WAV文件格式

WAV File(1)

是存储音频比特流的本地文件格式，由Microsoft和IBM联合开发，应用资源交换文件格式（RIFF）组织数据，将其存储在块（chunk）中，是Windows上原始和未压缩音频数据的主流格式。

WAV 文件多数情况下是以线性脉冲编码调制（PCM）方式的未压缩文件。PCM方式保留了音轨的所有样本，使得WAV文件有较高的音频质量。同时WAV文件支持压缩音频，可使用任意的ACM编解码器压缩WAV文件。

RIFF （Resource Interchange File Format）

是一种标记文件格式（tagged file format）,可以看做是一个特殊的容器（ container），其通用格式是：

• 4字节：此块的ASCII标识符
• 4字节：块长度（除此字段本身和块标识符，且填充字节不计入块的大小）
• 大小可变字段：块数据
• padding字节：填充块数据（因为块数据必须是字对齐（Word aligned）的，即总的长度必须是2的倍数）

  
  

  RIFF格式的优点：可拓展成不同类型的文件而不至引起混淆

                               允许程序不必识特定的块且可以跳过这些块去处理后续的数据（RIFF的读取规则：忽略不能识别的                              带有标记的块）

  并且某些特定的块中还可以包括子块（sub chunks），如WAV文件中的Wave List Chunk--"wavl"（用于指定几个交替的静音块（slnt）和数据块（"data"））。

  
  

  WAV文件中的块：

  1.Wave File Header - RIFF Type Chunk

  按照标准的RIFF文件格式定义，起始的8字节是标准的RIFF文件块标题，标识符"RIFF"和块大小，紧随的4字节定义RIFF块中的资源类型，在WAV文件中即为"WAVE（0x57415645）",类型定义之后是wave  chunks，定义音频数据。
  

  Offset	Size	Despription	Value
  0x00	4	Chunk ID	"RIFF"(0x52494646)
  0x04	4	Chunk Data Size	(file size )-8
  0x08	4	RIFF Type	"WAVE"(0x57415645)
  0x10	wave chunks

  有多种类型的chunks可用于描述wave 文件，其中最常用的是Format  Chunk和Data Chunk（Format Chunk通常置于Data Chunk之前）。

  Chunk Data Size:整个文件的大小，以字节为单位减去Chunk ID和Chunk Data Size所占的8的字节或

  4 + (8 + Format Size) + (8 + Data Size)
  

  
  

  
  

  Format Chunk - "fmt"：描述WAV文件中音频数据的存储方式，压缩方式，通道数，采样率，（样值的）量化比特数等信息
  

  Offset	Size	Description	Value
  0x00	4	Chunk ID	"fmt"(0x666D7420)
  0x04	4	Chunk Data Size	16+extra format bytes
  0x08	2	Compression Code	1 - 65535
  0x0a	2	Number of Channels	1 - 65535
  0x0c	4	Sample rate	1 - 0xFFFFFFFF
  0x10	4	Byte rate	1 - 0xFFFFFFFF
  0x14	2	Block align	1 - 65535
  0x16	2	Bits per sample	2 - 65535
  0x18	2	Extra format bytes	0 - 65535
  0x1a	EXtra format bytes

  chunk ID:通常是"fmt",如果不包含未压缩的数据，Chunk ID的字符串以空格（0x20）结尾。

  Data Size:是标准WAVE文件（16比特量化）的数据与特殊WAVE文件所需的特定字节之和,有16,18或40
  

  Compression Code:表明wave chunk中数据的压缩方式：
  

  Code	Description
  0(0x000000)	Unknown
  1(0x0001)	PCM/uncompressed
  2(0x0002)	Mocrosoft ADPCM
  6(0x0006)	ITU G.711 a-law
  7(0x0007)	ITU G.711 Âμ-law
  17(0x0011)	IMA ADPCM
  22(0x0016)	ITU G.273 ADPCM(Yamaha)
  49(0x0031)	GSM 6.10
  64(0x0040)	ITU G.271 ADPCM
  80(0x0050)	MPEG
  65534(0xFFFE)	Determined by SubFormat
  65535(0xFFFF)	Experimental

  采用不同压缩编码格式的音频比特率之间的比较：

  格式	比特率(kbit/s)	每分钟数据量(iB)
  11,025 Hz 16 bit PCM	176.4	1292
  8,000 Hz 16 bit PCM	128	938
  11,025 Hz 8 bit PCM	88.2	646
  11,025 Hz µ-Law	88.2	646
  8,000 Hz 8 bit PCM	64	469
  8,000 Hz µ-Law	64	469
  11,025 Hz 4 bit ADPCM	44.1	323
  8,000 Hz 4 bit ADPCM	32	234

  实例：

  
  

