Ответы на все вопросы

FAQ / Программирование

Где найти описание формата файлов .wav PCM и ADPCM?

Вопрос:

Где найти описание формата файлов .wav PCM и ADPCM?

Ответ:

   Приведенной информации вполне достаточно для работы с PCM WAVE файлами (8/16 бит, моно/стерео)
   WAVE файлы являются подмножеством файлов RIFF формата (Resource Interchange File Format), разработанного для хранения ресурсов мультимедиа. Об этом формате надо знать совсем немного. Основной элемент RIFF файла - т.н. чанк (chunk), имеющий структуру

typedef struct
  {
  DWORD ckID; // Идентификатор чанка, служит для опознания чанка
  DWORD ckSize; // Размер чанка (без ckID & cdSize) в байтах
  BYTE ckData[ckSize];// Данные
  } CK;

   Основные типы чанков имеют идентификаторы "RIFF" и "LIST" и могут состоять из вложенных чанков (субчанков).
   Мы рассмотрим наиболее простой случай WAVE файла, состоящего из одного лишь RIFF-чанка, содержащего WAVE-форму (WAVE-form). Честно говоря, я ни разу не видел wave файла, содержащего более одного WAVE-чанка, поэтому мы рассмотрим именно файл с одним-единственным WAVE-чанком.

WAVE-форма

WAVE-форма наиболее простой категории - PCM (см. ниже) имеет следующий вид:
<WAVE-форма> = 'WAVE' + <fmt-чанк> + <data-чанк> , где
'WAVE' - просто сигнатура WAVE-формы
<fmt-чанк> - чанк с информацией о звуковом сигнале
<data-чанк> - чанк с собственно сигналом

<fmt-чанк> = 'fmt ' + <ckSize> + <WaveFormat> + <fmt-specific> , где
'fmt ' - сигнатура fmt-чанка
<ckSize> - его размер
<WaveFormat> - структура WaveFormat(mmsystem.h), описанная ниже
<fmt-specific> - структура с дополнительной информацией о формате, имеет переменную длину и зависит от wFormatCategory (см. ниже). В случае с PCM удобно пользоваться структурой WaveFormatEx (mmsystem.h), объединяющей в себе WaveFormat и два поля из fmt-specific. Документация по Win32 SDK утверждает, что WaveFormatEx будет работать для ВСЕХ не-PCM форматов, что идет вразрез с утверждением MM Programmer`s Reference о переменной длине fmt-specific. Так что вопрос с не-PCM форматами мне пока не ясен.

<data-чанк> = 'data' + <ckSize> + <собственно сигнал> , где
'data' - сигнатура data-чанка
<ckSize> - его размер
<собственно сигнал> - последовательность байт, описывающая сигнал (см. Формат данных PCM)

WaveFormat

Структура WaveFormat имеет вид:

typedef struct
  {
  WORD wFormatTag; // Категория формата
  WORD nChannels; // Число каналов
  DWORD nSamplesPerSec; // Частота дискретизации
  DWORD nAvgBytesPerSec; // Байт в секунду
  WORD nBlockAlign; // Выравнивание данных в data-чанке
  } WaveFormat;

Рассмотрим эту структуру подробнее.

wFormatTag Категория формата (неудачный перевод: калька format category). От этого значения зависят значения остальных полей этой структуры, структура <fmt-specific> и data-чанка. Существует несколько категорий формата; самая доступная - PCM (Pulse Code Modulation) имеет wFormatTag = 1.
nChannels 1 - моно, 2-стерео, о большем числе каналов документация умалчивает.
nSamplesPerSec Частота дискретизации (число сэмплов в секунду).
nAvgBytesPerSec Среднее число байт в секунду, используется для эффективной буферизации. Для PCM вычисляется по формуле: (nChannels*nSamplesPerSec*nBitsPerSample)/8.
nBlockAlign Выравнивание данных в data-чанке. Для PCM вычисляется по формуле: (nChannels*nBitsPerSample)/8.

<fmt-specific> - Для категории PCM эта структура имеет одно значащее поле UINT nBitsPerSample, которое поведает нам о разрядности дискретизации (см. wFormatTag & Формат данных PCM). Если, например,nBitsPerSample = 12 , то сэмпл хранится в старших 12 битах слова, а младшие 4 - нули. Следом идет поле WORD cbSize, используемое не-PCM форматом ( так, формат ADPCM, например, хранит здесь некий коэффициент, необходимый для кодирования/декодирования сигнала). Для PCM-формата это поле может отсутствовать.

