详解RIFF和WAVE音频文件格式

RIFF file format

RIFF全称为资源互换文件格式（Resources Interchange File Format），是Windows下大部分多媒体文件遵循的一种文件结构。RIFF文件所包含的数据类型由该文件的扩展名来标识，能以RIFF格式存储的数据有：

音频视频交错格式数据 .AVI波形格式数据 .WAV位图数据格式 .RDIMIDI格式数据 .RMI调色板格式 .PAL多媒体电影 .RMN动画光标 .ANI其他的RIFF文件 .BND

CHUNK

chunk是RIFF文件的基本单元，其基本结构如下：

struct chunk{uint32_t id;   // 块标志uint32_t size; // 块大小uint8_t data[size]; // 块数据};

id 4字节，用以标识块中所包含的数据。如：RIFF,LIST,fmt,data,WAV,AVI等，由于这种文件结构 最初是由Microsoft和IBM为PC机所定义，RIFF文件是按照小端 little-endian字节顺序写入的。size 块大小 存储在data域中的数据长度，不包含id和size的大小data 包含数据，数据以字为单位存放，如果数据长度为奇数（字节为单位），则最后添加一个空字节。

chunk是可以嵌套的，但是只有块标志为RIFF或者LIST的chunk才能包含其他的chunk。

RIFF chunk

标志为RIFF的chunk是比较特殊的，每一个RIFF文件首先存放的必须是一个RIFF chunk，并且只能有这一个标志为RIFF的chunk。RIFF的数据域的起始位置是一个4字节码（FOURCC），用于标识其数据域中chunk的数据类型；紧接着数据域的内容则是包含的subchunk，如下图

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。
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
扩展块内容
22字节，具体介绍，后面补充。

Fact chunk(option)idFOURCC 值为 'f' 'a' 'c' 't'size数据域的长度，4（最小值为4）采样总数 4字节Data chunkid

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

采用压缩编码的WAV文件，必须要有Fact chunk，该块中只有一个数据，为每个声道的采样总数。

Format chunk 中的编码方式

在Format chunk中，除了有音频的数据的采样率、声道等音频的属性外，另一个比较主要的字段就是format_tag，该字段表示音频数据是以何种方式编码存放的。其具体的取值可以为以下：

0x0001

WAVE_FORMAT_PCM，采用PCM格式

0x0003

WAVE_FORMAT_IEEE_FLOAT，存放的值为IEEE float，范围为[-1.0f,1.0f]

0x0006

WAVE_FORMAT_ALAW , 8bit ITU-T G.711 A-law

0x0007

WAVE_FORMAT_MULAW,8bit ITU-T G.711 μ-law

0XFFFE

WAVE_FORMAT_EXTENSIBLE，具体的编码方式有扩展区的 sub_format字段决定

关于扩展格式块

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 2字节
扩展区的数据长度 ，可以为0或22

valid_bits_per_sample 2字节

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。

Data chunk

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：

单声道，量化位数为8，使用偏移二进制码除上面之外的，使用补码方式存储。

总结

本文主要介绍了RIFF文件的格式和WAV音频文件格式，为后面实现对WAVE文件的读写打一个理论基础。后面打算使用C++标准库，实现对WAV文件的读写。