Отправлено kser 15 мая 2002 г. 14:57 В ответ на: В любом формате будет заголовок. Он отрезается в любом hex-редакторе (если не ошибаюсь первые 48 байт) отправлено Sergeant 15 мая 2002 г. 13:31

Вот, нашел в архиве доку для начинающих. На первый взгляд, без грубых ошибок. Рекомендую.
Сергей

====================== cut ====================

Просто и ясно о формате WAVE файла

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).

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

= 'fmt ' + + +
, где
'fmt ' - сигнатура fmt-чанка
- его размер
- структура WaveFormat(mmsystem.h), описанная ниже
- 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' + + <собственно сигнал>
, где
'data' - сигнатура data-чанка
- 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 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.

- 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)

By Dron(MJKNet)