音频存储格式wav介绍与解析

音频格式

音频格式中 规定了使用多少 bits 来对信号进行编码。

• 无压缩的格式
• 无损压缩
• 有损压缩

1. wav 音频格式介绍

微软 和 IBM 于 1991 年 提出的资源交换的文件格式 RIFF（ resource interchange File Format）；

wav 是 属于RIFF 中的一个应用实例；

1.1 RIFF 的组成

RIFF的其他实例还包含了其他的音视频格式 AVI， 图像动画ANI；
RIFF 文件由一个表头 header, 多个区块 chunk 组成；

1.2 wav 的组成

打开该网址：

http://soundfile.sapp.org/doc/WaveFormat/

wav 的 Header : 使用 32 位正整数表示整个文件的大小， 故wav 大小不超过 4 ＧＢ；

第一个区块，格式子块，Format chunk: 记录了音频的相关格式信息包括如下：
编码格式， 通道数，采样率，Ｂyte Ｒate 传输速率（字节每秒），　块对齐,

第二个区块，数据子块，data chunk ：开始存储音频的数据，

注意到在数据块中，左通道和右通道的数据有依次间隔存放的，按照　
左通道１，右通道１，左通道２，　右通道２　这样的顺序依次交替存放；

2. python 读取 wav 文件，

调用　struct module,

https://docs.python.org/3/library/struct.html?highlight=struct#struct.unpack_from

注意，使用 struct.unpack(),

其中，关键点：

1. 字节顺序 byte order ： 区分高位在前还是低位在前；

< 表示， 低位在前；
>表示，高位在前；

2. 数据类型：

H unsigned short　　integer　2　　

Ｈ　表示无符号的短整形，　integer, 　占2 个字节；

I unsigned int　integer　4

Ｉ: 表示无符号的整形，　integer占4 个字节；

2.1 struct.unpack() 的使用

注意到根据字节序来判断使用的场景，

byteorder 是big: 　即高位在前时，　使用 f.read()直接打开；

byteorder 是little: 　即低位在前时，　使用 struct.unpack() 函数打开；

import struct

f = open("./male_audio.wav",  mode = "rb") #　以二进制的只读模式打开该文件；


chunk_id = f.read(4)  # 　文件的前４byte　字节代表　ＲＩＦＦ；
print("the chunk id:", chunk_id)


# < 代表 低位在前，　　Ｉ：代表无符号的整数, 4byte；
chunk_size = struct.unpack('<I', f.read(4))[0]
print("the chunk size :", chunk_size)


wav_format = f.read(4)
print("the wav format", wav_format)

sub_chunck_1_id = f.read(4)
print("the first sub chunk id:", sub_chunck_1_id)

sub_chunck_1_size = struct.unpack('<I', f.read(4))[0]
print("the sub chunk 1 size: ", sub_chunck_1_size)

# < 代表 低位在前，　　H：代表无符号的短整数，　２个字节；
audio_format = struct.unpack('<H', f.read(2))[0]
print("the audio format", audio_format)
#  PCM = 1 (i.e. Linear quantization)
#  Values other than 1 indicate some form of compression.

# Mono = 1, Stereo = 2, etc.
num_channel = struct.unpack('<H', f.read(2))[0]
print(" the num  channel of audio:", num_channel)


# sampel rate 8000, 44100, etc.
sample_rate = struct.unpack('<I', f.read(4))[0]
print("the sample rate: ", sample_rate)

#ByteRate == SampleRate * NumChannels * BitsPerSample / 8
byte_rate = struct.unpack('<I', f.read(4))[0]
print("the byte rate: ", byte_rate)


# BlockAlign  == NumChannels * BitsPerSample/8
# The number of bytes for one sample including
#  all channels. I wonder what happens when
#  this number isn't an integer?
block_align = struct.unpack('<H', f.read(2))[0]
print(" the block align:", block_align)


# BitsPerSample    8 bits = 8, 16 bits = 16, etc.
bits_per_sample =  struct.unpack('<H', f.read(2))[0]
print("the bits per sample:", bits_per_sample)



# ---- the following   data  sub chunk---

sub_chunck_2_id = f.read(4)
print("\n the sub chunk 2:", sub_chunck_2_id)


sub_chunck_2_size = struct.unpack('<I', f.read(4))[0]
print("the sub chunk_2_size:", sub_chunck_2_size)

data0  = struct.unpack('<H', f.read(2))[0]
print("the first data:", data0)

# 这里需要注意，　第一个前４　个字节中，　前两个
字节代表左声道，　后两字节代表右声道；

2.2 f.read() 函数的使用：

# ”读“的细节操作
# 1. # f.read(字节数)：读取的是字节
# 字节数默认是文件长度；下标会自动后移
# f = open('test.txt','r')
# print(f.read())
# f.close()
 
# 2.f.readline([limit])
# 读取一行数据
# limit
# 限制的最大字节数
# f = open('test.txt', 'r')
#
# content = f.readline()#只读取一行
# print(content)
#
# content = f.readline()#只读取一行
# print(content)
# f.close()
 
# 3.f.readlines()
# 会自动的将文件按照换行符进行处理
# 将处理好的每一行组成一个列表返回
f = open('test.txt', 'r')
cn = f.readlines()
for line in cn:
    print(line, end='')
f.close()

3. 其他存储格式

RIFF: 由微软和ＩＢＭ提出;
AIFF : 苹果公司提出；

• 无损格式：　ＦＬＡＣ
  　free lossless audio codec;

• lossy : 有损格式

MP3, mostly for music, based on:
• Modified discrete cosine transform (MDCT)
• Sub-band coding
• Advanced Audio Coding (AAC)
• OPUS
• Speex