WAVE文件格式解析

WAVE 文件作為Windows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）格式為標准的。這里不針對RIFF文件格式做介紹，不太了解的可以參考“RIFF格式簡介”一文。

WAVE文件構成

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。相對於RIFF文件，只是將“RIFF”chunk的form id替換為“WAVE”。下表是一個典型的WAVE文件各部分構成及其長度字段。注意所有數據采用windows默認的小端存儲。（FOURCC是一個特殊的四字節碼，判斷時按照字符順序判斷即可。）

域		長度	內容說明
chunkID		4	Chunk ID: "RIFF"，FOURCC四字節碼
chunksize		4	Chunk size: 4+n
	WAVEID	4	WAVE ID: "WAVE"，FOURCC四字節碼
	WAVE chunks	n	Wave chunks包含格式信息和音頻采樣數據，分為“format” chunk和“data”chunk兩部分。

 Format chunk

Format chunk用於說明data chunk中PCM數據的格式。主要三種不同的format chunk格式（不同的格式碼）。如下表：

域		長度	內容說明
ckID		4	Chunk ID: "fmt "，FOURCC四字節碼，注意最后一個填充是空格。
cksize		4	Chunk size: 16 or 18 or 40
	wFormatTag	2	Format code，格式碼
	nChannels	2	Number of interleaved channels，采樣聲道數（交織存儲）
	nSamplesPerSec	4	Sampling rate (blocks per second)，音頻采樣率
	nAvgBytesPerSec	4	Data rate，音頻碼率
	nBlockAlign	2	Data block size (bytes)，音頻數據塊大小（單位字節）
	wBitsPerSample	2	Bits per sample，量化位數（比如8bits、16bits、32bits）
	cbSize	2	Size of the extension (0 or 22)，擴展字段長度
	wValidBitsPerSample	2	Number of valid bits，有效的位長度
	dwChannelMask	4	Speaker position mask，聲道描述掩碼，比如左聲道、右聲道等
	SubFormat	16	GUID, including the data format code，數據格式碼

 標准中定義的wFormatTag（Format code）可取值范圍如下表：

Format Code	PreProcessor Symbol	Data
0x0001	WAVE_FORMAT_PCM	PCM
0x0003	WAVE_FORMAT_IEEE_FLOAT	IEEE float，[-1.0f,1.0f]
0x0006	WAVE_FORMAT_ALAW	8-bit ITU-T G.711 A-law
0x0007	WAVE_FORMAT_MULAW	8-bit ITU-T G.711 µ-law
0xFFFE	WAVE_FORMAT_EXTENSIBLE	Determined by SubFormat

PCM格式

當wFormatTag為0x0001時，表示WAVE文件中存儲的是PCM格式的音頻數據。

在數據域中除了單聲道-量化位數為8音頻數據之外PCM存儲格式按照補碼的形式存放。對於單聲道、量化位數為8的情況，使用offset binary（偏移二進制碼），有興趣的可以查看下對應的標准。

非PCM格式

對於非PCM格式的數據，使用擴展字段，擴展字段長度由cbSize指定。需要說明以下幾點：

• 對於非PCM格式，必須有擴展字段，字段長度cbSize可以為0，但是擴展字段不可省略。
• 對於浮點數據，最大峰值為1，量化位數（bits/sample）取值可以是32或64。
• 對於 log-PCM formats (µ-law and A-law)的格式，量化位數（bits/sample）取值為8。
• 對於非PCM格式，必須包含“FACT”chunk。

 擴展格式

當FormatTag為WAVE_FORMAT_EXTENSIBLE（0xFFFE）時，表示format chunk有擴展字段，其中包括有效量化位數（wValidBitsPerSample）、聲道位置掩碼、以及額外的GUID（SubFormat）。

• 在正常PCM數據中量化位數（wBitsPerSample）必須是8的倍數，在WAVE_FORMAT_EXTENSIBLE下量化位數可以使用wValidBitsPerSample來描述，也就是會所wValidBitsPerSample有可能小於wBitsPerSample。
• 對於聲道位置掩碼的信息，可參考如下文章：Multi-channel / high bit resolution formats, 2001-12-04: Multiple Channel Audio Data and WAVE Files。
• SubFormat代表的GUID前兩個字節是由PCM數據格式填充的，例如WAVE_FORMAT_EXTENSIBLE。后續的14個字節是固定的，"\x00\x00\x00\x00\x10\x00\x80\x00\x00\xAA\x00\x38\x9B\x71"。

