WAVE 文件作为Windows多媒体中使用的声音波形文件格式之一，它是以RIFF（Resource Interchange File Format）格式为标准的。这里不针对RIFF文件格式做介绍，不太了解的可以参考“RIFF格式简介”一文。
WAVE文件构成
每个WAVE文件的头四个字节便是“RIFF”。WAVE 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。相对于RIFF文件，只是将“RIFF”chunk的form id替换为“WAVE”。下表是一个典型的WAVE文件各部分构成及其长度字段。注意所有数据采用windows默认的小端存储。（FOURCC是一个特殊的四字节码，判断时按照字符顺序判断即可。）
| 域 | 长度 | 内容说明 | |
|---|---|---|---|
| chunkID | 4 | Chunk ID: "RIFF"，FOURCC四字节码 | |
| chunksize | 4 | Chunk size: 4+n | |
| WAVEID | 4 | WAVE ID: "WAVE"，FOURCC四字节码 | |
| WAVE chunks | n | Wave chunks包含格式信息和音频采样数据，分为“format” chunk和“data”chunk两部分。 | |
Format chunk
Format chunk用于说明data chunk中PCM数据的格式。主要三种不同的format chunk格式（不同的格式码）。如下表：
| 域 | 长度 | 内容说明 | |
|---|---|---|---|
| ckID | 4 | Chunk ID: "fmt "，FOURCC四字节码，注意最后一个填充是空格。 | |
| cksize | 4 | Chunk size: 16 or 18 or 40 | |
| wFormatTag | 2 | Format code，格式码 | |
| nChannels | 2 | Number of interleaved channels，采样声道数（交织存储） | |
| nSamplesPerSec | 4 | Sampling rate (blocks per second)，音频采样率 | |
| nAvgBytesPerSec | 4 | Data rate，音频码率 | |
| nBlockAlign | 2 | Data block size (bytes)，音频数据块大小（单位字节） | |
| wBitsPerSample | 2 | Bits per sample，量化位数（比如8bits、16bits、32bits） | |
|
|
|||
| cbSize | 2 | Size of the extension (0 or 22)，扩展字段长度 | |
|
|
|||
| wValidBitsPerSample | 2 | Number of valid bits，有效的位长度 | |
| dwChannelMask | 4 | Speaker position mask，声道描述掩码，比如左声道、右声道等 | |
| SubFormat | 16 | GUID, including the data format code，数据格式码 | |
标准中定义的wFormatTag（Format code）可取值范围如下表：
| Format Code | PreProcessor Symbol | Data |
|---|---|---|
| 0x0001 | WAVE_FORMAT_PCM | PCM |
| 0x0003 | WAVE_FORMAT_IEEE_FLOAT | IEEE float，[-1.0f,1.0f] |
| 0x0006 | WAVE_FORMAT_ALAW | 8-bit ITU-T G.711 A-law |
| 0x0007 | WAVE_FORMAT_MULAW | 8-bit ITU-T G.711 µ-law |
| 0xFFFE | WAVE_FORMAT_EXTENSIBLE | Determined by SubFormat |
PCM格式
当wFormatTag为0x0001时，表示WAVE文件中存储的是PCM格式的音频数据。
在数据域中除了单声道-量化位数为8音频数据之外PCM存储格式按照补码的形式存放。对于单声道、量化位数为8的情况，使用offset binary（偏移二进制码），有兴趣的可以查看下对应的标准。
非PCM格式
对于非PCM格式的数据，使用扩展字段，扩展字段长度由cbSize指定。需要说明以下几点：
- 对于非PCM格式，必须有扩展字段，字段长度cbSize可以为0，但是扩展字段不可省略。
- 对于浮点数据，最大峰值为1，量化位数（bits/sample）取值可以是32或64。
- 对于 log-PCM formats (µ-law and A-law)的格式，量化位数（bits/sample）取值为8。
- 对于非PCM格式，必须包含“FACT”chunk。
扩展格式
当FormatTag为WAVE_FORMAT_EXTENSIBLE（0xFFFE）时，表示format chunk有扩展字段，其中包括有效量化位数（wValidBitsPerSample）、声道位置掩码、以及额外的GUID（SubFormat）。
- 在正常PCM数据中量化位数（wBitsPerSample）必须是8的倍数，在WAVE_FORMAT_EXTENSIBLE下量化位数可以使用wValidBitsPerSample来描述，也就是会所wValidBitsPerSample有可能小于wBitsPerSample。
- 对于声道位置掩码的信息，可参考如下文章：Multi-channel / high bit resolution formats, 2001-12-04: Multiple Channel Audio Data and WAVE Files。
- SubFormat代表的GUID前两个字节是由PCM数据格式填充的，例如WAVE_FORMAT_EXTENSIBLE。后续的14个字节是固定的，"\x00\x00\x00\x00\x10\x00\x80\x00\x00\xAA\x00\x38\x9B\x71"。
在以下几种情况下必须使用WAVE_FORMAT_EXTENSIBLE格式：
- PCM数据的量化位数（wBitsPerSample）大于16。
- 音频采样声道数大于2。
