audio - .wav 文件中的字节代表什么？

Question

当我将 .wav 文件中的数据存储到字节数组中时，这些值是什么意思？
我已经读到它们采用两字节表示形式，但是这些两字节值中究竟包含什么？

Answer 1

您可能听说过，音频信号是由某种波表示的。如果您曾经看过这种带有上下线的波形图 - 这基本上就是这些文件中的内容。看看来自 http://en.wikipedia.org/wiki/Sampling_rate 的这张文件图片



您会看到您的音频波(灰线)。该波的当前值被重复测量并以数字形式给出。这就是这些字节中的数字。有两个不同的东西可以用它来调整:你每秒进行的测量次数(这是采样率，以赫兹为单位——这是你每秒抓取的次数)。另一个调整是您测量的精确度。在 2 字节的情况下，一次测量需要两个字节(通常是从 -32768 到 32767 的值)。因此，通过那里给出的这些数字，您可以重新创建原始波形(当然，质量有限，但以数字方式存储内容时总是如此)。重新创建原始波形是您的扬声器在播放时尝试执行的操作。

还有一些你需要知道的事情。首先，由于它是两个字节，您需要知道字节顺序(大端、小端)以正确重新创建数字。其次，您需要知道您有多少个 channel ，以及它们是如何存储的。通常您会有单声道(一个 channel )或立体声(两个)，但也可能有更多。如果您有多个 channel ，您需要知道它们是如何存储的。通常你会让它们交错，这意味着你会在每个时间点为每个 channel 获得一个值，然后为下一个时间点获得所有值。

举例说明:如果您有两个 channel 的 8 字节数据和 16 位数字:

abcdefgh

这里 a和 b将构成第一个 16 位数字，即 channel 1 的第一个值， c和 d将是 channel 2 的第一个数字。 e和 f是 channel 1 的第二个值， g和 h channel 2 的第二个值。在那里你不会听到太多，因为那不会接近一秒的数据......

如果你把你拥有的所有信息放在一起，你就可以计算出你拥有的比特率，也就是记录器每秒生成多少位信息。在我们的示例中，您在每个样本上为每个 channel 生成 2 个字节。如果有两个 channel ，那就是 4 个字节。您每秒需要大约 44000 个样本来表示人类通常可以听到的声音。所以你最终会得到每秒 176000 字节，也就是每秒 1408000 位。

当然，它不是 2 位值，而是两个 2 字节值，否则质量会非常差。