
WAVE音频格式
数位化声音档案格式之一,它是微软专门为Windows系统定义的波形档案格式(Waveform Audio),由于其扩展名为"*.wav"。
基本介绍
- 中文名:WAVE音频格式
- 常用领域:数位化声音档案格式
- 扩展名:.wav
概述
WAVE档案是计算机领域最常用的数位化声音档案格式之一,它是微软专门为Windows系统定义的波形档案格式(Waveform Audio),由于其扩展名为"*.wav"。
WAVE是录音时用的标準的WINDOWS档案格式,档案的扩展名为“WAV”,数据本身的格式为PCM或压缩型。
WAV档案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準,它採用RIFF档案格式结构,非常接近于AIFF和IFF格式。符合 PIFF Resource Interchange File Format规範。所有的WAV都有一个档案头,这个档案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规範的编码都可以为WAV的音频流进行编码。
多媒体套用中使用了多种数据,包括点阵图、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档案所包含的数据类型由该档案的扩展名来标识,能以RIFF档案存储的数据包括:
音频视频交错格式数据(.AVI) 、波形格式数据(.WAV) 、点阵图格式数据(.RDI) 、MIDI格式数据(.RMI) 、调色板格式(.PAL) 、多媒体电影(.RMN) 、动画游标(.ANI) 、其它RIFF档案(.BND)。
wave档案有很多不同的压缩格式,所以,正确而详细地了解各种WAVE档案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档案的前提。
最基本的WAVE档案是PCM(脉冲编码调製)格式的,这种档案直接存储採样的声音数据没有经过任何的压缩,是音效卡直接支持的数据格式,要让音效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,然后再让音效卡来播放。
内部结构
注:由于WAV格式源自Windows/Intel环境,因而採用Little-Endian位元组顺序进行存储。
WAVE档案是以RIFF(Resource Interchange File Format, "资源互动档案格式")格式来组织内部结构的。
RIFF档案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)”、“标誌符”、“数据大小”及“数据”等项所组成。块的结构如下表所示:
名称 | Size | 备注 |
块标誌符 | 4 | 4个小写字元(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 |
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(如块标誌符,数据大小等),它只作为档案读取时的一个标识。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。
每个档案最前端写入的是RIFF块,每个档案只有一个RIFF块。从 Wave档案格式详细说明 中可以看到这一点。
非PCM格式的档案会至少多加入一个 "fact" 块,它用来记录数据(注意是数据而不是档案)解压缩后的大小。这个 "fact" 块一般加在 "data" 块的前面。
WAVE档案是由若干个Chunk组成的。按照在档案中的出现位置包括: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
=======================================
| |所占位元组数|具体内容 |
=======================================
| ID | 4Bytes | "fact" |
---------------------------------------
| Size | 4Bytes | 4 |
---------------------------------------
| data | 4Bytes |解压后的音频数据的大小(B)|
---------------------------------------
档案格式
别名 位元组数 类型 注释
ckid 4char "RIFF" 标誌, 大写
cksize 4int32 档案长度。这个长度不包括"RIFF"标誌 和档案长度 本身所占位元组, 下面的 子块大小也是这样。
fcc type4 char "WAVE" 类型块标识, 大写。
ckid 4 char 表示"fmt" chunk的开始。此块中包括档案内部格式信息。小写, 最后一个字元是空格。
cksize 4 int32 档案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 採样率(每秒样本数), 比如 44100 等
BytesPerSec 4 int32 音频数据传送速率, 单位是位元组。其值为採样率×每次採样大小。播放软体 利用此值可以估计缓冲区的大小。
BlockAlign 2 int16 每次採样的大小 = 採样精度*声道数/8(单位是位元组); 这也是位元组对齐的最小单位, 譬如 16bit 立体声在这里的值是 4 位元组。播放软体需要一次处理多个该值大小的位元组数据,以便将其值用于缓冲区的调整。
BitsPerSample 2 int16 每个声道的採样精度; 譬如 16bit 在这里的值就是16。如果有多个声道,则每个声道的採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
...... 档案声音信息数据(真正声音存储部分)
[......] 其它 chunk