WAV 文件解析

### 1.概述
wav 文件，原来存放音频的原始数据，即对 PCM 文件进行简单封装，在文件开头加上标识，并提供音频的声道数、采样频率和采样位数等信息，这样播放器解析这些数据就可以正常播放这段音频了。

### 2.格式解析
wav 文件一般由3个区块组成：RIFF chunk、Format chunk 和 Data chunk。
RIFF chunk：主要说明本文件保存的是什么内容。
Formt chunk：主要说明音频文件的格式
Data chunk：主要记录音频的数据

### 2.1 RIFF chunk
![](https://ww4k.com/usr/uploads/2024/08/2166628670.png)

ID 固定死，填入 RIFF ，作为标识。
Size 为文件长度减去 ID 和 Size 的长度，即 fileSize - 8
Type 如果是 WAVE，表示后面有 Format chunk 和 Data chunk。

### 2.2 Format chunk
![](https://ww4k.com/usr/uploads/2024/08/272012894.png)
ID 固定死为 "fmt "（最后有个空格）
Size 表示该区块，后面内容的长度 2+2+4+4+2+2 = 16
AudioFormat 表示音频格式，如果是 PCM,则填入 1。（也可能是 -2，[表示拓展格式](http://bass.radio42.com/help/html/56c44e65-9b99-fa0d-d74a-3d9de3b01e89.htm "表示拓展格式")，通过[WAVEFORMATEXTENSIBLE 结构体](https://learn.microsoft.com/en-us/windows/win32/api/mmreg/ns-mmreg-waveformatextensible "WAVEFORMATEXTENSIBLE 结构体") 获取额外信息）
NumChannels 表示声道数
SampleRate 表示采样率
ByteRate 每秒数据字节数 SampleRateNumChannelsBitsPerSample/8
BlockAlign 每次采样产生的字节数 NumChannels*BitPerSample/8
BitsPerSample 一个声道一次采样的位数

### 2.3 Data chunk
![](https://ww4k.com/usr/uploads/2024/08/689525085.png)
ID 固定死为 data
Size 表示数据的长度（字节），N = ByteRate*seconds
Data 音频数据。

音频数据解析拓展
本处介绍的 wav 数据，默认内部存储的是 pcm数据，但是如何解析这个 pcm 数据呢？虽然前面格式里面保存了，每个采样的字节数，但是没有写是大端还是小端；数据是整数还是浮点；planar和packed？

大端还是小端：wav 默认规定了使用的是小端，所以这个没有歧义点。
数据是整数还是浮点：pcm 默认保存的是整数。微软官网默认 pcm 默认就是表示整数，如果是浮点数的 pcm，这 wav 格式为 WAVE_FORMAT_IEEE_FLOAT。
```
WAVE_FORMAT_PCM PCM (pulse-code modulated) data in integer format.
WAVE_FORMAT_IEEE_FLOAT PCM data in IEEE floating-point format.
```
[参考文献](https://learn.microsoft.com/en-us/windows/win32/api/mmreg/ns-mmreg-waveformatex "参考文献")

planar和packed：目前只查到wav默认是packed，但是具体证据没有找到，有查到信息的网页贴下地址或图片。如果要改成 planar，感觉需要设置 extra format information。
### 3.大端和小端
所谓的大端模式，是指数据的低位保存在内存的高地址中，而数据的高位，保存在内存的低地址中；
所谓的小端模式，是指数据的低位保存在内存的低地址中，而数据的高位保存在内存的高地址中。

大端符合人阅读常识。比如 1234，其中 1是数据的高位，4是数据的低位。如果用大端存储，则存在内存中为 1234；如果用小端存储，则存在内存中为 4321。

### 4.实际文件分析
![](https://ww4k.com/usr/uploads/2024/08/1626451027.png)
根据前面的知识知道， RIFF chunk 大小为 12 byte; Format chunk 大小为 24 byte

RIFF chunk 内容为
```
52 49 46 46 / f4 b1 37 00 / 57 41 56 45
```
对应 ASCII 码表
52=R   49=I  46=F
57=W   41=A  56=V 45=E

Size = 0x0037b1f4 （3,650,036）
文件大小 fileSize 为

两者刚好相差 8。

Format chunk
66 6d 74 20 / 10 00 00 00 / 01 00 / 02 00/ 22 56 00 00/ 88 58 01 00/ 04 00/ 10 00

**对应 ASCII 码表**
66=f 6d=m 74=t 20=空格

size
size = 0x10 （16）

**AudioFormat**
audioformat = 0x01 表示 PCM

**NumChannels**
numchannels = 0x02 表示双通道

**SampleRate**
samplerate = 0x5622 (22050)

**ByteRate**
byterate = 0x015888 (88200) = 22050216/8

**BlockAlign**
blockalign = 0x04 = 2*16/8

**BitsPerSample**
bitspersample = 0x10 (16bits)

**Data chunk**
64 61 74 61 / d0 b1 37 00

对应 ASCII 码表
64=d 61=a 74=t
即：data

size
size = 0x37b1d0 (3650000)
3650000 + 12 + 24 + 8 = 3650044 (文件大小)

参考文献：
https://www.jianshu.com/p/947528f3dff8

转载：
https://blog.csdn.net/dss875914213/article/details/122396171

WAV 文件解析

添加新评论

关于博主

文章分类

最受欢迎的文章

最近回复

其它