【语音学习记录】WAV 文件读写操作

【语音学习记录】WAV 文件读写操作（C++）

WAV 是常见的声音文件格式之一，WAV 是最常见的声音文件格式之一，是微软公司专门为 Windows 开发的一种标准数字音频文件，该文件能记录各种单声道或立体声的声音信息，并能保证声音不失真。但 WAV 文件有一个致命的缺点，就是它所占用的磁盘空间太大（每分钟的音乐大约需要 12 兆磁盘空间）。它符合资源互换文件格式（RIFF）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。Wave 格式支持 MSADPCM、CCITT $A$律、CCITT $\mu$律和其他压缩算法，支持多种音频位数、采样频率和声道，是 PC 机上最为流行的声音文件格式；但其文件尺寸较大，多用于存储简短的声音片段。

见百度百科

1、WAV 文件结构

WAV 是符合 RIFF 标准的多媒体文件，其文件结构可以如下：

如上图，WAV 文件结构包含共 5 块部分。首先是一个 RIFF 块，指明该文件是符合 RIFF 标准的文件；接着是一个 FourCC，WAVE，该文件为 WAV 文件；fmt 块包含了音频的一些属性：采样率、码率、声道等；fact 块是一个可选块，不是 PCM 数据格式的需要该块；最后 data 块，则包含了音频的 PCM 数据。

实际上，可以将一个 WAV 文件看着由两部分组成：文件头和 PCM 数据，其中 WAV 文件头各字段如下：

偏移地址	字节数	数据类型	字段名称	字段说明
00 H	4	字符	文档标识	大写字符串 “RIFF”，标明该文件为有效的 RIFF 格式文档
04 H	4	长整型	文件数据长度	从下一个字段首地址开始到文件末尾的总字节数。
08 H	4	字符	文件格式类型	所有 WAV 格式的文件此处为字符串 WAVE，标明该文件是 WAV 格式文件。
0C H	4	字符	格式块标识	小写字符串，“fmt ”。
10 H	4	长整型	格式块长度	其数值不确定，取决于编码格式。可以是 16、18、20、40 等。
14 H	2	整型	编码格式代码	常见的 WAV 文件使用 PCM 脉冲编码调制格式，该数值通常为 1 。
16 H	2	整型	声道个数	单声道为 1 ，立体声或双声道为 2 。
18 H	4	长整型	采样频率	每个声道单位时间采样次数。（常见的有 11025，22050 和 44100 kHZ ）
1C H	4	长整型	数据传输速率	该数值为：声道数 * 采样频率 * 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）
20 H	2	整型	数据块对齐单位	采样帧大小。该数值为：声道数 * 位数 / 8 。（播放软件需要一次处理多个该值大小的字节数据）
22 H	2	整型	采样位数	存储每个采样值所用的二进制位数。（常见的位数有 4、8、12、16、24、32 ）
24 H	-	-	-	该部分是对基本格式快的扩充部分

2、下面以 C++ 为例进行文件写入的准备

1. 首先，定义文件头结构体：

   struct WaveHeader {
       /* 文件头部分 */
       char MainChunk[4];          /* 文档标识 (默认为 “RIFF”)*/
       uint32_t LenFile;           /* 文件数据长度 (默认为 0)*/
       char ChunkType[4];          /* 文件格式类型 (默认为 “WAVE”)*/
       char SubChunk[4];           /* 格式块标识 (默认为 “fmt ”)*/
       uint32_t LenSubChunk;       /* 格式块长度 (默认为 16)*/
       uint16_t FormatTag;         /* 编码格式代码 (默认为 1)*/
       uint16_t Channels;          /* 声道个数 (可选值为 1,2)*/
       uint32_t SamplesRate;       /* 采样频率 */
       uint32_t AvgBytesPerSec;    /* 数据传输速率 */
       uint16_t BlockAlign;        /* 数据块对齐单位 */
       uint16_t BitsPerSample;     /* 采样位数 */
       /* PCM 数据部分 */
       char DataChunk[4];          /* "data" */
       uint32_t DataLen;           /* Length of data */
   };
   

2. 定义读取数据函数：

   /* 定义读取数据函数 */
   int read_wav(FILE *input, int *buffer, int readNum) {
       int readLen = fread(buffer, 2 * sizeof(short), readNum, input);
       // 结束文件读取，关闭打开的音频文件
       cout << "A total of " << readLen << " items of data were obtained by reading the file." << endl;
       return readLen;
   }
   

3、完成上述准备工作后，开始实现 WAV 文件的复写

1. 首先，本次测试所使用的 WAV 文件的基本数据如下（使用 Adobe audition 打开获取的信息）：

   持续时间（s）	采样率（Hz）	声道	位深度	样点数
   10.8	44100	单声道	16	476280

2. 根据原始文件数据定义复写文件的头文件数据：

   uint32_t sr = 44100;
   uint32_t bits = 16;
   uint16_t channels = 1;
   uint32_t samples = 476280 * bits / 8;
   
   const WaveHeader WaveHdr = {
       {'R', 'I', 'F', 'F'},
       uint32_t(samples + sizeof(WaveHeader)),
       {'W', 'A', 'V', 'E'},
       {'f', 'm', 't', ' '},
       bits, 1, channels,
       sr, sr * channels * bits / 8,
       uint16_t(channels * bits / 8),
       uint16_t(bits),
       {'d', 'a', 't', 'a'}, samples
   };
   

   tips：这里有尝试过将结构体 WaveHeader 中的 LenFile 和 DataLen 修改为较大的值，对复写结果并没有影响。

3. 打开读入数据文件以及写入数据文件：

   string input_path = "数据数据文件路径";
   string output_dir = "输出数据文件路径";
   
