2024年4月29日发(作者：)
一、 各种WAV文件头格式
WAV文件也分好几个种类，相应的非数据信息存储在文件头部分，以下是各种WAV文件头格式。
表1 8KHz采样、16比特量化的线性PCM语音信号的WAV文件头格式表（共44字节）
偏移地址
00H
04H
08H
10H
14H
16H
18H
1CH
20H
22H
24H
28H
2CH
字节数
4
4
8
4
2
2
4
4
2
2
4
4
数据类型
Char
long int
Char
long int
Int
Int
long int
long int
int
int
Char
long int
"RIFF"
文件总长-8
"WAVEfmt "
10 00 00 00H(PCM)
01 00H
Int
采样率
每秒播放字节数
采样一次占字节数
量化数
"data"
采样数据字节数
内容 文件头定义为
char riff_id[4]="RIFF"
long int size0=文总长-8
char wave_fmt[8]
long int size1=0x10
int fmttag=0x01
channel=1 或2
long int samplespersec
long int bytepersec
int blockalign=声道数*量化数/8
int bitpersamples=8或16
char data_id="data"
long int size2=文长-44
到文尾 char 采样数据
表2 8KHz采样、8比特A律量化的PCM语音信号的WAV文件头格式表（共58
字节）
偏移地址
00H
04H
08H
10H
14H
16H
18H
1CH
20H
22H
26H
2AH
32H
36H
字节数
4
4
8
4
2
2
4
4
2
4
4
8
4
4
数据类型
char
long int
char
long int
int
Int
long int
long int
int
long int
char
char
char
long int
"RIFF"
文件总长-8
"WAVEfmt "
12000000H(ALAW)
06 00H
声道数
采样率
每秒播放字节数
采样一次占字节数
量化数
"fact"
"data"
采样数据字节数
内容 文件头定义为
char riff_id[4]="RIFF"
long int size0=文总长-8
char wave_fmt[8]
long int size1=0x12
int fmttag=0x06
int channel=1 或2
long int samplespersec
long int bytepersec
int blockalign=0x01
long int bitpersamples=8
char wave_fact="fact"
char wave_data="data"
lont int size2=文长-58
0700H定 char temp
表3 8KHz采样、8比特U律量化的PCM语音信号的WAV文件头格式表（共58字节）
偏移地址
00H
04H
08H
字节数
4
4
8
数据类型
char
long int
char
"RIFF"
文件总长-8
"WAVEfmt "
内容 文件头定义为
char riff_id[4]="RIFF"
long int size0=文总长-8
char wave_fmt[8]
10H
14H
16H
18H
1CH
20H
22H
26H
2AH
32H
36H
4
2
2
4
4
2
4
4
8
4
4
long int
int
int
long int
long int
int
long int
char
char
char
long int
12000000H(ULAW)
07 00H
声道数
采样率
每秒播放字节数
采样一次占字节数
量化数
"fact"
"data"
采样数据字节数
long int size1=0x12
int fmttag=0x07
int channel=1 或2
long int samplespersec
long int bytepersec
int blockalign=0x01
long int bitpersamples=8
char wave_fact="fact"
char wave_data="data"
lont int size2=文长-58
0700H定 char temp
表4 ADPCM语音编码后的WAV文件头格式表（共90字节）
偏移地址
00H
04H
08H
10H
14H
16H
18H
1CH
20H
22H
24H
46H
4AH
52H
56H
5AH
字节数
4
4
8
4
2
2
4
4
2
2
34
4
8
4
4
数据类型
char
long int
char
long int
int
Int
long int
long int
int
int
char
char
char
char
long int
"RIFF"
文件总长-8
"WAVEfmt "
32000000H(ADPCM)
02 00H
声道数
采样率
每秒播放字节数
采样一次占字节数
量化数
固定字节
"fact"
"data"
采样数据字节数
内容 文件头定义为
char riff_id[4]="RIFF"
long int size0=文总长-8
char wave_fmt[8]
long int size1=0x32
int fmttag=0x02
int channel=1 或2
long int samplespersec
long int bytepersec
int blockalign=声道数*量化数/8
int bitpersamples=4
char temp1
char wave_fact="fact"
char wave_data="data"
lont int size2=文长-90
到文尾 采样数据
0600H定 char temp2
表5 GSM（Global System for Mobile Communication全球移动通信系统）语音编码后的WAV文
