ローカル実測/音声処理

SoundFileとwaveのローカル音声ファイル処理を比較

この記事の料金・仕様は時点で各社の公式ページを確認したものです。

二つの箱の間を音の波形が行き来する、音声ファイルの読み書きを表す抽象イラスト

同じ人工WAVをSoundFileとwaveに読み書きさせ、結果の一致と時間を並べました。形式の広さと、戻り値の型の違いで選び方が変わります。

結論

WAVだけを、追加の導入なしで手早く読み書きしたい人は
waveが向いています。圧縮なしのWAVに対応し、読んだ結果はbytesで返ります。手元の測定では、全フレームの読み込みはwaveのほうが短い回が多くなりました。
NumPyの配列で受け取りたい、WAV以外の形式も扱いたい人は
SoundFileが向いています。音声をNumPyの配列で扱え、libsndfileが対応する形式を開けます。短いブロックに分けて読む関数もあります。

同じWAVファイルの書き出し時間は、waveだけで12370416ナノ秒から194528083ナノ秒まで揺れました。 ナノ秒は10億分の1秒です。

一方、二つの道具が書いたファイルは、10584044バイトの全体が1バイトも違いませんでした。 読み込みでは、waveが7回中6回で短く終わりました。

この記事では、同じ人工WAVをSoundFileとwaveに読み書きさせた結果を並べます。 最後に、向く人と向かない人を書きます。

ファイル読み込み:全フレームを読む時間は、waveのほうが短い回が多くなりました

60秒のWAVを全部読む処理は、7回中6回でwaveが先に終わりました。 1回目だけは、SoundFileが2804875ナノ秒で、waveの2994875ナノ秒より短くなりました。

読み込みの結果は、どちらも元の音声データとバイト単位で一致しました。 SoundFileは2646000行2列の整数の配列を、waveはbytesを返します。

次の表は、1バッチ(5回の呼び出し)ごとの時間です。

試行SoundFile(ナノ秒)wave(ナノ秒)
1回目28048752994875
2回目24788752420250
3回目24754172299542
4回目27285002321875
5回目27568332185167
6回目28000842508792
7回目25040002240791

SoundFileは、公式ページで音声をNumPyの配列として扱うと案内されています。 waveは、読んだフレームをbytesで返す作りです。受け取る型が違うので、読んだあとの使い道も変わります。

出典: SoundFile公式のGitHubページ・Python公式ドキュメントのwaveのページ(ともに2026年11月17日確認)

ファイル書き出し:できたファイルは同じでも、時間の揺れ方が違いました

書き出したファイルは、waveが書いたものとSoundFileが書いたもので、全体が1バイトも違いませんでした。 SHA256(ファイルの指紋のような値)も、入力ファイルと同じでした。

時間は、waveの揺れが大きくなりました。 waveは最短の12370416ナノ秒から最長の194528083ナノ秒まで開き、SoundFileは52050083ナノ秒から124565209ナノ秒の間でした。

7回のうち、waveが短かったのは4回、SoundFileが短かったのは3回です。 範囲が大きく重なっているので、この記録だけでは書き出しの勝ち負けを決められません。

試行SoundFile(ナノ秒)wave(ナノ秒)
1回目7866387557674625
2回目6377358362694875
3回目5205008356663583
4回目5736291669106250
5回目124565209194528083
6回目8267554218418042
7回目8756658312370416

出典: SoundFile公式のGitHubページ・Python公式ドキュメントのwaveのページ(ともに2026年11月17日確認)

処理時間:読み込みはwaveが先、書き出しは引き分けでした

二つの操作を並べると、差がはっきり出たのは読み込みだけでした。 読み込みのバッチ時間の中央値は、waveが2321875ナノ秒、SoundFileが2728500ナノ秒です。

書き出しの中央値は、waveが57674625ナノ秒、SoundFileが78663875ナノ秒でした。 ただ、上で見たとおり、試行ごとの揺れが中央値の差より大きく出ています。

次の表は、四つの数字を横に並べたものです。

操作SoundFile(ナノ秒)wave(ナノ秒)読み取れること
全フレーム読み込み・中央値27285002321875waveが短い
全フレーム書き出し・中央値7866387557674625揺れが大きく優劣は言えない
全フレーム書き出し・最短5205008312370416waveの最短が最も短い
全フレーム書き出し・最長124565209194528083waveの最長が最も長い

「小さい入力なら標準ライブラリが速い」と決めつけるのは早すぎます。 この記録は、60秒のWAV1種類を、このMac1台で測った結果だからです。

落とし穴:戻り値の型が違うので、読んだあとの手間が変わります

waveが返すのはbytesで、SoundFileが返すのはNumPyの配列です。 bytesは、音の大きさの数字が並んだ、まだ数として扱えない生のかたまりです。

