目錄

• 1. WAV格式
• 2. WAV的二進制格式解析
  • 2.1 WAV文件格式
  • 2.2 C語言解析wav文件
• 3. WAV文件語音數據的組織結構
• 4. 總結

---

回到頂部

1. WAV格式

wav是微軟開發的一種音頻文件格式，注意，wav文件格式是無損音頻文件格式，相對于其他音頻格式文件數據是沒有經過壓縮的，通常文件也相對比較大些。、

支持多種音頻數字，取樣頻率和聲道，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位量化數字，因此在聲音文件質量和CD相差無幾！ WAV打開工具是WINDOWS的媒體播放器。
通常使用三個參數來表示聲音，量化位數，取樣頻率和采樣點振幅。量化位數分為8位，16位，24位三種，聲道有單聲道和立體聲之分，單聲道振幅數據為n*1矩陣點，立體聲為n*2矩陣點，取樣頻率一般有11025Hz(11kHz) ，22050Hz(22kHz)和44100Hz(44kHz) 三種，不過盡管音質出色，但在壓縮后的文件體積過大！相對其他音頻格式而言是一個缺點，其?文件大小的計算方式為：WAV格式文件所占容量（B) = （取樣頻率 X量化位數X 聲道） X 時間 / 8 (字節= 8bit)?每一分鐘WAV格式的音頻文件的大小為10MB，其大小不隨音量大小及清晰度的變化而變化。

注：專業名詞（取樣頻率、量化位數、聲道）解釋：https://blog.csdn.net/eric88/article/details/17098603?

• 采樣位數：也叫量化位數(單位:比特)，是存儲每個采樣值所用的二進制位數。采樣值反應了聲音的波動狀態。采樣位數決定了量化精度。采樣位數越長,量化的精度就越高,還原的波形曲線越真實,產生的量化噪聲越小,回放的效果就越逼真。常用的量化位數有4、8、12、16、24。量化位數與聲卡的位數和編碼有關。

• 采樣頻率：采樣頻率是指錄音設備在一秒鐘內對聲音信號的采樣次數，采樣頻率越高聲音的還原就越真實越自然。越高所能描述的聲波頻率就越高。采樣率決定聲音頻率的范圍（相當于音調），可以用數字波形表示。以波形表示的頻率范圍通常被稱為帶寬。要正確理解音頻采樣可以分為采樣的位數和采樣的頻率。?

• 聲道數:??使用的聲音通道的個數，也是采樣時所產生的聲音波形的個數。播放聲音時,單聲道的WAV一般使用一個喇叭發聲,立體聲的WAV可以使兩個喇叭發聲。記錄聲音時,單聲道,每次產生一個波形的數據,雙聲道,每次產生兩個波形的數據,所占的存儲空間增加一倍。

• WAV格式大小：采樣率一般是44.1K，16bit采樣精度，存儲成WAV格式大小?= 44.1KHz(采樣率) X 16bit(采樣位數) X 2(雙聲道) X ?播放時間

• WAV格式是沒有壓縮無損的，MP3格式是按1:12壓縮保存的，所以MP3格式大小等于上式的1/12。

為什么還要用wav來做示例呢？這是因為WAV本質上是無壓縮的原始音頻文件，而且他的文件結構不算非常復雜，因此可以作為我們初學者的學習示例格式。

回到頂部

2. WAV的二進制格式解析

WAV文件格式分析：https://blog.csdn.net/zhihu008/article/details/7854529

• 大部分的多媒體文件都依循著一種結構來存放信息，這種結構稱為"資源互換文件格式"(Resources lnterchange File Format)，簡稱RIFF。例如聲音的WAV文件

• RIFF：可以看做是一種樹狀結構，其基本構成單位為chunk，猶如樹狀結構中的節點，每個chunk由?"辨別碼"、"數據大小"及"數據"?所組成。

2.1 WAV文件格式

• WAVE文件是非常簡單的一種RIFF文件，它的格式類型為"WAVE"。RIFF塊包含兩個子塊，這兩個子塊的ID分別是?"fmt"?和?"data",其中?"fmt"?子塊由結構PcmWaveFormat所組成，其子塊的大小就是sizeof(PcmWaveFormat),數據組成就是PcmWaveFormat結構中的數據。

圖三、WAVE文件結構?

