wav数据格式详解

简述

WAV 文件是在 PC 机平台上很常见的、最经典的多媒体音频文件， 是 WaveForm 的简写，也称为波形文件，可直接存储声音波形，还原的波形曲线十分逼真。

WAV 的特点如下：真实记录自然声波形，基本无数据压缩，数据量大。

文件结构

WAV 文件遵循 RIFF 规则，其内容以区块（chunk）为最小单位进行存储。WAV文件一般由3个区块组成：RIFF chunk、Format chunk 和 Data chunk。

CHUNK

每个 CHUNK 的格式都是：

名称	字节数	说明
ID	4	标识
Size	4	该块的数据长度
Data	Size	该块的数据

以下是存在的 CHUNK 类型：

数据块符号	数据块名称	可选否
RIFF chunk	文件头数据块	否
Format chunk	格式数据块	否
Data chunk	波形数据块	否
Fact chunk		是
Cue points chunk		是
Playlist chunk		是
Associated data list chunk		是

RIFF chunk

名称	字节数	端序	内容
ID	4	大端	RIFF (0x52494646)
Size	4	小端	fileSize - 8 (文件大小 - 8)
Type	4	大端	WAVE (0x57415645)

当 Type 是 WAVE 时，表示后面需要两个子块：Format chunk 和 Data chunk。

Format chunk

名称	字节数	端序	内容
ID	4	大端	fmt (0x666D7420)
Size	4	小端	16
AudioFormat	2	小端	音频格式
NumChannels	2	小端	声道数 (1 or 2)
SampleRate	4	小端	采样率
ByteRate	4	小端	每秒数据字节数
BlockAlign	2	小端	数据块对齐
BitsPerSample	2	小端	采样位数 (8, 16 or 32)

需要注意的是，ByteRate 和 BlockAlign 是可以计算出来的，如果不满足公式可能导致读取文件错误：

ByteRate = SampleRate * NumChannels * BitsPerSample / 8

BlockAlign = NumChannels * BitsPerSample / 8

BitsPerSample 代表的是采样位数，即接下来的 Data chunk 中的每个波形数据有几个字节。

Data chunk

名称	字节数	端序	内容
ID	4	大端	data (0x64617461)
Size	4	小端	N
Data	Size	小端	波形数据

需要注意的是，Size = ByteRate * seconds

如果声道数为 2，即多声道音频，在 Data 中每次采样依次排列，即例如 8bit 双声道的数据存放为：

采样1		采样2
声道1数据 (1 byte)	声道2数据 (1 byte)	声道1数据 (1 byte)	声道2数据 (1 byte)

音频处理

python3&wave

这里使用 Python3 对 wav 文件进行处理。

在 Python3 中自带一个 wave 模块支持对 wav 格式的音频数据进行处理，结合 numpy 可以自由操作所有 wav 的波形数据。

常用的操作有：

函数	作用
wave.open(filename, "r")	打开一个音频文件，返回 Wave_read 对象
Wave_read.close()	关闭一个 Wave_read 对象
Wave_read.getnchannels()	返回声道数量，1为单声道，2为立体声
Wave_read.getsampwidth()	返回采样位数
Wave_read.getframerate()	返回采样频率
Wave_read.getnframes()	返回音频总帧数
Wave_read.readframes(n)	读取 n 帧波形数据，如果参数为 -1 则读取所有

将波形数据转化为成 ndarray 的示例代码：

import wave
import numpy as np

f = wave.open("attachment.wav", "r")
data = f.readframes(-1)
data = np.frombuffer(data, dtype = [np.uint8, np.uint16, np.uint32][f.getsampwidth() // 2])
data.reshape(-1, f.getnchannels())
f.close()

python3&soundfile

但这里更推荐使用第三方库 soundfile，可以更轻松的将音频数据读取并转换为 ndarray，示例代码如下：

data, samplerate = sf.read("attachment.wav")
print(data)

其中，samplerate 是音频的采样率。

但默认读取类型是 float，如果觉得不好看，可以通过 dtype 参数控制输出的 numpy 数组的 dtype。

data, samplerate = sf.read("attachment.wav", dtype = np.int16)
print(data)

同时如果是多声道的音频文件，它将转换出多个 ndarray 数组来保存不同声道的数据。