By: Ailson Jack
Date: 2020.03.29
個人博客：http://www.only2fire.com/
本文在我博客的地址是：http://www.only2fire.com/archives/114.html，排版更好，便於學習，也可以去我博客逛逛，興許有你想要的內容呢。
1、WAV文件概述
WAV是微軟公司開發的一種音頻格式文件，用於保存Windows平臺的音頻信息資源，它符合資源互換文件格式(Resource Interchange File Format，RIFF)文件規範。標準格式化的WAV文件和CD格式一樣，也是44.1K的取樣頻率，16位量化數字，因此在聲音文件質量和CD相差無幾！
WAV通常用來保存PCM格式的原始音頻數據，所以通常被稱爲無損音頻。但是嚴格意義上來講，WAV也可以存儲其它壓縮格式的音頻數據。
2、WAV文件格式
WAV符合RIFF文件格式標準，可以看作是RIFF文件的一個具體實例。既然WAV符合RIFF規範，其基本的組成單元也是chunk。一個WAV文件通常有三個chunk以及一個可選chunk，其在文件中的排列方式依次是：RIFF chunk，Format chunk，Fact chunk（附加塊，可選），Data chunk。示意圖如下：
一個WAV文件，首先是一個RIFF chunk，其格式類型爲'WAVE'。RIFF chunk包括兩個子chunk，ID分別爲 'fmt '和'data'，還有一個可選的Fact chunk。Format chunk用於表示音頻數據的屬性，包括編碼方式、聲道數目、採樣頻率、每個採樣需要的bit數等等信息。Fact chunk是一個可選chunk，一般當WAVE文件由某些軟件轉化而成就包含Fact chunk。Data chunk包含WAVE文件的數字化波形聲音數據。 WAVE整體結構如下圖所示：
接下來講講各個chunk的具體內容。
3、各個chunk的具體內容
(1).RIFF chunk
- ID：4字節，值爲"RIFF"。
- Size：4字節，ChunkData字段中數據的大小，單位：字節。
- ChunkData：包含FormType和其他chunk的內容。
- FormType：4字節，值爲"WAVE"。
- Data：其他chunk的內容。
(2).Format chunk
- ID：4字節，值爲"fmt "，最後一個字符是空格。
- Size：4字節，數據字段（Data）包含的數據大小。如無擴展塊，則值爲16；有擴展塊，則值爲= 16 + 2字節擴展塊長度 + 擴展塊內容，或者值爲18（只有擴展塊長度爲2字節，並且擴展塊長度值爲0），單位：字節。
- Data：存放音頻格式、聲道數、採樣率等信息。
- audio_format：2字節，表示音頻數據的格式。如值爲1，表示使用PCM格式。
- channels：2字節，聲道數。值爲1則爲單聲道，爲2則是雙聲道。
- sample_rate：4字節，採樣頻率，主要有22.05KHz，44.1kHz和48KHz等，例如0xAC44表示44100Hz。
- bytes_per_sec：4字節，音頻的碼率，每秒播放的字節數。其值爲：聲道數 * 採樣頻率 * 量化位數 / 8，可以估算出使用緩衝區的大小。
- block_align：2字節，每個採樣點所需的字節數，其值爲：聲道數 * 量化位數 / 8。
- bits_per_sample：2字節，量化位數，有16位，24位和32位等。
- cbSize：2字節，擴展塊的長度，其值可以爲0或者22。
- cbContent：0字節或22字節，擴展塊內容，具體介紹在下文提及。
備註：這個區域只需要關心channels，sample_rate，bits_per_sample三個參數就可以了，其它的都是依據這三個計算出來的。
(3).Fact chunk（可選）
fact chunk爲可選的，在大多數的WAV文件中是不存在的。採用壓縮編碼的WAV文件，必須要有Fact chunk，該塊中只有一個數據，爲每個聲道的採樣總數。
ID：4字節，值爲"fact"。
Size：4字節，數據字段的長度，其值最小爲4。
Data：採樣總數。
(4).Data chunk
ID：4字節，值爲"data"。
Size：4字節，音頻數據的長度。
Data：具體的音頻數據內容存放在這裏。
4、Format chunk中的音頻數據格式
在format chunk中，有一個字段audio_format，該字段表示音頻數據是以何種方式進行編碼存放的。其可選的取值有：
0x0001：WAVE_FORMAT_PCM，採用PCM格式，此時WAV文件中不包含Fact chunk。
0x0002：WAVE_FORMAT_ADPCM，此時WAV文件中包含Fact chunk。
0x0006：WAVE_FORMAT_ALAW，此時WAV文件中包含Fact chunk。
0x0007：WAVE_FORMAT_MULAW，此時WAV文件中包含Fact chunk。
0xFFFE：WAVE_FORMAT_EXTENSIBLE，具體的編碼方式由Format chunk中擴展塊的sub_format字段決定。