- 实际量化位数不是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映射的情况。
FACT chunk
通常PCM数据是不压缩的，对于所有压缩的非PCM格式都需要有FACT chunk。具体可参考：WAVE update (Revision: 3.0), 1994-04-15: Multimedia Registration Kit Revision 3.0 (Q120253))。FACT chunk至少定义一个字段，实际采样数dwSampleLength。
关于FACT chunk可以了解，但是很少用到，如果有这种格式的wav文件，建议参考上述标准解析。
DATA chunk
data chunk中包含采样数据。格式如下：
| 域 | 长度 | 内容说明 | |
|---|---|---|---|
| ckID | 4 | Chunk ID: "data" | |
| cksize | 4 | Chunk size: n | |
| sampled data | n | Samples，音频采样数据，交织存储 | |
| pad byte | 0 or 1 | Padding byte if n is odd，填充字节 | |
实例
由于微软将多媒体输入输出函数废弃了（Using Multimedia File I/O），这里不给出专门读写的代码，而是直接使用二进制形式分析。
先做如下假定：
- Nc 表示channels，声道数
- Ns表示文件中包含的实际采样块数目，每个采样块包括Nc 个独立采样
- 采样率为 F (blocks per second，单位Hz)
- 每个采样的长度为M字节。
PCM文件格式如下表：
| Field | Length | Contents | ||
|---|---|---|---|---|
| ckID | 4 | Chunk ID: "RIFF" | ||
| cksize | 4 | Chunk size: 4 + 24 + (8 + M * Nc * Ns + (0 or 1)) |
||
| WAVEID | 4 | WAVE ID: "WAVE" | ||
|
|
||||
| ckID | 4 | Chunk ID: "fmt " | ||
| cksize | 4 | Chunk size: 16 | ||
| wFormatTag | 2 | WAVE_FORMAT_PCM | ||
| nChannels | 2 | Nc | ||
| nSamplesPerSec | 4 | F | ||
| nAvgBytesPerSec | 4 | F * M * Nc | ||
| nBlockAlign | 2 | M * Nc | ||
| wBitsPerSample | 2 | rounds up to 8 * M | ||
|
|
||||
| ckID | 4 | Chunk ID: "data" | ||
| cksize | 4 | Chunk size: M * Nc* Ns | ||
| sampled data | M * Nc * Ns | Nc * Ns channel-interleaved M-byte samples | ||
| pad | 0 or 1 | Padding byte if M * Nc * Ns is odd | ||
注意WAVE文件可能附加information chunk。所以程序解析是最好按照上述标准定义，不要认为去掉wav fmt chunk之后全是data chunk。
Extensible Format如下表：
| Field | Length | Contents | ||
|---|---|---|---|---|
| ckID | 4 | Chunk ID: "RIFF" | ||
| cksize | 4 | Chunk size: 4 + 48 + 12 + (8 + M * Nc * Ns + (0 or 1)) |
||
| WAVEID | 4 | WAVE ID, "WAVE" | ||
|
|
||||
| ckID | 4 | Chunk ID: "fmt " | ||
| cksize | 4 | Chunk size: 40 | ||
| wFormatTag | 2 | WAVE_FORMAT_EXTENSIBLE | ||
| nChannels | 2 | Nc | ||
| nSamplesPerSec | 4 | F | ||
| nAvgBytesPerSec | 4 | F * M * Nc | ||
| nBlockAlign | 2 | M * Nc | ||
| wBitsPerSample | 2 | 8 * M | ||
| cbSize | 2 | Size of the extension: 22 | ||
| wValidBitsPerSample | 2 | at most 8 * M | ||
| dwChannelMask | 4 | Speaker position mask: 0 | ||
| SubFormat | 16 | GUID (first two bytes are the data format code) | ||
|
|
||||
| ckID | 4 | Chunk ID: "fact" | ||
| cksize | 4 | Chunk size: 4 | ||
| dwSampleLength | 4 | Nc * Ns | ||
|
|
||||
| ckID | 4 | Chunk ID: "data" | ||
| cksize | 4 | Chunk size: M * Nc * Ns | ||
| sampled data | M * Nc *Ns | Nc * Ns channel-interleaved M-byte samples | ||
| pad | 0 or 1 | Padding byte if M * Nc * Ns is odd | ||
本文主要参考：Audio File Format Specifications，相关测试wav文件及标准也从其链接下载。
写作本文的目的主要是学习下wave文件格式，并能够将音频数据解析出来。
以上介绍的内容中针对WAVE文件我们可以只关心，fmt chunk、data chunk数据，其他数据chunk可以忽略，如果你对其他chunk感兴趣，建议查看rfc2361及Microsoft提供的标准文档。