WAVE文件作爲多媒體中使用的聲波文件格式之一,它是以RIFF格式爲標準的。RIFF是英文Resource Interchange File Format的縮寫,每個WAVE文件的頭四個字節便是“RIFF”。WAVE文件由文件頭和數據體兩大部分組成。其中文件頭又分爲RIFF/WAV文件標識段和聲音數據格式說明段兩部分。WAVE文件各部分內容及格式見附表。
常見的聲音文件主要有兩種,分別對應於單聲道(11.025KHz採樣率、8Bit的採樣值)和雙聲道(44.1KHz採樣率、16Bit的採樣值)。採樣率是指:聲音信號在“模→數”轉換過程中單位時間內採樣的次數。採樣值是指每一次採樣週期內聲音模擬信號的積分值。
對於單聲道聲音文件,採樣數據爲八位的短整數(short int 00H-FFH);而對於雙聲道立體聲聲音文件,每次採樣數據爲一個16位的整數(int),高八位和低八位分別代表左右兩個聲道。
W AVE文件數據塊包含以脈衝編碼調製(PCM)格式表示的樣本。WAVE文件是由樣本組織而成的。在單聲道WAVE文件中,聲道0代表左聲道,聲道1代表右聲道。在多聲道WAVE文件中,樣本是交替出現的。
WAVE文件格式說明表
偏移地址 字節數 數據類型 內 容
文件頭
00H 4 char "RIFF"標誌
04H 4 long int 文件長度
08H 4 char "WAVE"標誌
0CH 4 char "fmt"標誌
10H 4 過渡字節(不定)
14H 2 int 格式類別(10H爲PCM形式的聲音數據)
16H 2 int 通道數,單聲道爲1,雙聲道爲2
18H 2 int 採樣率(每秒樣本數),表示每個通道的播放速度,
1CH 4 long int 波形音頻數據傳送速率,其值爲通道數×每秒數據位數×每 樣本的數據位數/8。播放軟件利用此值可以估計緩衝區的大小。
20H 2 int 數據塊的調整數(按字節算的),其值爲通道數×每樣本的數據位值/8。播放軟件需要一次處理多個該值大小的字節數據,以便將其值用於緩衝區的調整。
22H 2 每樣本的數據位數,表示每個聲道中各個樣本的數據位數。如果有多個聲道,對每個聲道而言,樣本大小都一樣。
24H 4 char 數據標記符"data"
28H 4 long int 語音數據的長度
PCM數據的存放方式:
樣本1 樣本2
8位單聲道 0聲道 0聲道
8位立體聲 0聲道(左) 1聲道(右) 0聲道(左) 1聲道(右)
16位單聲道 0聲道低字節 0聲道高字節 0聲道低字節 0聲道高字節
16位立體聲 0聲道(左)低字節 0聲道(左)高字節 1聲道(右)低字節 1聲道(右)高字節
WAVE文件的每個樣本值包含在一個整數i中,i的長度爲容納指定樣本長度所需的最小字節數。首先存儲低有效字節,表示樣本幅度的位放在i的高有效位上,剩下的位置爲0,這樣8位和16位的PCM波形樣本的數據格式如下所示。
樣本大小 數據格式 最大值 最小值
8位PCM unsigned int 225 0
16位PCM int 32767 -32767
==================================================================================
一、綜述
WAVE文件作爲多媒體中使用的聲波文件格式之一,它是以RIFF格式爲標準的。
RIFF是英文Resource Interchange File Format的縮寫,每個WAVE文件的頭四個
字節便是“RIFF”。
WAVE文件是由若干個Chunk組成的。按照在文件中的出現位置包括:RIFF WAVE
Chunk, Format Chunk, Fact Chunk(可選), Data Chunk。具體見下圖:
------------------------------------------------
| RIFF WAVE Chunk |
| ID = 'RIFF' |
| RiffType = 'WAVE' |
------------------------------------------------
| Format Chunk |
| ID = 'fmt ' |
------------------------------------------------
| Fact Chunk(optional) |
| ID = 'fact' |
------------------------------------------------
| Data Chunk |
| ID = 'data' |
------------------------------------------------
圖1 Wav格式包含Chunk示例
其中除了Fact Chunk外,其他三個Chunk是必須的。每個Chunk有各自的ID,位
於Chunk最開始位置,作爲標示,而且均爲4個字節。並且緊跟在ID後面的是Chunk大
小(去除ID和Size所佔的字節數後剩下的其他字節數目),4個字節表示,低字節
表示數值低位,高字節表示數值高位。下面具體介紹各個Chunk內容。
PS:
所有數值表示均爲低字節表示低位,高字節表示高位。
二、具體介紹
RIFF WAVE Chunk
==================================
| |所佔字節數| 具體內容 |
==================================
| ID | 4 Bytes | 'RIFF' |
----------------------------------
