wav文件文件头格式.docx
《wav文件文件头格式.docx》由会员分享,可在线阅读,更多相关《wav文件文件头格式.docx(9页珍藏版)》请在冰豆网上搜索。
wav文件文件头格式
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RIFF/WAV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(shortint00H-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
00H4char"RIFF"标志
04H4longint文件长度
08H4char"WAVE"标志
0CH4char"fmt"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2
18H2int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"data"
28H4longint语音数据的长度
PCM数据的存放方式:
样本1样本2
8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PCMunsignedint2250
16位PCMint32767-32767
二、是个很专业的技术社区
三、参考程序
type
TMyWaveFormat=record
FieldLabel:
array[0..3] of Char; //"RIFF"
FieldLen:
DWORD; //从08H开始到文件末尾字节数
WaveID:
array[0..3] of Char; //"WAVE" 57 41 56 45
FmtID:
array[0..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:
array[0..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1 8KHz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
00H 4 char "RIFF" char riff_id[4]="RIFF"
04H 4 long int 文件总长-8 long int size0=文总长-8
08H 8 char "WAVEfmt " char wave_fmt[8]
10H 4 long int 10 00 00 00H(PCM) long int size1=0x10
14H 2 int 01 00H int fmttag=0x01
16H 2 int int channel=1 或2
18H 4 long int 采样率 long int samplespersec
1CH 4 long int 每秒播放字节数 long int bytepersec
20H 2 int 采样一次占字节数 int blockalign=声道数*量化数/8
22H 2 int 量化数 int bitpersamples=8或16
24H 4 char "data" char data_id="data"
28H 4 long int 采样数据字节数 long int size2=文长-44
2CH 到文尾 char 采样数据
表2 8KHz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
00H 4 char "RIFF" char riff_id[4]="RIFF"
04H 4 long int 文件总长-8 long int size0=文总长-8
08H 8 char "WAVEfmt " char wave_fmt[8]
10H 4 long int 12000000H(ALAW) long int size1=0x12
14H 2 int 06 00H int fmttag=0x06
16H 2 int 声道数 int channel=1 或2
18H 4 long int 采样率 long int samplespersec
1CH 4 long int 每秒播放字节数 long int bytepersec
20H 2 int 采样一次占字节数 int blockalign=0x01
22H 4 long int 量化数 long int bitpersamples=8
26H 4 char "fact" char wave_fact="fact"
2AH 8 char 0400000000530700H定 char temp
32H 4 char "data" char wave_data="data"
36H 4 long int 采样数据字节数 lont int size2=文长-58
表3 8KHz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
00H 4 char "RIFF" char riff_id[4]="RIFF"
04H 4 long int 文件总长-8 long int size0=文总长-8
08H 8 char "WAVEfmt " char wave_fmt[8]
10H 4 long int 12000000H(ULAW) long int size1=0x12
14H 2 int 07 00H int fmttag=0x07
16H 2 int 声道数 int channel=1 或2
18H 4 long int 采样率 long int samplespersec
1CH 4 long int 每秒播放字节数 long int bytepersec
20H 2 int 采样一次占字节数 int blockalign=0x01
22H 4 long int 量化数 long int bitpersamples=8
26H 4 char "fact" char wave_fact="fact"
2AH 8 char 0400000000530700H定 char temp
32H 4 char "data" char wave_data="data"
36H 4 long int 采样数据字节数 lont int size2=文长-58
表4 ADPCM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
00H 4 char "RIFF" char riff_id[4]="RIFF"
04H 4 long int 文件总长-8 long int size0=文总长-8
08H 8 char "WAVEfmt " char wave_fmt[8]
10H 4 long int 32000000H(ADPCM) long int size1=0x32
14H 2 int 02 00H int fmttag=0x02
16H 2 int 声道数 int channel=1 或2
18H 4 long int 采样率 long int samplespersec
1CH 4 long int 每秒播放字节数 long int bytepersec
20H 2 int 采样一次占字节数 int blockalign=声道数*量化数/8
22H 2 int 量化数 int bitpersamples=4
24H 34 char 固定字节 char temp1
46H 4 char "fact" char wave_fact="fact"
4AH 8 char 0400000004930600H定 char temp2
52H 4 char "data" char wave_data="data"
56H 4 long int 采样数据字节数 lont int size2=文长-90
5AH 到文尾 采样数据
表5 GSM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
00H 4 char "RIFF" char riff_id[4]="RIFF"
04H 4 long int 文件总长-8 long int size0=文总长-8
