WAV格式解析

WAV为微软公司（Microsoft)开发的一种声音文件格式，它符合RIFF(Resource Interchange File Format)文件规范，用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所广泛支持，

该格式也支持MSADPCM，CCITT A LAW等多种压缩运算法，支持多种音频数字，取样频率和声道，标准格式化的WAV文件和CD格式一样，也是44.1K的取样频率，16位量化数字，因此在声音文件质量和CD相差无几。

WAVE文件为了与RIFF保持一致，数据采用“chunk”来存储。

因此，如果想要在WAVE文件中补充一些新的信息，只需要在在新chunk中添加信息，而不需要改变整个文件。这也是设计IFF最初的目的。

对于一个基本的WAVE文件而言，最少包含以下三种Chunk：

以上三个chunk 顺序固定，对于其它的chunk，顺序没有严格的限制。

具体格式如下：

然而，所有基于压缩编码的WAV文件必须含有fact块。此外所有其它块都是可选的。fmt，Data及fact块均为RIFF块的子块。WAV文件的文件格式类型标识符为“WAVE”。

各个chunk中字段的意义如下：

RIFF chunk

ID	big-endian	FOURCC 值为'R' 'I' 'F' 'F'
Size	little-endian	data字段中数据的字节数
Data	big-endian	包含其它的chunk

Format chunk

ID	big-endian	FOURCC 值为 'f' 'm' 't' ' '
Size	little-endian	数据字段包含数据的大小。如无扩展块，则值为16；有扩展块，则值为 16 + 2字节扩展块长度 + 扩展块长度或者值为18（只有扩展块的长度为2字节，值为0）
Data	little-endian	format_tag	2字节，表示音频数据的格式。如值为1，表示使用PCM格式。
	little-endian	channels	2字节，声道数。值为1则为单声道，为2则是双声道。
	little-endian	samples_per_sec	采样率，主要有22.05KHz，44.1kHz和48KHz。
	little-endian	bytes_per sec	音频的码率，每秒播放的字节数。samples_per_sec * channels * bits_per_sample / 8，可以估算出使用缓冲区的大小
	little-endian	block_align	数据块对齐单位，一次采样的大小，值为声道数 * 量化位数 / 8，在播放时需要一次处理多个该值大小的字节数据。
	little-endian	bits_per_sample	音频sample的量化位数，有16位，24位和32位等。
		cbSize	扩展区的长度
		扩展格式块内容	22字节，具体介绍请看下面

其中 format_tag 可以取如下值：

格式代码	格式名称	fmt 块长度	fact 块
1(0x0001)	PCM/非压缩格式	16
2(0x0002	Microsoft ADPCM	18	√
3(0x0003)	IEEE float	18	√
6(0x0006)	ITU G.711 a-law	18	√
7(0x0007)	ITU G.711 μ-law	18	√
49(0x0031)	GSM 6.10	20	√
64(0x0040)	ITU G.721 ADPCM		√
65,534(0xFFFE)	见子格式块中的编码格式	40

其中的扩展格式块：

当WAV文件使用的不是PCM编码方式是，就需要扩展格式块，它是在基本的Format chunk又添加一段数据。

该数据的前两个字节，表示的扩展块的长度。紧接其后的是扩展的数据区，含有扩展的格式信息，其具体的长度取决于压缩编码的类型。

当某种编码方式（如 ITU G.711 a-law）使扩展区的长度为0，扩展区的长度字段还必须保留，只是其值设置为0。

扩展区的各个字节的含义如下：

Size	扩展区的数据长度，可以为0或22
valid_bits_per_sample	有效的采样位数，最大值为采样字节数 * 8。可以使用更灵活的量化位数，通常音频sample的量化位数为8的倍数，但是使用了WAVE_FORMAT_EXTENSIBLE时，量化的位数有扩展区中的valid bits per sample来描述，可以小于Format chunk中制定的bits per sample
channle mask	4字节，声道掩码
sub format	16字节，GUID，include the data format code，数据格式码。

在Format chunk中的format_tag设置为0xFFFE时，表示使用扩展区中的sub_format来决定音频的数据的编码方式。在以下几种情况下必须要使用WAVE_FORMAT_EXTENSIBLE

PCM数据的量化位数大于16
音频的采样声道大于2
实际的量化位数不是8的倍数
存储顺序和播放顺序不一致，需要指定从声道顺序到声卡播放顺序的映射情况。

Fact chunk （可选）

ID	FOURCC 值为 'f' 'a' 'c' 't'
Size	数据域的长度，4（最小值为4）
Data	每个声道的采样总数 4字节

Data chunk

ID	FOURCC 值为'd' 'a' 't' 'a'
Size	数据域的长度
Data	具体的音频数据存放在这里

Data块中存放的是音频的采样数据。每个sample按照采样的时间顺序写入，对于使用多个字节的sample，使用小端模式存放（低位字节存放在低地址，高位字节存放在高地址）。对于多声道的sample采用交叉存放的方式。例如：立体双声道的sample存储顺序为：声道1的第一个sample，声道2的第一个sample；声道1的第二个sample，声道2的第二个sample；依次类推....。对于PCM数据，有以下两种的存储方式：