WAVE文件是非常简单的一种RIFF文件，它的格式类型为”WAVE”。RIFF块包含两个子块，这两个子块的ID分别是”fmt”和”data”,其中”fmt”子块由结构PCMWAVEFORMAT所组成，其子块的大小就是sizeofof(PCMWAVEFORMAT),数据组成就是PCMWAVEFORMAT结构中的数据。（详细介绍于http://blog.csdn.net/zhihu008/article/details/7854529中查看，这里只作简要介绍）
wav文件结构
PCMWAVEFORMAT结构定义如下：
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（每个采样的字节长度）
} WAVEFORMAT;WAV文件头结构：
typedef struct
{
char chRIFF[4];//"RIFF"
DWORD dwRIFFLen;//总长度-8
char chWAVE[4];//"WAVE"
char chFMT[4];//"fmt "
DWORD dwFMTLen;//sizeof(PCMWAVEFORMAT )
PCMWAVEFORMAT pwf;
char chDATA[4];//"data"
DWORD dwDATALen;//音频数据长度
}WaveHeader;其中的字符数组都是固定格式。以下分别对应8、16比特单双通道的数据存储格式图：
8bit、单通道：
8bit、双通道：
16bit、单通道：
16bit、双通道：
wav头文件详解
参考
RIFF档案由一个简单的表头（header）跟随着多个 "chunks"所组。其格式完全跟IFF一样，除整数的储存方式不一样以外。
表头（Header）
4 字节（bytes）：固定为"RIFF".
4 字节：little-endian 32-bit 正整数，整个档案的大小，扣掉辨识字符和长度，共8个字节。
4 字节：这个档案的型态字符，例如："AVI " 或 "WAVE".
接下来是区块（Chunks），每个区块包含：
4 字节：此区块的ASCII识别字，例如："fmt " 或 "data".
4 字节：little-endian 32-bit 正整数，表示本区块的长度（这个正整数本身和区块识别字的长度不算在内）.
不固定长度字段：此区块的资料，大小等同前一栏之正整数。
假如区块的长度不为偶数，则填入一个 byte。
可以参考下表
|
偏移地址
|
大小
字节
|
数据块
类型
|
内容
|
|
00H~03H
|
4
|
4字符
|
资源交换文件标志（RIFF）
|
|
04H~07H
|
4
|
长整数
|
从下个地址开始到文件尾的总字节数
|
|
08H~0BH
|
4
|
4字符
|
WAV文件标志（WAVE）
|
|
0CH~0FH
|
4
|
4字符
|
波形格式标志（fmt ），最后一位空格。
|
|
10H~13H
|
4
|
整数
|
过滤字节（一般为00000010H）
|
|
14H~15H
|
2
|
整数
|
格式种类（值为1时，表示数据为线性PCM编码）
|
|
16H~17H
|
2
|
整数
|
通道数，单声道为1，双声道为2
|
|
18H~1BH
|
4
|
长整数
|
采样频率
|
|
1CH~1FH
|
4
|
长整数
|
波形数据传输速率（每秒平均字节数）
|
|
20H~21H
|
2
|
整数
|
DATA数据块长度，字节。 |
|
22H~23H
|
2
|
整数
|
PCM位宽
|
| 24H~27H | 4 | 4字符 |
“fact”,该部分一下是可选部分，即可能有，可能没有,一般到WAV文件由某些软件转换而成时，包含这部分。
|
| 28H~2BH | 4 |
长整数
|
size,数值为4 |
表2 WAV声音文件的
|
偏移地址
|
字节数
|
类型
|
内容
|
|
24H~27H
|
4
|
4字符
|
数据标志符（data）
|
|
28H~2BH
|
4
|
长整型
|
DATA总数据长度字节
|
|
2CH...
|
...
|
DATA数据块
|
他的三个最重要的参数是采样率，比特数，声道数。
我们使用UE打开这个音频文件
注意，我们的pc都是小端模式，所以注意读取数据的真实内容。
我们解读一下这个wav文件
00H ~ 03H 52 49 46 46 对应的是RIFF
04H ~ 07H 48 10 03 00 对应的是后面文件的大小，小端模式所以是00031048 ，换算为十进制的200776
08H ~ 0BH 57 41 56 45 对应的是标示符WAVE
0CH ~ 0FH 66 6d 74 20 对应是波形格式标示符fmt
10H ~ 13H 12 00 00 00 对应的是过滤字节，不知道是什么作用，由于本文件不是标准的采样率，所以可能和上面的不一致
14H ~ 15H 01 00 对应的十进制是1 线性的PCM编码，我们这里只探讨PCM编码
16H ~ 17H 01 00 对应的十进制是1 表示单声道，MONO
18H ~ 1BH 80 3E 00 00 对应的十进制是16000.表示采样率是16000的
1CH ~ 1FH 00 7D 00 00 对应的十进制是32000，波形数据传输率，每秒多少个字节，可以用（200776 -72）/32000 = 6.272s
20H ~ 21H 02 00 对应的十进制是2，数据的调整数
22H ~ 23H 10 00 对应的十进制是16，样本数据的位数，表示用16位表示一个样本
我们的和表二之间有一些差距，是ffmpeg转码的数据，所以中间夹着了一些ffmpeg的信息
48H ~ 4BH 64 61 74 71 对应的ACSCII码是data
4CH ~ 4FH 00 10 03 00 对应的十进制是200704，表示采样数据的总数
从50H开始就是真正的数据部分
在使用ffmpeg解包的时候总共是有49个包，每个包的大小为4096， 49*4096 =200704,
怎么计算出来包的大小，需要进一步的分析。