wav文件格式解析

最新推荐文章于 2022-08-09 09:13:36 发布
最新推荐文章于 2022-08-09 09:13:36 发布
阅读量1.1k 收藏
点赞数 1
文章标签： 音频编码解码
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/chen06130/article/details/118881999
版权

1 简介

  以RIFF（Resource Interchange File Format）格式为标准的。
  PCM 数据：原始音频数据，没有文件格式
  WAV数据：存储了PCM或压缩型，数据以小端方式存储
  WAVE文件是由若干个Chunk组成的。按照在文件中的出现位置包括：RIFF WAVE Chunk, Format Chunk, Fact Chunk(可选), Data Chunk。具体见下图：
在这里插入图片描述

2 格式详解

2.1 RIFF块

字段长度内容
ckID4 Bytes“RIFF”
cksize4 Bytes文件大小=cksize +8
Type4 Bytes“WAVE”

2.2 FORMAT块

字段长度内容
ckID4 Bytes'fmt ’ （这里有个空格）
cksize4 Bytes数值为16、18或40，18或40则最后又附加信息，不包含ckID和cksize
FormatTag2 Bytes编码方式，一般为0x0001
Channels2 Bytes声道数目，1–单声道；2–双声道
SamplesPerSec4 Bytes采样频率
AvgBytesPerSec4 Bytes每秒数据字节数
BlockAlign2 Bytes数据块对齐（每个采样所需的字节数），BlockAlign=Channels *BitsPerSample/8
BitsPerSample2 Bytes采样位数
cbSize2 Bytes附加信息（可选，通过Size来判断有无，0或22）

2.3 DATA块

字段长度内容
ckID4 Bytes‘data’
cksize4 Bytes音频数据的长度
DataN音频数据

wav文件示例
在这里插入图片描述

3 源码分析

参考Android中源码，路径：frameworks/av/media/extractors/wav/WAVExtractor.cpp
基本流程：
（1）sniff函数：判断音频格式是否是wav
（2）init：对文件初步解析，获取format信息
（3）read：读取音频数据单元

3.1 类

class WAVExtractor : public MediaExtractor {
public:
    explicit WAVExtractor(DataSourceBase *source);

    virtual size_t countTracks();
    virtual MediaTrack *getTrack(size_t index);
    virtual status_t getTrackMetaData(MetaDataBase& meta, size_t index, uint32_t flags);

    virtual status_t getMetaData(MetaDataBase& meta);
    virtual const char * name() { return "WAVExtractor"; }

    virtual ~WAVExtractor();

private:
    DataSourceBase *mDataSource;
    status_t mInitCheck;
    bool mValidFormat;
    uint16_t mWaveFormat;
    uint16_t mNumChannels;
    uint32_t mChannelMask;
    uint32_t mSampleRate;
    uint16_t mBitsPerSample;
    off64_t mDataOffset;
    size_t mDataSize;
    MetaDataBase mTrackMeta;

    status_t init();

    WAVExtractor(const WAVExtractor &);
    WAVExtractor &operator=(const WAVExtractor &);
};

}  // namespace android

3.2 sniff

对格式进行判断，不满足以下条件，将返回null，判断文件不是WAV格式。
（1）格式信息：读取文件前12个字节，判断是否前4个字节是“RIFF”，header[8]~header[11]是否是“WAVE”。
（2）轨道信息：WAVExtractor构造函数中会调用init()函数，获取轨道信息，通过countTracks计算轨道个数，个数需大于0。

static MediaExtractor::CreatorFunc Sniff(
        DataSourceBase *source,
        float *confidence,
        void **,
        MediaExtractor::FreeMetaFunc *) {
    char header[12];
    if (source->readAt(0, header, sizeof(header)) < (ssize_t)sizeof(header)) {
        return NULL;
    }

    if (memcmp(header, "RIFF", 4) || memcmp(&header[8], "WAVE", 4)) {
        return NULL;
    }

    MediaExtractor *extractor = new WAVExtractor(source);
    int numTracks = extractor->countTracks();
    delete extractor;
    if (numTracks == 0) {
        return NULL;
    }

