MIDI二进制文件格式简析

MIDI二进制文件格式简析

本文主要参考自Official MIDI Specifications

Chunks

每个MIDI文件由一系列chunk组成，每个chunk的前四个字节为魔数（magic number），是由四个ASCII字符所组成的类型标识。目前标准格式中已定义的chunk类型只有header和track两种，其魔数分别为"MThd"和"MTrk"，对于类型未被定义的chunk则应该被忽略。

每个chunk在其四字符类型之后紧跟一个32位无符号整数，意味这一chunk后续将要读入的字节个数，每个chunk已经读入的这八个字节不包含在内。

通常来说，一个MIDI文件中首先要存在一个header chunk，然后一系列track chunk紧随其后，格式大致如下：

MThd <length of header data>

<header data>

MTrk <length of track data>

<track data>

MTrk <length of track data>

<track data>

…

Header Chunks

在目前的标准中，header chunk长度固定为14，其由五个部分所组成：

<Header Chunk> = <chunk type> <length> <format> <ntrks> <division>

其中type固定为"MThd"，format、ntrks、division均为16位，因此length固定为0x00000006。

format指定了整个文件的组织结构，在当前的标准下，仅支持0x0000、0x0001、0x0002这三种可能的值。

0 the file contains a single multi-channel track

1 the file contains one or more simultaneous tracks (or MIDI outputs) of a
sequence

2 the file contains one or more sequentially independent single-track patterns

ntrks表示整个文件中track chunk的总个数，对于format为零的文件来说ntrks的值总是0x0001。

最后的division表示了delta-times的含义，有metrical time和time-code-based time这两种形式，这取决于其最高位是否为零。

假如division最高位为零，那么就属于metrical time形式，这个16位无符号整数的意义为每个四分音符的ticks个数。否则属于time-code-based time形式，其低8位表示每帧的ticks个数，高8位为一个8位负数补码，有-24、-25、-29、-30这四种可能的值，其意义与SMPTE有关，以下内容摘抄自维基百科：

Sub-second timecode time values are expressed in terms of frames. Common supported frame rates include:

24 frame/sec (film, ATSC, 2K, 4K, 6K)

25 frame/sec (PAL (Europe, Uruguay, Argentina, Australia), SECAM, DVB, ATSC)

29.97 (30 ÷ 1.001) frame/sec (NTSC American System (US, Canada, Mexico, Colombia, etc.), ATSC, PAL-M (Brazil))

30 frame/sec (ATSC)

在这里可以发现，凭借division是完全不足以描述每个时间间隔的实际长度的。