typedef struct WAV_RIFF {/* chunk "riff" */char ChunkID[4]; /* "RIFF" *//* sub-chunk-size */uint32_t ChunkSize; /* 36 + Subchunk2Size *//* sub-chunk-data */char Format[4]; /* "WAVE" */ } RIFF_t;typedef struct WAV_FMT {/* sub-chunk "fmt" */char Subchunk1ID[4]; /* "fmt " *//* sub-chunk-size */uint32_t Subchunk1Size; /* 16 for PCM *//* sub-chunk-data */uint16_t AudioFormat; /* PCM = 1*/uint16_t NumChannels; /* Mono = 1, Stereo = 2, etc. */uint32_t SampleRate; /* 8000, 44100, etc. */uint32_t ByteRate; /* = SampleRate * NumChannels * BitsPerSample/8 */uint16_t BlockAlign; /* = NumChannels * BitsPerSample/8 */uint16_t BitsPerSample; /* 8bits, 16bits, etc. */ } FMT_t;typedef struct WAV_data {/* sub-chunk "data" */char Subchunk2ID[4]; /* "data" *//* sub-chunk-size */uint32_t Subchunk2Size; /* data size *//* sub-chunk-data */ // Data_block_t block; } Data_t;//typedef struct WAV_data_block { //} Data_block_t;typedef struct WAV_fotmat {RIFF_t riff;FMT_t fmt;Data_t data; } Wav;

• "data"子塊包含WAVE文件的數字化波形聲音數據，其存放格式依賴于"fmt"子塊中SubchunkID,? SubchunkSize ,AudioFormat 成員指定的格式種類，在多聲道WAVE文件中，樣本是交替出現的。如16bit的單聲道WAVE文件和雙聲道WAVE文件的數據采樣格式分別如圖四所示：?

?圖四、WAVE文件數據采樣格式

2.2 C語言解析wav文件

wave.h

// // Created by douzi on 19-3-26. //#ifndef RESOLVE_WAV_WAVE_H #define RESOLVE_WAV_WAVE_H#include <cstdint>typedef struct WAV_RIFF {/* chunk "riff" */char ChunkID[4]; /* "RIFF" *//* sub-chunk-size */uint32_t ChunkSize; /* 36 + Subchunk2Size *//* sub-chunk-data */char Format[4]; /* "WAVE" */ } RIFF_t;typedef struct WAV_FMT {/* sub-chunk "fmt" */char Subchunk1ID[4]; /* "fmt " *//* sub-chunk-size */uint32_t Subchunk1Size; /* 16 for PCM *//* sub-chunk-data */uint16_t AudioFormat; /* PCM = 1*/uint16_t NumChannels; /* Mono = 1, Stereo = 2, etc. */uint32_t SampleRate; /* 8000, 44100, etc. */uint32_t ByteRate; /* = SampleRate * NumChannels * BitsPerSample/8 */uint16_t BlockAlign; /* = NumChannels * BitsPerSample/8 */uint16_t BitsPerSample; /* 8bits, 16bits, etc. */ } FMT_t;typedef struct WAV_data {/* sub-chunk "data" */char Subchunk2ID[4]; /* "data" *//* sub-chunk-size */uint32_t Subchunk2Size; /* data size *//* sub-chunk-data */ // Data_block_t block; } Data_t;//typedef struct WAV_data_block { //} Data_block_t;typedef struct WAV_fotmat {RIFF_t riff;FMT_t fmt;Data_t data; } Wav;#endif //RESOLVE_WAV_WAVE_H

• uint8_t:??unsigned char

• uint16_t：unsigned short int

• uint32_t：unsigned int

• uint64_t:?unsigned long int

wave.cpp

#include <stdio.h> #include <stdint.h> #include <stdlib.h> #include "wave.h"int main() {FILE *fp = NULL;Wav wav;RIFF_t riff;FMT_t fmt;Data_t data;fp = fopen("/home/douzi/Douzi_qdreamer/resolve_wav/mbfio_mic3.wav", "rb");if (!fp) {printf("can't open audio file\n");exit(1);}fread(&wav, 1, sizeof(wav), fp);riff = wav.riff;fmt = wav.fmt;data = wav.data;/*** RIFF*/printf("ChunkID \t\t%c%c%c%c\n", riff.ChunkID[0], riff.ChunkID[1], riff.ChunkID[2], riff.ChunkID[3]);printf("ChunkSize \t\t%d\n", riff.ChunkSize);printf("Format \t\t\t%c%c%c%c\n", riff.Format[0], riff.Format[1], riff.Format[2], riff.Format[3]);printf("\n");/*** fmt*/printf("Subchunk1ID \t%c%c%c%c\n", fmt.Subchunk1ID[0], fmt.Subchunk1ID[1], fmt.Subchunk1ID[2], fmt.Subchunk1ID[3]);printf("Subchunk1Size \t%d\n", fmt.Subchunk1Size);printf("AudioFormat \t%d\n", fmt.AudioFormat);printf("NumChannels \t%d\n", fmt.NumChannels);printf("SampleRate \t\t%d\n", fmt.SampleRate);printf("ByteRate \t\t%d\n", fmt.ByteRate);printf("BlockAlign \t\t%d\n", fmt.BlockAlign);printf("BitsPerSample \t%d\n", fmt.BitsPerSample);printf("\n");/*** data*/printf("blockID \t\t%c%c%c%c\n", data.Subchunk2ID[0], data.Subchunk2ID[1], data.Subchunk2ID[2], data.Subchunk2ID[3]);printf("blockSize \t\t%d\n", data.Subchunk2Size);printf("\n");// duration = Subchunk2Size / ByteRateprintf("duration \t\t%d\n", data.Subchunk2Size / fmt.ByteRate);}