    *confidence = 0.3f;

    return CreateExtractor;
}

3.3 WAVExtractor

WAVExtractor调用init()函数

WAVExtractor::WAVExtractor(DataSourceBase *source)
    : mDataSource(source),
      mValidFormat(false),
      mChannelMask(CHANNEL_MASK_USE_CHANNEL_ORDER) {
    mInitCheck = init();
}

init函数，对各个字段进行校验
（1）对RIFF块校验
（2）对fmt块校验
（3）如果fmt中各字段有效，将一些信息填入metadata中，包括通道数、采样率、采样位宽、编码方式、duration等

status_t WAVExtractor::init() {
	//riff chuck
    uint8_t header[12];
    if (mDataSource->readAt(
                0, header, sizeof(header)) < (ssize_t)sizeof(header)) {
        return NO_INIT;
    }

    if (memcmp(header, "RIFF", 4) || memcmp(&header[8], "WAVE", 4)) {
        return NO_INIT;
    }
	//以小端方式读取，文件大小
    size_t totalSize = U32_LE_AT(&header[4]);
	//跳过RIFF块，开始解析后面部分
    off64_t offset = 12;
    size_t remainingSize = totalSize;
    while (remainingSize >= 8) {
        uint8_t chunkHeader[8];
        if (mDataSource->readAt(offset, chunkHeader, 8) < 8) {
            return NO_INIT;
        }

        remainingSize -= 8;
        offset += 8;

        uint32_t chunkSize = U32_LE_AT(&chunkHeader[4]);

        if (chunkSize > remainingSize) {
            return NO_INIT;
        }
		//fmt chuck解析
        if (!memcmp(chunkHeader, "fmt ", 4)) {
            if (chunkSize < 16) {
                return NO_INIT;
            }

            uint8_t formatSpec[40];
            if (mDataSource->readAt(offset, formatSpec, 2) < 2) {
                return NO_INIT;
            }
			//FormatTag
            mWaveFormat = U16_LE_AT(formatSpec);
            if (mWaveFormat != WAVE_FORMAT_PCM
                    && mWaveFormat != WAVE_FORMAT_IEEE_FLOAT
                    && mWaveFormat != WAVE_FORMAT_ALAW
                    && mWaveFormat != WAVE_FORMAT_MULAW
                    && mWaveFormat != WAVE_FORMAT_MSGSM
                    && mWaveFormat != WAVE_FORMAT_EXTENSIBLE) {
                return ERROR_UNSUPPORTED;
            }

            uint8_t fmtSize = 16;
            if (mWaveFormat == WAVE_FORMAT_EXTENSIBLE) {
                fmtSize = 40;
            }
            if (mDataSource->readAt(offset, formatSpec, fmtSize) < fmtSize) {
                return NO_INIT;
            }

            mNumChannels = U16_LE_AT(&formatSpec[2]);

            if (mNumChannels < 1 || mNumChannels > 8) {
                ALOGE("Unsupported number of channels (%d)", mNumChannels);
                return ERROR_UNSUPPORTED;
            }

            if (mWaveFormat != WAVE_FORMAT_EXTENSIBLE) {
                if (mNumChannels != 1 && mNumChannels != 2) {
                    ALOGW("More than 2 channels (%d) in non-WAVE_EXT, unknown channel mask",
                            mNumChannels);
                }
            }

            mSampleRate = U32_LE_AT(&formatSpec[4]);

            if (mSampleRate == 0) {
                return ERROR_MALFORMED;
            }

            mBitsPerSample = U16_LE_AT(&formatSpec[14]);

            if (mWaveFormat == WAVE_FORMAT_EXTENSIBLE) {
                uint16_t validBitsPerSample = U16_LE_AT(&formatSpec[18]);
                if (validBitsPerSample != mBitsPerSample) {
                    if (validBitsPerSample != 0) {
                        ALOGE("validBits(%d) != bitsPerSample(%d) are not supported",
                                validBitsPerSample, mBitsPerSample);
                        return ERROR_UNSUPPORTED;
                    } else {
                        // we only support valitBitsPerSample == bitsPerSample but some WAV_EXT
                        // writers don't correctly set the valid bits value, and leave it at 0.
                        ALOGW("WAVE_EXT has 0 valid bits per sample, ignoring");
                    }
                }

