将PCM数据转换成WAV文件其实只是加个文件头
2. wave文件格式
2.1 概述
WAVE文件是计算机领域最常用的数字化声音文件格式之一,它是微软专门为Windows系统定义的波形文件格式(Waveform Audio),由于其扩展名为"*.wav"。
WAVE是录音时用的标准的WINDOWS文件格式,文件的扩展名为“WAV”,数据本身的格式为PCM或压缩型。
WAV文件格式是一种由微软和IBM联合开发的用于音频数字存储的标准,它采用RIFF文件格式结构,非常接近于AIFF和IFF格式。符合 PIFF Resource Interchange File Format规范。所有的WAV都有一个文件头,这个文件头音频流的编码参数。
WAV对音频流的编码没有硬性规定,除了PCM之外,还有几乎所有支持ACM规范的编码都可以为WAV的音频流进行编码。
多媒体应用中使用了多种数据,包括位图、音频数据、视频数据以及外围设备控制信息等。RIFF为存储这些类型的数据提供了一种方法,RIFF文件所包含的数据类型由该文件的扩展名来标识,能以RIFF文件存储的数据包括:
音频视频交错格式数据(.AVI) 、波形格式数据(.WAV) 、位图格式数据(.RDI) 、MIDI格式数据(.RMI) 、调色板格式(.PAL) 、多媒体电影(.RMN) 、动画光标(.ANI) 、其它RIFF文件(.BND)。
wave文件有很多不同的压缩格式,所以,正确而详细地了解各种WAVE文件的内部结构是成功完成压缩和解压缩的基础,也是生成特有音频压缩格式文件的前提。
最基本的WAVE文件是PCM(脉冲编码调制)格式的,这种文件直接存储采样的声音数据没有经过任何的压缩,是声卡直接支持的数据格式,要让声卡正确播放其它被压缩的声音数据,就应该先把压缩的数据解压缩成PCM格式,然后再让声卡来播放。
2.2 Wave文件的内部结构
注:由于WAV格式源自Windows/Intel环境,因而采用Little-Endian字节顺序进行存储。
WAVE文件是以RIFF(Resource Interchange File Format, "资源交互文件格式")格式来组织内部结构的。
RIFF文件结构可以看作是树状结构,其基本构成是称为"块"(Chunk)的单元,最顶端是一个“RIFF”块,下面的每个块有“类型块标识(可选)”、“标志符”、“数据大小”及“数据”等项所组成。块的结构如表1所示:
名称 | Size | 备注 |
块标志符 | 4 | 4个小写字符(如 "fmt ", "fact", "data" 等) |
数据大小 | 4 | DWORD类型,表示后接数据的大小(N Bytes) |
数据 | N | 本块中正式数据部分 |
表1:基本chunk的内部结构
上面说到的“类型块标识”只在部分chunk中用到,如 "WAVE" chunk中,这时表示下面嵌套有别的chunk。
当使用了 "类型块标识" 时,该chunk就没有别的项(如块标志符,数据大小等),它只作为文件读取时的一个标识。先找到这个“类型块标识”,再以它为起点读取它下面嵌套的其它chunk。
每个文件最前端写入的是RIFF块,每个文件只有一个RIFF块。从 Wave文件格式详细说明 中可以看到这一点。
非PCM格式的文件会至少多加入一个 "fact" 块,它用来记录数据(注意是数据而不是文件)解压缩后的大小。这个 "fact" 块一般加在 "data" 块的前面。
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:
-------------------------------------------
| RIFF WAVE Chunk |
| ID = "RIFF" |
| RiffType = "WAVE" |
-------------------------------------------
| Format Chunk |
| ID = "fmt " |
-------------------------------------------
| Fact Chunk(optional) |
| ID = "fact" |
-------------------------------------------
| Data Chunk |
| ID = "data" |
-------------------------------------------
图 Wav格式包含Chunk示例
Fact Chunk
=======================================
| |所占字节数| 具体内容 |
=======================================
| ID | 4Bytes | "fact" |
---------------------------------------
| Size | 4Bytes | 4 |
---------------------------------------
| data | 4Bytes |解压后的音频数据的大小(B)|
---------------------------------------
图 Fact Chunk
2.3 Wave文件格式详细说明
别名 字节数 类型 注释
ckid 4 char "RIFF" 标志, 大写
cksize 4 int32 文件长度。这个长度不包括"RIFF"标志 和
文件长度 本身所占字节, 下面的
子块大小也是这样。
fcc type 4 char "WAVE" 类型块标识, 大写。
ckid 4 char 表示"fmt" chunk的开始。此块中包括文
件内部格式信息。小写, 最后一个
字符是空格。
cksize 4 int32 文件内部格式信息数据的大小。
FormatTag 2 int16 音频数据的编码方式。1 表示是 PCM 编码
Channels 2 int16 声道数,单声道为1,双声道为2
SamplesPerSec 4 int32 采样率(每秒样本数), 比如 44100 等
BytesPerSec 4 int32 音频数据传送速率, 单位是字节。其值为
采样率×每次采样大小。播放软件
利用此值可以估计缓冲区的大小。
BlockAlign 2 int16 每次采样的大小 = 采样精度*声道数/8(单
位是字节); 这也是字节对齐的最
小单位, 譬如 16bit 立体声在这
里的值是 4 字节。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。
BitsPerSample 2 int16 每个声道的采样精度; 譬如 16bit 在这
里的值就是16。如果有多个声道,则
每个声道的采样精度大小都一样的。
[cbsize] 2 int16 [可选]附加数据的大小。
[...] x
[ckid] 4 char "fact".