回到頂部

3. WAV文件語音數據的組織結構

參考：https://www.cnblogs.com/ranson7zop/p/7657874.html

WAV文件的聲音數據保存在數據塊中。塊標識符為“data”,?塊長度值為聲音數據的長度。

從數據塊的第9個字符開始是聲音波形采樣數據。每個樣本按采樣的時間先后順序寫入。樣本的字節數取決于采樣位數。對于多字節樣本,?低位字節數據?放在低地址單元,相鄰的高位字節數據放在高地址單元。多聲道樣本數據采用交替方式存儲。例如: 立體聲(雙聲道)采樣值的存儲順序為:

• 通道1第1采樣值, 通道2第1采樣值；通道1第2采樣值, 通道2第2采樣值;以此類推。基于PCM編碼的樣本數據排列方式。

（1）“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。
（2）“22 60 28 00”，這個是我這個WAV文件的數據大小，這個大小包括除了前面4個字節的所有字節，也就等于文件總字節數減去8。16進制的“22 60 28 00”對應是十進制的“2646050”。
（3）“57 41 56 45 66 6D 74 20”，也是Ascii字符“WAVEfmt”，這部分是固定格式。
以后是PCMWAVEFORMAT部分

（4）“12 00 00 00”，這是一個DWORD，對應數字18，這個對應定義中的PCMWAVEFORMAT部分的大小，可以看到后面的這個段內容正好是18個字節。一般情況下大小為16，此時最后附加信息沒有，上面這個文件多了兩個字節的附加信息。
（5）“01 00”，這是一個WORD，對應定義為編碼格式（WAVE_FORMAT_PCM格式一般用的是這個）。
（6）“01 00”，這是一個WORD，對應數字1，表示聲道數為1，是個單聲道Wav。
（7）“22 56 00 00”對應數字22050，代表的是采樣頻率22050，采樣率（每秒樣本數），表示每個通道的播放速度
（8）“44 AC 00 00”對應數字44100，代表的是每秒的數據量，波形音頻數據傳送速率，其值為：通道數×每秒樣本數×每樣本的數據位數／8（1*22050*16/8）。播放軟件利用此值可以估計緩沖區的大小。
（9）“02 00”對應數字是2，表示塊對齊的內容。數據塊的調整數（按字節算的），其值為通道數×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，以便將其值用于緩沖區的調整。
（10）“10 00”數值為16，采樣大小為16Bits，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。
（11）“00 00”此處為附加信息（可選），和（4）中的size對應。

（12）“66 61 73 74”?Fact是可選字段，一般當wav文件由某些軟件轉化而成，則包含該項，“04 00 00 00”Fact字段的大小為4字節，“F8 2F 14 00”是fact數據。

（13）“64 61 74 61”，這個是Ascii字符“data”，標示頭結束，開始數據區域。
（14）“F0 5F 28 00”十六進制數是“0x285ff0”,對應十進制2646000，是數據區的開頭，以后數據總數，看一下前面正好可以看到，文件大小是2646050，從（2）到（13）包括（13）正好是2646050-2646000=50字節。

回到頂部

4. 總結

對WAV格式影響最大的參數是編碼格式。采用不同的編碼的WAV格式是不同的,PCM是最常見的編碼格式,其它的為壓縮編碼格式,一般很少使用,有的已經廢棄。隨著人們認識的進步可能還會有新的編碼格式出現。今后對WAV文件格式的更多的研究是壓縮編碼格式。

總結

以上是生活随笔為你收集整理的wav音频文件格式解析【个人笔记】(自用)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。