                mChannelMask = U32_LE_AT(&formatSpec[20]);
                ALOGV("numChannels=%d channelMask=0x%x", mNumChannels, mChannelMask);
                if ((mChannelMask >> 18) != 0) {
                    ALOGE("invalid channel mask 0x%x", mChannelMask);
                    return ERROR_MALFORMED;
                }

                if ((mChannelMask != CHANNEL_MASK_USE_CHANNEL_ORDER)
                        && (popcount(mChannelMask) != mNumChannels)) {
                    ALOGE("invalid number of channels (%d) in channel mask (0x%x)",
                            popcount(mChannelMask), mChannelMask);
                    return ERROR_MALFORMED;
                }

                // In a WAVE_EXT header, the first two bytes of the GUID stored at byte 24 contain
                // the sample format, using the same definitions as a regular WAV header
                mWaveFormat = U16_LE_AT(&formatSpec[24]);
                if (memcmp(&formatSpec[26], WAVEEXT_SUBFORMAT, 14) &&
                    memcmp(&formatSpec[26], AMBISONIC_SUBFORMAT, 14)) {
                    ALOGE("unsupported GUID");
                    return ERROR_UNSUPPORTED;
                }
            }

            if (mWaveFormat == WAVE_FORMAT_PCM) {
                if (mBitsPerSample != 8 && mBitsPerSample != 16
                    && mBitsPerSample != 24 && mBitsPerSample != 32) {
                    return ERROR_UNSUPPORTED;
                }
            } else if (mWaveFormat == WAVE_FORMAT_IEEE_FLOAT) {
                if (mBitsPerSample != 32) {  // TODO we don't support double
                    return ERROR_UNSUPPORTED;
                }
            }
            else if (mWaveFormat == WAVE_FORMAT_MSGSM) {
                if (mBitsPerSample != 0) {
                    return ERROR_UNSUPPORTED;
                }
            } else if (mWaveFormat == WAVE_FORMAT_MULAW || mWaveFormat == WAVE_FORMAT_ALAW) {
                if (mBitsPerSample != 8) {
                    return ERROR_UNSUPPORTED;
                }
            } else {
                return ERROR_UNSUPPORTED;
            }

            mValidFormat = true;
        } else if (!memcmp(chunkHeader, "data", 4)) {  //data chuck
            if (mValidFormat) {
                mDataOffset = offset;
                mDataSize = chunkSize;

                mTrackMeta.clear();

                switch (mWaveFormat) {
                    case WAVE_FORMAT_PCM:
                    case WAVE_FORMAT_IEEE_FLOAT:
                        mTrackMeta.setCString(
                                kKeyMIMEType, MEDIA_MIMETYPE_AUDIO_RAW);
                        break;
                    case WAVE_FORMAT_ALAW:
                        mTrackMeta.setCString(
                                kKeyMIMEType, MEDIA_MIMETYPE_AUDIO_G711_ALAW);
                        break;
                    case WAVE_FORMAT_MSGSM:
                        mTrackMeta.setCString(
                                kKeyMIMEType, MEDIA_MIMETYPE_AUDIO_MSGSM);
                        break;
                    default:
                        CHECK_EQ(mWaveFormat, (uint16_t)WAVE_FORMAT_MULAW);
                        mTrackMeta.setCString(
                                kKeyMIMEType, MEDIA_MIMETYPE_AUDIO_G711_MLAW);
                        break;
                }

                mTrackMeta.setInt32(kKeyChannelCount, mNumChannels);
                mTrackMeta.setInt32(kKeyChannelMask, mChannelMask);
                mTrackMeta.setInt32(kKeySampleRate, mSampleRate);
                mTrackMeta.setInt32(kKeyPcmEncoding, kAudioEncodingPcm16bit);

