wav文件文件头格式.docx

一、 WAVE文件格式剖析WAVE文件作为多媒体中使用的声波文件格式之一，它是以RIFF格式为标准的。RIFF是英文ResourceInterchangeFileFormat的缩写，每个WAVE文件的头四个字节便是“RIFF”。WAVE文件由文件头和数据体两大部分组成。其中文件头又分为RIFFWAV文件标识段和声音数据格式说明段两部分。WAVE文件各部分内容及格式见附表。常见的声音文件主要有两种，分别对应于单声道（11.025KHz采样率、8Bit的采样值）和双声道（44.1KHz采样率、16Bit的采样值）。采样率是指：声音信号在“模数”转换过程中单位时间内采样的次数。采样值是指每一次采样周期内声音模拟信号的积分值。对于单声道声音文件，采样数据为八位的短整数（short int 00H-FFH）；而对于双声道立体声声音文件，每次采样数据为一个16位的整数（int），高八位和低八位分别代表左右两个声道。WAVE文件数据块包含以脉冲编码调制（PCM）格式表示的样本。WAVE文件是由样本组织而成的。在单声道WAVE文件中，声道0代表左声道，声道1代表右声道。在多声道WAVE文件中，样本是交替出现的。WAVE文件格式说明表偏移地址字节数数据类型内容文件头00H4charRIFF标志04H4longint文件长度08H4charWAVE标志0CH4charfmt标志10H4过渡字节（不定）14H2int格式类别（10H为PCM形式的声音数据)16H2int通道数，单声道为1，双声道为218H2int采样率（每秒样本数），表示每个通道的播放速度，1CH4longint波形音频数据传送速率，其值为通道数每秒数据位数每样本的数据位数8。播放软件利用此值可以估计缓冲区的大小。20H2int数据块的调整数（按字节算的），其值为通道数每样本的数据位值8。播放软件需要一次处理多个该值大小的字节数据，以便将其值用于缓冲区的调整。22H2每样本的数据位数，表示每个声道中各个样本的数据位数。如果有多个声道，对每个声道而言，样本大小都一样。24H4char数据标记符data28H4longint语音数据的长度PCM数据的存放方式：样本1样本28位单声道0声道0声道8位立体声0声道（左）1声道（右）0声道（左）1声道（右）16位单声道0声道低字节0声道高字节0声道低字节0声道高字节16位立体声0声道（左）低字节0声道（左）高字节1声道（右）低字节1声道（右）高字节WAVE文件的每个样本值包含在一个整数i中，i的长度为容纳指定样本长度所需的最小字节数。首先存储低有效字节，表示样本幅度的位放在i的高有效位上，剩下的位置为0，这样8位和16位的PCM波形样本的数据格式如下所示。样本大小数据格式最大值最小值8位PCMunsignedint225016位PCMint32767-32767二、 / 是个很专业的技术社区/blog三、参考程序type TMyWaveFormat=record FieldLabel:array0.3 of Char; / RIFF FieldLen:DWORD; /从08H开始到文件末尾字节数 WaveID:array0.3 of Char; / WAVE 57 41 56 45 FmtID:array0.3 of Char; / fmt 66 6D 74 20 FmtLen:DWORD; /A_LAW 12 00 00 00 PCM 10 00 00 00 wFormatTag: Word; / format type A_LAW 06 00 PCM 01 00 nChannels: Word; / 声道数 01 00 nSamplesPerSec: DWORD; / sample rate 采样率 40 1F 00 00 nAvgBytesPerSec: DWORD; / for buffer estimation 每秒平均字节数 40 1F 00 00 nBlockAlign: Word; / block size of data 块调整 01 00 wBitsPerSample: Word; /采样BITS数 08 00 DataID:array0.3 of Char; / data 64 61 74 61 DataLen:DWORD; / 采样数据总字节数 end;四、各种WAV文件头格式 Wav文件也分好几个种类，相应的非数据信息存储在文件头部分，以下是各种WAV文件头格式。表18KHz采样、16比特量化的线性PCM语音信号的WAVE文件头格式表（共44字节）偏移地址字节数数据类型内容文件头定义为00H4charRIFFcharriff_id4=RIFF04H4longint文件总长-8longintsize0=文总长-808H8charWAVEfmtcharwave_fmt810H4longint10000000H(PCM)longintsize1=0x1014H2int0100Hintfmttag=0x0116H2intintchannel=1或218H4longint采样率longintsamplespersec1CH4longint每秒播放字节数longintbytepersec20H2int采样一次占字节数intblockalign=声道数*量化数/822H2int量化数intbitpersamples=8或1624H4chardatachardata_id=data28H4longint采样数据字节数longintsize2=文长-442CH到文尾char采样数据表28KHz采样、8比特A律量化的PCM语音信号的WAVE文件头格式表（共58字节）偏移地址字节数数据类型内容文件头定义为00H4charRIFFcharriff_id4=RIFF04H4longint文件总长-8longintsize0=文总长-808H8charWAVEfmtcharwave_fmt810H4longint12000000H(ALAW)longintsize1=0x1214H2int0600Hintfmttag=0x0616H2int声道数intchannel=1或218H4longint采样率longintsamplespersec1CH4longint每秒播放字节数longintbytepersec20H2int采样一次占字节数intblockalign=0x0