[cksize] 4 int32 "fact" chunk data size.
[fact data] 4 int32 解压后的音频数据的大小(Bytes).
ckid 4 char 表示 "data" chunk的开始。此块中包含
音频数据。小写。
cksize 4 int32 音频数据的长度
...... 文件声音信息数据(真正声音存储部分)
[......] 其它 chunk
2.4 Windows平台上WAVEFORMAT结构的认识
PCM和非PCM的主要区别是声音数据的组织不同,这些区别可以通过两者的WAVEFORMAT结构来区分。
下面以PCM和IMA-ADPCM来进行对比。
WAVE的基本结构 WAVEFORMATEX 结构定义如下:
1 typedef struct 2 { 3 WORD wFormatag; // 编码格式,包括WAVE_FORMAT_PCM,WAVEFORMAT_ADPCM等 4 WORD nChannls; // 声道数,单声道为1,双声道为2; 5 6 DWORD nSamplesPerSec; // 采样频率; 7 8 DWORD nAvgBytesperSec; // 每秒的数据量; 9 10 WORD nBlockAlign; // 块对齐; 11 12 WORD wBitsPerSample; // WAVE文件的采样大小; 13 14 WORD cbSize; // The count in bytes of the size of extra 15 // information(after cbSize). PCM中忽略此值 16 } WAVEFORMATEX;
IMAADPCMWAVEFORMAT结构定义如下:
1 Typedef struct 2 { 3 WAVEFORMATEX wfmt; 4 5 WORD nSamplesPerBlock; 6 7 } IMAADPCMWAVEFORMAT;
IMA-ADPCM中的的wfmt->cbsize不能忽略,一般取值为2,表示此类型的WAVEFORMAT比一般的WAVEFORMAT多出2个字节。这两个字符也就是nSamplesPerBlock。
"fact" chunk的内部组织
在非PCM格式的文件中,一般会在WAVEFORMAT结构后面加入一个 "fact" chunk, 结构如下:
1
2
3
4
5
6
7
8
9
|
typedef
struct
{
char
[4];
//“fact”字符串
DWORD
chunksize;
DWORD
datafactsize;
// 音频数据转换为PCM格式后的大小。
} factchunk;
|
datafactsize是这个chunk中最重要的数据,如果这是某种压缩格式的声音文件,那么从这里就可以知道他解压缩后的大小。对于解压时的计算会有很大的好处!
2.5 "data" chunk的内部组织
从 "data" chunk的第9个字节开始,存储的就是声音信息的数据了,(前八个字节存储的是标志符 "data" 和后接数据大小size(DWORD)。这些数据可以是压缩的,也可以是没有压缩的。
3 实现原理
网上有一篇曹京写的《wav文件格式分析详解》已经介绍过wav文件格式,有兴趣的读者可以查阅。wav文件通常包含4段:RIFF、格式段、FACT段和数据段。 PCM数据就放在数据段。只要格式段设置的格式与数据段的数据一致,播放程序就可以正确解析。 下面这个数组的数据其实就是一个最小的wav文件。
static const unsigned char wav_template[] = { // RIFF WAVE Chunk 0x52, 0x49, 0x46, 0x46, // "RIFF" 0x30, 0x00, 0x00, 0x00, // 总长度 整个wav文件大小减去ID和Size所占用的字节数 0x57, 0x41, 0x56, 0x45, // "WAVE" // Format Chunk 0x66, 0x6D, 0x74, 0x20, // "fmt " 0x10, 0x00, 0x00, 0x00, // 块长度 0x01, 0x00, // 编码方式 0x01, 0x00, // 声道数目 0x80, 0x3E, 0x00, 0x00, // 采样频率 0x00, 0x7D, 0x00, 0x00, // 每秒所需字节数=采样频率*块对齐字节 0x02, 0x00, // 数据对齐字节=每个样本字节数*声道数目 0x10, 0x00, // 样本宽度 // Fact Chunk 0x66, 0x61, 0x63, 0x74, // "fact" 0x04, 0x00, 0x00, 0x00, // 块长度 0x00, 0xBE, 0x00, 0x00, // Data Chunk 0x64, 0x61, 0x74, 0x61, // "data" 0x00, 0x00, 0x00, 0x00, // 块长度 };
这个wav文件的数据长度为0。我们要增加PCM数据只要完成以下工作:
- 在数据段尾增加PCM数据;
- 修改数据段的块长度,修改RIFF段的总长度;
- 正确设置格式段的PCM参数。
样本长度可能不是8的整数倍,这时wav文件还是要求样本按照字节对齐。在一个样本中数据是左对齐的,右侧空位用0填充。 pcm2wav只考虑了样本长度是16位的情况。
其他可供参考网址:http://blog.csdn.net/poechant/article/details/7436710
copy from : http://www.fmddlmyy.cn/pcm2wav.html http://www.cnblogs.com/cheney23reg/archive/2010/08/08/1795067.html