WAV格式文件無損合並&幀頭數據體解析（python）（原創）

一，百度百科

 

　　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！ WAV打開工具是WINDOWS的 媒體播放器。

 

　　通常使用三個參數來表示聲音，量化位數，取樣頻率和 采樣點振幅。量化位數分為8位，16位，24位三種，聲道有單聲道和 立體聲之分，單聲道振幅數據為n*1矩陣點，立體聲為n*2矩陣點，取樣頻率一般有11025Hz(11kHz) ，22050Hz(22kHz)和44100Hz(44kHz) 三種，不過盡管 音質出色，但在壓縮后的文件體積過大！相對其他音頻格式而言是一個缺點，其文件大小的計算方式為： WAV格式文件所占容量（B) = （取樣頻率 X 量化位數X 聲道） X 時間 / 8 ( 字節= 8bit) 每一分鍾WAV格式的音頻文件的大小為10MB，其大小不隨音量大小及清晰度的變化而變化。

 

　　WAV是最接近無損的音樂格式，所以文件大小相對也比較大。

 

二，文件幀頭

 

 

圖1 WAV文件幀頭data[0:44]數據格式

圖2.WAV文件幀頭圖解

 

讀取WAV文件程序：

import struct

with open('測試音頻源1.wav', 'rb') as file:
    data=file.read()
    # print(len(data))
    # print(data[44:])
    # print(data[0:4])            # chunkID:          b'RIFF'
    # length0=struct.unpack('<L', bytes(data[4:8]))
    # print(length0)              # (140836,)
    # print(data[4:8])            # chunkSize:        b'$&\x02\x00'   WAV文件總byte數
    # print(data[8:12])           # format:           b'WAVE'
    # print(data[12:16])          # Subchunk1 ID:     b'fmt '
    # length1=struct.unpack('<L', bytes(data[16:20]))
    # print(length1)              # (16,)
    # print(data[16:20])    # format Code:      b'\x10\x00\x00\x00'
    #
    # print(data[20:22])          # Subchunk1 Size:   b'\x01\x00'
    # print(data[22:24])    # nChannels:        b'\x01\x00'
    #
    # print(data[24:28])          # nSamplesPerSec:   b'\x80>\x00\x00'
    # print(data[28:32])    # nAvgBytesPerSec:  b'\x00}\x00\x00'
    #
    # print(data[32:34])          # nBlockAlign:      b'\x02\x00'
    # print(data[34:36])    # wBitsPerSample:   b'\x10\x00'
    #
    # print(data[36:40])          # Subchunk2 ID:     b'data'
    # length2=struct.unpack('<L', bytes(data[40:44]))    # (140800,)
    # print(length2)
    # print(data[40:44])    # Subchunk2 Size:   b'\x00&\x02\x00'

通過將data值輸出，可知其是一個byte文件

 

幀頭數據為data[0:44],例如：

其中又划分出3大子塊，每個子塊又分為若干功能塊。有標志位、數據長度、通道數、采樣率等等相關參數。

b'RIFF\xac\xdc9\x00WAVEfmt\x10\x00\x00\x00\x01\x00\x01\x00\x80>\x00\x00\x00}\x00\x00\x02\x00\x10\x00data\x80\xdc9\x00'

數據幀為data[44:]，剩余的數據即為音頻采樣數據。

 

 三，WAV文件無損合並

我這種方法只針對通道數、采樣率等等（除了文件數據幀長度不同）都相同的多個WAV文件合並，當然如果想要將不同格式的WAV合並也可以先轉換成相同格式的文件之后再做操作。

import struct   # 用於將chunkSize和Subchunk2 Size進行【long int】（byte型）和 int的轉換

# *** 讀取WAV音頻1 *** #
with open('測試音頻源1.wav', 'rb') as file:
    data1=file.read()

# *** 讀取WAV音頻2 *** #
with open('測試音頻源2.wav', 'rb') as file:
    data2=file.read()

data_info = data1[:44]  # 復制幀頭參考
data_out = data1[44:] + data2[44:]  # 將兩個音頻的數據幀合並（都是相同格式）
data_info = data_info[:4] + struct.pack('<L', len(data_out)+44) + data_info[8:]# 更新WAV文件的總byte數（兩個文件數據幀和+44）
data_info = data_info[:40] + struct.pack('<L', len(data_out)) + data_info[44:]# 更新WAV文件的數據byte數（兩個文件數據幀和）

# *** 生成合並后的WAV文件 *** #
with open('測試音頻源3.wav', 'wb') as f:
    f.write(data_info+data_out)

print('完成')

 

四，常見問題

　　我之前遇到的問題，直接將兩個文件的byte值相加寫入新文件，幀頭沒有更改；這樣寫的結果就是數據的大小滿足兩個源文件的和，但是使用播放器播放的時候音頻無法正常全部播放。

　　尤其是我使用阿里雲-語音合成api合成的WAV格式音頻，它們的格式有一定的問題，每個生成的chunkSize和Subchunk2 Size數值都比實際音頻數據長度要大一些，導致我直接將多個音頻合並的時候，音頻長度超過一定長度，后面的語音就無法播放，但是較少的幾段音頻合並又可以正常播放，這個地方我一直都沒有弄明白，同時我又不想使用第三方的庫（主要是覺得要先將音頻存起來-之后又讀取很麻煩），所以才細心的參看WAV格式文件的相關資料，通過對多個音頻的比對發現了這個問題的由來。

　　備注：如果想要直接使用byte文件進行WAV文件合並一定要在合並后更新相關的數據，與此同時也要注意文件的通道數、采樣頻率等格式是否相同，一定要轉換到相同格式合並才有效