                int64_t durationUs = 0;
                if (mWaveFormat == WAVE_FORMAT_MSGSM) {
                    // 65 bytes decode to 320 8kHz samples
                    durationUs =
                        1000000LL * (mDataSize / 65 * 320) / 8000;
                } else {
                    size_t bytesPerSample = mBitsPerSample >> 3;

                    if (!bytesPerSample || !mNumChannels)
                        return ERROR_MALFORMED;

                    size_t num_samples = mDataSize / (mNumChannels * bytesPerSample);

                    if (!mSampleRate)
                        return ERROR_MALFORMED;

                    durationUs =
                        1000000LL * num_samples / mSampleRate;
                }

                mTrackMeta.setInt64(kKeyDuration, durationUs);

                return OK;
            }
        }

        offset += chunkSize;
    }

    return NO_INIT;
}

duration计算：

//总样本数 = 文件大小/（通道数*每个样本字节数）
//时长 = 总样本数/采样率
size_t num_samples = mDataSize / (mNumChannels * bytesPerSample);
durationUs = 1000000LL * num_samples / mSampleRate;

对于WAVE_FORMAT_MSGSM格式，即GSM610的duration，进行了特殊处理

// 65 bytes decode to 320 8kHz samples
durationUs = 1000000LL * (mDataSize / 65 * 320) / 8000;

