WAV音频文件格式分析

用notepad++>>plugins>>HexEditor(notepad++的一个二进制编辑器插件——可以以16进制查看文件内容)打开一个波形文件如下：

所有WAV波形文件都可以套用一下一下格式

对应图一可以看到：

• 结构辨识码：该文件是属于RIFF结构的文件，这种结构是一种树状结构，其最基本的组成单元是chunk（块），而每一个chunk则由辨识码，数据大小，以及数据本身组成。
• 数据大小：需要注意目前很多的CPU存储数据都是采用小端的方式，即低位在前，高位在后。实际的数据大小是00 00 7d 24，对应文件最后一个地址为00 00 7d 2b,（00 00 7d 2b - 00 00 7d 24 = 8），刚好是结构辨识码 + 数据大小的信息位宽，说明该文件的数据大小是从00 00 00 08开始算起。
• 格式识别码：该文件是WAV格式的文件。每个识别码都是由4字节的数据表示，每一个字节的数据都之间用ASCII码映射成相应的符号，例如57 41 56 45==“WAVE”。
• fmt子块：主要用于描述该wav文件的信息，辨识符是66 6D 74 20，后接子块大小00 00 00 10（10 00 00 00），说明fmt数据有16个字节，如图蓝色框中的数据。子块数据的字节长度是由子块长度的内容决定的。
• fact子块：该块并不是必须的，在PCM（Pulse-Code Modulation，脉冲编码调制）——一种标准未压缩的编码格式，的WAV文件中没有该子块，只有一些软件转化而来的才会增加该子块，其主要存储的信息包括采样的数量等。从文件数据中也可以看出，在上述数据之后接的并不是fact子块的辩识码，而是data子块的辨识码（64 61 74 61），说明该文件确实不存在fact子块。
• data子块：主要就是WAV文件真正能播放的声音数据部分。该块的数据大小00 00 7d 00（00 7d 00 00），00 00 7d 2b - 00 00 00 2b = 00 00 7d 00，刚好是接下来到文件最后的所有数据长度总和，即粉红色宽中真正有效可播放的音频数据。2个字节一个有效信息，当数据是双声道时，其存储方式为一个左声道，一个右声道…如此循环。

fmt子块中的数据

其中的16个字节的信息包括采样率，数据量，编码格式，声道数等内容如下：

由上表可以看出，在PCM模式下不包含最后两个附加数据，其余所有数据的字节总和刚好是16Byte。在ADPCM音频模式下，fmt子块长度应为20Byte。由于在该文件并不存在fact子块的信息，在此不做深入的调研了。
综上所述，准确地说，WAVE文件=文件头（结构辨识码+数据大小+格式辨识码） + 各子块内容（子块辨识码+子块长度+子块数据）。但仔细理解又可以这样分类，除了data子块中的子块数据是真正的可播放的音频数据之外，其余的都是与该文件或者音频相关的信息，可以伪归类为文件头，在获取WAV文件信息时，可以定义一个结构体变量如下，读取文件头的信息。

typedef struct // WAV stores wave file header
{
  int32_t rId;//文件结构辨识码（RIFF）
  int32_t rLen;//数据大小
  int32_t rId;//文件格式辨识码（WAVE）
  
  int32_t fId;//子块辨识码（FMT）
  int32_t fLen;//子块长度

  int16_t wFormatTag;//编码格式
  int16_t nChannels;//声道数
  int32_t nSamplesPerSec;//采样频率
  int32_t nAvgBytesPerSec;//字节速率
  int16_t nBlockAlign;//块对齐
  int16_t wBitsPerSample;//量化位数
  //int16_t ByteExtraData;//附加的数据字节
  //int16_t ExtraData;//附加单个采样数据块大小
  
  int32_t dId;//子块辨识码（DATA）
  int32_t dLen;//波形声音字节数
} WAV;
//读取文件
sourcefile = fopen("../speech/right/3c165869_nohash_1.wav", "rb");
fread(&header, sizeof(WAV), 1, sourcefile);
fread(&buffer, sizeof(int16_t), dLen, sourcefile);
fclose(sourcefile);

文章参考“分析WAV音频文件”——https://zhuanlan.zhihu.com/p/45518641