正确读取 .wav 文件中的样本

Posted 2023-02-25

【中文标题】正确读取 .wav 文件中的样本

【英文标题】：Correct reading of samples from .wav file

【发布时间】：2021-05-15 01:09:35

【问题描述】：

我正在尝试正确读取 WAVE 文件、PCM、单声道、16 位（每个样本 2 个字节）。我设法阅读了标题。问题是读取（写入）data部分。

据我了解，数据块中的 16 位样本是 little-endian，并且“拆分”为两个 8 位的块。所以对我来说，读取正确数据的方法应该是：

读取文件并将块放入两个不同的int8_t 变量（或std::vector<int8_t>..） 以某种方式“加入”这两个变量以生成 int16_t 并能够对其进行处理。

问题是我不知道如何处理 little-endianness 以及这些样本不是无符号的事实，所以我不能使用

这是我做过的测试之一，没有成功：

int8_t buffer[], firstbyte,secondbyte;
int16_t result;
std::vector<int16_t> data;
while(Read bytes and put them in buffer)
for (int j=0;j<bytesReadFromTheFile;j+=2)
                    firstbyte = buffer[j];
                    secondbyte = buffer[j+1];
                    result = (firstbyte);
                    result = (result << 8)+secondbyte; //shift first byte and add second
                    data.push_back(result);
                

---

说得更详细些，我用的是网上找到的这段代码，并从它开始创建了一个类（过程是一样的，但是类的配置很长，有很多没有的特性） t 对这个问题有用）：

#include <iostream>
#include <string>
#include <fstream>
#include <cstdint>

using std::cin;
using std::cout;
using std::endl;
using std::fstream;
using std::string;

typedef struct  WAV_HEADER

    /* RIFF Chunk Descriptor */
    uint8_t         RIFF[4];        // RIFF Header Magic header
    uint32_t        ChunkSize;      // RIFF Chunk Size
    uint8_t         WAVE[4];        // WAVE Header
    /* "fmt" sub-chunk */
    uint8_t         fmt[4];         // FMT header
    uint32_t        Subchunk1Size;  // Size of the fmt chunk
    uint16_t        AudioFormat;    // Audio format 1=PCM,6=mulaw,7=alaw,     257=IBM Mu-Law, 258=IBM A-Law, 259=ADPCM
    uint16_t        NumOfChan;      // Number of channels 1=Mono 2=Sterio
    uint32_t        SamplesPerSec;  // Sampling Frequency in Hz
    uint32_t        bytesPerSec;    // bytes per second
    uint16_t        blockAlign;     // 2=16-bit mono, 4=16-bit stereo
    uint16_t        bitsPerSample;  // Number of bits per sample
    /* "data" sub-chunk */
    uint8_t         Subchunk2ID[4]; // "data"  string
    uint32_t        Subchunk2Size;  // Sampled data length
 wav_hdr;

// Function prototypes
int getFileSize(FILE* inFile);

int main(int argc, char* argv[])

    wav_hdr wavHeader;
    int headerSize = sizeof(wav_hdr), filelength = 0;

    const char* filePath;
    string input;
    if (argc <= 1)
    
        cout << "Input wave file name: ";
        cin >> input;
        cin.get();
        filePath = input.c_str();
    
    else
    
        filePath = argv[1];
        cout << "Input wave file name: " << filePath << endl;
    

    FILE* wavFile = fopen(filePath, "r");
    if (wavFile == nullptr)
    
        fprintf(stderr, "Unable to open wave file: %s\n", filePath);
        return 1;
    

    //Read the header
    size_t bytesRead = fread(&wavHeader, 1, headerSize, wavFile);
    cout << "Header Read " << bytesRead << " bytes." << endl;
    if (bytesRead > 0)
    
        //Read the data
        uint16_t bytesPerSample = wavHeader.bitsPerSample / 8;      //Number     of bytes per sample
        uint64_t numSamples = wavHeader.ChunkSize / bytesPerSample; //How many samples are in the wav file?
        static const uint16_t BUFFER_SIZE = 4096;
        int8_t* buffer = new int8_t[BUFFER_SIZE];
        while ((bytesRead = fread(buffer, sizeof buffer[0], BUFFER_SIZE / (sizeof buffer[0]), wavFile)) > 0)
        
