音频格式简介和PCM转换成WAV

版权声明：本文为博主原创文章，转载希望能注明出处，感谢。 https://blog.csdn.net/u010126792/article/details/86493494

1 音频格式简介

AudioRecord录制的音频文件格式为PCM，MediaPlayer无法播放PCM格式文件，AudioTrack可以播放PCM格式文件。
PCM（Puls Code Modulation）全称脉码调制录音，PCM录音就是将声音的模拟信号表示成0,1标识的数字信号，未经任何编码和压缩处理，所以可以认为PCM是未经压缩的音频原始格式。PCM格式文件中不包含头部信息，播放器无法知道采样率，声道数，采样位数，音频数据大小等信息，导致无法播放。

PCM格式缺少头部信息，支持的播放器有限，所以一般需要把PCM格式转换成其他格式文件。

WAV是一种符合 RIFF Resource Interchange File Format规范的微软开发的音频格式，是一种无损格式。WAV对音频流的编码没有硬性规定，除了PCM之外，还有几乎所有支持ACM规范的编码都可以为WAV的音频流进行编码（类似mp3），只需要在被编码音频的前面添加带有音频流的编码参数的WAV的文件头。WAV格式支持许多压缩算法，支持多种音频位数、采样频率和声道，采用44.1kHz的采样频率，16位量化位数，因此WAV的音质与CD相差无几，但WAV格式对存储空间需求太大不便于交流和传播。

MP3利用MPEG Audio Layer3 压缩方式进行压缩，所以简称为MP3，是一种有损压缩格式。 MPEG Audio Layer 3 压缩技术可以将音乐以1:10 甚至 1:12 的压缩率，能够在音质丢失很小的情况下把文件压缩到更小的程度。由于MP3体积小，音质高互联网上音乐几乎都是这种格式。但Mp3最高比特率320K，高频部分一刀切是他的缺点，对音质要求高的话还是建议wav格式。

ARM格式全称Adaptive Multi-Rate 和 Adaptive Multi-Rate Wideband，主要用于移动设备的音频，压缩比比较大，但相对其他的压缩格式质量比较差，多用于人声，通话，是一种有损压缩格式。

Ogg全称应该是OGG Vobis(ogg Vorbis) 是一种新的音频压缩格式，类似于MP3等现有的音乐格式。相对于MP3压缩技术它是完全免费、开放和没有专利限制的，是一种有损压缩格式。

AAC（Advanced Audio Coding），中文称为“高级音频编码”，出现于1997年，基于 MPEG-2的音频编码技术，是一种有损压缩技术。

LAC即是Free Lossless Audio Codec的缩写，为无损音频压缩编码，由于不会丢失任何音频信息可以利用算法恢复原始编码，前景广阔。

2 WAV文件头信息

WAV格式全称为WAVE，前面提到只需要在PCM文件的前面添加WAV文件头，就可以生成WAV格式文件，下面说一说WAV文件头格式。
WAV符合 RIFF Resource Interchange File Format规范，RIFF文件结构可以看作是树状结构,其基本构成是称为"块"（Chunk）的单元，WAVE文件是由若干个Chunk组成的。WAV文件本身由三个“块”信息组成：将文件标识为WAV文件的RIFF块，识别采样率等参数的FORMAT块和包含实际数据（样本）的DATA块。

所有的WAV都有一个文件头，这个文件头记录着音频流的编码参数。数据块的记录方式是little-endian字节顺序。

C语言中对应的WAV的文件头结构如下：

Typedef struct
{
WAVEFORMAT wf;//波形格式；
WORD wBitsPerSample;//WAVE文件的采样大小；
}PCMWAVEFORMAT；
WAVEFORMAT结构定义如下：
typedef struct
{
WORD wFormatag;//编码格式，包括WAVE_FORMAT_PCM，WAVEFORMAT_ADPCM等
WORD nChannls;//声道数，单声道为1，双声道为2;
DWORD nSamplesPerSec;//采样频率；
DWORD nAvgBytesperSec；//每秒的数据量；
WORD nBlockAlign;//块对齐；
}WAVEFORMAT；

C语言里面的字WORD（32位），16进制文件对应2个字节（Byte），而DWORD（64位），对应4个字节。16进制文件的存储规律，对于WORD，先存储低位字节，然后存储高位字节，而DWORD，则先存储低两位的低位，然后是低两位的高位，然后是高两位的低位，然后是高两位的高位。所以看下图时要对照WORD和DWORD格式的存储结构。

