WAV 音频文件格式解析
由于最近工作中使用到了多路音频采样数据的处理,故补充一波wav格式解析的知识,本文大部分资料来源于网络,我只做了收集归纳的工作。下方附有原文连接,若有侵权,请在下方留言告知。
概述
Waveform Audio File Format(WAVE,又或者是因为WAV后缀而被大众所知的),它采用RIFF(Resource Interchange File Format)文件格式结构。通常用来保存PCM格式的原始音频数据,所以通常被称为无损音频。但是严格意义上来讲,WAV也可以存储其它压缩格式的音频数据。
格式解析
WAV文件遵循RIFF规则,其内容以区块(chunk)为最小单位进行存储。WAV文件一般由3个区块组成:RIFF chunk、Format chunk和Data chunk。另外,文件中还可能包含一些可选的区块,如:Fact chunk、Cue points chunk、Playlist chunk、Associated data list chunk等。
本文将只介绍RIFF chunk、Format chunk和Data chunk。

RIFF区块
名称 | 偏移地址 | 字节数 | 端序 | 内容 |
---|---|---|---|---|
ID | 0x00 | 4Byte | 大端 | ‘RIFF’ (0x52494646) |
Size | 0x04 | 4Byte | 小端 | fileSize - 8 |
Type | 0x08 | 4Byte | 大端 | ‘WAVE’(0x57415645) |
ID 以'RIFF'为标识
Size 是整个文件的长度减去 ID 和 Size 的长度
Type 是WAVE表示后面需要两个子块:Format 区块和 Data 区块
FORMAT区块
名称 | 偏移地址 | 字节数 | 端序 | 内容 |
---|---|---|---|---|
ID | 0x00 | 4Byte | 大端 | ‘fmt ‘ (0x666D7420) |
Size | 0x04 | 4Byte | 小端 | 16 |
AudioFormat | 0x08 | 2Byte | 小端 | 音频格式 |
NumChannels | 0x0A | 2Byte | 小端 | 声道数 |
SampleRate | 0x0C | 4Byte | 小端 | 采样率 |
ByteRate | 0x10 | 4Byte | 小端 | 每秒数据字节数 |
BlockAlign | 0x14 | 2Byte | 小端 | 数据块对齐 |
BitsPerSample | 0x16 | 2Byte | 小端 | 采样位数 |
ID 以'fmt '为标识
Size 表示该区块数据的长度(不包含 ID 和 Size 的长度)
AudioFormat 表示 Data 区块存储的音频数据的格式,PCM音频数据的值为1
NumChannels 表示音频数据的声道数,1:单声道,2:双声道
SampleRate 表示音频数据的采样率
ByteRate 每秒数据字节数 = SampleRate * NumChannels * BitsPerSample / 8
BlockAlign 每个采样所需的字节数 = NumChannels * BitsPerSample / 8
BitsPerSample 每个采样存储的bit数,8:8bit,16:16bit,32:32bit
DATA区块
名称 | 偏移地址 | 字节数 | 端序 | 内容 |
---|---|---|---|---|
ID | 0x00 | 4Byte | 大端 | ‘data’ (0x64617461) |
Size | 0x04 | 4Byte | 小端 | N |
Data | 0x08 | NByte | 小端 | 音频数据 |
ID 以'data'为标识
Size 表示音频数据的长度,N = ByteRate * seconds
Data 音频数据
小端存储
所谓的大端模式,是指数据的低位保存在内存的高地址中,而数据的高位,保存在内存的低地址中;
所谓的小端模式,是指数据的低位保存在内存的低地址中,而数据的高位保存在内存的高地址中。
下面解释一下 PCM 数据在 WAV 文件中的 bit 位排列方式
PCM数据类型 | 采样 | 采样 |
---|---|---|
8Bit 单声道 | 声道0 | 声道0 |
8Bit 双声道 | 声道0 | 声道1 |
16Bit 单声道 | 声道0低位,声道0高位 | 声道0低位,声道0高位 |
16Bit 双声道 | 声道0低位,声道0高位 | 声道1低位,声道1高位 |
示例代码 (C)
#include <stdio.h>
#include <stdint.h>
#include <stdlib.h>
struct WAV_Format {
// riff header
uint32_t ChunkID; // "RIFF"
uint32_t ChunkSize; // 36 + Subchunk2Size
uint32_t Format; // "WAVE"
// sub-chunk "fmt"
uint32_t Subchunk1ID; // "fmt " */
uint32_t Subchunk1Size; // 16 for PCM */
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.
// sub-chunk "data"
uint32_t Subchunk2ID; // "data"
uint32_t Subchunk2Size; // data size
};
int main(void) {
FILE *fp = NULL;
struct WAV_Format wav;
fp = fopen("output_1.wav", "rb");
if (!fp) {
printf("can't open audio file\n");
exit(1);
}
fread(&wav, 1, sizeof(struct WAV_Format), fp);
printf("ChunkID \t%x\n", wav.ChunkID);
printf("ChunkSize \t%d\n", wav.ChunkSize);
printf("Format \t\t%x\n", wav.Format);
printf("Subchunk1ID \t%x\n", wav.Subchunk1ID);
printf("Subchunk1Size \t%d\n", wav.Subchunk1Size);
printf("AudioFormat \t%d\n", wav.AudioFormat);
printf("NumChannels \t%d\n", wav.NumChannels);
printf("SampleRate \t%d\n", wav.SampleRate);
printf("ByteRate \t%d\n", wav.ByteRate);
printf("BlockAlign \t%d\n", wav.BlockAlign);
printf("BitsPerSample \t%d\n", wav.BitsPerSample);
printf("Subchunk2ID \t%x\n", wav.Subchunk2ID);
printf("Subchunk2Size \t%d\n", wav.Subchunk2Size);
fclose(fp);
return 0;
}
Reference
[1] WAV文件格式详解 - 简书