| Size | 4 Bytes | |
----------------------------------
| Type | 4 Bytes | 'WAVE' |
----------------------------------
圖2 RIFF WAVE Chunk
以'FIFF'作爲標示,然後緊跟着爲size字段,該size是整個wav文件大小減去ID
和Size所佔用的字節數,即FileLen - 8 = Size。然後是Type字段,爲'WAVE',表
示是wav文件。
結構定義如下:
struct RIFF_HEADER
{
char szRiffID[4]; // 'R','I','F','F'
DWORD dwRiffSize;
char szRiffFormat[4]; // 'W','A','V','E'
};
Format Chunk
====================================================================
| | 字節數 | 具體內容 |
====================================================================
| ID | 4 Bytes | 'fmt ' |
--------------------------------------------------------------------
| Size | 4 Bytes | 數值爲16或18,18則最後又附加信息 |
-------------------------------------------------------------------- ----
| FormatTag | 2 Bytes | 編碼方式,一般爲0x0001 | |
-------------------------------------------------------------------- |
| Channels | 2 Bytes | 聲道數目,1--單聲道;2--雙聲道 | |
-------------------------------------------------------------------- |
| SamplesPerSec | 4 Bytes | 採樣頻率 | |
-------------------------------------------------------------------- |
| AvgBytesPerSec| 4 Bytes | 每秒所需字節數 | |===> WAVE_FORMAT
-------------------------------------------------------------------- |
| BlockAlign | 2 Bytes | 數據塊對齊單位(每個採樣需要的字節數) | |
-------------------------------------------------------------------- |
| BitsPerSample | 2 Bytes | 每個採樣需要的bit數 | |
-------------------------------------------------------------------- |
| | 2 Bytes | 附加信息(可選,通過Size來判斷有無) | |
-------------------------------------------------------------------- ----
圖3 Format Chunk
以'fmt '作爲標示。一般情況下Size爲16,此時最後附加信息沒有;如果爲18
則最後多了2個字節的附加信息。主要由一些軟件製成的wav格式中含有該2個字節的
附加信息。
結構定義如下:
struct WAVE_FORMAT
{
WORD wFormatTag;
WORD wChannels;
DWORD dwSamplesPerSec;
DWORD dwAvgBytesPerSec;
WORD wBlockAlign;
WORD wBitsPerSample;
};
struct FMT_BLOCK
{
char szFmtID[4]; // 'f','m','t',' '
DWORD dwFmtSize;
WAVE_FORMAT wavFormat;
};
補充頭文件樣例說明:
首先是一串“52 49 46 46”這個是Ascii字符“RIFF”,這部分是固定格式,表明這是一個WAVE文件頭。
然後是“E4 3C 00 00”,這個是我這個WAV文件的數據大小,記住這個大小是包括頭文件的一部分的,包括除了前面8個字節的所有字節,也就等於文件總字節數減去8。這是一個DWORD,我這個文件對應是15588。
然後是“57 41 56 45 66 6D 74 20”,也是Ascii字符“WAVEfmt”,這部分是固定格式。
然後是PCMWAVEFORMAT部分,可以對照一下上面的struct定義,首先就是一個WAVEFORMAT的struct。
隨後是“10 00 00 00”,這是一個DWORD,對應數字16,這個對應定義中的Sizeof(PCMWAVEFORMAT),後面我們可以看到這個段內容正好是16個字節。
隨後的字節是“01 00”,這是一個WORD,對應定義爲編碼格式“WAVE_FORMAT_PCM”,我們一般用的是這個。
