wav文件格式分析详解
一、综述WAVE文件作为多媒体中使用的声波文件格式之一,它是以RIFF格式为标准的。
RIFF是英文Resource Interchange File Format的缩写,每个WAVE文件的头四个
字节便是“RIFF”。
WAVE文件是由若干个Chunk组成的。按照在文件中的出现位置包括: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1 Wav格式包含Chunk示例
其中除了Fact Chunk外,其他三个Chunk是必须的。每个Chunk有各自的ID,位
于Chunk最开始位置,作为标示,而且均为4个字节。并且紧跟在ID后面的是Chunk大
小(去除ID和Size所占的字节数后剩下的其他字节数目),4个字节表示,低字节
表示数值低位,高字节表示数值高位。下面具体介绍各个Chunk内容。
PS:
所有数值表示均为低字节表示低位,高字节表示高位。
二、具体介绍
RIFF WAVE Chunk
==================================
| |所占字节数|具体内容 |
==================================
| ID |4 Bytes | 'RIFF' |
----------------------------------
| Size|4 Bytes | |
----------------------------------
| Type|4 Bytes | 'WAVE' |
----------------------------------
图2RIFF WAVE Chunk
以'FIFF'作为标示,然后紧跟着为size字段,该size是整个wav文件大小减去ID
和Size所占用的字节数,即FileLen - 8 = Size。然后是Type字段,为'WAVE',表
示是wav文件。
结构定义如下:
struct RIFF_HEADER
{
char szRiffID;// 'R','I','F','F'
DWORD dwRiffSize;
char szRiffFormat; // 'W','A','V','E'
};
Format Chunk
====================================================================
| | 字节数| 具体内容 |
====================================================================
| ID |4 Bytes| 'fmt ' |
--------------------------------------------------------------------
| Size |4 Bytes| 数值为16或18,18则最后又附加信息 |
------------------------------------------------------------------------
| FormatTag |2 Bytes| 编码方式,一般为0x0001 | |
-------------------------------------------------------------------- |
| Channels |2 Bytes| 声道数目,1--单声道;2--双声道 | |
-------------------------------------------------------------------- |
| SamplesPerSec |4 Bytes| 采样频率 | |
-------------------------------------------------------------------- |
| AvgBytesPerSec|4 Bytes| 每秒所需字节数 | |===> WAVE_FORMAT
-------------------------------------------------------------------- |
| BlockAlign |2 Bytes| 数据块对齐单位(每个采样需要的字节数) | |
-------------------------------------------------------------------- |
| BitsPerSample |2 Bytes| 每个采样需要的bit数 | |
-------------------------------------------------------------------- |
| |2 Bytes| 附加信息(可选,通过Size来判断有无) | |
------------------------------------------------------------------------
图3Format Chunk
以'fmt '作为标示。一般情况下Size为16,此时最后附加信息没有;如果为18
则最后多了2个字节的附加信息。主要由一些软件制成的wav格式中含有该2个字节的
附加信息。
结构定义如下:
struct WAVE_FORMAT
{
WORD wFormatTag;
WORD wChannels;
DWORD dwSamplesPerSec;
DWORD dwAvgBytesPerSec;
WORD wBlockAlign;
WORD wBitsPerSample;
};
struct FMT_BLOCK
{
charszFmtID; // 'f','m','t',' '
DWORDdwFmtSize;
WAVE_FORMAT wavFormat;
};
Fact Chunk
==================================
| |所占字节数|具体内容 |
==================================
| ID |4 Bytes | 'fact' |
----------------------------------
| Size|4 Bytes | 数值为4 |
----------------------------------
| data|4 Bytes | |
----------------------------------
图4Fact Chunk
Fact Chunk是可选字段,一般当wav文件由某些软件转化而成,则包含该Chunk。
结构定义如下:
struct FACT_BLOCK
{
charszFactID; // 'f','a','c','t'
DWORDdwFactSize;
};
Data Chunk
==================================
| |所占字节数|具体内容 |
==================================
| ID |4 Bytes | 'data' |
----------------------------------
| Size|4 Bytes | |
----------------------------------
| data| | |
----------------------------------
图5 Data Chunk
Data Chunk是真正保存wav数据的地方,以'data'作为该Chunk的标示。然后是
数据的大小。紧接着就是wav数据。根据Format Chunk中的声道数以及采样bit数,
wav数据的bit位置可以分成以下几种形式:
---------------------------------------------------------------------
| 单声道| 取样1 | 取样2 | 取样3 | 取样4 |
| |--------------------------------------------------------
|8bit量化 | 声道0 | 声道0 | 声道0 | 声道0 |
---------------------------------------------------------------------
| 双声道| 取样1 | 取样2 |
| |--------------------------------------------------------
|8bit量化 |声道0(左)|声道1(右)|声道0(左)|声道1(右)|
---------------------------------------------------------------------
| | 取样1 | 取样2 |
| 单声道|--------------------------------------------------------
| 16bit量化 | 声道0 |声道0 | 声道0 |声道0 |
| | (低位字节)| (高位字节)| (低位字节)| (高位字节)|
---------------------------------------------------------------------
| | 取样1 |
| 双声道|--------------------------------------------------------
| 16bit量化 |声道0(左)|声道0(左)|声道1(右)|声道1(右)|
| | (低位字节)| (高位字节)| (低位字节)| (高位字节)|
---------------------------------------------------------------------
图6 wav数据bit位置安排方式
Data Chunk头结构定义如下:
struct DATA_BLOCK
{
char szDataID; // 'd','a','t','a'
DWORD dwDataSize;
}; wav文件里到底有什么?学过软件的应该能看懂个大概。 这个东西被贴出很多次了,有用吗? 能解释听感不同吗? 如果现在的"理论"能够解释一切现象的话,科学家们都退休了吧,还浪费什么研究资金啊? 原帖由 小白 于 2009-8-27 21:13 发表 http://bbs.headphoneclub.com/images/common/back.gif
这个东西被贴出很多次了,有用吗? 能解释听感不同吗? 如果现在的"理论"能够解释一切现象的话,科学家们都退休了吧,还浪费什么研究资金啊?