在以下幾種情況下必須使用WAVE_FORMAT_EXTENSIBLE格式：

1. PCM數據的量化位數（wBitsPerSample）大於16。
2. 音頻采樣聲道數大於2。
3. 實際量化位數不是8的倍數。
4. 存儲順序和播放順序不一致，需要指定從聲道順序到聲卡播放順序映射的情況。

FACT chunk

通常PCM數據是不壓縮的，對於所有壓縮的非PCM格式都需要有FACT chunk。具體可參考：WAVE update (Revision: 3.0), 1994-04-15: Multimedia Registration Kit Revision 3.0 (Q120253))。FACT chunk至少定義一個字段，實際采樣數dwSampleLength。

關於FACT chunk可以了解，但是很少用到，如果有這種格式的wav文件，建議參考上述標准解析。

DATA chunk

data chunk中包含采樣數據。格式如下：

域		長度	內容說明
ckID		4	Chunk ID: "data"
cksize		4	Chunk size: n
	sampled data	n	Samples，音頻采樣數據，交織存儲
	pad byte	0 or 1	Padding byte if n is odd，填充字節

 

實例

由於微軟將多媒體輸入輸出函數廢棄了（Using Multimedia File I/O），這里不給出專門讀寫的代碼，而是直接使用二進制形式分析。

先做如下假定：

• N_c 表示channels，聲道數
• N_s表示文件中包含的實際采樣塊數目，每個采樣塊包括N_c 個獨立采樣
• 采樣率為 F (blocks per second，單位Hz)
• 每個采樣的長度為M字節。

PCM文件格式如下表：

Field			Length	Contents
ckID			4	Chunk ID: "RIFF"
cksize			4	Chunk size: 4 + 24 + (8 + M * Nc * Ns + (0 or 1))
	WAVEID		4	WAVE ID: "WAVE"
	ckID		4	Chunk ID: "fmt "
	cksize		4	Chunk size: 16
		wFormatTag	2	WAVE_FORMAT_PCM
		nChannels	2	Nc
		nSamplesPerSec	4	F
		nAvgBytesPerSec	4	F * M * Nc
		nBlockAlign	2	M * Nc
		wBitsPerSample	2	rounds up to 8 * M
	ckID		4	Chunk ID: "data"
	cksize		4	Chunk size: M * Nc* Ns
		sampled data	M * Nc * Ns	Nc * Ns channel-interleaved M-byte samples
		pad	0 or 1	Padding byte if M * Nc * Ns is odd

注意WAVE文件可能附加information chunk。所以程序解析是最好按照上述標准定義，不要認為去掉wav fmt chunk之后全是data chunk。

Extensible Format如下表：

Field			Length	Contents
ckID			4	Chunk ID: "RIFF"
cksize			4	Chunk size: 4 + 48 + 12 + (8 + M * Nc * Ns + (0 or 1))
	WAVEID		4	WAVE ID, "WAVE"
	ckID		4	Chunk ID: "fmt "
	cksize		4	Chunk size: 40
		wFormatTag	2	WAVE_FORMAT_EXTENSIBLE
		nChannels	2	Nc
		nSamplesPerSec	4	F
		nAvgBytesPerSec	4	F * M * Nc
		nBlockAlign	2	M * Nc
		wBitsPerSample	2	8 * M
		cbSize	2	Size of the extension: 22
		wValidBitsPerSample	2	at most 8 * M
		dwChannelMask	4	Speaker position mask: 0
		SubFormat	16	GUID (first two bytes are the data format code)
	ckID		4	Chunk ID: "fact"
	cksize		4	Chunk size: 4
		dwSampleLength	4	Nc * Ns
	ckID		4	Chunk ID: "data"
	cksize		4	Chunk size: M * Nc * Ns
		sampled data	M * Nc *Ns	Nc * Ns channel-interleaved M-byte samples
		pad	0 or 1	Padding byte if M * Nc * Ns is odd

本文主要參考：Audio File Format Specifications，相關測試wav文件及標准也從其鏈接下載。

寫作本文的目的主要是學習下wave文件格式，並能夠將音頻數據解析出來。

以上介紹的內容中針對WAVE文件我們可以只關心，fmt chunk、data chunk數據，其他數據chunk可以忽略，如果你對其他chunk感興趣，建議查看rfc2361及Microsoft提供的標准文檔。