  0x00 06:A-law压缩方法，此时Format chunk中要有Extra Foemat Bytes以包含解码所需的信息，fmt块（标识符 0x）的大小也变为18(0x00000012)字节，此时data块的前面还要加入存储压缩码信息的Fact chunk (详见Fact chunk)
  

  
  

  此例中采用μ-law（0x0007）压缩方法，Format chunk中同样含有Extra Foemat Bytes以包含解码所需的信息，fmt块（标识符 0x）的大小也为18(0x00000012)字节，在data块之前也有fact块。
  

  
  

  此例中通道数为8，采样率为48kHz，压缩方式为0x FF FE(WAVE_FORMAT_EXTENSIBLE，主要用于定义多于2通道和高采样率的WAVE文件的编码方式)，同时在data块之前含有cue块（详见Cue Chunk）
  

  
  

  Number of channels:通道数，即在chunk中编码传输的音频信号的路数：mono signal和stereo signal WAVE_FORMAT_EXTENSIBLE，主要用于定义多于2通道和高采样率的WEVE文件的编码方式

  
  

  实例：

  mono - 16bit
  

  
  

  stereo - 16bit
  

  
  

  0x66 6D 74 20:表示标识符"fmt"

  0x00 00 00 10:"fmt"块的大小：16字节（PCM）

  0x00 01:压缩方式：PCM

  0x00 02:通道数2（stereo）

  0x00 00 AC 44:采样率 44.1KHz

  0x00 02 81 10:字节速率：176400

  0x00 04:一个样本的字节数：4

  0x00 10:量化比特数：16

  
  

  6通道
  

  
  

  Sample rate:采样率，与通道数无关。常用采样频率：CD:44.1kHz  DAT tapes：48kHz
  

  Byte rate:每秒要传输到D/A转化器的字节数，决定了数据是否可以从源以足够高的速率传输以保证持续的播放，计算公式： Sample Rate*Block Align

  Block Align:每个样本的字节数 计算公式：BitsPerSample / 8 *Num channels

   Bits per Sample:指定用于定义每个样本的比特数 ，通常为8、16、24、32，如果不是8的倍数，就以离8的倍数最近的数为准，未使用的字节设置为0

  
  

  
  

  
  

  8比特样值为无符号数0~255，其余为有符号数，如16比特的样值范围：-32768 - 32767
  

  Extra Foemat Bytes:与解码时需要的信息有关，如果压缩方式为0，此部分为空，且此部分也需要字对齐（Word aligned）

  
  

  
  

  Data Chunk - "data"

  包含使用format Chunk  中定义的编码方式编码的数据（compression code为1时，指未压缩的原始音频数据）

  Wave List Chunk（wavl）中也可包含数据块，且可包含多个（被压缩后的数据）

  Offset	Length	Type	Description	Value
  0x00	4	Char[4]	Chunk ID	"data"(0x64617461)
  0x04	4	DWORD	Chunk Size	取决于样本长度和压缩样本数
  0x08

  Chunk Size：数据块大小，计算公式：

  NumSamples * NumChannels * BitsPerSample/8

  实例：

                                         
  

  多通道数字音频数据以隔行方式存储，在每个采样周期内通过循环遍历每个通道的采样数据，以保证在全部数据被读取完成之前便可播放文件，这使得在播放大音频文件或在网络上播放时十分方便。
  

  音频数据在data chunk中的存储顺序为：

  Time	Channel	Value
  0	1(left) 2(right)	0x0053 0x0024
  1	1(left) 2(right)	0x0057 0x0029

  除此之外还有Fact Chunk，Cue Chunk，Playlist  Chunk,和Associated Data List  Chunk等

  综上，WAV文件的结构为：

  
  
  
  
  

  Chunk ID "RIFF" Chunk Data size

  RIFF Type ID "WAVE"

  Chunk ID "fmt" Chunk Data size

  Sample Format Info

  Chunk ID "data" Chunk Data size

  Digital Audio Samples

  尽管未压缩的WAV文件很大，但其广泛用于存储高质量的原始数据，WAV文件结构简单。一些使用无磁带系统的广播电台也会使用WAV文件，并且世界数字无线电联盟将WAV文件作为发射机仿真和接收机测试的非正式标准由于WAV文件的采样率在1-4.3GHz之间变化，并且声道数最多可达65535路，因此WAV文件也可用于非音频文件。
  

  局限性：由于使用32比特的无符号整数记录文件头，WAV文件的大小限于4GB(部分则限于2GB)，
  

  参考资料：https://en.wikipedia.org/wiki/WAV

                   https://en.wikipedia.org/wiki/Resource_Interchange_File_Format
  

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

                   http://www.topherlee.com/software/pcm-tut-wavformat.html
  

                   http://www-mmsp.ece.mcgill.ca/Documents/AudioFormats/WAVE/WAVE.html

  多类型WAV文件下载：

  http://www-mmsp.ece.mcgill.ca/Documents/AudioFormats/WAVE/Samples.html