你可以不懂,但不懂装懂就不对了。 我认为WAV的不同也可能和电脑工作状态的稳定性有关
理论上,手工输入相同数据,得到的结果相同
但因为声音和时间排序有关,不排除中断和其他操作系统层面的自工影响到音质的表现
其实我认为讨论这个没什么意思,用PC听音乐本来就是妥协,就这点不同,还要去比个半死,已经失去了听音乐的乐趣
老实用CD放不好,用了电脑就要承认复杂的操作系统对于播放环境的不稳定性 原帖由 yao_qin 于 2009-8-27 21:25 发表 http://bbs.headphoneclub.com/images/common/back.gif
你可以不懂,但不懂装懂就不对了。
我装什么懂了呢? 我只知道听感的差异仍是客观存在的,我仍可以盲听出来.你帖的这大段东西要是能解答这个问题就好了. 可惜不能. 原帖由 小白 于 2009-8-27 21:38 发表 http://bbs.headphoneclub.com/images/common/back.gif
我装什么懂了呢? 我只知道听感的差异仍是客观存在的,我仍可以盲听出来.你帖的这大段东西要是能解答这个问题就好了. 可惜不能.
我贴出来给大家包括我自己学习有问题吗? 支持两段完全相同的wav进行比较
不要比到后来,还是两段“二进制不同”的wav 原帖由 ricepig 于 2009-8-27 21:40 发表 http://bbs.headphoneclub.com/images/common/back.gif
支持两段完全相同的wav进行比较
不要比到后来,还是两段“二进制不同”的wav
头部索引还是不同的. 只要是来源不同的WAV文件,头部总是不同的. 尾部可能也有差异. 当然你也许可以用编辑软件硬把他们改成相同,但这整个是篡改文件了. 原帖由 小白 于 2009-8-27 21:43 发表 http://bbs.headphoneclub.com/images/common/back.gif
头部索引还是不同的. 只要是来源不同的WAV文件,头部总是不同的. 尾部可能也有差异. 当然你也许可以用编辑软件硬把他们改成相同,但这整个是篡改文件了.
那就不要说是“数据完全相同”的wav文件
头部的与声音无关的部分可以被忽略,至于哪些是无关的部分,lz的转帖是很直接的参考资料 如果你看过WAV文件的结构,我是说用二进制软件实际地看过一个现实中的WAV文件,你就会知道,它开头是一串索引编码,后面就是一大串的0. 这些0是音乐开始前的静默段. 然后就开始出现数据. 这些数据就是音乐的内容.
我所指的"数据完全相同",就是指除去开头索引码和那些0之外的"音乐正文"完全相同. 水区组团围观 原帖由 小白 于 2009-8-27 21:48 发表 http://bbs.headphoneclub.com/images/common/back.gif
如果你看过WAV文件的结构,我是说用二进制软件实际地看过一个现实中的WAV文件,你就会知道,它开头是一串索引编码,后面就是一大串的0. 这些0是音乐开始前的静默段. 然后就开始出现数据. 这些数据就是音乐的内容.
我 ...
如果你觉得0没有意义,为什么不把0截去再进行比较呢? 我可没有说"0没有意义". 音乐的开头总要留一点空白的(零点几秒到一秒多),你一按PLAY键立刻蹦出音乐,多突兀啊.把这些0都截掉比较当然也可以. 不影响音乐部分的音质.