轉 1

WAVE 文件格式分析

WAVE 文件作為多媒體中使用的聲音波形文件格式之一，它是以RIFF（Resource Interchange File Format）格式為標準的。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。其中文件頭又分為 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後文。

常見的聲音文件主要有兩種，分別對應於單聲道（11.025KHz 采樣率、8Bit 的采樣值）和雙聲道（44.1KHz 采樣率、16Bit 的采樣值）。采樣率是指：聲音信號在“模→數”轉換過程中單位時間內采樣的次數。采樣值是指每一次采樣周期
內聲音模擬信號的積分值。

對於單聲道聲音文件，采樣數據為八位的短整數（short int 00H-FFH）；而對於雙聲道立體聲聲音文件，每次采樣數據為一個16位的整數（int），高八位和低八位分別代表左右兩個聲道。

WAVE 文件數據塊包含以脈沖編碼調制（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 文件除了前面一小段文件頭對數據組織進行說明之外，Data 塊就是聲音的原始采樣數據，WAVE 文件雖然可以壓縮，但一般都使用不壓縮的格式。44.1KHz 采樣率、16Bit的分辨率、雙聲道，所以WAVE可以保存音質要求非常高的聲音文件，CD 采用的也是這種格式，聲音方面的專家或是音樂發燒友們應該非常熟悉。但這種文件的體積也非常大，以 44.1KHz 16bit 雙聲道的數據為例，一分鐘的聲音數據量為：4100*2byte*2channel*60s/1024/1024=10.09M 。所以不合適在網上傳送。

下面我們具體地分析 WAVE 文件的格式

以下是對各個字段的詳細解說：

對於Data塊，根據聲道數和采樣率的不同情況，布局如下（每列代表8bits）：

1. 8 Bit 單聲道：

2. 8 Bit 雙聲道

1. 16 Bit 單聲道：

2. 16 Bit 雙聲道

下面我們看一個具體的例子，聲音文件如下：

52 49 46 46 24 08 00 00 57 41 56 45 
66 6d 74 20 10 00 00 00 01 00 02 00 
22 56 00 00 88 58 01 00 04 00 10 00 
64 61 74 61 00 08 00 00 00 00 00 00 
24 17 1e f3 3c 13 3c 14 16 f9 18 f9 
34 e7 23 a6 3c f2 24 f2 11 ce 1a 0d 

對應的分析如下圖所示：

本文參考了：

• http://www.diybl.com/course/3_program/game/200798/70450.html
• https://ccrma.stanford.edu/courses/422/projects/WaveFormat/

轉2

1.PCM Wave格式詳解

WAVE文件格式是微軟RIFF(Resource Interchange File Format,資源交換文件標準)的一種，是針對於多媒體文件存儲的一種文件格式和標準。 一般而言，RIFF文件由文件頭和數據兩部分組成，一個WAVE文件由一個“WAVE”數據塊組成，這個“WAVE”塊又由一個”fmt”子數據塊和一個“data”子 數據塊組成，也稱這種格式為“Canonical form”（權威/牧師格式），如下圖所示：

每個字段的涵義如下： ChunkID: 占4個字節，內容為“RIFF”的ASCII碼(0x52494646)，以大端（big endian）存儲。
ChunkSize: 4字節，存儲整個文件的字節數（不包含ChunkID和ChunkSize這8個字節），以小端（little endian）方式存儲。
Format: 4字節，內容為“WAVE”的ASCII碼(0x57415645)，以大端存儲。

其中bigendian 主要有一個特征，在內存中對操作數的存儲方式和從高字節到低字節。例如：0x1234，這樣一個數，存儲為:
0x4000: 0x12
0x4001: 0x34
而小尾端littleendian是：
0x4000: 0x34
0x4001: 0x12
用程序在區別的話，可以考慮：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

#include <stdio.h>
#include <stdlib.h>
int main(int argc, char *argv[])
{
       union w
      {
       short int a;
       char b;
      }c;
      c.a=1;
      if( c.b==1 )  printf("little endian\n");
      else printf("big endian\n");
      system("PAUSE"); 
      return 0;
}

“WAVE”格式由兩個子數據塊構成：“fmt”塊和“data”塊，其中“fmt”塊的詳細解釋如下： Subchunk1ID: 占4個字節，內容為“fmt ”的ASCII碼(0x666d7420)，以大端存儲。
Subchunk1Size: 占4個字節，存儲該子塊的字節數（不含前面的Subchunk1ID和Subchunk1Size這8個字節），以小端方式存儲。
AudioFormat：占2個字節，以小端方式存儲，存儲音頻文件的編碼格式，例如若為PCM則其存儲值為1，若為其他非PCM格式的則有一定的壓縮。
NumChannels: 占2個字節，以小端方式存儲，通道數，單通道(Mono)值為1，雙通道(Stereo)值為2，等等。
SampleRate: 占4個字節，以小端方式存儲，采樣率，如8k，44.1k等。
ByteRate: 占4個字節，以小端方式存儲，每秒存儲的bit數，其值=SampleRate * NumChannels * BitsPerSample/8
BlockAlign: 占2個字節，以小端方式存儲，塊對齊大小，其值=NumChannels * BitsPerSample/8
BitsPerSample: 占2個字節，以小端方式存儲，每個采樣點的bit數，一般為8,16,32等。
接下來是兩個可選的擴展參數：
ExtraParamSize: 占2個字節，表示擴展段的大小。
ExtraParams: 擴展段其他自定義的一些參數的具體內容，大小由前一個字段給定。