件头格式表（共60字节）
偏移地址
00H
04H
08H
10H
14H
16H
18H
1CH
字节数
4
4
8
4
2
2
4
4
数据类型
char
long int
char
long int
int
Int
long int
long int
"RIFF"
文件总长-8
"WAVEfmt "
14000000H(GSM)
31 00H
声道数
采样率
每秒播放字节数
内容 文件头定义为
char riff_id[4]="RIFF"
long int size0=文总长-8
char wave_fmt[8]
long int size1=0x14
int fmttag=0x31
int channel=1 或2
long int samplespersec
long int bytepersec
20H
28H
30H
34H
38H
3CH
8
8
4
4
4
char
char
char
char
long int
4101H定
66600H定
40 E2 05 00H定
"data"
采样数据字节数
char temp1
char temp2
char temp3
char wave_data="data"
lont int size2=文长-60
到文尾 采样数据
表6 SBC（Sub-Band Coding子带编码）语音编码后的WAV文件头格式表（共58字节）
偏移地址
00H
04H
08H
10H
14H
16H
18H
1CH
20H
22H
26H
2AH
32H
36H
字节数
4
4
8
4
2
2
4
4
2
4
4
8
4
4
数据类型
char
long int
char
long int
int
int
long int
long int
int
long int
char
char
char
long int
"RIFF"
文件总长-8
"WAVEfmt "
12000000H(SBC)
71 00H
声道数
采样率
每秒播放字节数
采样一次占字节数
量化数
"fact"
0400H定
"data"
采样数据字节数
内容 文件头定义为
char riff_id[4]="RIFF"
long int size0=文总长-8
char wave_fmt[8]
long int size1=0x12
int fmttag=0x71
int channel=1 或2
long int samplespersec
long int bytepersec
int blockalign=0x25
long int bitpersamples=16
char wave_fact="fact"
char temp
char wave_data="data"
lont int size2=文长-59
表7 CELP(Code Excited Linear Prediction码激励线性预测编码——近10年来最成功的语音编码算
法)语音编码后的WAV文件头格式表（共58字节）
偏移地址
00H
04H
08H
10H
14H
16H
18H
1CH
20H
22H
26H
2AH
32H
36H
字节数
4
4
8
4
2
2
4
4
2
4
4
8
4
4
数据类型
char
long int
char
long int
int
int
long int
long int
int
long int
char
char
char
long int
"RIFF"
文件总长-8
"WAVEfmt "
12000000H(CELP)
70 00H
声道数
采样率
每秒播放字节数
采样一次占字节数
量化数
"fact"
0700H定
"data"
采样数据字节数
内容 文件头定义为
char riff_id[4]="RIFF"
long int size0=文总长-8
char wave_fmt[8]
long int size1=0x12
int fmttag=0x70
int channel=1 或2
long int samplespersec
long int bytepersec
int blockalign=0x0C
long int bitpersamples=16
char wave_fact="fact"
char temp
char wave_data="data"
lont int size2=文长-58
概念1、读取WAV文件，填写WAVEFORMATEX结构
WAVEFORMATEX
typedef struct{WORD wFormatTag;WORD nChannels;DWORD nSamplesPerSec;DWORD nAvgBytesPe
rSec; WORD nBlockAlign;WORD wBitsPerSample;WORD cbSize;} WAVEFORMATEX;
具体参数解释如下：
wFormatTag：波形数据的格式，定义在MMREG.H文件中
nChannels：波形数据的通道数：单声道或立体声
nSamplesPerSec：采样率，对于PCM格式的波形数据，采样率有8.0 kHz,11.025kHz,22.05 kHz,44.1 kHz
等
nAvgBytesPerSec：数据率，对于PCM格式的波形数据，数据率等于采样率乘以每样点字节数
nBlockAlign：每个样点字节数
wBitsPerSample：采样精度，对于PCM格式的波形数据，采样精度为8或16
cbSize：附加格式信息的数据块大小
概念2、定义设备头结构
以下WAVEHDR定义了指向波形数据缓冲区的设备头。
WAVEHDR
typedef struct { LPSTR lpData; DWORD dwBufferLength; DWORD dwBytesRecorded; DWORD dwUser
; DWORD dwFlags; DWORD dwLoops; struct wavehdr_tag * lpNext; DWORD reserved; } WAVEHDR;
lpData：波形数据的缓冲区地址
