WAV文件格式詳解

1、WAV文件概述

WAV是微軟公司開發(fā)的一種音頻格式文件，用于保存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(guī)范。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(shù)字，因此在聲音文件質(zhì)量和CD相差無幾！

WAV通常用來保存PCM格式的原始音頻數(shù)據(jù)，所以通常被稱為無損音頻。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(shù)據(jù)。

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(guī)范，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，F(xiàn)ormat chunk，F(xiàn)act chunk（附加塊，可選），Data chunk。示意圖如下：

2019-10-21_162529

一個WAV文件，首先是一個RIFF chunk，其格式類型為'WAVE'。RIFF chunk包括兩個子chunk，ID分別為 'fmt '和'data'，還有一個可選的Fact chunk。Format chunk用于表示音頻數(shù)據(jù)的屬性，包括編碼方式、聲道數(shù)目、采樣頻率、每個采樣需要的bit數(shù)等等信息。Fact chunk是一個可選chunk，一般當(dāng)WAVE文件由某些軟件轉(zhuǎn)化而成就包含F(xiàn)act chunk。Data chunk包含WAVE文件的數(shù)字化波形聲音數(shù)據(jù)。WAVE整體結(jié)構(gòu)如下圖所示：

2019-10-21_162508

接下來講講各個chunk的具體內(nèi)容。

3、各個chunk的具體內(nèi)容

(1).RIFF chunk

ID：4字節(jié)，值為"RIFF"。

Size：4字節(jié)，ChunkData字段中數(shù)據(jù)的大小，單位：字節(jié)。

ChunkData：包含F(xiàn)ormType和其他chunk的內(nèi)容。

FormType：4字節(jié)，值為"WAVE"。

Data：其他chunk的內(nèi)容。

(2).Format chunk

ID：4字節(jié)，值為"fmt "，最后一個字符是空格。

Size：4字節(jié)，數(shù)據(jù)字段（Data）包含的數(shù)據(jù)大小。如無擴展塊，則值為16；有擴展塊，則值為= 16 + 2字節(jié)擴展塊長度 + 擴展塊內(nèi)容，或者值為18（只有擴展塊長度為2字節(jié)，并且擴展塊長度值為0），單位：字節(jié)。

Data：存放音頻格式、聲道數(shù)、采樣率等信息。

audio_format：2字節(jié)，表示音頻數(shù)據(jù)的格式。如值為1，表示使用PCM格式。

channels：2字節(jié)，聲道數(shù)。值為1則為單聲道，為2則是雙聲道。

sample_rate：4字節(jié)，采樣頻率，主要有22.05KHz，44.1kHz和48KHz等，例如0xAC44表示44100Hz。

bytes_per_sec：4字節(jié)，音頻的碼率，每秒播放的字節(jié)數(shù)。其值為：聲道數(shù) * 采樣頻率 * 量化位數(shù) / 8，可以估算出使用緩沖區(qū)的大小。

block_align：2字節(jié)，每個采樣點所需的字節(jié)數(shù)，其值為：聲道數(shù) * 量化位數(shù) / 8。

bits_per_sample：2字節(jié)，量化位數(shù)，有16位，24位和32位等。

cbSize：2字節(jié)，擴展塊的長度，其值可以為0或者22。

cbContent：0字節(jié)或22字節(jié)，擴展塊內(nèi)容，具體介紹在下文提及。

備注：這個區(qū)域只需要關(guān)心channels，sample_rate，bits_per_sample三個參數(shù)就可以了，其它的都是依據(jù)這三個計算出來的。

(3).Fact chunk（可選）

fact chunk為可選的，在大多數(shù)的WAV文件中是不存在的。采用壓縮編碼的WAV文件，必須要有Fact chunk，該塊中只有一個數(shù)據(jù)，為每個聲道的采樣總數(shù)。