配列として計算に使いたいなら、waveの結果には変換の手間が加わります。 今回の時間には、この変換が入っていません。

もう一つの落とし穴は、対応する形式です。 waveは、圧縮なしのPCMとIEEE浮動小数点のWAVに対応し、圧縮の種類は「なし」だけです。FLACやOGGは、waveでは開けません。

読み書き両用で開く使い方もできません。 開き方は読み専用か書き専用のどちらかです。

出典: SoundFile公式のGitHubページ・Python公式ドキュメントのwaveのページ(ともに2026年11月17日確認)

どちらを選ぶか:WAVだけならwave、配列や他の形式が要るならSoundFileです

選ぶ理由は、次の三つです。

  1. 読み込みの時間を優先するならwaveです。7回の測定のうち6回で、waveのほうが短く終わりました。
  2. 音声をNumPyの配列で受け取りたいなら、SoundFileです。読み込みの結果が、2646000行2列の整数の配列で返ります。
  3. FLACやOGGなど、WAV以外の形式も扱いたいなら、SoundFileです。waveでは開けません。

次の箱で、二つの道具の一言まとめを見比べてください。

道具ごとの一言まとめ

SoundFile

音声をNumPyの配列で扱い、WAV以外の形式にも広く対応する道具です。

wave

圧縮なしのWAVに絞った、Python標準の読み書き道具です。読んだ結果はbytesで返ります。

出典: 各社の公式ページ(2026年11月17日確認)

自分の使い方で選ぶ時は、次の流れ図を上から順にたどってください。

SoundFileとwaveの選び方

  1. 1. WAV以外の形式(FLACやOGGなど)も読み書きしたいですか?
    はい → SoundFileを選びます。libsndfileが対応する形式を開けます。いいえ → 次は質問2です。
  2. 2. 読んだ音声を、NumPyの配列でそのまま計算に使いたいですか?
    はい → SoundFileを選びます。音声がNumPyの配列で返ります。いいえ → 次は質問3です。
  3. 3. 音声を短いブロックに分けて、重ねながら読みたいですか?
    はい → SoundFileを選びます。ブロック単位で読む関数があります。いいえ → waveを選びます。圧縮なしのWAVなら、追加の導入なしで足ります。
出典: 各社の公式ページ(2026年11月17日確認)

迷ったら、まずWAVだけならwaveで試します。 配列や別形式が必要になった時に、SoundFileを足す順番が安全です。

測定と比較の範囲

測定は2026年11月17日(日本時間)に、このMac1台で行いました。

環境は、macOS 27.2.1、arm64、CPython 3.14.10です。 SoundFile 0.14.0(libsndfile 1.2.2)、NumPy 2.5.5、Apple M4 Pro、論理CPU 12を使いました。

CPUだけを単一のスレッドで動かし、音声デバイスは使っていません。

SoundFileは最初から入っていなかったので、pipで一時フォルダに取得し、測定後に消しました。 このときNumPyも一時フォルダに入り、実測に使われたのは2.5.5です。

入力は、整数演算で作った人工のWAVです。 16bit PCM、ステレオ、44100Hz、60秒、2646000フレームで、発話ではありません。

比べたのは、全フレームの一括読み込みと一括書き出しの2つです。 1バッチは5回の呼び出しで、1バッチの準備運転のあと7回計り、実行順は交互にしました。

計時には、ファイルを開いてから閉じるまでが入っています。 入力の生成、import、検証、ハッシュは入っていません。ファイルはローカルディスクの一時フォルダに置き、終了時に消しました。

読み込みでは、waveのbytesもSoundFileの配列も、元のデータと一致しました。 書き出しでは、二つのファイルが全体で一致し、互いにも入力にも同じ指紋でした。

読み込みの戻り値の型が違うので、公平な同一出力の比較ではなく、それぞれの標準的な呼び出し方の比較です。 bytesから配列への変換コストは、時間に入っていません。

測っていないものは、次のとおりです。 24bitやfloat、モノラルなど別のサンプル形式は測っていません。

別の長さ、ブロック単位の逐次読み書き、メモリ使用量、import時間、並列や非同期の呼び出しも同じです。 FLACやOGGなどwaveが開けない形式も対象外です。

音質、文字起こしの精度、外部の推論も範囲外です。

ファイルは、OSのキャッシュが温まった状態で読んでいます。 冷えた状態の読み込みと、ディスクへの書き込み完了まで待つ設定は、範囲に入っていません。書き出しの時間が大きく揺れた原因も、調べていません。

倍率や順位は、このCPU、このディスク、この人工WAV、この版に限ります。 7回の計時だけで、有意差の検定はしていません。公式ページに載るベンチマークの数字も使っていません。

出典

公式ページ(すべて2026年11月17日に確認)

自前の測定(2026年11月17日実施)

変更履歴

日付内容
2026-11-17初版。同じ人工WAVで、読み込み・書き出しの結果と処理時間を比べた

このサイトで測った元データ

関連記事