WAV 音频文件格式解析

VINCENT STUDIO

2019-05-15

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