคโนโลยี Audio Compression Manager (ACM) ของ ระบบปฏิบัติการ (OS) วินโดวส์ (Windows)

ไฟล์ WAV ทำงานอย่างไร ? (How does WAV File work ?)

สถาปัตยกรรมของไฟล์ WAV พัฒนาต่อยอดมาจากรูปแบบ RIFF (Resource Interchange File Format) ของ Microsoft และ IBM โดยมีหลักการทำงานแบบแบ่งข้อมูลออกเป็นส่วน ๆ เรียกว่า "Chunks" และจัดเก็บข้อมูลในรูปแบบลำดับไบต์แบบ Little-Endian ต่างจากไฟล์ AIFF ของ Apple ที่ใช้ระบบ Big-Endian

ภาพจาก : https://www.videoproc.com/resource/wav-file.htm

โครงสร้างพื้นฐานของไฟล์ WAV มาตรฐานประกอบด้วย Header ยาว 44 ไบต์ และส่วนข้อมูลเสียงหลัก ดังนี้

โครงสร้าง Chunk หลักในไฟล์ WAV

RIFF Chunk (Header Container) เป็นชิ้นส่วนนอกสุดที่ทำหน้าที่ระบุว่าไฟล์นี้เป็นไฟล์สถาปัตยกรรม RIFF รูปแบบ WAVE

• Byte 1–4: รหัสประจำตัว "RIFF"
• Byte 5–8: ขนาดรวมของไฟล์ทั้งหมด คิดเป็นขนาดไฟล์รวมลบด้วย 8 ไบต์)บันทึกแบบ 32-bit integer
• Byte 9–12: รหัสระบุประเภทไฟล์ "WAVE"

Format Chunk (fmt chunk)

ภาพจาก : https://samplerateconverter.com/wav

ทำหน้าที่อธิบายคุณลักษณะทางเทคนิคของข้อมูลเสียงที่บรรจุอยู่ภายใน

• Byte 13–16: รหัสประจำตัว "fmt " (มีช่องว่างต่อท้าย)
• Byte 17–20: ขนาดข้อมูลฟอร์แมต โดยทั่วไปคือ 16 สำหรับ PCM
• Byte 21–22: ประเภทรหัสรูปแบบเสียง (Audio Format Code) โดย ค่า 1 หมายถึง Uncompressed LPCM, ค่า 3 หมายถึง IEEE Float
• Byte 23–24: จำนวนช่องสัญญาณ 1 = Mono, 2 = Stereo
• Byte 25–28: Sample Rate (เช่น 44100 Hz หรือ 48000 Hz)
• Byte 29–32: Byte Rate หรือจำนวนไบต์ที่ต้องอ่านต่อวินาที คำนวณจาก (Sample Rate * BitsPerSample * Channels) / 8
• Byte 33–34: Block Align คำนวณจาก (BitsPerSample * Channels) / 8
• Byte 35–36: Bit Depth หรือจำนวนบิตต่อตัวอย่าง เช่น 16 bits, 24 bits

Data Chunk

บรรจุสตรีมข้อมูลเสียงสัญญาณดิจิทัลที่แท้จริง

• Byte 37–40: รหัสประจำตัว "data"
• Byte 41–44: ขนาดของข้อมูลเสียงดิจิทัลทั้งหมด
• ส่วนถัดไป: ข้อมูลตัวอย่างเสียงดิจิทัลดิบ (Sampled Audio Data)

Optional Chunks (ชิ้นส่วนเสริม)

• INFO chunk: ใช้จัดเก็บ Metadata เช่น ชื่อเพลง, ศิลปิน, วันที่บันทึก และลิขสิทธิ์
• cue & playlist chunks: บันทึกจุดมาร์กเกอร์และลำดับการเล่น
• JUNK หรือ PAD chunks: พื้นที่ว่างที่สำรองไว้สำหรับการแก้ไขข้อมูลในอนาคตโดยไม่ต้องเปลี่ยนขนาดโครงสร้างไฟล์
• WAVE_FORMAT_EXTENSIBLE: โครงสร้าง Header แบบขยายที่เปิดตัวใน Windows 2000 เพื่อรองรับระบบเสียง Multi-channel ตำแหน่งลำโพง และความละเอียดระดับสูง

ปัญหาข้อจำกัดขนาดไฟล์ 4 GB และรูปแบบขยาย 64-bit

เนื่องจาก Header มาตรฐานของ WAV ใช้ตัวเลขประเภท 32-bit unsigned integer ในการระบุขนาดไฟล์ ทำให้ไฟล์ WAV มาตรฐานสามารถมีขนาดได้สูงสุดไม่เกิน 4,294,967,295 ไบต์ หรือประมาณ 4 GB