備註：一般情況下，我們遇到的WAV文件的音頻數據編碼格式是PCM，介紹上述內容，只是讓大家多瞭解下其他的編碼格式的值與名稱，當遇到這類編碼時，能夠知道其名稱，從而方便查詢相關資料。
5、Format chunk中的擴展塊
當WAV文件使用的不是PCM編碼方式時，就需要擴展格式塊，它是在基本的Format chunk中又添加一段數據。該數據的前兩個字節，表示的是擴展塊的長度。緊接其後的是擴展塊的數據區，含有擴展的格式信息，其具體的長度取決於壓縮編碼的類型。當某種編碼方式的擴展塊的數據區長度爲0，此時擴展塊只包含了擴展塊長度字段，擴展塊的長度字段還必須保留，只是其值設置爲0。
擴展塊的各個字節的含義如下：
- cbSize：2字節，擴展塊的長度，其值可以爲0或者22。
- cbContent：0字節或22字節，擴展塊內容。
- valid_bits_per_sample：2字節，有效的採樣位數，最大值爲block_align * 8。可以使用更靈活的量化位數，通常音頻sample的量化位數爲8的倍數，但是使用了WAVE_FORMAT_EXTENSIBLE時，量化的位數由擴展塊中的valid_bits_per_sample來描述，可以小於Format chunk中指定的bits_per_sample。
- channle_mask：4字節，聲道掩碼。
- sub_format：16字節，數據格式碼。
在Format chunk中的audio_format設置爲0xFFFE時，表示使用擴展區中的sub_format來決定音頻的數據的編碼方式。在以下幾種情況下必須要使用WAVE_FORMAT_EXTENSIBLE：
- PCM數據的量化位數大於16。
- 音頻的採樣聲道大於2。
- 實際的量化位數不是8的倍數。
- 存儲順序和播放順序不一致，需要指定從聲道順序到聲卡播放順序的映射情況。
備註：一般情況下，我們遇到的WAV文件中是不含有擴展塊的。
6、聲音數據格式
Data chunk中的Data塊中存放的是音頻的採樣數據。每個sample按照採樣的時間順序寫入，對於使用多個字節的sample，使用小端模式存放（低位字節存放在低地址，高位字節存放在高地址）。對於多聲道的sample採用交叉存放的方式。例如：立體雙聲道的sample存儲順序爲：聲道1的第一個sample，聲道2的第一個sample；聲道1的第二個sample，聲道2的第二個sample；依次類推....。
對於Data chunk中的Data字段，也就是音頻數據內容的存儲，根據聲道數和採樣位數的不同情況，佈局如下（每1列代表8 bits）：
1.8 bit 單聲道
|
採樣1 |
採樣2 |
|
數據1 |
數據2 |
2.8 bit 雙聲道
|
採樣1 |
|
採樣2 |
|
|
聲道1數據1 |
聲道2數據1 |
聲道1數據2 |
聲道2數據2 |
3.16 bit 單聲道
|
採樣1 |
|
採樣2 |
|
|
數據1低字節 |
數據1高字節 |
數據2低字節 |
數據2高字節 |
4.16 bit 雙聲道
|
聲道1採樣1 |
|
聲道2採樣1 |
|
|
聲道1數據1低字節 |
聲道1數據1高字節 |
聲道2數據1低字節 |
聲道2數據1高字節 |
|
聲道1採樣2 |
|
聲道2採樣2 |
|
|
聲道1數據2低字節 |
聲道1數據2高字節 |
聲道2數據2低字節 |
聲道2數據2高字節 |
7、WAV文件實例分析
利用winhex工具軟件可以非常方便的以十六進制查看文件，下圖是我用winhex軟件打開一個WAV音頻文件時的部分界面截圖：
下表對文件格式進行解讀：
|
偏移地址 |
字節數 |
16進制源碼 |
內容 |
|
00H |
4 |
52 49 46 46 |
'RIFF'標識符 |
|
04H |
4 |
F4 FE 83 01 |
數據長度:0x0183FEF4(注意順序) |
|
08H |
4 |
57 41 56 45 |
'WAVE'標識符 |
|
0CH |
4 |
66 6D 74 20 |
'fmt ',最後一位爲空格 |
|
10H |
4 |
10 00 00 00 |
Format chunk大小：0x10 |
|
14H |
2 |
01 00 |
編碼格式：0x01爲PCM |
|
16H |
2 |
02 00 |
聲道數目：0x02爲雙聲道 |
|
18H |
4 |
44 AC 00 00 |
採樣頻率：0xAC44表示44100Hz |
|
1CH |
4 |
10 B1 02 00 |
每秒字節數：0x02B110 |
|
20H |
2 |
04 00 |
每個採樣點所需的字節數：0x04 |
|
22H |
2 |
10 00 |
量化位數：0x10 |
|
24H |
4 |
64 61 74 61 |
'data'標識符 |
|
28H |
4 |
48 FE 83 01 |
音頻數據的長度：0x0183FE48 |
從偏移量2CH開始就是音頻數據了。
如果覺得文章寫的不錯，對你有幫助，歡迎點贊，關注博主喲！
排版更好的內容見我博客的地址：http://www.only2fire.com/archives/114.html
注：轉載請註明出處，謝謝！^_^