音视频编程: 简单分析 WAV 文件

最近在看人工智能相关的知识，无意中发现了一个巨牛的 人工智能教程，分享一下给大家。

教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。点 这里 可以直接看教程。

这篇分享是下篇 音视频编程: iOS 使用 faad2 的预备知识, 如果要解码 WAV 文件, 首先需要了解一下 WAV 音频文件的格式。

今天说的是 线性 PCM 对应的 WAV 格式的数据。

PCM 的种类

• 线性化 PCM
• A律量化的 PCM
• U律量化的 PCM
• AD PCM
• GSM

该系列博文:

• 音视频编程: 编译 faac/faad2

• 音视频编程: iOS 使用 faac 编码

• 音视频编程: 简单分析 WAV 文件(本篇)

• 音视频编程: iOS 使用 faad2

• 音视频编程: 构建 nginx 推流服务器

WAV 简介

WAV 只是该音频文件的后缀名, 其完整名称缩写是 WAVE，WAVE(Waveform Audio File Format), 采用RIFF（Resource Interchange File Format）文件格式结构。

WAV 格式的音频文件通常用来保存 PCM 格式的原始音频数据，通常被称之为无损音频。

WAV 音频文件, 粗略来说是 WAV 数据头 + PCM 数据组成的. 裸数据 PCM 外面包了一层文件头，WAV 实质为一个 RIFF 文件.

WAV 数据头

关于 WAV 音频文件的数据头定义如下图所示:

最前面的4个字节用来标示是 RIFF 字符串。

可以看出, 一般的 WAV 文件的数据头为 44 个字节, 其后面跟的是 PCM 数据。

分析 WAV 数据头

使用 hexdump 来看一下 WAV 文件的数据头。

在当前路径下, 有个 wav 格式的音频文件 m.wav, 使用 hexdump 分析一下.

1

hexdump -n 44 m.wav

其中, -n 44 表示查看前 44 个字节.

按字节分组的图, 如下所示:

1

52 49 46 46

分别是 RIFF 的 ASCII 码.

跟在 RIFF 后面的四个字节是文件的大小信息, 我们先使用 ls 命令看一下该文件的大小。

1

ls -al

输出文件大小为(字节数): 1080808

1

staff  1080808 Jan 25 15:44 m.wav

RIFF 后面的四个字节分别是: e0 7d 10 00, 由于该存储使用了小端序(Little-Endian 存储，也就是说对其中的数据，低位字节在前，高位字节在后), 所以16进制表示为: 0x00107de0, 对应的字节大小是 1080808.

上面说到, 线性 PCM, 其实在该文件头中, 第17到第第22个字节(上图红色的5和6组合)标示了 PCM 的类型, 即:

1

10 00 00 00 01 00 

其他类型的 PCM 类型定义为:

A律量化的PCM: 12 00 00 0006 00
U律量化的PCM: 12 00 00 00 07 00
AD PCM: 32 00 00 00 02 00
GSM: 14 00 00 00 31 00

最后4个字节表示真正 PCM 数据的文件大小, 即: 0x00107dbc, 其10进制大小为: 1080764, 用总文件大小减去 1080764, 就是文件头的大小, 如下:

1

1080808 - 1080764 = 44

其他对应的数据, 大家可以对照表自行分析。

定义数据头

数据类型

• char 占用 1 个字节
• uint32_t 占用 4 个字节
• uint16_t 占用 2 个字节

这里使用结构体定义 WAV 文件头, 其定义如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

struct MZWavAudioFileHeader
{
    char       riff[4];       // 字符串 "RIFF"
    uint32_t   totalLength; // 文件总大小, 包括PCM 数据大小和该文件头大小
    char       wave[4];     // 字符串 "WAVE"
    char       fmt[4];      // 字符串 "fmt "
    uint32_t   format;      // WAV 头大小, 固定为值 16
    uint16_t   pcm;         // PCM 编码方式, 固定值为 1
    uint16_t   channels;    // 声道数量, 为 2
    uint32_t   frequency;   // 采样频率
    uint32_t   bytes_per_second; // 每秒字节数(码率), 其值=采样率x通道数x位深度/8
    uint16_t   bytes_by_capture; // 采样块大小
    uint16_t   bits_per_sample; // 采样点大小, 这里是 16 位
    char       data[4];         // 字符串 "data"
    uint32_t   bytes_in_pcmdata;  // pcm 数据长度
};

可以使用下面代码来计算该结构体所占的字节数(结果是44):

1

int wav_header_size = sizeof(struct MZWavAudioFileHeader);