dwBufferLength：波形数据的缓冲区地址的长度
dwBytesRecorded:当设备用于录音时，标志已经录入的数据长度
dwUser:用户数据
dwFlags:波形数据的缓冲区的属性
dwLoops:播放循环的次数，仅用于播放控制中
lpNext和reserved均为保留值
注意：上述结构体以及我们在程序中所使用到的“HWAVEIN””HWAVEOUT”结构体均是系统已经存
在的，我们只需要对其进行赋值即可。
二、 PCM(44字节)的WAV文件头及其相关的编程方法
1、以下就经常见的一种格式PCM(44字节)的WAV文件头进行分析。
举例说明：kugoo下载的一首wav文件：魏三 抹去泪水 (大小14,703,980 字节，时长2:46)，
文件头如下：
⑴ 地址00H-03H，值为“RIFF”标志；
⑵ 地址04H-07H，值为“64 5D E0 00”，存储的是文件大小刨去8字节后的值，注意这个是little-endian
的，也就是高地址存低位，地地址存高位，所以Size=00E05D64H=14703972字节，比文件总大小少
8个字节，这8个字节就是00H-07H；
⑶ 地址08H-0FH，就是“WAVEfmt ”标记；
⑷ 地址10H-13H，fmt格式的块大小，这种格式时是“10 00 00 00”，也是little-endian的，即块大小
为16，也有可能为18，这时最后多了2个字节的附加信息。其他格式的可能是20；
⑸ 地址14H-15H，“01 00”，也是little-endian的，标记编码方式，一般为0x0001；
⑹ 地址16H-17H，“01 00”，也是little-endian，标记声道数，这里值为1。注意1代表单声道，2代
表双声道；
⑺ 地址18H-1BH，“44 AC 00 00”，也是little-endian，标记采样频率，这里为441000Hz；
⑻ 地址1CH-1FH，“88 58 01 00”每秒所需的字节数，也是little-endian，
bytepersec=00015888H=88200(字节)。（加上点自己的看法 88200=频率*采样一次占的字节数
=44100*2，我觉得这种关系是存在的，虽然很多资料上没提到）；
⑼ 地址20H-21H，“02 00”，采样一次占字节数 ，有些地方也叫数据块对齐单位，也是little-endian
的，这里是两个字节。声道数*量化数/8=1*16/8=2(字节)；
⑽ 地址22H-23H，“10 00”，量化数，也就是每个采样需要的bit数，也是little-endian的，所以这里
是16位；
⑾ 地址24H-27H，“64 61 74 61”，就是“data”了；
⑿ 地址28H-2BH，“40 5D E0 00”，存储的是文件大小刨去44字节后的值，这个也是little-endian的，
Size=00E05D40H=14703936字节。
2、编程方法
⑴ 计算文件播放时长
文件播放时长=(文件总长度-文件头长度)/每秒所需的字节数。
如上例duration=(14,703,980 -44)/88200=166.7s，这个在kugoo的制作铃声功能下可以查询的到。
⑵ 按时间点切割文件（只精确到秒已用程序实现过，精确到0.1s理论上也是可以，但是没有用程序
去实现）。
① 切割文件的前N秒为一个新文件
第一步，计算N秒的偏移量，SetOff=N*每秒所需的字节数
第二步，算出新文件的大小，修改文件头的两个size值。
第三步，新的文件头以二进制形式写入到新文件，紧接着根据偏移量把原文件中的第45字节到
(setOff-1)字节写入到新文件。
② 窃取中间某个时间段为一个新文件
这里可以根据①的步骤进行，同样的要修改文件头。
三、 wav文件格式
WAV为微软公司(Microsoft)开发的一种声音文件格式，文件作为多媒体中使用的声波文件格式
之一，它是以RIFF(Resource Interchange File Format)格式为标准的。每个WAV文件的头四个字节便
是“RIFF”。WAV文件由文件头和数据体两大部分组成。其中文件头又分为RIFF/WAV文件标识段
和声音数据格式说明段两部分，包含了音频流的编码参数。
WAV对音频流的编码没有硬性规定，除了PCM（Pulse Code Modulation脉冲编码调制）之外，
还有几乎所有支持ACM规范的编码都可以为WAV的音频流进行编码，如MP3编码同样也可以运
用在WAV中，只要安装好了相应的Decode（指令解码），就可以欣赏这些WAV了。
在windows平台下，基于PCM编码的WAV是被支持得最好的音频格式，所有音频软件都能完
美支持，由于本身可以达到较高的音质要求，因此，WAV也是音乐编辑创作的首选格式，适合保存
音乐素材。因此，基于PCM编码的WAV被作为了一种中介的格式，常常使用在其他编码的相互转
换之中，例如MP3转换成WMA。
WAV文件可以存储大量格式的数据，通常采用的音频编码方式是脉冲编码调制(PCM)。由于
WAV格式源自Windows/Intel环境，因而采用Little-Endian(小字节序、低字节序)字节顺序进行存储。
表1 WAV文件的文件头
偏移地址
00H~03H
04H~07H
08H~0BH
0CH~0FH
10H~13H
14H~15H
16H~17H
18H~1BH
1CH~1FH
20H~21H
22H~23H
字节数
4
4
4
4
4
2
2
4
4
2
2
字符
长整数
字符
字符
整数
整数
整数
长整数
长整数
整数
整数
类型 内容
资源交换文件标志（RIFF）
从下个地址开始到文件尾的总字节数
WAV文件标志（WAVE）
波形格式标志（FMT）
过滤字节（一般为00000010H）
格式种类（值为1，表示数据PCMμ律编码的数据）
通道数，单声道为1，双声音为2
采样频率
波形数据传输速率（每秒平均字节数）
数据的调整数（按字节计算）
样本数据位数
表2 WAV声音文件的数据块
偏移地址
24H~27H
28H~2BH
4
4
...
