WAV為微軟公司（Microsoft)開發的一種聲音文件格式，它符合RIFF(Resource Interchange File Format)文件規范，用於保存Windows平台的音頻信息資源，被Windows平台及其應用程序所廣泛支持，
該格式也支持MSADPCM，CCITT A LAW等多種壓縮運算法，支持多種音頻數字，取樣頻率和聲道，標准格式化的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。
WAVE文件為了與RIFF保持一致，數據采用“chunk”來存儲。
因此，如果想要在WAVE文件中補充一些新的信息，只需要在在新chunk中添加信息，而不需要改變整個文件。這也是設計IFF最初的目的。
對於一個基本的WAVE文件而言，最少包含以下三種Chunk：
以上三個chunk 順序固定，對於其它的chunk，順序沒有嚴格的限制。
具體格式如下：
然而，所有基於壓縮編碼的WAV文件必須含有fact塊。此外所有其它塊都是可選的。fmt，Data及fact塊均為RIFF塊的子塊。WAV文件的文件格式類型標識符為“WAVE”。
各個chunk中字段的意義如下：
RIFF chunk
| ID | big-endian | FOURCC 值為'R' 'I' 'F' 'F' |
| Size | little-endian | data字段中數據的字節數 |
| Data | big-endian | 包含其它的chunk |
Format chunk
| ID | big-endian | FOURCC 值為 'f' 'm' 't' ' ' | |
| Size | little-endian | 數據字段包含數據的大小。如無擴展塊，則值為16；有擴展塊，則值為 16 + 2字節擴展塊長度 + 擴展塊長度或者值為18（只有擴展塊的長度為2字節，值為0） | |
| Data | little-endian | format_tag | 2字節，表示音頻數據的格式。如值為1，表示使用PCM格式。 |
| little-endian | channels | 2字節，聲道數。值為1則為單聲道，為2則是雙聲道。 | |
| little-endian | samples_per_sec | 采樣率，主要有22.05KHz，44.1kHz和48KHz。 | |
| little-endian | bytes_per sec | 音頻的碼率，每秒播放的字節數。samples_per_sec * channels * bits_per_sample / 8，可以估算出使用緩沖區的大小 | |
| little-endian | block_align | 數據塊對齊單位，一次采樣的大小，值為聲道數 * 量化位數 / 8，在播放時需要一次處理多個該值大小的字節數據。 | |
| little-endian | bits_per_sample | 音頻sample的量化位數，有16位，24位和32位等。 | |
| cbSize | 擴展區的長度 | ||
| 擴展格式塊內容 | 22字節，具體介紹請看下面 | ||
其中 format_tag 可以取如下值：
| 格式代碼 | 格式名稱 | fmt 塊長度 | fact 塊 |
| 1(0x0001) | PCM/非壓縮格式 | 16 | |
| 2(0x0002 | Microsoft ADPCM | 18 | √ |
| 3(0x0003) | IEEE float | 18 | √ |
| 6(0x0006) | ITU G.711 a-law | 18 | √ |
| 7(0x0007) | ITU G.711 μ-law | 18 | √ |
| 49(0x0031) | GSM 6.10 | 20 | √ |
| 64(0x0040) | ITU G.721 ADPCM | √ | |
| 65,534(0xFFFE) | 見子格式塊中的編碼格式 | 40 |
其中的擴展格式塊：
當WAV文件使用的不是PCM編碼方式是，就需要擴展格式塊，它是在基本的Format chunk又添加一段數據。
該數據的前兩個字節，表示的擴展塊的長度。緊接其后的是擴展的數據區，含有擴展的格式信息，其具體的長度取決於壓縮編碼的類型。
當某種編碼方式（如 ITU G.711 a-law）使擴展區的長度為0，擴展區的長度字段還必須保留，只是其值設置為0。
擴展區的各個字節的含義如下：
| Size | 擴展區的數據長度 ，可以為0或22 |
| valid_bits_per_sample | 有效的采樣位數，最大值為采樣字節數 * 8。可以使用更靈活的量化位數，通常音頻sample的量化位數為8的倍數，但是使用了WAVE_FORMAT_EXTENSIBLE時，量化的位數有擴展區中的valid bits per sample來描述，可以小於Format chunk中制定的bits per sample |
| channle mask | 4字節，聲道掩碼 |
| sub format | 16字節，GUID，include the data format code，數據格式碼。 |
在Format chunk中的format_tag設置為0xFFFE時，表示使用擴展區中的sub_format來決定音頻的數據的編碼方式。在以下幾種情況下必須要使用WAVE_FORMAT_EXTENSIBLE
- PCM數據的量化位數大於16
- 音頻的采樣聲道大於2
- 實際的量化位數不是8的倍數
- 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的映射情況。
Fact chunk （可選）
| ID | FOURCC 值為 'f' 'a' 'c' 't' |
| Size | 數據域的長度，4（最小值為4） |
| Data | 每個聲道的采樣總數 4字節 |
Data chunk
| ID | FOURCC 值為'd' 'a' 't' 'a' |
| Size | 數據域的長度 |
| Data | 具體的音頻數據存放在這里 |
Data塊中存放的是音頻的采樣數據。每個sample按照采樣的時間順序寫入，對於使用多個字節的sample，使用小端模式存放（低位字節存放在低地址，高位字節存放在高地址）。對於多聲道的sample采用交叉存放的方式。例如：立體雙聲道的sample存儲順序為：聲道1的第一個sample，聲道2的第一個sample；聲道1的第二個sample，聲道2的第二個sample；依次類推....。對於PCM數據，有以下兩種的存儲方式：
- 單聲道，量化位數為8，使用偏移二進制碼
- 除上面之外的，使用補碼方式存儲。
描述WAVE文件的基本單元是“Sample”，一個Sample代表采樣一次得到的數據。因此如果用44KHz采樣，將在一秒中得到44000個Sample。
每個Sample可以用8位、24位，甚至32位表示（位數沒有限制，只要是8的整數倍即可），位數越高，音頻質量越好。
注意：8位代表無符號的數值，而16位或16位以上代表有符號的數值
每秒數據大小（字節）=采樣率 * 聲道數 * sample比特數 / 8