wav文件格式分析详解

关注

转载最新推荐文章于 2026-02-21 14:00:02 发布 580 阅读 AI 写同款· GEO 优化 ›

wavparse:在javascript中解析wav音频文件解析用 javascript 解析 wav 音频文件。用法获取一个 wav 文件的 File 实例并将其传递给 index.html 中显示的 wav 构造函数示例笔记此实用程序不会为您提供所有标题。如果您只需要 PCM 样本，请使用我的版本。如果您需要所有标头，请使用我从引用的 repo 立即下载

wav文件格式分析详解

网上有一篇曹京写的《wav文件格式分析详解》已经介绍过wav文件格式，有兴趣的读者可以查阅。wav文件通常包含4段：RIFF、格式段、FACT段和数据段。 PCM数据就放在数据段。只要格式段设置的格式与数据段的数据一致，播放程序就可以正确解析。下面这个数组的数据其实就是一个最小的wav文件。

static const unsigned char wav_template[] =
{
// RIFF WAVE Chunk
0x52, 0x49, 0x46, 0x46,  // "RIFF"
0x30, 0x00, 0x00, 0x00,  // 总长度整个wav文件大小减去ID和Size所占用的字节数
0x57, 0x41, 0x56, 0x45,  // "WAVE"

// Format Chunk
0x66, 0x6D, 0x74, 0x20,  // "fmt "
0x10, 0x00, 0x00, 0x00,  // 块长度
0x01, 0x00,   // 编码方式
0x01, 0x00,   // 声道数目
0x80, 0x3E, 0x00, 0x00,  // 采样频率
0x00, 0x7D, 0x00, 0x00,  // 每秒所需字节数=采样频率*块对齐字节
0x02, 0x00,   // 数据对齐字节=每个样本字节数*声道数目
0x10, 0x00,   // 样本宽度

// Fact Chunk
0x66, 0x61, 0x63, 0x74,  // "fact"
0x04, 0x00, 0x00, 0x00,  // 块长度
0x00, 0xBE, 0x00, 0x00,

// Data Chunk
0x64, 0x61, 0x74, 0x61, // "data"
0x00, 0x00, 0x00, 0x00, // 块长度
};
这个wav文件的数据长度为0。我们要增加PCM数据只要完成以下工作：

在数据段尾增加PCM数据；
修改数据段的块长度，修改RIFF段的总长度；
正确设置格式段的PCM参数。
样本长度可能不是8的整数倍，这时wav文件还是要求样本按照字节对齐。在一个样本中数据是左对齐的，右侧空位用0填充。 pcm2wav只考虑了样本长度是16位的情况。

如果有多个声道，wav文件要求先放样本1的各声道数据，再放样本2的各声道数据，依此类推。因为我没有碰到过处理多声道数据的需求，所以pcm2wav只考虑了单声道。

附上原文

                                               作者：曹京
                                               日期：2006年7月17日

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：

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。

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[4]; // 'R','I','F','F'
DWORD dwRiffSize;
char szRiffFormat[4]; // 'W','A','V','E'
};

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
{
char szFmtID[4]; // 'f','m','t',' '
DWORD dwFmtSize;
WAVE_FORMAT wavFormat;
};

补充头文件样例说明：

首先是一串“52 49 46 46”这个是Ascii字符“RIFF”，这部分是固定格式，表明这是一个WAVE文件头。
然后是“E4 3C 00 00”，这个是我这个WAV文件的数据大小，记住这个大小是包括头文件的一部分的，包括除了前面8个字节的所有字节，也就等于文件总字节数减去8。这是一个DWORD，我这个文件对应是15588。
然后是“57 41 56 45 66 6D 74 20”，也是Ascii字符“WAVEfmt”，这部分是固定格式。
然后是PCMWAVEFORMAT部分，可以对照一下上面的struct定义，首先就是一个WAVEFORMAT的struct。
随后是“10 00 00 00”，这是一个DWORD，对应数字16，这个对应定义中的Sizeof(PCMWAVEFORMAT)，后面我们可以看到这个段内容正好是16个字节。
随后的字节是“01 00”，这是一个WORD，对应定义为编码格式“WAVE_FORMAT_PCM”，我们一般用的是这个。
随后的是“01 00”，这是一个WORD，对应数字1，表示声道数为1，这是个单声道Wav。
随后的是“22 56 00 00”，这是一个DWORD，对应数字22050，代表的是采样频率22050。
随后的是“44 AC 00 00”，这是一个DWORD，对应数字44100，代表的是每秒的数据量。
然后是“02 00”，这是一个WORD，对应数字是2，表示块对齐的内容，含义不太清楚。
然后是“10 00”，这是一个WORD，对应WAVE文件的采样大小，数值为16，采样大小为16Bits。
然后是一串“64 61 74 61”，这个是Ascii字符“data”，标示头结束，开始数据区域。
而后是数据区的开头，有一个DWORD，我这里的字符是“C0 3C 00 00”，对应的十进制数为15552，看一下前面正好可以看到，文件大小是15596，其中到“data”标志出现为止的头是40个字节，再减去这个标志的4个字节正好是15552，再往后面就是真正的Wave文件的数据体了，头文件的解析就到这里。

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
{
char szFactID[4]; // 'f','a','c','t'
DWORD dwFactSize;
};

    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