字节数
字符
长整型
类型 内容
数据标志符（data）
采样数据总数
采样数据
WAV文件作为最经典的Windows多媒体音频格式，应用非常广泛，它使用三个参数来表示声
音：采样位数、采样频率和声道数。 声道有单声道和立体声之分，采样频率一般有11025Hz（11kHz）、
22050Hz（22kHz）和44100Hz（44kHz）三种。WAV文件所占容量=（采样频率×采样位数×声道）
×时间/8（1字节=8bit）。
常见的WAV文件主要有两种，分别对应于单声道(11.025 kHz采样率、8 bit的采样值)和双声道
(44.1 kHz采样率、16 bit的采样值)。采样率是指声音信号在“模／数”转换过程中单位时间内采样的
次数。采样值是指每一次采样周期内声音模拟信号的积分值。
对于单声道声音文件，采样数据为8位的短整数(short int 00H—FFH)；而对于双声道立体声声
音文件，每次采样数据为一个16位的整数(int), 高八位和低八位分别代表左右两个声道。
WAV文件数据块包含以脉冲编码调制(PCM)格式表示的样本，WAV文件是由样本组织而成的。
在单声道WAV文件中，声道0代表左声道，声道1代表右声道；在多声道WAV文件中，样本是
交替出现的。
表3 WAV文件格式说明
偏移地址 字节数
文件头
00H
04H
08H
0CH
10H
14H
16H
18H
1CH
20H
4
4
4
4
4
2
2
2
4
2
数据类型
char
long int
char
char
int
int
int
long int
int
"RIFF"标志
文件长度
"WAVE"标志
"fmt"标志
过渡字节（不定）
格式类别（10H为PCM形式的声音数据)
通道数，单声道为1，双声道为2
采样率（每秒样本数），表示每个通道的播放速度，
波形音频数据传送速率，其值为通道数×每秒数据位数×每样本的
数据位数／8。播放软件利用此值可以估计缓冲区的大小。
数据块的调整数（按字节算的），其值为通道数×每样本的数据
位值／8。播放软件需要一次处理多个该值大小的字节数据，以
便将其值用于缓冲区的调整。
每样本的数据位数，表示每个声道中各个样本的数据位数。如果
有多个声道，对每个声道而言，样本大小都一样。
数据标记符＂data＂
语音数据的长度
内容
22H
24H
28H
2
4
4
char
long int
表 4 PCM数据的存放方式
8位单声道
8位立体声
16位单声道
16位立体声
0声道
0声道（左）1声道（右）
0声道低字节0声道高字节
0声道（左）低字节0声道（左）高字节
样本1
0声道
0声道（左）1声道（右）
0声道低字节0声道高字节
1声道（右）低字节1声道（右）高字节
样本2
WAV文件的每个样本值包含在一个整数i中，i的长度为容纳指定样本长度所需的最小字节数。
首先存储低有效字节，表示样本幅度的位放在i的高有效位上，剩下的位置为0，这样8位和16位
的PCM波形样本的数据格式如下所示。
样本大小
8位PCM
16位PCM
int
数据格式
unsigned int 225
32767
最大值
0
-32767
最小值
发布评论