By: Ailson Jack
Date: 2020.03.29
个人博客：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，便于学习，也可以去我博客逛逛，兴许有你想要的内容呢。
1、WAV文件概述
WAV是微软公司开发的一种音频格式文件，用于保存Windows平台的音频信息资源，它符合资源互换文件格式(Resource Interchange File Format，RIFF)文件规范。标准格式化的WAV文件和CD格式一样，也是44.1K的取样频率，16位量化数字，因此在声音文件质量和CD相差无几！
WAV通常用来保存PCM格式的原始音频数据，所以通常被称为无损音频。但是严格意义上来讲，WAV也可以存储其它压缩格式的音频数据。
2、WAV文件格式
WAV符合RIFF文件格式标准，可以看作是RIFF文件的一个具体实例。既然WAV符合RIFF规范，其基本的组成单元也是chunk。一个WAV文件通常有三个chunk以及一个可选chunk，其在文件中的排列方式依次是：RIFF chunk，Format chunk，Fact chunk（附加块，可选），Data chunk。示意图如下：
一个WAV文件，首先是一个RIFF chunk，其格式类型为'WAVE'。RIFF chunk包括两个子chunk，ID分别为 'fmt '和'data'，还有一个可选的Fact chunk。Format chunk用于表示音频数据的属性，包括编码方式、声道数目、采样频率、每个采样需要的bit数等等信息。Fact chunk是一个可选chunk，一般当WAVE文件由某些软件转化而成就包含Fact chunk。Data chunk包含WAVE文件的数字化波形声音数据。 WAVE整体结构如下图所示：
接下来讲讲各个chunk的具体内容。
3、各个chunk的具体内容
(1).RIFF chunk
- ID：4字节，值为"RIFF"。
- Size：4字节，ChunkData字段中数据的大小，单位：字节。
- ChunkData：包含FormType和其他chunk的内容。
- FormType：4字节，值为"WAVE"。
- Data：其他chunk的内容。
(2).Format chunk
- ID：4字节，值为"fmt "，最后一个字符是空格。
- Size：4字节，数据字段（Data）包含的数据大小。如无扩展块，则值为16；有扩展块，则值为= 16 + 2字节扩展块长度 + 扩展块内容，或者值为18（只有扩展块长度为2字节，并且扩展块长度值为0），单位：字节。
- Data：存放音频格式、声道数、采样率等信息。
- audio_format：2字节，表示音频数据的格式。如值为1，表示使用PCM格式。
- channels：2字节，声道数。值为1则为单声道，为2则是双声道。
- sample_rate：4字节，采样频率，主要有22.05KHz，44.1kHz和48KHz等，例如0xAC44表示44100Hz。
- bytes_per_sec：4字节，音频的码率，每秒播放的字节数。其值为：声道数 * 采样频率 * 量化位数 / 8，可以估算出使用缓冲区的大小。
- block_align：2字节，每个采样点所需的字节数，其值为：声道数 * 量化位数 / 8。
- bits_per_sample：2字节，量化位数，有16位，24位和32位等。
- cbSize：2字节，扩展块的长度，其值可以为0或者22。
- cbContent：0字节或22字节，扩展块内容，具体介绍在下文提及。
备注：这个区域只需要关心channels，sample_rate，bits_per_sample三个参数就可以了，其它的都是依据这三个计算出来的。
(3).Fact chunk（可选）
fact chunk为可选的，在大多数的WAV文件中是不存在的。采用压缩编码的WAV文件，必须要有Fact chunk，该块中只有一个数据，为每个声道的采样总数。
ID：4字节，值为"fact"。
Size：4字节，数据字段的长度，其值最小为4。
Data：采样总数。
(4).Data chunk
ID：4字节，值为"data"。
Size：4字节，音频数据的长度。
Data：具体的音频数据内容存放在这里。
4、Format chunk中的音频数据格式
在format chunk中，有一个字段audio_format，该字段表示音频数据是以何种方式进行编码存放的。其可选的取值有：
0x0001：WAVE_FORMAT_PCM，采用PCM格式，此时WAV文件中不包含Fact chunk。
0x0002：WAVE_FORMAT_ADPCM，此时WAV文件中包含Fact chunk。
0x0006：WAVE_FORMAT_ALAW，此时WAV文件中包含Fact chunk。
0x0007：WAVE_FORMAT_MULAW，此时WAV文件中包含Fact chunk。
0xFFFE：WAVE_FORMAT_EXTENSIBLE，具体的编码方式由Format chunk中扩展块的sub_format字段决定。