   // 打开文件用于数据读取
   FILE *iFIle = fopen(input_path.c_str(), "rb");
   fseek(iFIle, sizeof(WaveHeader), SEEK_SET);
   
   // 打开文件用于数据写入
   FILE *oFile = fopen(output_dir.c_str(), "wb");
   fwrite(&WaveHdr, sizeof(WaveHeader), 1, oFile);
   

   tips：这里需要注意当前所进行的复写过程，仅仅复写文件的 PCM 数据部分，因此输入数据部分需要跳过头文件部分，及代码中使用的fseek函数

4. 定义一些基本变量，包含readSize：每次读取的数据数量、readData：读取到的数据数量、buffer：用于存放读取到的数据内容：

   int readSize = 4096;
   int readData = readSize;
   int *buffer = new int[readSize];
   

5. 使用循环，读取文件数据并写入至输出文件中：

   for (int i = 0; readData == readSize; ++i) {
       readData = read_wav(iFIle, buffer, readSize);
       fwrite(buffer, 2 * sizeof(short), readData, oFile);
   }
   

6. 源码如下：

   #include <iostream>
   
   struct WaveHeader {
       /* 文件头部分 */
       char MainChunk[4];          /* 文档标识 (默认为 “RIFF”)*/
       uint32_t LenFile;           /* 文件数据长度 (默认为 0)*/
       char ChunkType[4];          /* 文件格式类型 (默认为 “WAVE”)*/
       char SubChunk[4];           /* 格式块标识 (默认为 “fmt ”)*/
       uint32_t LenSubChunk;       /* 格式块长度 (默认为 16)*/
       uint16_t FormatTag;         /* 编码格式代码 (默认为 1)*/
       uint16_t Channels;          /* 声道个数 (可选值为 1,2)*/
       uint32_t SamplesRate;       /* 采样频率 */
       uint32_t AvgBytesPerSec;    /* 数据传输速率 */
       uint16_t BlockAlign;        /* 数据块对齐单位 */
       uint16_t BitsPerSample;     /* 采样位数 */
       /* PCM 数据部分 */
       char DataChunk[4];          /* "data" */
       uint32_t DataLen;           /* Length of data */
   };
   
   using namespace std;
   
   int read_wav(FILE *iFileReceiver, int *buffer, int readNum) {
       int readLen = fread(buffer, 2 * sizeof(short), readNum, iFileReceiver);
       // 结束文件读取，关闭打开的音频文件
       cout << "A total of " << readLen << " items of data were obtained by reading the file." << endl;
       return readLen;
   }
   
   int main() {
       uint32_t sr = 44100;
       uint32_t bits = 16;
       uint16_t channels = 1;
       uint32_t samples = 476280 * bits / 8;
   
       const WaveHeader WaveHdr = {
               {'R', 'I', 'F', 'F'},
               uint32_t(samples + sizeof(WaveHeader)),
               {'W', 'A', 'V', 'E'},
               {'f', 'm', 't', ' '},
               bits, 1, channels,
               sr, sr * channels * bits / 8,
               uint16_t(channels * bits / 8),
               uint16_t(bits),
               {'d', 'a', 't', 'a'}, samples
       };
   
       string input_path = "数据数据文件路径";
   	string output_dir = "输出数据文件路径";
   
       // 打开文件用于数据读取
       FILE *iFIle = fopen(input_path.c_str(), "rb");
       fseek(iFIle, sizeof(WaveHeader), SEEK_SET);
   
       // 打开文件用于数据写入
       FILE *oFile = fopen(output_dir.c_str(), "wb");
       fwrite(&WaveHdr, sizeof(WaveHeader), 1, oFile);
   
       int readSize = 4096;
       int readData = readSize;
       int *buffer = new int[readSize];
   
       // 读取文件数据并写入至输出文件
       for (int i = 0; readData == readSize; ++i) {
           readData = read_wav(iFIle, buffer, readSize);
           fwrite(buffer, 2 * bits / 8, readData, oFile);
       }
       
       fclose(oFile);
       oFile = NULL;
   
       return 0;
   }
   

4、对于未知数据长度的 WAV 文件写入

对于 WAV 的音频写入数据，很多音频数据是以数据流的形式不断向文件中写入的，这是头文件的文件长度和数据长度就变为了动态的值，在写入这类数据时，可以采用fseek对头文件的内容进行修改，如下（将复写部分的第五步修改如下即可）：

int *buffer = new int[readSize];

// 读取文件数据并写入至输出文件
for (int i = 0; readData == readSize; ++i) {
    readData = read_wav(iFIle, buffer, readSize);
    fwrite(buffer, 2 * bits / 8, readData, oFile);
}

// 音频文件长度
const uint32_t iFileLength = iBytesWritten - 8;
fseek(fOutput, 4 /* offset */, SEEK_SET /* origin */);
(void)fwrite((const void*)&iFileLength, size_t(4), size_t(1), fOutput);

// 音频数据长度
const uint32_t iDataLength = iBytesWritten - sizeof(CWaveHdr);
fseek(fOutput, 40 /* offset */, SEEK_SET /* origin */);
(void)fwrite((const void*)&iDataLength, size_t(4), size_t(1), fOutput);


fclose(oFile);
oFile = NULL;