linux声音框架alsa的api学习之wav文件解析

一、什么是 WAV 文件格式

WAV 文件是一种常见的无损音频文件格式，它就像是一个装着音频数据的 “盒子”，这个 “盒子” 有特定的结构，规定了音频的各种信息，比如采样率、声道数、音频数据等。我们可以把 WAV 文件想象成一个多层的蛋糕，每一层都有不同的含义和作用。

二、WAV 文件的结构

WAV 文件主要由三个部分组成：
 

文件头（RIFF 块）：包含文件类型和整体大小信息。                    RIFF 块通常是 12 字节

格式块（fmt 块） ：存储音频的格式参数，如采样率、声道数、采样位数等。 fmt 块通常是 24 字节（对于 PCM 格式）

数据块（data 块）：存放实际的音频数据。                          再加上 data 块的 8 字节头部信息

下面我们来详细看看每个部分。

1. 文件头（RIFF 块）

这就像是蛋糕的最顶层，告诉我们这是一个 WAV 文件。它包含了文件的基本信息，比如文件的类型和大小。具体来说，它有以下几个重要的信息：

• Chunk ID：固定为 "RIFF"，表示这是一个 RIFF 格式的文件。
• Chunk Size：表示整个文件的大小减去 8 字节（Chunk ID 和 Chunk Size 本身的大小）。
• Format：固定为 "WAVE"，表示这是一个 WAV 文件。

下面是一个简单的 C 语言代码示例，用于读取 RIFF 块的信息：

#include <stdio.h>
#include <stdint.h>

typedef struct {
    char chunk_id[4];
    uint32_t chunk_size;
    char format[4];
} RiffHeader;

void read_riff_header(FILE *file) {
    RiffHeader header;
    fread(&header, sizeof(RiffHeader), 1, file);
    printf("Chunk ID: %.*s\n", 4, header.chunk_id);
    printf("Chunk Size: %u\n", header.chunk_size);
    printf("Format: %.*s\n", 4, header.format);
}

int main() {
    FILE *file = fopen("test.wav", "rb");
    if (file == NULL) {
        perror("Failed to open file");
        return 1;
    }
    read_riff_header(file);
    fclose(file);
    return 0;
}

2. 格式块（fmt 块）

格式块就像是蛋糕的中间层，它描述了音频的具体格式信息，比如采样率、声道数、采样位数等。具体信息如下：

• Subchunk1 ID：固定为 "fmt "，表示这是格式块。
• Subchunk1 Size：表示格式块的大小，通常为 16 字节（PCM 格式）。
• Audio Format：表示音频的编码格式，常见的 PCM 格式值为 1。
• Num Channels：表示声道数，比如 1 表示单声道，2 表示立体声。
• Sample Rate：表示采样率，即每秒采样的次数，常见的采样率有 44100Hz、48000Hz 等。
• Byte Rate：表示每秒的数据字节数，可以通过 Sample Rate * Num Channels * Bits Per Sample / 8 计算得到。
• Block Align：表示每个采样帧的字节数，可以通过 Num Channels * Bits Per Sample / 8 计算得到。
• Bits Per Sample：表示每个采样点的位数，常见的有 16 位、24 位等。

下面是一个简单的 C 语言代码示例，用于读取格式块的信息：

#include <stdio.h>
#include <stdint.h>

typedef struct {
    char subchunk1_id[4];
    uint32_t subchunk1_size;
    uint16_t audio_format;
    uint16_t num_channels;
    uint32_t sample_rate;
    uint32_t byte_rate;
    uint16_t block_align;
    uint16_t bits_per_sample;
} FmtHeader;

void read_fmt_header(FILE *file) {
    FmtHeader header;
    fread(&header, sizeof(FmtHeader), 1, file);
    printf("Subchunk1 ID: %.*s\n", 4, header.subchunk1_id);
    printf("Subchunk1 Size: %u\n", header.subchunk1_size);
    printf("Audio Format: %u\n", header.audio_format);
    printf("Num Channels: %u\n", header.num_channels);
    printf("Sample Rate: %u\n", header.sample_rate);
    printf("Byte Rate: %u\n", header.byte_rate);
    printf("Block Align: %u\n", header.block_align);
    printf("Bits Per Sample: %u\n", header.bits_per_sample);
}

int main() {
    FILE *file = fopen("test.wav", "rb");
    if (file == NULL) {
        perror("Failed to open file");
        return 1;
    }
    // 跳过 RIFF 块
    fseek(file, sizeof(RiffHeader), SEEK_SET);
    read_fmt_header(file);
    fclose(file);
    return 0;
}