• สำหรับเสียงระดับคุณภาพ CD (16-bit / 44.1 kHz Stereo) ขนาด 4 GB สามารถบันทึกเสียงได้ยาวนานราว 6.8 ชั่วโมง
• อย่างไรก็ตาม ในระบบบันทึกเสียงความละเอียดสูงมาก เช่น 32-bit / 352.8 kHz (DXD) หรือระบบ Multichannel Immersive Audio ขนาดไฟล์จะทะลุขีดจำกัด 4 GB ภายในเวลาเพียงไม่กี่นาที

แนวทางแก้ไขผ่านฟอร์แมต 64-bit:

• RF64 (RIFF 64 / BW64): พัฒนาโดยสมาคมกระจายเสียงแห่งยุโรป (EBU) ในปี 2006 โดยเปลี่ยนรหัสสตรีมเริ่มต้นเป็น "BW64" และเพิ่ม ds64 chunk เพื่อใช้ตัวเลข 64-bit ในการระบุขนาดไฟล์ ทำให้รองรับขนาดไฟล์ได้สูงสุดถึง 16 Exabytes และคงความเข้ากันได้กับระบบเก่าผ่าน JUNK chunk
• W64 (Sony Wave64): พัฒนาโดย Sonic Foundry (ผู้สร้างโปรแกรม Sound Forge) ปรับโครงสร้าง Identifier และฟิลด์ขนาดข้อมูลทั้งหมดให้เป็น 64-bit โดยมุ่งเน้นรองรับงานเสียง High-Resolution โดยเฉพาะ

ข้อดี-ข้อเสียของไฟล์ WAV (Pros and Cons of WAV File)

ข้อดี (Advantages)

คุณภาพเสียงสมบูรณ์แบบไม่สูญเสียรายละเอียด

ไม่มีการบีบอัดหรือตัดข้อมูลเสียงทิ้ง เหมาะอย่างยิ่งสำหรับงาน Master Recording, งานวิจัยคลื่นเสียงวิทยาสัตว์ (Bioacoustics) และการอนุรักษ์เสียงในคลังจดหมายเหตุ

ประมวลผลได้รวดเร็ว และแก้ไขง่าย

เนื่องจากข้อมูลถูกเก็บในรูปแบบ LPCM สตรีมดิบ ซอฟต์แวร์ประมวลผลเสียง (DAW) จึงสามารถตัดต่อ, มิกซ์   หรือใส่เอฟเฟกต์ได้ทันทีโดยไม่ต้องผ่านกระบวนการ Decode/Encode ใหม่ และไม่เสียคุณภาพจากการบันทึกซ้ำ

ความเข้ากันได้ครอบคลุมทุกระบบ

รองรับการเปิดฟังบน ระบบปฏิบัติการ (OS) หลัก วินโดวส์ (Windows), แมคโอเอส (macOS) และ ลีนุกซ์ (Linux) โปรแกรมเล่นสื่อทั่วไปแทบทุกตัวก็สามารถเปิดได้ เช่น โปรแกรม VLC Media Player, Windows Media Player, โปรแกรม iTunes และอุปกรณ์บันทึกเสียงระดับมืออาชีพแทบทุกชนิด

รองรับระบบเสียงหลายช่องสัญญาณและความละเอียดสูง

สามารถบันทึกระบบเสียง Surround Sound และรองรับ Sample Rate กับ Bit Depth ได้ในระดับสูงมาก

ประยุกต์ใช้กับข้อมูลเชิงวิทยาศาสตร์ที่ไม่ใช่เสียงได้

ด้วยโครงสร้างที่รองรับ Sample Rate และจำนวนช่องสัญญาณที่หลากหลาย WAV จึงถูกนำไปใช้เก็บข้อมูลคลื่นวงจรอิเล็กทรอนิกส์ (เช่น ในซอฟต์แวร์ LTspice) หรือข้อมูลเซนเซอร์วัดค่าได้

ข้อเสีย (Disadvantages)

ขนาดไฟล์ใหญ่มาก

ใช้พื้นที่จัดเก็บ และแบนด์วิดท์ในการส่งผ่านข้อมูลสูงมาก เสียงสเตอริโอคุณภาพ CD ใช้พื้นที่ประมาณ 10 MB ต่อนาที จึงไม่เหมาะสำหรับการรับฟังแบบสตรีมมิงทั่วไปบน อินเทอร์เน็ต (Internet) หรือพื้นที่จัดเก็บในอุปกรณ์พกพาที่มีจำกัด

ติดขีดจำกัดขนาดไฟล์ 4 GB ในฟอร์แมตมาตรฐาน

WAV 32-bit แบบดั้งเดิมไม่สามารถเก็บบันทึกไฟล์ยาว ๆ ที่ความละเอียดสูงเกิน 4 GB ได้ เว้นแต่จะเปลี่ยนไปใช้มาตรฐานขยายอย่าง RF64 หรือ W64

