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 .rdi
- midi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
这是一个riff chunk中包含有两个subchunk，可以看出riff chunk的数据域首先是是4字节的 form type，接着是两个subchunk，每一个subchun有包含有自己的标识、数据域的大小以及数据域。
除了riff cunk可以嵌套其他的chunk外，另一个可以有subchunk的就是list chunk。
上图中，首先是riff文件必须的riff chunk，其数据域又包含有两个subchunk，其中一个subchunk的类型为list，该list chunk又包含了两个subchunk。
fourcc
fourcc 全称为four-character codes，是一个4字节32位的标识符，通常用来标识文件的数据格式。例如，在音视频播放器中，可以通过 文件的fourcc来决定调用那种codec进行视音频的解码。例如：div3,div4,divx,h264等，对于音频则有：wav,mp3等。对于上面的riff文件，则有：riff,wave,fmt,data等。fourcc是4个ascii字符，不足四个字符的则在最后补充空格（不是空字符）。比如，fourcc fmt，实际上是’f’ ‘m’ ‘t’ ‘ ‘。
fourcc的生成通常可以使用如下宏：
#define make_fourcc(a,b,c,d) \ ( ((uint32_t)d) | ( ((uint32_t)c) << 8 ) | ( ((uint32_t)b) << 16 ) | ( ((uint32_t)a) << 24 ) )
在程序 中还是不要使用太长的宏为好，在c++中可以使用模板和enum结合的方式。来保证在编译时期就能够将fourcc生成出来。
#define fourcc uint32_t
template <char ch0, char ch1, char ch2, char ch3> struct makefourcc{ enum { value = (ch0 << 0) + (ch1 << 8) + (ch2 << 16) + (ch3 << 24) }; };
fourcc fourcc_fmt = makefourcc<'f', 'm', 't', ' '>::value;
将字符常量传入模板，在结构体中声明一个enum，编译器会在编译时期确定枚举值，这样就能给保证fourcc在编译就能生成出来。
wav file
wav 是microsoft开发的一种音频文件格式，它符合上面提到的riff文件格式标准，可以看作是riff文件的一个具体实例。既然wav符合riff规范，其基本的组成单元也是chunk。一个wav文件通常有三个chunk以及一个可选chunk，其在文件中的排列方式依次是：riff chunk，format chunk，fact chunk（附加块，可选），data chunk。
一个wav文件，首先是一个riff chunk；riff chunk又包含有format chunk，data chunk以及可选的fact chunk。各个chunk中字段的意义如下：
- riff chunk
- id
- fourcc 值为’r’ ‘i’ ‘f’ ‘f’
- size
- 其data字段中数据的大小 字节数
- data
- 包含其他的chunk
- format chunk
- id
- fourcc 值为 ‘f’ ‘m’ ‘t’ ‘ ‘
- size
- 数据字段包含数据的大小。如无扩展块，则值为16；有扩展块，则值为= 16 + 2字节扩展块长度 + 扩展块长度或者值为18（只有扩展块的长度为2字节，值为0）
- data
存放音频格式、声道数、采样率等信息
format_tag
2字节，表示音频数据的格式。如值为1，表示使用pcm格式。
channels
2字节，声道数。值为1则为单声道，为2则是双声道。
samples_per_sec
采样率，主要有22.05khz，44.1khz和48khz。
bytes_per sec
音频的码率，每秒播放的字节数。samples_per_sec * channels * bits_per_sample / 8，可以估算出使用缓冲区的大小
block_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)
- id
- fourcc 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 chunk
- id
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。
到此这篇关于riff和wave音频文件格式的文章就介绍到这了,更多相关riff和wave音频格式内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！