Формат данных PCM

Здесь описана схема размещения данных в data-чанке wave файла.

В моно wave файле сэмплы расположены последовательно один за другим: sample[0],sample[1],sample[2]...
В стерео wave файле сэмплы идут попарно: left[0],right[0],left[1],right[1],left[2]...
Для более, чем двухканального сигнала (квадрозвук?!?) последовательность чередования каналов не определена (а, может уже и определена, а я не знаю).

Channel0 - байт для левого канала
Channel1 - байт для правого канала

8 bit mono:
-Sample1- -Sample2- -Sample3- -Sample4-
Channel0 Channel0 Channel0 Channel0
           
8 bit stereo:
--------Sample1------- --------Sample2-------
Channel0 Channel1 Channel0 Channel1
          
16 bit mono:
--------Sample1------- --------Sample2-------
Channel0 Channel0 Channel0 Channel0
(low byte) (high byte) (low byte) (high byte)
        
16 bit stereo:
-------------------Sample1---------------------
Channel0 Channel0 Channel1 Channel1
(low byte) (high byte) (low byte) (high byte)

   Средние и крайние значения элемента дискретизации вычисляются так:

Разрядность Формат данных
1-8 bit unsigned char
8-16 bit int

например,

Формат Max Min Midpoint
 8 bit PCM 255 0 128
16 bit PCM 32767 -32768 0

   Для примера разберем начало простенького PCM WAVE файла по байтам. Все смещения (слева) и размеры полей (справа в квадратных скобках ) приведены в hex виде.

---------------------- Начало RIFF-чанка
00 'RIFF' [4]
04 DWORD - размер RIFF-чанка [4]
---------------------- Начало WAVE-формы
08 'WAVE' [4]
---------------------- Начало fmt-чанка
0C 'fmt ' [4]
10 DWORD - размер fmt-чанка (10h или 12h) [4]
---------------------- Структура WaveFormat (или WaveFormatEx)
14 WORD wFormatTag = 1 (это же PCM) [2]
16 WORD nChannels = 1 [2]
18 DWORD nSamplesPerSec = 11025 [4]
1C DWORD nAvgBytesPerSec = 11025 [4]
20 WORD nBlockAlign = 1 [2]
22 WORD nBitsPerSample = 8 [2]
24 WORD cbSize (=0 или отсутствует для PCM. [2]
                           Далее в круглых скобках приведены
                           смещения для случая без cbSize)
---------------------- Конец fmt-чанка
---------------------- Начало data-чанка
26 (24) 'data' [4]
2A (28) DWORD размер data-чанка [4]
2E (2C) Sample0,Sample1,Sample2,... [???]
---------------------- Конец WAVE-формы
---------------------- Конец RIFF-чанка

Работать с таким файлом можно по следующей грубой схеме:
1. Проверяем сигнатуру 'RIFF' по смещению 0
2. Проверяем сигнатуру 'WAVE' по смещению 8
3. Проверяем wFormatTag=1 по смещению 14
4. Читаем nChannels,nBitsPerSample по смещениям 16 и 22
5. Если надо, читаем nSamplesPerSec по смещению 18
6. Начиная со смещения 24, начинаем искать data-чанк. Этого можно было бы и не делать, а сразу читать сигнал по смещению 2E(2C), но я встречал wave файлы, у которых после fmt-чанка вставлен некий fact-чанк длины 4 (+4 на сигнатуру +4 на ckSize), о назначении коего мне, к сожалению, ничего не известно. Таким образом, после прочтения fmt-чанка надо пройти по всем таким чанкам, пока не упремся в data-чанк.
7. Читаем сигнал по смещению 2E(2С) или по смещению сигнатуры 'data' плюс 8 и до конца файла (или, если не лень, смотрим размер data-чанка и соответственно читаем, сколько надо)

Версия для печати Найти похожие статьи
Поиск по сайту

Архив

ВсПнВтСрЧтПтСб
1234567
891011121314
15161718192021
22232425262728
293012345
6789101112
13141516171819
20212223242526
272829303112



Мы рекомендуем