มาตรฐาน Metadata ที่ไม่เป็นเอกภาพ

แม้จะรองรับการฝังข้อมูล เมทาดาตา (Metadata) ผ่าน INFO chunk, ID3 tags หรือ XMP แต่โครงสร้างการอ่าน Metadata ของ WAV ยังขาดความเป็นมาตรฐานกลางเมื่อเทียบกับ MP3 หรือ FLAC ทำให้ซอฟต์แวร์บางตัวอาจไม่อ่านข้อมูลแท็ก

ไม่เหมาะสำหรับการแจกจ่าย หรือสตรีมมิงวงกว้าง

บริการสตรีมมิงส่วนใหญ่ เช่น Spotify, Apple Music นิยมแปลงเป็นไฟล์บีบอัดที่มีประสิทธิภาพสูงกว่าเพื่อลดภาระ เซิฟเวอร์ (Server) และการส่งข้อมูล

ประวัติความเป็นมาของไฟล์ WAV (History of WAV files)

ค.ศ. 1991 (พ.ศ. 2534)

กำเนิด WAV และสถาปัตยกรรม RIFF เปิดตัวครั้งแรกในเดือนสิงหาคม ค.ศ. 1991 (พ.ศ. 2534) โดยความร่วมมือระหว่าง Microsoft และ IBM เพื่อใช้งานในระบบปฏิบัติการ Windows 3.1 โดยตั้งใจสร้างมาตรฐานกลางสำหรับระบบไฟล์มัลติมีเดียทดแทนฟอร์แมตกที่มีอยู่มากมายในยุคนั้น

WAV ถือเป็นฟอร์แมตคู่ขนานกับ AIFF ของ Apple ที่เปิดตัวในปี ค.ศ. 1988 (พ.ศ. 2531) สำหรับระบบ Macintosh และ Amiga ซึ่งทั้งสองใช้สถาปัตยกรรมแบ่งข้อมูลเป็น Chunk เหมือนกัน แต่แตกต่างกันที่ลำดับไบต์ (WAV ใช้ Little-Endian ส่วน AIFF ใช้ Big-Endian)

ค.ศ. 2000 (พ.ศ. 2543)

Microsoft ได้ เปิดตัว WAVE_FORMAT_EXTENSIBLE ที่มีการอัปเดตสเปก Header ขยายขีดความสามารถของ WAV ให้รองรับลำโพงหลายทิศทาง (Multi-channel Audio) และระบบเสียงขยายแบบกำหนดเอง

ค.ศ. 2006 (พ.ศ. 2549)

เมื่อเทคโนโลยีบันทึกเสียงก้าวสู่ยุค High-Resolution สมาคมกระจายเสียงแห่งยุโรป (EBU) ได้ออกข้อกำหนด RF64 (EBU Tech 3306) ในปี ค.ศ. 2006 (พ.ศ. 2549) ขณะที่ Sonic Foundry พัฒนา W64 เพื่อทลายกำแพงขนาดไฟล์ 4 GB และตอบโจทย์งานบันทึกเสียงระดับมืออาชีพ

ยุคปัจจุบัน

แม้เวลาจะผ่านไปกว่า 30 ปี และมีฟอร์แมตบีบอัดประสิทธิภาพสูงเกิดขึ้นมากมาย แต่ WAV ยังคงเป็นมาตรฐานบังคับสำหรับการผลิตดนตรี งานบรอดคาสต์วิทยุระดับโลก เช่น BBC, Global Radio, ABC D-Cart และคลังจัดเก็บเสียงระดับนานาชาติ

สรุปเกี่ยวกับไฟล์ WAV (WAV File Conclusion)

ไฟล์ WAV คือรากฐานสำคัญของอุตสาหกรรมเสียงดิจิทัล ด้วยโครงสร้างแบบสถาปัตยกรรม RIFF ที่เรียบง่าย มั่นคง และเก็บบันทึกสัญญาณเสียงดิจิทัลแบบไร้การบีบอัด ทำให้ WAV สามารถคงความถูกต้องของคลื่นเสียงต้นฉบับไว้อย่างสมบูรณ์แบบ

แม้ไฟล์ WAV จะมีข้อเสียในเรื่องขนาดไฟล์ที่ใหญ่มาก, การใช้แบนด์วิดท์สูง และข้อจำกัดขนาดไฟล์ 4 GB ในมาตรฐานเดิม แต่ด้วยการพัฒนาส่วนขยายเพิ่มเติมอย่าง RF64  ข้อจำกัดเรื่องขนาดไฟล์จึงไม่ใช่ปัญหาหลักอีกต่อไป ส่งผลให้ WAV ยังคงครองตำแหน่งฟอร์แมตมาตรฐานสูงสุดสำหรับการบันทึกเสียง, การตัดต่อมิกซ์เสียง, การกระจายเสียงทางสถานีวิทยุ ตลอดจนการอนุรักษ์ไฟล์เสียงดิจิทัลในระยะยาวมาจนถึงปัจจุบัน