ID：4字節(jié)，值為"fact"。

Size：4字節(jié)，數(shù)據(jù)字段的長度，其值最小為4。

Data：采樣總數(shù)。

(4).Data chunk

ID：4字節(jié)，值為"data"。

Size：4字節(jié)，音頻數(shù)據(jù)的長度。

Data：具體的音頻數(shù)據(jù)內(nèi)容存放在這里。

4、Format chunk中的音頻數(shù)據(jù)格式

在format chunk中，有一個字段audio_format，該字段表示音頻數(shù)據(jù)是以何種方式進行編碼存放的。其可選的取值有：

0x0001：WAVE_FORMAT_PCM，采用PCM格式，此時WAV文件中不包含F(xiàn)act chunk。

0x0002：WAVE_FORMAT_ADPCM，此時WAV文件中包含F(xiàn)act chunk。

0x0006：WAVE_FORMAT_ALAW，此時WAV文件中包含F(xiàn)act chunk。

0x0007：WAVE_FORMAT_MULAW，此時WAV文件中包含F(xiàn)act 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。

備注：一般情況下，我們遇到的WAV文件的音頻數(shù)據(jù)編碼格式是PCM，介紹上述內(nèi)容，只是讓大家多了解下其他的編碼格式的值與名稱，當(dāng)遇到這類編碼時，能夠知道其名稱，從而方便查詢相關(guān)資料。

5、Format chunk中的擴展塊

當(dāng)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(shù)據(jù)。該數(shù)據(jù)的前兩個字節(jié)，表示的是擴展塊的長度。緊接其后的是擴展塊的數(shù)據(jù)區(qū)，含有擴展的格式信息，其具體的長度取決于壓縮編碼的類型。當(dāng)某種編碼方式的擴展塊的數(shù)據(jù)區(qū)長度為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(shè)置為0。

擴展塊的各個字節(jié)的含義如下：

cbSize：2字節(jié)，擴展塊的長度，其值可以為0或者22。

cbContent：0字節(jié)或22字節(jié)，擴展塊內(nèi)容。

valid_bits_per_sample：2字節(jié)，有效的采樣位數(shù)，最大值為block_align * 8?？梢允褂酶`活的量化位數(shù)，通常音頻sample的量化位數(shù)為8的倍數(shù)，但是使用了WAVE_FORMAT_EXTENSIBLE時，量化的位數(shù)由擴展塊中的valid_bits_per_sample來描述，可以小于Format chunk中指定的bits_per_sample。

channle_mask：4字節(jié)，聲道掩碼。

sub_format：16字節(jié)，數(shù)據(jù)格式碼。

在Format chunk中的audio_format設(shè)置為0xFFFE時，表示使用擴展區(qū)中的sub_format來決定音頻的數(shù)據(jù)的編碼方式。在以下幾種情況下必須要使用WAVE_FORMAT_EXTENSIBLE：

PCM數(shù)據(jù)的量化位數(shù)大于16。

音頻的采樣聲道大于2。

實際的量化位數(shù)不是8的倍數(shù)。

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。

備注：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(shù)據(jù)格式

Data chunk中的Data塊中存放的是音頻的采樣數(shù)據(jù)。每個sample按照采樣的時間順序?qū)懭?，對于使用多個字節(jié)的sample，使用小端模式存放（低位字節(jié)存放在低地址，高位字節(jié)存放在高地址）。對于多聲道的sample采用交叉存放的方式。例如：立體雙聲道的sample存儲順序為：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....。

對于Data chunk中的Data字段，也就是音頻數(shù)據(jù)內(nèi)容的存儲，根據(jù)聲道數(shù)和采樣位數(shù)的不同情況，布局如下（每1列代表8 bits）：

(1).8 bit單聲道

(2).8 bit雙聲道

(3).16 bit單聲道

(4).16 bit雙聲道

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：

2019-10-21_160033

下表對文件格式進行解讀：

從偏移量2CH開始就是音頻數(shù)據(jù)了。

審核編輯：湯梓紅