WAV文件头信息由44个字节组成，所以只需要在PCM文件头部添加44个字节的WAV文件头，就可以生成WAV格式文件。

• ChunkID:大小为4个字节数据，内容为“RIFF”，表示资源交换文件标识
• ChunkSize：大小为4个字节数据，内容为一个整数，表示从下个地址开始到文件尾的总字节数
• Format：大小为4个字节数据，内容为“WAVE”，表示WAV文件标识
• Subchunkl ID:大小为4个字节数据，内容为“fmt ”，表示波形格式标识（fmt ），最后一位空格。
• Subchunkl Size：大小为4个字节数据，内容为一个整数，表示PCMWAVEFORMAT的长度。
• AudioFormat：大小为2个字节数据，内容为一个短整数，表示格式种类（值为1时，表示数据为线性PCM编码）
• NumChannels：大小为2个字节数据，内容为一个短整数，表示通道数，单声道为1，双声道为2
• SampleRate:大小为4个字节数据，内容为一个整数，表示采样率，比如44100
• ByteRate:大小为4个字节数据，内容为一个整数，表示波形数据传输速率（每秒平均字节数），大小为 采样率 * 通道数 * 采样位数
• BlockAlign：大小为2字节数据，内容为一个短整数，表示DATA数据块长度，大小为 通道数 * 采样位数
• BitsPerSample：大小为2个字节数据，内容为一个短整数，表示采样位数，即PCM位宽，通常为8位或16bit
• Subchunk2ID:大小为4个字节数据，内容为“data”，表示数据标记符
• Subchunk2 Size:大小为4个字节数据，内容为一个整数，表示接下来声音数据的总大小，需要减去头部的44个字节。
• data：就是其他编码文件内容

文件实例：

• ChunkID:“52 49 46 46 ”对应ASCII中的RIFF,固定格式。
• ChunkSize:“A4 29 01 00”:注意为DWORD格式，表示WAV文件的大小，包含了前面8个字节，所以真正的大小等于文件总字节减去8。a4 a9 01 00 对应的正序16进制为“000129a4”大小为76196,所以文件大小为76188.
• Format:“57 41 56 45 ”:表示ASCII编码的WAVE，固定写法。
• Subchunkl ID:”66 6D 74 20”表示ASCII编码的fmt,固定写法。
• Subchunkl Size：“10 00 00 00 ”DWORD格式，对应16。
• AudioFormat：“01 00”WORD格式，对应定义为编码格式“WAVE_FORMAT_PCM”。
• NumChannels：“01 00”WORD格式，对应数字1，表示声道数为1，这是个单声道Wav。
• SampleRate:”80 3e 00 00”,DWORD格式，对应16进制大小为“00003e80”采样率为1600.
• ByteRate:”00 7d 00 00”,DWORD格式，大小为传输速率为32000，
• BlockAlign：02 00，WORD格式，对应2
• BitsPerSample：10 00 ，对应WAVE文件的采样大小，数值为16，采样大小为16Bits
• Subchunk2ID:“64 61 74 61”表示为ASCII的data，开始数据区。
• Subchunk2 Size：“80 29 01 00”格式为DWORD，大小为76160减去44 得到76116.
  wav文件 ：https://pan.baidu.com/s/10Vzv6I1Wwbzr5VVBMnJfEg

3 PCM转WAV格式

主要采样频率和AudioFormat和声道数，如果pcm转wav过程中，这些信息和录音时的设置不同，会导致生成的wav文件都是杂音，所以抽取成了需要外部传入。

public class PCMCovWavUtil {
    //录音的采样频率
    private  int audioRate = 16000;
    //录音的声道，单声道
    private  int audioChannel = AudioFormat.CHANNEL_IN_MONO;
    //量化的深度
    private  int audioFormat = AudioFormat.ENCODING_PCM_16BIT;
    //缓存的大小
    private  int bufferSize = AudioRecord.getMinBufferSize(audioRate,audioChannel,audioFormat) *2;

    //PCM文件
    private File pcmFile;
    //WAV文件
    private File wavFile;

    private String basePath = Environment.getExternalStorageDirectory()
            .getPath() + "/audio";
    //wav文件目录
    private String outFileName = basePath+"/test.wav";
    //pcm文件目录
    private String inFileName = basePath+"/test.pcm";

   // samHz,shengdao,audioFormat,bufferSize
    public PCMCovWavUtil(int audioRate,int audioChannel,int audioFormat,int bufferSize){

        this.audioRate = audioRate;
        this.audioChannel = audioChannel;
        this.audioFormat = audioFormat;
        this.bufferSize = bufferSize;
        File baseFile = new File(basePath);
        if(!baseFile.exists())
            baseFile.mkdirs();

        pcmFile = new File(inFileName);
        wavFile = new File(outFileName);

        try{
            if (!pcmFile.exists())
                pcmFile.createNewFile();

            if (!wavFile.exists())
                wavFile.createNewFile();
        }catch(IOException e){

        }
    }

    //转换函数
    public void convertWaveFile() {
      File  twavFile = new File(outFileName);
        if(twavFile.exists()){
            twavFile.delete();
        }

