WAV 文件格式简介

阡陌

WAV 为微软公司（Microsoft）开发的一种音频文件格式，它符合 RIFF（Resource Interchange File Format）文件规范，用于保存 Windows 平台的音频信息资源，被 Windows 平台及其应用程序所广泛支持，该格式也支持 MSADPCM，CCITT A LAW 等多种压缩运算法，支持多种音频数字，取样频率和声道，标准格式化的 WAV 文件和 CD 格式一样，也是 44.1K 的取样频率，16 位量化数字，因此在声音文件质量和 CD 相差无几。WAV 格式的音乐通常使用三个参数来表示声音，量化位数，取样频率和声道数。

WAV 文件采用的是 RIFF 格式结构。至少是由 3 个块构成，分别是 RIFF、fmt 和 data。所有基于压缩编码的 WAV 文件必须含有 fact 块。此外所有其它块都是可选的。块 fmt、Data 及 fact 均为 RIFF 块的子块。WAV 文件的文件格式类型标识符为 WAVE。

构成 RIFF 文件的基本单位称之为块（chunk）。每个 RIFF 文档是由若干个块构成。每个块（chunk）由块标识、块长度及数据等三部分所组成。块标识保存的是由 4 个 ASCII 码字符组成的块名字。如不满 4 个字符则在右边以空格充填。块长度字段占 4 个字节，保存的是当前块数据的长度，不包括块标识和块长度字段。所以一个块的实际长度为块长度字段内的数值加 8。RIFF 格式规定，只有 RIFF 及 LIST 块可以含有子块，其它的块不允许包含子块。一个 RIFF 格式文档本身就是一个块。其前 4 个字节为文档标识 RIFF，同时也是 RIFF 的块标识，标明该文档是一个有效的 RIFF 文档；第二部分为文件的数据长度，占 4 个字节，其数值为文件长度 -8；第三部分为 RIFF 块数据，前 4 个字节为文件格式类型标识，如：WAVE、AVI 等，后面其它部分为 RIFF 块的子块。

//WAV的数值均为小端模式
typedef struct WavRiff {
    char id[4];                     //"RIFF"
    uint32_t size;                  //块长度，从下一个字段（format）首地址开始到文件末尾的总字节数，该字段的数值加 8 为文件的总长度
    char format[4];                 //文件格式类型："WAVE"
} wav_riff_t;

typedef struct WavFmt {
    char id[4];                     //格式子块标识"fmt "
    uint32_t size;                  //格式子块长度，其数值不确定,取决于编码格式，可以是 16、 18 、20、40 等，从下个字段到格式子块结束的字节数
    uint16_t format;                //编码格式代码，常见的 WAV 文件使用 PCM 脉冲编码调制格式,PCM = 1
    uint16_t channels;              //通道数，单声道为1，双声道为2
    uint32_t sample_rate;           //采样频率，单位Hz
    uint32_t data_rate;             //数据传输率 声道数×采样频率×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
    uint16_t block_align;           //块对齐字节数 = 声道数×位数/8，播放软件需要一次处理多个该值大小的字节数据,用该数值调整缓冲区
    uint16_t bps;                   //bits per sample采样位数，存储每个采样值所用的二进制数位数。常见的位数有 4、8、12、16、24、32
} wav_fmt_t;

typedef struct WavData {
    char id[4];   //"data"
    uint32_t size; //data size，从下个字段到格式子块结束的字节数
} wav_data_t;

typedef struct WavHeader {
   wav_riff_t riff;
   wav_fmt_t fmt;
   wav_data_t data;
} wav_header_t;

常见的压缩编码格式：

格式代码	格式名称	fmt 块长度	fact 块
1(0x0001)	PCM/非压缩格式	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)	见子格式块中的编码格式	40

当 WAV 文件采用非 PCM 编码时，使用的是扩展格式块，它是在基本格式块 fmt 之后扩充了一个的数据结构。该结构的前两字节为长度字段，指出后面区域的长度。紧接其后的区域称之为扩展区，含有扩充的格式信息，其长度取决于压缩编码类型。当某种编码格式（如 ITU G.711 a-law）使扩展区的长度为 0 时，长度字段还必须保留，只是长度字段的数值为 0。因此，扩展格式块长度的最小值为基本格式块的长度 16 加 2。