我正在尝试用Java编写一些基本的声音编辑程序，但是我的16位WAVE文件格式遇到了很多麻烦。
当我问Java它认为我的声音文件有多少样本时，它给了我一个我预期的两倍的数字。当我告诉Java生成80000字节样本的正弦波时，它播放1秒而不是2秒（即使采样率约为每秒40000）。
经过一些搜索，我意识到我的文件的“帧大小”是2，“样本”实际上是2个字节而不是1个，这被称为16位音频文件。作为实验，我将声音文件写入一个字节数组，将每隔一个字节设置为0，然后播放结果。当我只保留奇数样本时，声音文件会播放一些静态噪音。当我只保留偶数时，静态噪声就会在没有声音文件的情况下自行播放。这让我觉得偶数字节包含奇数字节中静态的精确倒数，其中包含要播放的实际声音。当一起回放时，偶数字节使奇数字节中的静态静音，这增加了声音的保真度。
This website对16位声音编码的基础知识有很好的解释。但是，对我来说，继续开始逐字节编辑文件并不是很好。如何在保持较高保真度的同时对16位（或更大）声音文件进行逐字节编辑？对每个样本16位而不是仅仅8位编码声音的公式是什么？
答案 0 :(得分：0)
如何对16位（或更大）声音文件进行逐字节编辑...？
这个问题没有任何意义。当你说“逐字节编辑”时，你真的应该说“逐个样本”。在这种情况下，每个样本都是16位（或两个字节），将样本分开是没有意义的。这就像尝试在文本编辑器中仅编辑每个字母的上半部分一样。
数字音频流的单个通道是一系列数字（例如，样本）。每个样本表示在某个时刻由声波施加在麦克风振膜上的压力。在8位声音文件中，只有256个可能的值，而在16位声音文件中，有65536个可能的值。 16位文件的分辨率要高得多。
这让我觉得偶数字节包含奇数字节中静态的精确倒数，其中包含要播放的实际声音。
有一个真实的核心。信号处理中“噪声”的定义是您听到的内容与您想要听到的内容之间的差异。当你将所有奇数字节清零时，你正在踩踏每个样本的低阶。通过更改样本，您引入了一些您不想听到的内容（即噪音）。当你将偶数字节清零时，你会杀死所有高阶位，因此杀死了大部分信号。保留在低位字节中的是您在第一次实验中引入的噪声的精确倒数。 （你的耳朵无法分辨出给定声波与同一声波的倒数之间的差异。）
样本值与压力之间没有绝对映射，但您应该知道以下几点：
1）样品是签名还是未签名？每个样本的值必须介于最小值和最大值之间。如果（16位）采样有符号，则最小值为-32768（0x8000），最大值为32767（0x7FFF），0位于中间。如果样本是无符号的，则最小值为0，最大值为65535（0xFFFF）。弄错了，你会马上知道，因为你会听到的只是巨大的噪音。
2）样品是否呈线性？样本值始终与某些内容成比例。如果它们与声压级成正比，则称为“线性编码”。但它们可能与声压的对数或声压的某些其他函数成比例。非线性编码几乎总是8位，并且它们通常仅在诸如电话之类的专门应用中遇到。如果您正在处理16位或更大的样本，那么它们几乎肯定是线性的。