|
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). 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:
'fmt ' - сигнатура fmt-чанка 'data' - сигнатура data-чанка typedef struct Рассмотрим эту структуру подробнее. wFormatTag Категория формата (неудачный перевод: калька format category). Здесь описана схема размещения данных в data-чанке wave файла. Channel0 - байт для левого канала 8 bit mono: Средние и крайние значения элемента дискретизации вычисляются так: Разрядность Формат данных например, Формат Max Min Midpoint Для примера разберем начало простенького PCM WAVE файла по байтам ---------------------- Начало RIFF-чанка Работать с таким файлом можно по следующей грубой схеме: 1. Проверяем сигнатуру 'RIFF' по смещению 0 Надеюсь, сей скромный документ поможет читателю разобраться в
E-mail:
info@telesys.ru
'WAVE' - просто сигнатура WAVE-формы
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.
<собственно сигнал> - последовательность байт, описывающая сигнал
(см. Формат данных PCM)
WaveFormat
----------
Структура WaveFormat имеет вид:
{
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;
От этого значения зависят значения остальных полей этой
структуры, структура
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.
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
-----------------
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).
Channel1 - байт для правого канала
-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)
------------------------------
1-8 bit unsigned char
8-16 bit int
---------------------------------------
8 bit PCM 255 0 128
16 bit PCM 32767 -32768 0
Все смещения (слева) и размеры полей (справа в квадратных скобках )
приведены в hex виде.
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
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)
азах программирования звука, потратив на это гораздо меньше времени, чем
в моем случае. При его составлении весьма активно использовались
¦ Microsoft Windows Multimedia Programmer`s Reference
¦ Win32 SDK Programmer`s Guide
¦ некоторый личный опыт.
Serg Sorokin
Ответы