122H4longint量化数longintbitpersamples=826H4charfactcharwave_fact=fact2AH8char0400000000530700H定chartemp32H4chardatacharwave_data=data36H4longint采样数据字节数lontintsize2=文长-58表38KHz采样、8比特U律量化的PCM语音信号的WAVE文件头格式表（共58字节）偏移地址字节数数据类型内容文件头定义为00H4charRIFFcharriff_id4=RIFF04H4longint文件总长-8longintsize0=文总长-808H8charWAVEfmtcharwave_fmt810H4longint12000000H(ULAW)longintsize1=0x1214H2int0700Hintfmttag=0x0716H2int声道数intchannel=1或218H4longint采样率longintsamplespersec1CH4longint每秒播放字节数longintbytepersec20H2int采样一次占字节数intblockalign=0x0122H4longint量化数longintbitpersamples=826H4charfactcharwave_fact=fact2AH8char0400000000530700H定chartemp32H4chardatacharwave_data=data36H4longint采样数据字节数lontintsize2=文长-58表4ADPCM语音编码后的WAVE文件头格式表（共90字节）偏移地址字节数数据类型内容文件头定义为00H4charRIFFcharriff_id4=RIFF04H4longint文件总长-8longintsize0=文总长-808H8charWAVEfmtcharwave_fmt810H4longint32000000H(ADPCM)longintsize1=0x3214H2int0200Hintfmttag=0x0216H2int声道数intchannel=1或218H4longint采样率longintsamplespersec1CH4longint每秒播放字节数longintbytepersec20H2int采样一次占字节数intblockalign=声道数*量化数/822H2int量化数intbitpersamples=424H34char固定字节chartemp146H4charfactcharwave_fact=fact4AH8char0400000004930600H定chartemp252H4chardatacharwave_data=data56H4longint采样数据字节数lontintsize2=文长-905AH到文尾采样数据表5GSM语音编码后的WAVE文件头格式表（共60字节）偏移地址字节数数据类型内容文件头定义为00H4charRIFFcharriff_id4=RIFF04H4longint文件总长-8longintsize0=文总长-808H8charWAVEfmtcharwave_fmt810H4longint14000000H(GSM)longintsize1=0x1414H2int3100Hintfmttag=0x3116H2int声道数intchannel=1或218H4longint采样率longintsamplespersec1CH4longint每秒播放字节数longintbytepersec20H8char4100000002004001H定chartemp128H8char6661637404000000H定chartemp230H4char40E20500H定chartemp334H4chardatacharwave_data=data38H4longint采样数据字节数lontintsize2=文长-603CH到文尾采样数据表6SBC语音编码后的WAVE文件头格式表（共58字节）偏移地址字节数数据类型内容文件头定义为00H4charRIFFcharriff_id4=RIFF04H4longint文件总长-8longintsize0=文总长-808H8charWAVEfmtcharwave_fmt810H4longint12000000H(SBC)longintsize1=0x1214H2int7100Hintfmttag=0x7116H2int声道数intchannel=1或218H4longint采样率longintsamplespersec1CH4longint每秒播放字节数longintbytepersec20H2int采样一次占字节数intblockalign=0x2522H4longint量化数longintbitpersamples=1626H4charfactcharwave_fact=fact2AH8char0400000076280400H定chartemp32H4chardatacharwave_data=data36H4longint采样数据字节数lontintsize2=文长-59表7CELP语音编码后的WAVE文件头格式表（共58字节）偏移地址字节数数据类型内容文件头定义为00H4charRIFFcharriff_id4=RIFF04H4longint文件总长-8longintsize0=文总长-808H8charWAVEfmtcharwave_fmt810H4longint12000000H(CELP)longintsize1=0x1214H2int7000Hintfmttag=0x7016H2int声道数intchannel=1或218H4longint采样率longintsamplespersec1CH4longint每秒播放字节数longintbytepersec20H2int采样一次占字节数intblockalign=0x0C22H4longint量化数longintbitpersamples=1626H4charfactcharwave_fact=fact2AH8char0400000060520700H定chartemp32H4chardatacharwave_data=data36H4longint采样数据字节数lontintsize2=文长-58WAVEFORMATEXtypedefstructWORDwFormatTag;WORDnChannels;DWORDnSamplesPerSec;DWORDnAvgBytesPerSec;WORDnBlockAlign;WORDwBitsPerSample;WORDcbSize;WAVEFORMATEX;具体参数解释如下：wFormatTag：波形数据的格式，定义在MMREG.H文件中nChannels：波形数据的通道数：单声道或立体声nSamplesPerSec：采样率，对于PCM格式的波形数据，采样率有8.0kHz,11.025kHz,22.05kHz,44.1kHz等nAvgBytesPerSec：数据率，对于PCM格式的波形数据，数据率等于采样率乘以每样点字节数nBlockAlign：每个样点字节数wBitsPerSample：采样精度，对于PCM格式的波形数据，采样精度为8或16cbSize：附加格式信息的数据块大小概念2、定义设备头结构WAVEHDR定义了指向波形数据缓冲区的设备头。WAVEHDRtypedefstructLPSTRlpData;DWORDdwBufferLength;DWORDdwBytesRecorded;DWORDdwUser;DWORDdwFlags;DWORDdwLoops;structwavehdr_tag*lpNext;DWORDreserved;WAVEHDR;lpData：波形数据的缓冲区地址dwBufferLength：波形数据的缓冲区地址的长度dwBytesRecorded:当设备用于录音时，标志已经录入的数据长度dwUser:用户数据dwFlags:波形数据的缓冲区的属性dwLoops:播放循环的次数，仅用于播放控制中lpNext和reserved均为保留值注意：上述结构体以及我们在程序中所使用到的“HWAVEIN”HWAVEOUT”结构体均是系统已经存在的，我们只需要对其进行赋值即可。五、本文就经常见的一种格式PCM(44字节)的Wav文件头进行分析一.解析文件头表18KHz采样、16比特量化的线性PCM语音信号的WAVE文件头格式表（共44字节）偏移地址字节数数据类型内容文件头定义为00H4charRIFFcharriff_id4=RIFF04H4longint文件总长-8longintsize0=文总长-808H8charWAVEfmtcharwave_fmt810H4longint10000000H(PCM)longintsize1=0x1014H2int0100Hintfmttag=0x0116H2intintchannel=1或218H4longint采样率longintsamplespersec1CH4longint每秒播放字节数longintbytepersec20H2int采样一次占字节数intblockalign=声道数*量化数/822H2int量化数intbitpersamples=8或1624H4chardatachardata_id=data28H4longint采样数据字节数longintsize2=文长-442CH到文尾char采样数据举例说明：kugoo下载的一首wav文件：魏三 抹去泪水 wav.wav(大小14,703,980 字节，时长2:46),文件头如下：1.地址00H-03H，值为“RIFF”标志；2.地址04H-07H，值为“64 5D E0 00”，存储的是文件大小刨去8字节后的值，注意这个是little-endian的，也就是高地址存低位，地地址存高位，所以Size=00E05D64H=14703972字节，比文件总大小少8个字节，这8个字节就是00H-07H。3.地址08H-0FH，就是“WAVEfmt ”标记。4.地址10H-13H，fmt格式的块大小，这种格式时是“10 00 00 00”，也是little-endian的，即块大小为16，也有可能为18，这时最后多了2个字节的附加信息。其他格式的可能是20。5.地址14H-15H，“01 00”，也是little-endian的，标记编码方式，一般为0x0001。6.地址16H-17H，“01 00”，也是little-endian，标记声道数，这里值为1。注意1代表单声道，2代表双声道。7.地址18H-1BH，“44 AC 00 00”，也是little-endian，标记采样频率，这里为441000Hz。8.地址1CH-1FH，“88 5801 00”每秒所需的字节数，也是little-endian，bytepersec=00015888H=88200(字节)。【加上点自己的看法 88200=频率*采样一次占的字节数=44100*2，我觉得这种关系是存在的，虽然很多资料上没提到）。9.地址20H-21H，“02 00”，采样一次占字节数，有些地方也叫数据块对齐单位，也是little-endian的，这里是两个字节。声道数*量化数/8=1*16/8=2(字节)。10.地址22H-23H，“10 00”，量化数，也就是每个采样需要的bit数，也是little-endian的，所以这里是16位。11.地址24H-27H，“64 61 74 61”，就是“data”了。12.地址28H-2BH，“40 5D E0 00”，存储的是文件大小刨去44字节后的值，这个也是little-endian的，Size=00E05D40H=14703936字节。二、编程方法1.计算文件播放时长文件播放时长=(文件总长度-文件头长度)/每秒所需的字节数。如上例 duration=(14,703,980 -44)/88200=166.7s，这个在kugoo的制作铃声功能下可以查询的到。2.按时间点切割文件（只精确到秒已用程序实现过，精确到0.1s理论上也是可以，但是没有用程序去实现）2.1 切割文件的前N秒为一个新文件 第一步，计算N秒的偏移量，SetOff=N*每秒所需的字节数 第二步，算出新文件的大小，修改文件头的两个size值。 第三步，新的文件头以二进制形式写入到新文件，紧接着根据偏移量把原文件中的第45字节到(setOff-1)字节写入到新文件。2.2 窃取中间某个时间段为一个新文件 这里可以根据2.1的步骤进行，同样的要修改文件头。六、WAV文件格式知识（/）WAV是一种由微软公司开发的文件格式，符合RIFF(ResourceInterchange