参考

Audio File Format Specifications

阳光下的咖啡
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
wav音频文件的文件头格式以及语音数据格式
08-03
wav文件头格式，网上很多说明不清楚，这份是实用的，我照着这个做了个exe文件，可以给数据文件加头成为wav文件，有不足之处希望大家相互讨论
wav文件格式分析详解
热门推荐
BlueSoal的专栏
07-17 6万+
                           wav文件格式分析详解                                                                                         一、综述    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Resource Interch
音频-WAV数据格式
wenluderen的专栏
02-15 1664
（转：https://www.jianshu.com/p/947528f3dff8） （转多媒体文件格式（五）：PCM / WAV 格式 - 灰色飘零 - 博客园） 1.概述 Waveform Audio File Format（WAVE，又或者是因为WAV后缀而被大众所知的），它采用RIFF（Resource Interchange File Format）文件格式结构。通常用来保存PCM格式的原始音频数据，所以通常被称为无损音频。但是严格意义上来讲，WAV也可以存储其它压缩格式的音频数据。
wav数据格式详解
yuanbinquan的专栏
03-11 7087
1. 音频简介 经常见到这样的描述: 44100HZ 16bit stereo 或者 22050HZ 8bit mono 等等. 44100HZ 16bit stereo: 每秒钟有 44100 次采样, 采样数据用 16 位(2字节)记录, 双声道(立体声); 22050HZ 8bitmono: 每秒钟有 22050 次采样, 采样数据用 8 位(1字节)记录, 单声道; ...
wav格式
zmjames2000 Just record
03-04 1987
come from :https://blog.csdn.net/luckywang1103/article/details/45697245 RIFF概念 大部分多媒体文件都遵循一种结构来存放信息，这种结构称为”资源互换文件格式”(Resource Interchange File Format)简称RIFF。例如声音的wav文件，视频的avi文件等都是由此结构衍生出来的。 RIFF基本结...
WAV 文件格式解析
10-13
WAV为微软公司（Microsoft)开发的一种声音文件格式，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。 本文档图文结合，讲得很...
WAV文件格式分析与应用.zip
09-04
**WAV文件格式详解** WAV（Waveform Audio File Format）是Microsoft开发的一种无损音频文件格式，基于...通过深入学习和实践，开发者可以掌握WAV文件的解析、创建和编辑技术，从而在音频相关的项目中游刃有余。
wav文件格式分析
10-18
wav文件格式分析,这里我只把基本的数据提取出来了，没有进行下一步处理，数据提取出来，后面怎么应用就看具体情况了。
WAV文件格式解析.pdf
11-16
WAV文件格式解析
Android 音频开发-如何存储和解析wav文件
05-17
通过打开文件浏览器，获取文件目录，对其进行文件流转换，之后获取头文件，解析.wav格式的文件的头信息。
8，WAV文件格式说明_wav_wav文件格式说明_
09-30
**WAV文件格式详解** WAV，全称Waveform Audio File Format，是由Microsoft和IBM共同开发的一种声音文件格式，属于Resource Interchange File Format (RIFF) 文件格式家族的一部分。它是未压缩的音频文件格式，因此...
WAV文件数据格式分析
08-20
例如声音的WAV文件、视频的AV1文件等等均是由此结构衍生出来的。RIFF可以看做是一种树状结构，其基本构成单位为chunk，犹如树状结构中的节点，每个chunk由"辨别码"、"数据大小"及"数据"所组成。
Wav文件格式解析 Wav文件格式解析
10-12
Wav文件格式解析 Wav文件格式解析 Wav文件格式解析 Wav文件格式解析 Wav文件格式解析 Wav文件格式解析 Wav文件格式解析 Wav文件格式解析 Wav文件格式解析
wav文件格式分析详解.doc
06-12
wav文件格式分析详解
wav文件格式整理
奖励你和我对线
06-01 597
WAV
WAV格式详解
kewei chen
01-23 4658
概述 WAV即WAVE，是经典的Windows音频数据封装格式，由Microsoft开发。数据本身格式为PCM，也可以支持一些编码格式的数据，比如最近流行的AAC编码。如果是PCM，则为无损格式，文件会比较大，并且大小相对固定，可以使用以下公式计算文件大小。 FileSize = HeadSize + TimeInSecond * SampleRate * Channels * BitsPerSample / 8 其中HeadSize为WAV文件头部长度；SampleRate，即采样率，可选8000、16
音频——WAV 格式详解
tyustli
08-09 1万+
wav 文件支持多种不同的比特率、采样率、多声道音频。WAV 文件格式是 Microsoft 的 RIFF 规范的一个子集，用于存储多媒体文件。RIFF（resource interchange file format 资源互换文件格式，以 chunk(块) 为单位组织文件）格式文件。在 windows 上，大部分多媒体文件都是 RIFF 文件。............
wav文件格式分析与详解
最新发布
07-13
wav文件是一种常见的音频文件格式，它是由Microsoft和IBM共同定义的。下面是对wav文件格式的详解： 1. 文件头（Header）：wav文件的前44个字节是文件头，包含了文件的基本信息。文件头的结构如下： - ChunkID（4字节）：文件标识，通常为"RIFF"。 - ChunkSize（4字节）：文件大小，即整个文件的大小减去8个字节（ChunkID和ChunkSize本身的大小）。 - Format（4字节）：文件格式，通常为"WAVE"。 - Subchunk1ID（4字节）：子块标识，通常为"fmt "。 - Subchunk1Size（4字节）：子块大小，即除去Subchunk1ID和Subchunk1Size本身的大小。 - AudioFormat（2字节）：音频格式，常见值为1表示PCM（脉冲编码调制）。 - NumChannels（2字节）：声道数，常见值为1表示单声道，2表示立体声。 - SampleRate（4字节）：采样率，即每秒采样的样本数。 - ByteRate（4字节）：数据传输速率，即每秒传输的字节数。 - BlockAlign（2字节）：数据块对齐，即每个采样的字节数。 - BitsPerSample（2字节）：样本位数，即每个采样的位数。 2. 数据块（Data Chunk）：文件头之后的部分是音频数据块，包含了实际的音频采样数据。数据块的结构如下： - Subchunk2ID（4字节）：子块标识，通常为"data"。 - Subchunk2Size（4字节）：子块大小，即音频数据的大小。 - Data（变长）：音频数据，以二进制形式存储。 在wav文件中，音频数据以采样点的形式存储，每个采样点的值表示音频信号在该时间点上的幅度。采样点的位数（BitsPerSample）决定了每个采样点的精度，位数越高，精度越高，音频质量也越好。 总结起来，wav文件格式通过文件头和数据块来存储音频数据，其中文件头包含了文件的基本信息，数据块存储了实际的音频采样数据。通过解析文件头和读取数据块中的采样数据，可以对wav文件进行分析和处理。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值