08H 8 char "WAVEfmt " char wave_fmt[8]
10H 4 long int 14000000H(GSM) long int size1=0x14
14H 2 int 31 00H int fmttag=0x31
16H 2 int 声道数 int channel=1 或2
18H 4 long int 采样率 long int samplespersec
1CH 4 long int 每秒播放字节数 long int bytepersec
20H 8 char 4100000002004001H定 char temp1
28H 8 char 6661637404000000H定 char temp2
30H 4 char 40 E2 05 00H定 char temp3
34H 4 char "data" char wave_data="data"
38H 4 long int 采样数据字节数 lont int size2=文长-60
3CH 到文尾 采样数据
表6 SBC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
00H 4 char "RIFF" char riff_id[4]="RIFF"
04H 4 long int 文件总长-8 long int size0=文总长-8
08H 8 char "WAVEfmt " char wave_fmt[8]
10H 4 long int 12000000H(SBC) long int size1=0x12
14H 2 int 71 00H int fmttag=0x71
16H 2 int 声道数 int channel=1 或2
18H 4 long int 采样率 long int samplespersec
1CH 4 long int 每秒播放字节数 long int bytepersec
20H 2 int 采样一次占字节数 int blockalign=0x25
22H 4 long int 量化数 long int bitpersamples=16
26H 4 char "fact" char wave_fact="fact"
2AH 8 char 0400000076280400H定 char temp
32H 4 char "data" char wave_data="data"
36H 4 long int 采样数据字节数 lont int size2=文长-59
表7 CELP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
00H 4 char "RIFF" char riff_id[4]="RIFF"
04H 4 long int 文件总长-8 long int size0=文总长-8
08H 8 char "WAVEfmt " char wave_fmt[8]
10H 4 long int 12000000H(CELP) long int size1=0x12
14H 2 int 70 00H int fmttag=0x70
16H 2 int 声道数 int channel=1 或2
18H 4 long int 采样率 long int samplespersec
1CH 4 long int 每秒播放字节数 long int bytepersec
20H 2 int 采样一次占字节数 int blockalign=0x0C
22H 4 long int 量化数 long int bitpersamples=16
26H 4 char "fact" char wave_fact="fact"
2AH 8 char 0400000060520700H定 char temp
32H 4 char "data" char wave_data="data"
36H 4 long int 采样数据字节数 lont int size2=文长-58
WAVEFORMATEX
typedef struct{WORD wFormatTag; WORD nChannels; DWORD nSamplesPerSec; DWORD nAvgBytesPerSec; WORD nBlockAlign; WORD wBitsPerSample; WORD cbSize; } 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8.0 kHz,11.025kHz,22.05 kHz,44.1 kHz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16
cbSize:
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。
WAVEHDR
typedef struct { LPSTR lpData; DWORD dwBufferLength; DWORD dwBytesRecorded; DWORD dwUser; DWORD dwFlags; DWORD dwLoops; struct wavehdr_tag * lpNext; DWORD reserved; } 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1 8KHz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
00H 4 char "RIFF" char riff_id[4]="RIFF"
04H 4 long int 文件总长-8 long int size0=文总长-8
08H 8 char "WAVEfmt " char wave_fmt[8]
10H 4 long int 10 00 00 00H(PCM) long int size1=0x10
14H 2 int 01 00H int fmttag=0x01
16H 2 int int channel=1 或2
18H 4 long int 采样率 long int samplespersec
1CH 4 long int 每秒播放字节数 long int bytepersec
20H 2 int 采样一次占字节数 int blockalign=声道数*量化数/8
22H 2 int 量化数 int bitpersamples=8或16
24H 4 char "data" char data_id="data"
28H 4 long int 采样数据字节数 long int size2=文长-44
2CH 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“645DE000”,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“10000000”,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,“0100”,也是little-endian的,标记编码方式,一般为0x0001。
6.地址16H-17H,“0100”,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,“44AC0000”,也是little-endian,标记采样频率,这里为441000Hz。
8.地址1CH-1FH,“8858 0100”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,“0200”,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,“1000”,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,“64617461”,就是“data”了。
12.地址28H-2BH,“405DE000”,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,Set