备注：一般情况下，我们遇到的WAV文件的音频数据编码格式是PCM，介绍上述内容，只是让大家多了解下其他的编码格式的值与名称，当遇到这类编码时，能够知道其名称，从而方便查询相关资料。
5、Format chunk中的扩展块
当WAV文件使用的不是PCM编码方式时，就需要扩展格式块，它是在基本的Format chunk中又添加一段数据。该数据的前两个字节，表示的是扩展块的长度。紧接其后的是扩展块的数据区，含有扩展的格式信息，其具体的长度取决于压缩编码的类型。当某种编码方式的扩展块的数据区长度为0，此时扩展块只包含了扩展块长度字段，扩展块的长度字段还必须保留，只是其值设置为0。
扩展块的各个字节的含义如下：
- cbSize：2字节，扩展块的长度，其值可以为0或者22。
- cbContent：0字节或22字节，扩展块内容。
- valid_bits_per_sample：2字节，有效的采样位数，最大值为block_align * 8。可以使用更灵活的量化位数，通常音频sample的量化位数为8的倍数，但是使用了WAVE_FORMAT_EXTENSIBLE时，量化的位数由扩展块中的valid_bits_per_sample来描述，可以小于Format chunk中指定的bits_per_sample。
- channle_mask：4字节，声道掩码。
- sub_format：16字节，数据格式码。
在Format chunk中的audio_format设置为0xFFFE时，表示使用扩展区中的sub_format来决定音频的数据的编码方式。在以下几种情况下必须要使用WAVE_FORMAT_EXTENSIBLE：
- PCM数据的量化位数大于16。
- 音频的采样声道大于2。
- 实际的量化位数不是8的倍数。
- 存储顺序和播放顺序不一致，需要指定从声道顺序到声卡播放顺序的映射情况。
备注：一般情况下，我们遇到的WAV文件中是不含有扩展块的。
6、声音数据格式
Data chunk中的Data块中存放的是音频的采样数据。每个sample按照采样的时间顺序写入，对于使用多个字节的sample，使用小端模式存放（低位字节存放在低地址，高位字节存放在高地址）。对于多声道的sample采用交叉存放的方式。例如：立体双声道的sample存储顺序为：声道1的第一个sample，声道2的第一个sample；声道1的第二个sample，声道2的第二个sample；依次类推....。
对于Data chunk中的Data字段，也就是音频数据内容的存储，根据声道数和采样位数的不同情况，布局如下（每1列代表8 bits）：
1.8 bit 单声道
| 采样1 |
采样2 |
| 数据1 |
数据2 |
2.8 bit 双声道
| 采样1 |
|
采样2 |
|
| 声道1数据1 |
声道2数据1 |
声道1数据2 |
声道2数据2 |
3.16 bit 单声道
| 采样1 |
|
采样2 |
|
| 数据1低字节 |
数据1高字节 |
数据2低字节 |
数据2高字节 |
4.16 bit 双声道
| 声道1采样1 |
|
声道2采样1 |
|
| 声道1数据1低字节 |
声道1数据1高字节 |
声道2数据1低字节 |
声道2数据1高字节 |
| 声道1采样2 |
|
声道2采样2 |
|
| 声道1数据2低字节 |
声道1数据2高字节 |
声道2数据2低字节 |
声道2数据2高字节 |
7、WAV文件实例分析
利用winhex工具软件可以非常方便的以十六进制查看文件，下图是我用winhex软件打开一个WAV音频文件时的部分界面截图：
下表对文件格式进行解读：
| 偏移地址 |
字节数 |
16进制源码 |
内容 |
| 00H |
4 |
52 49 46 46 |
'RIFF'标识符 |
| 04H |
4 |
F4 FE 83 01 |
数据长度:0x0183FEF4(注意顺序) |
| 08H |
4 |
57 41 56 45 |
'WAVE'标识符 |
| 0CH |
4 |
66 6D 74 20 |
'fmt ',最后一位为空格 |
| 10H |
4 |
10 00 00 00 |
Format chunk大小：0x10 |
| 14H |
2 |
01 00 |
编码格式：0x01为PCM |
| 16H |
2 |
02 00 |
声道数目：0x02为双声道 |
| 18H |
4 |
44 AC 00 00 |
采样频率：0xAC44表示44100Hz |
| 1CH |
4 |
10 B1 02 00 |
每秒字节数：0x02B110 |
| 20H |
2 |
04 00 |
每个采样点所需的字节数：0x04 |
| 22H |
2 |
10 00 |
量化位数：0x10 |
| 24H |
4 |
64 61 74 61 |
'data'标识符 |
| 28H |
4 |
48 FE 83 01 |
音频数据的长度：0x0183FE48 |
从偏移量2CH开始就是音频数据了。
如果觉得文章写的不错，对你有帮助，欢迎点赞，关注博主哟！
排版更好的内容见我博客的地址：http://www.only2fire.com/archives/114.html
注：转载请注明出处，谢谢！^_^