            * /** DO SOMETHING WITH THE WAVE DATA HERE **/ *
            cout << "Read " << bytesRead << " bytes." << endl;
        
        delete [] buffer;
        buffer = nullptr;
        filelength = getFileSize(wavFile);

        cout << "File is                    :" << filelength << " bytes." << endl;
        cout << "RIFF header                :" << wavHeader.RIFF[0] << wavHeader.RIFF[1] << wavHeader.RIFF[2] << wavHeader.RIFF[3] << endl;
        cout << "WAVE header                :" << wavHeader.WAVE[0] << wavHeader.WAVE[1] << wavHeader.WAVE[2] << wavHeader.WAVE[3] << endl;
        cout << "FMT                        :" << wavHeader.fmt[0] << wavHeader.fmt[1] << wavHeader.fmt[2] << wavHeader.fmt[3] << endl;
        cout << "Data size                  :" << wavHeader.ChunkSize << endl;

        // Display the sampling Rate from the header
        cout << "Sampling Rate              :" << wavHeader.SamplesPerSec << endl;
        cout << "Number of bits used        :" << wavHeader.bitsPerSample << endl;
        cout << "Number of channels         :" << wavHeader.NumOfChan << endl;
        cout << "Number of bytes per second :" << wavHeader.bytesPerSec << endl;
        cout << "Data length                :" << wavHeader.Subchunk2Size << endl;
        cout << "Audio Format               :" << wavHeader.AudioFormat << endl;
        // Audio format 1=PCM,6=mulaw,7=alaw, 257=IBM Mu-Law, 258=IBM A-Law, 259=ADPCM

        cout << "Block align                :" << wavHeader.blockAlign << endl;
        cout << "Data string                :" << wavHeader.Subchunk2ID[0] << wavHeader.Subchunk2ID[1] << wavHeader.Subchunk2ID[2] << wavHeader.Subchunk2ID[3] << endl;
    
    fclose(wavFile);
    return 0;


// find the file size
int getFileSize(FILE* inFile)

    int fileSize = 0;
    fseek(inFile, 0, SEEK_END);

    fileSize = ftell(inFile);

    fseek(inFile, 0, SEEK_SET);
    return fileSize;

问题出在 /** DO SOMETHING WITH THE WAVE DATA HERE **/ 中。我不知道如何获取样本值。

【问题讨论】：

嗯，对于初学者，您需要以二进制模式打开 WAV 文件，而不是文本模式。更重要的是，您不应该假设您设置的 wav_hdr 是所有 WAV 文件的格式。可能存在其他子块。甚至fmt 子块的内容也是动态的。您拥有的唯一保证是fmt 出现在data 之前。您需要一次读取一个子块的 WAV 文件，查看每个子块的类型，根据需要解析其数据，并忽略您不关心的任何子块。您需要对 RIFF 格式的实际工作原理进行更多研究。

wav_hdr 结构适用于我正在使用的特定文件。问题是读取数据，以便对其进行处理。读完header，data subchunk应该是“连续的”吧？还是我需要关心它里面的其他东西？

result = (result << 8)+secondbyte; 正在使用大端，而不是小端。它可能需要一些强制转换才能将所有内容转换为无符号。

@MarkRansom 这样的东西可以工作吗？ uint16_t result=(uint8_t)secondbyte;result = (result << 8)+(uint8_t)firstbyte;data.push_back(result);

可能，最好的方法是尝试一下，看看会发生什么。这就是我最终会做的事情。

【参考方案1】：

我是一名 Java 程序员，不是 C++，但我经常处理这个问题。

PCM 数据按帧组织。如果是单声道、小端序、16 位，则第一个字节将是值的下半部分，第二个字节将是上半部分并包括符号位。 Big-endian 将反转字节。如果是立体声，则在继续下一帧之前，完整的帧（我认为它是从左到右，但我不确定）完整呈现。

我对所有显示的代码感到惊讶。在 Java 中，对于编码为有符号值的 PCM，以下内容就足够了：

public short[] fromBufferToPCM(short[] audioPCM, byte[] buffer)

    for (int i = 0, n = buffer.length; i < n; i += 2)
    
        audioPCM[i] = (buffer[i] & 0xff) | (buffer[i + 1] << 8);
    

    return audioBytes;

IDK 如何将其直接转换为 C++，但我们只是将两个字节 OR-ing 在一起，第二个字节首先向左移动 8 位。纯移位拾取符号位。 （我不记得为什么要包含 & 0xff ——我很久以前写过这个并且它有效。）

很好奇为什么 cmets 中有这么多答案而不是作为答案发布。我认为 cmets 是为了要求澄清 OP 的问题。