3. 数据块（data 块）

数据块是蛋糕的最底层，它包含了真正的音频数据。具体信息如下：

• Subchunk2 ID：固定为 "data"，表示这是数据块。
• Subchunk2 Size：表示音频数据的大小，即数据块的字节数。
• Data：真正的音频数据，按照格式块中指定的格式存储。

下面是一个简单的 C 语言代码示例，用于读取数据块的信息：

#include <stdio.h>
#include <stdint.h>

typedef struct {
    char subchunk2_id[4];
    uint32_t subchunk2_size;
} DataHeader;

void read_data_header(FILE *file) {
    DataHeader header;
    fread(&header, sizeof(DataHeader), 1, file);
    printf("Subchunk2 ID: %.*s\n", 4, header.subchunk2_id);
    printf("Subchunk2 Size: %u\n", header.subchunk2_size);

    // 读取音频数据
    char *data = (char *)malloc(header.subchunk2_size);
    fread(data, 1, header.subchunk2_size, file);
    // 这里可以对音频数据进行处理
    free(data);
}

int main() {
    FILE *file = fopen("test.wav", "rb");
    if (file == NULL) {
        perror("Failed to open file");
        return 1;
    }
    // 跳过 RIFF 块和 FMT 块
    fseek(file, sizeof(RiffHeader) + sizeof(FmtHeader), SEEK_SET);
    read_data_header(file);
    fclose(file);
    return 0;
}

在标准的 WAV 文件格式中，RIFF 块和 fmt 块的字节数情况如下：

1. RIFF 块

RIFF（Resource Interchange File Format）块是 WAV 文件的文件头部分，其固定大小为 12 字节，各字段及其占用字节数如下：

字段名	字节数	描述
ChunkID	4 字节	固定为字符串 "RIFF"，用于标识这是一个 RIFF 格式的文件。
ChunkSize	4 字节	表示整个文件的大小减去 8 字节（ChunkID 和 ChunkSize 本身所占的字节数），是一个 32 位无符号整数。
Format	4 字节	固定为字符串 "WAVE"，表明这是一个 WAV 音频文件。

2. fmt 块

fmt（Format）块描述了音频数据的格式信息，其大小通常有两种情况：

标准 PCM 格式

对于最常见的线性脉冲编码调制（PCM）格式的 WAV 文件，fmt 块的固定大小为 16 字节，各字段及其占用字节数如下：

字段名	字节数	描述
Subchunk1ID	4 字节	固定为字符串 "fmt "，用于标识这是 fmt 块。
Subchunk1Size	4 字节	表示 fmt 块的大小，对于 PCM 格式通常为 16。
AudioFormat	2 字节	音频编码格式，PCM 格式的值为 1。
NumChannels	2 字节	声道数，例如 1 表示单声道，2 表示立体声。
SampleRate	4 字节	采样率，即每秒采样的次数，常见值如 44100Hz、48000Hz 等。
ByteRate	4 字节	每秒的数据字节数，可通过 SampleRate * NumChannels * BitsPerSample / 8 计算得出。
BlockAlign	2 字节	每个采样帧的字节数，可通过 NumChannels * BitsPerSample / 8 计算得出。
BitsPerSample	2 字节	每个采样点的位数，常见的有 8 位、16 位、24 位等。

非标准或扩展格式

当 WAV 文件采用非 PCM 格式（如压缩格式）或者包含额外的扩展信息时，fmt 块的大小会超过 16 字节。例如，当存在扩展参数时，Subchunk1Size 的值可能会是 18 或 40 等，这取决于具体的扩展内容。