        FileInputStream in = null;
        FileOutputStream out = null;
        long totalAudioLen = 0;
        long totalDataLen = totalAudioLen + 36;
        long longSampleRate = audioRate;
        int channels = 1;
        long byteRate = 16 * audioRate * channels / 8;
        if (audioFormat == AudioFormat.ENCODING_PCM_16BIT){
            byteRate = 16 * audioRate * channels / 8;
        }else if (audioFormat == AudioFormat.ENCODING_PCM_8BIT){
            byteRate = 8 * audioRate * channels / 8;
        }

        byte[] data = new byte[bufferSize];
        try {
            in = new FileInputStream(inFileName);
            out = new FileOutputStream(outFileName);
            totalAudioLen = in.getChannel().size();
            //由于不包括前面的8个字节RIFF和WAV
            totalDataLen = totalAudioLen + 36;
            addWaveFileHeader(out, totalAudioLen, totalDataLen, longSampleRate, channels, byteRate);
            while (in.read(data) != -1) {
                out.write(data);
            }
            in.close();
            out.close();
            System.out.println("==========转换完毕================");
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

   //添加Wav头部信息
    private void addWaveFileHeader(FileOutputStream out, long totalAudioLen, long totalDataLen, long longSampleRate,
                                   int channels, long byteRate) throws IOException {
        byte[] header = new byte[44];
        // RIFF 头表示
        header[0] = 'R';
        header[1] = 'I';
        header[2] = 'F';
        header[3] = 'F';
        //数据大小，数据大小，真正大小是添加了8bit
        header[4] = (byte) (totalDataLen & 0xff);
        header[5] = (byte) ((totalDataLen >> 8) & 0xff);
        header[6] = (byte) ((totalDataLen >> 16) & 0xff);
        header[7] = (byte) ((totalDataLen >> 24) & 0xff);
        //wave格式
        header[8] = 'W';//WAVE
        header[9] = 'A';
        header[10] = 'V';
        header[11] = 'E';
        //fmt Chunk
        header[12] = 'f'; // 'fmt '
        header[13] = 'm';
        header[14] = 't';
        header[15] = ' ';
        //数据大小
        header[16] = 16; // 4 bytes: size of 'fmt ' chunk
        header[17] = 0;
        header[18] = 0;
        header[19] = 0;
        //编码方式 10H为PCM编码格式
        header[20] = 1; // format = 1
        header[21] = 0;
        //通道数
        header[22] = (byte) channels;
        header[23] = 0;
        //采样率，每个通道的播放速度
        header[24] = (byte) (longSampleRate & 0xff);
        header[25] = (byte) ((longSampleRate >> 8) & 0xff);
        header[26] = (byte) ((longSampleRate >> 16) & 0xff);
        header[27] = (byte) ((longSampleRate >> 24) & 0xff);
        //音频数据传送速率,采样率*通道数*采样深度/8
        header[28] = (byte) (byteRate & 0xff);
        header[29] = (byte) ((byteRate >> 8) & 0xff);
        header[30] = (byte) ((byteRate >> 16) & 0xff);
        header[31] = (byte) ((byteRate >> 24) & 0xff);
        int tongdaowei = 1;
        if ( audioChannel ==  AudioFormat.CHANNEL_IN_MONO){
            tongdaowei =1;
        }else{
            tongdaowei =2;
        }
        // 确定系统一次要处理多少个这样字节的数据，确定缓冲区，通道数*采样位数
        if (audioFormat == AudioFormat.ENCODING_PCM_16BIT){
            header[32] = (byte) (tongdaowei * 16 / 8);
        }else if (audioFormat == AudioFormat.ENCODING_PCM_8BIT){
            header[32] = (byte) (tongdaowei * 8 / 8);
        }
       // header[32] = (byte) (1 * 16 / 8);
        header[33] = 0;
        //每个样本的数据位数
        if (audioFormat == AudioFormat.ENCODING_PCM_16BIT){
            header[34] = 16;
        }else if (audioFormat == AudioFormat.ENCODING_PCM_8BIT){
            header[34] = 8;
        }

        header[35] = 0;
        //Data chunk
        header[36] = 'd';//data
        header[37] = 'a';
        header[38] = 't';
        header[39] = 'a';
        header[40] = (byte) (totalAudioLen & 0xff);
        header[41] = (byte) ((totalAudioLen >> 8) & 0xff);
        header[42] = (byte) ((totalAudioLen >> 16) & 0xff);
        header[43] = (byte) ((totalAudioLen >> 24) & 0xff);
        out.write(header, 0, 44);
    }

}

文件连接：test.pcm test.wav( AudioFormat.ENCODING_PCM_16BIT) , test1.pcm test1.wav ( AudioFormat.ENCODING_PCM_16BIT) https://pan.baidu.com/s/19j4HoQdLXeWnFF9ZqW2fTw
思考如何转成mp3,acc,arm等格式呢？如何将mp3转成aac，或者aac转成mp3呢？FFmpeg过于庞大，所以接下来会讲MediaCodec