音频文件
音频文件是对声音进行数字转换之后存放的数据文件,了解音频数据必须先知道几个重要概念。
1. 采样:对声音信息录入时,行进的最小操作单位,一般一次采样具有左右2个声道,每个声道用1或2个字节来存储;
这样采样的量化位数是8位,或16位(样本位宽),量化位数越高声音音质越好;就像11位电话号码表示的号码比7位要多得多;
2. 采样频率:每秒采样次数,单位Hz,一般的音频文件有11.025kHz、22.05kHz、44.10kHz等;显然,这种模-数信息的转换,每秒采样次数越多,声音就越精确;
3. 码率:每秒编码的bit数,单位是kb/s;计算方式:位宽×声道数×采样频率;(单位是bit不是字节)
4. 声道数,固定值为1-单声道,或者2-双声道,双声道时,每个采样样本中包含左声道、右声道的音频数据,因此两者的数据是交错排列的;
(一)Wave 格式
WAVE是微软开发的声音文件格式,用于保存Windows平台的音频信息资源,文件后缀名*.wav;支持多种压缩算法、多种音频位数、采样频率和声道;
标准的wav文件采用44.1kHz采样频率,16位量化位数,声音文件质量几与CD相当;Wave格式不对源数据做任何处理,如果源数据是无损的,编码后的Wav文件也是无损的;如果源数据是有损的,编码后的Wav文件也是有损的;
1. Wave文件的构成:
RIFF | 标 志 4B | "RIFF" |
数据大小 4B | - | |
格式 4B | "WAVE" | |
fmt | 标志 4B | "fmt " |
结构体大小 4B | 16/18 | |
结构体 16B/18B | ||
data | 标志 4B | "data" |
声音数据大小 4B | - | |
data | - |
2. Wave文件的详细结构:
// RIFF 标准媒体流文件头
struct Riff_Header
{
char szRiffId[4]; // 'R','I','F','F'
DWORD dwRiffSize; // Size, 除了这 8 个字节之外,文件剩余大小,等于文件总字节数-8
char szRiffFormat[4]; // 'W','A','V','E'
};
struct Fmt_Block
{
char szFmtId[4]; // 'f', 'm', 't',' '
DWORD dwFmtSize; // Size 为 16 或 18
WORD wFormatTag; // 编码方式,一般为 0x0001
WORD wChannels; // 声道数 1--单声道 2--双声道
DWORD dwSamplesPerSec; // 采样频率 /Hz
DWORD dwAvgBytesPerSec; // 每秒字节数
WORD wBlockAlign; // 数据块对齐单位(每个采样需要的字节数)
WORD wBitsPerSample; // 每个采样需要的 bit
// WORD wBits; // 可能有可能没有,由dwFmtSize字段决定
};
//Fact_Block 块,有些 wav 文件中没有
struct Fact_Block
{
char szFactId[4]; // 'f','a','c','t'
DWORD dwFactSize; //
};
//数据块
struct Data_Block
{
char szDataId[4]; //'d','a,','t','a'
DWORD dwDataSize; // 音频数据大小
//data ...
};
说明:
(1) RIFF块里面的 dwRiffSize 表示的是整个文件除开头8个字节之外的大小,0x24 0xCD 0x01 0x00,即 118,052 Byte,通过文件属性查得文件大小是118,060Byte;
(2) dwFmtSize 为 0x10 0x00 0x00 0x00,即为16;fmt块的剩余部分是一个波形信息结构,是微软定义的:
/* * extended waveform format structure used for all non-PCM formats. this * structure is common to all non-PCM formats. */ typedef struct tWAVEFORMATEX { WORD wFormatTag; /* format type */ WORD nChannels; /* number of channels (i.e. mono, stereo...) */ DWORD nSamplesPerSec; /* sample rate */ DWORD nAvgBytesPerSec; /* for buffer estimation */ WORD nBlockAlign; /* block size of data */ WORD wBitsPerSample; /* number of bits per sample of mono data */ WORD cbSize; /* the count in bytes of the size of */ /* extra information (after cbSize) */ } WAVEFORMATEX, *PWAVEFORMATEX, NEAR *NPWAVEFORMATEX, FAR *LPWAVEFORMATEX;
(3) Data块:dwDataSize表示音频数据的大小,0x00 0x01 0xCD 0x00,即118,016,略小于118,052,说明文件末有部分无效数据;
一个示例:
// // 读取Wav文件头,并验证文件格式 // 成功返回文件句柄,并重定位文件指针到数据区 // 失败返回NULL // HANDLE ReadHeader(char* path) { HANDLE hFile = CreateFileA(path, GENERIC_READ, FILE_SHARE_READ, NULL, OPEN_EXISTING, 0, NULL); if (hFile == INVALID_HANDLE_VALUE) { printf("Unable to Open File!"); return NULL; } char buffer[512]; DWORD readByte; if (ReadFile(hFile, buffer, sizeof(buffer), &readByte, NULL)) { Riff_Header header; Fmt_Block fmt; Data_Block data; memcpy(&header, buffer, sizeof(Riff_Header)); if (strncmp(header.szRiffId, "RIFF", 4) != 0) {CloseHandle(hFile); return NULL;} memcpy(&fmt, buffer + sizeof(Riff_Header), sizeof(Fmt_Block)); if (strncmp(fmt.szFmtId, "fmt ", 4) != 0) {CloseHandle(hFile);return NULL;} memcpy(&data, buffer + sizeof(Riff_Header)+fmt.dwFmtSize+8, sizeof(Data_Block)); if (strncmp(data.szDataId, "data", 4) != 0) {CloseHandle(hFile);return NULL;} memcpy(&wfx, &fmt.wFormatTag, sizeof(WAVEFORMATEX) - 2); wfx.cbSize = 0; // 重定位文件指针,到数据起始位置 int headSize = sizeof(Riff_Header) + fmt.dwFmtSize + 8 + sizeof(Data_Block);
headSize = (headSize/8 + (headSize%8?1:0))*8; SetFilePointer(hFile, headSize, 0, FILE_BEGIN); return hFile; } return NULL; }
说明:1. 这里没有考虑fact结构存在的情况;2. 调用ReadHeader()之后wfx结构同时也填充完毕,可以用于打开音频设备,进行wav音频播放;
其调用如下:
#include "stdafx.h" #include <Windows.h> #include <mmsystem.h> #include "WavStruct.h" #pragma comment(lib, "winmm.lib")
const char testWave = "C:/Windows/Media/Ring02.wav"; WAVEFORMATEX wfx; int main(int argc, char* argv[]) { HANDLE hFile = ReadHeader((char*)testWave); if (hFile == NULL) return 0; CloseHandle(hFile); return 0; }
结果:
(二) MP3格式
MP3格式(待续 ...)