其中，對於每個采樣點的bit數，不同的bit數讀取數據的方式不同：

1
2
3
4
5
6
7
8
9
10

// data 為讀取到的采樣點的值，speech為原始數據流，
//對應於下面的"WAVE"格式文件的第二個子數據塊“data”塊的“Data”部分。
for(i=0;i<NumSample;i++){
  if(BitsPerSample==8)
      data[i] = (int)*((char*)speech+i);
  else if(BitsPerSample==16)
      data[i] = (int)*((short*)speech+i);
  else if(BitsPerSample==32)
      data[i] = (int)*((int*)speech+i);
}

“WAVE”格式文件的第二個子數據塊是“data”，其個字段的詳細解釋如下：
Subchunk2ID: 占4個字節，內容為“data”的ASCII碼(0x64617461)，以大端存儲。
Subchunk2Size: 占4個字節，內容為接下來的正式的數據部分的字節數，其值=NumSamples * NumChannels * BitsPerSample/8
Data: 真正的語音數據部分。

一個Wave文件頭的實例

設一個wave文件的前72個字節的十六進制內容如下(可以使用Ultra Edit等工具查看wave文件頭)：

1
2
3

52 49 46 46 24 08 00 00 57 41 56 45 66 6d 74 20 10 00 00 00 01 00 02 00 
22 56 00 00 88 58 01 00 04 00 10 00 64 61 74 61 00 08 00 00 00 00 00 00 
24 17 1e f3 3c 13 3c 14 16 f9 18 f9 34 e7 23 a6 3c f2 24 f2 11 ce 1a 0d

C語言實現wave文件的讀取

這裏給出一個用基本的C語言文件操作庫函數實現的Wave文件讀取的實例代碼，可以跨Windows和Linux平臺。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79

#include <stdio.h>
#include <stdlib.h>
#include <string.h>

// define Wave format structure
typedef struct tWAVEFORMATEX
{
    short wFormatTag;         /* format type */
    short nChannels;          /* number of channels (i.e. mono, stereo...) */
    unsigned int nSamplesPerSec;     /* sample rate */
    unsigned int nAvgBytesPerSec;    /* for buffer estimation */
    short nBlockAlign;        /* block size of data */
    short wBitsPerSample;     /* number of bits per sample of mono data */
    short cbSize;             /* the count in bytes of the size of */
                                    /* extra information (after cbSize) */
} WAVEFORMATEX, *PWAVEFORMATEX;

char* wavread(char *fname, WAVEFORMATEX *wf);

int main(){
  char fname[] = "test.wav";
  char *speech;
  WAVEFORMATEX wf;
  
  speech = wavread(fname, &wf);
  // afterward processing...
  
  return 0;
}

// read wave file
char* wavread(char *fname, WAVEFORMATEX *wf){
  FILE* fp;
  char str[32];
  char *speech;
  unsigned int subchunk1size; // head size
  unsigned int subchunk2size; // speech data size

  // check format type
  fp = fopen(fname,"r");
  if(!fp){
      fprintf(stderr,"Can not open the wave file: %s.\n",fname);
      return NULL;
  }
  fseek(fp, 8, SEEK_SET);
  fread(str, sizeof(char), 7, fp);
  str[7] = ‘\0‘;
  if(strcmp(str,"WAVEfmt")){
      fprintf(stderr,"The file is not in WAVE format!\n");
      return NULL;
  }
  
  // read format header
  fseek(fp, 16, SEEK_SET);
  fread((unsigned int*)(&subchunk1size),4,1,fp);
  fseek(fp, 20, SEEK_SET);
  fread(wf, subchunk1size, 1, fp);
  
  // read wave data
  fseek(fp, 20+subchunk1size, SEEK_SET);
  fread(str, 1, 4, fp);
  str[4] = ‘\0‘;
  if(strcmp(str,"data")){
      fprintf(stderr,"Locating data start point failed!\n");
      return NULL;
  }
  fseek(fp, 20+subchunk1size+4, SEEK_SET);
  fread((unsigned int*)(&subchunk2size), 4, 1, fp);
  speech = (char*)malloc(sizeof(char)*subchunk2size);
  if(!speech){
      fprintf(stderr, "Memory alloc failed!\n");
      return NULL;
  }
  fseek(fp, 20+subchunk1size+8, SEEK_SET);
  fread(speech, 1, subchunk2size, fp);

  fclose(fp);
  return speech;
}

參考

[1]WAVE PCM soundfile format: https://ccrma.stanford.edu/courses/422/projects/WaveFormat/
[2]Resource Interchange File Format: http://en.wikipedia.org/wiki/Resource_Interchange_File_Format
[3]基於Visual C++6.0的聲音文件操作: http://www.yesky.com/20030414/1663116_1.shtml

轉wave 文件解析