隨後的是“01 00”,這是一個WORD,對應數字1,表示聲道數爲1,這是個單聲道Wav。
隨後的是“22 56 00 00”,這是一個DWORD,對應數字22050,代表的是採樣頻率22050。
隨後的是“44 AC 00 00”,這是一個DWORD,對應數字44100,代表的是每秒的數據量。
然後是“02 00”,這是一個WORD,對應數字是2,表示塊對齊的內容,含義不太清楚。
然後是“10 00”,這是一個WORD,對應WAVE文件的採樣大小,數值爲16,採樣大小爲16Bits。
然後是一串“64 61 74 61”,這個是Ascii字符“data”,標示頭結束,開始數據區域。
而後是數據區的開頭,有一個DWORD,我這裏的字符是“C0 3C 00 00”,對應的十進制數爲15552,看一下前面正好可以看到,文件大小是15596,其中到“data”標誌出現爲止的頭是40個字節,再減去這個標誌的4個字節正好是15552,再往後面就是真正的Wave文件的數據體了,頭文件的解析就到這裏。
Fact Chunk
==================================
| |所佔字節數| 具體內容 |
==================================
| ID | 4 Bytes | 'fact' |
----------------------------------
| Size | 4 Bytes | 數值爲4 |
----------------------------------
| data | 4 Bytes | |
----------------------------------
圖4 Fact Chunk
Fact Chunk是可選字段,一般當wav文件由某些軟件轉化而成,則包含該Chunk。
結構定義如下:
struct FACT_BLOCK
{
char szFactID[4]; // 'f','a','c','t'
DWORD dwFactSize;
};
Data Chunk
==================================
| |所佔字節數| 具體內容 |
==================================
| ID | 4 Bytes | 'data' |
----------------------------------
| Size | 4 Bytes | |
----------------------------------
| data | | |
----------------------------------
圖5 Data Chunk
Data Chunk是真正保存wav數據的地方,以'data'作爲該Chunk的標示。然後是
數據的大小。緊接着就是wav數據。根據Format Chunk中的聲道數以及採樣bit數,
wav數據的bit位置可以分成以下幾種形式:
---------------------------------------------------------------------
| 單聲道 | 取樣1 | 取樣2 | 取樣3 | 取樣4 |
| | --------------------------------------------------------
| 8bit量化 | 聲道0 | 聲道0 | 聲道0 | 聲道0 |
---------------------------------------------------------------------
| 雙聲道 | 取樣1 | 取樣2 |
| |--------------------------------------------------------
| 8bit量化 | 聲道0(左) | 聲道1(右) | 聲道0(左) | 聲道1(右) |
---------------------------------------------------------------------
| | 取樣1 | 取樣2 |
| 單聲道 |--------------------------------------------------------
| 16bit量化 | 聲道0 | 聲道0 | 聲道0 | 聲道0 |
| | (低位字節) | (高位字節) | (低位字節) | (高位字節) |
---------------------------------------------------------------------
| | 取樣1 |
| 雙聲道 |--------------------------------------------------------
| 16bit量化 | 聲道0(左) | 聲道0(左) | 聲道1(右) | 聲道1(右) |
| | (低位字節) | (高位字節) | (低位字節) | (高位字節) |
---------------------------------------------------------------------
圖6 wav數據bit位置安排方式
Data Chunk頭結構定義如下:
struct DATA_BLOCK
{
char szDataID[4]; // 'd','a','t','a'
DWORD dwDataSize;
};
三、小結
因此,根據上述結構定義以及格式介紹,很容易編寫相應的wav格式解析代碼。
這裏具體的代碼就不給出了。