Question

我发现在样本开始之前假设所有PCM wav音频文件都有44个字节的标题数据是危险的。虽然这很常见，但许多应用程序（例如ffmpeg）将生成带有46字节标头的wav，并忽略此事实，而处理将导致文件损坏且不可读。但是，如何判断标题实际存在多长时间？

显然有一种方法可以做到这一点，但我搜索并发现很少有关于此的讨论。根据作者自己的背景，很多音频项目假设44（或相反，46）。

Answer 1

您应该检查所有标题数据以查看实际大小。广播波格式文件将包含更大的扩展子块。来自Pro Tools的WAV和AIFF文件具有更多未扩展的扩展块以及音频后的数据。如果您想确定样本数据的开始和结束位置，您需要实际查找数据块（WAV文件的“数据”和AIFF的“SSND”）。

作为评论，所有WAV子块都符合以下格式：

Subchunk Descriptor (4 bytes)
    Subchunk Size (4 byte integer, little endian)
    Subchunk Data (size is Subchunk Size)

这很容易处理。您需要做的就是读取描述符，如果它不是您要查找的描述符，请读取数据大小并跳到下一个。一个简单的Java例程就是这样的：

//
// Quick note for people who don't know Java well:
// 'in.read(...)' returns -1 when the stream reaches
// the end of the file, so 'if (in.read(...) < 0)'
// is checking for the end of file.
//
public static void printWaveDescriptors(File file)
        throws IOException {
    try (FileInputStream in = new FileInputStream(file)) {
        byte[] bytes = new byte[4];

        // Read first 4 bytes.
        // (Should be RIFF descriptor.)
        if (in.read(bytes) < 0) {
            return;
        }

        printDescriptor(bytes);

        // First subchunk will always be at byte 12.
        // (There is no other dependable constant.)
        in.skip(8);

        for (;;) {
            // Read each chunk descriptor.
            if (in.read(bytes) < 0) {
                break;
            }

            printDescriptor(bytes);

            // Read chunk length.
            if (in.read(bytes) < 0) {
                break;
            }

            // Skip the length of this chunk.
            // Next bytes should be another descriptor or EOF.
            int length = (
                  Byte.toUnsignedInt(bytes[0])
                | Byte.toUnsignedInt(bytes[1]) << 8
                | Byte.toUnsignedInt(bytes[2]) << 16
                | Byte.toUnsignedInt(bytes[3]) << 24
            );
            in.skip(Integer.toUnsignedLong(length));
        }

        System.out.println("End of file.");
    }
}

private static void printDescriptor(byte[] bytes)
        throws IOException {
    String desc = new String(bytes, "US-ASCII");
    System.out.println("Found '" + desc + "' descriptor.");
}

例如，这里有一个随机的WAV文件：

Found 'RIFF' descriptor.
Found 'bext' descriptor.
Found 'fmt ' descriptor.
Found 'minf' descriptor.
Found 'elm1' descriptor.
Found 'data' descriptor.
Found 'regn' descriptor.
Found 'ovwf' descriptor.
Found 'umid' descriptor.
End of file.

值得注意的是，这里'fmt'和'data'合法地出现在其他块之间，因为Microsoft's RIFF specification表示子块可以按任何顺序出现。甚至我所知道的一些主要音频系统也会出错，并没有考虑到这一点。

因此，如果要查找某个块，请遍历文件检查每个描述符，直到找到您要查找的那个。

Answer 2

诀窍是查看“Subchunk1Size”，它是从头的字节16开始的4字节整数。在正常的44字节wav中，此整数将为16 [10,0,0,0]。如果它是一个46字节的标题，如果有额外的可扩展元数据，那么这个整数将是18 [12,0,0,0]甚至更高（罕见？）。

额外数据本身（如果存在）从字节36开始。

因此，检测标头长度的简单C＃程序如下所示：

static void Main(string[] args)
{
    byte[] bytes = new byte[4];
    FileStream fileStream = new FileStream(args[0], FileMode.Open, FileAccess.Read);
    fileStream.Seek(16, 0);
    fileStream.Read(bytes, 0, 4);
    fileStream.Close();
    int Subchunk1Size = BitConverter.ToInt32(bytes, 0);

    if (Subchunk1Size < 16)
        Console.WriteLine("This is not a valid wav file");
    else
        switch (Subchunk1Size)
        {
            case 16:
                Console.WriteLine("44-byte header");
                break;
            case 18:
                Console.WriteLine("46-byte header");
                break;
            default:
                Console.WriteLine("Header contains extra data and is larger than 46 bytes");
                break;
        }
}

Answer 3

除了Radiodef的优秀回复之外，我还想添加3件不太明显的东西。

WAV文件的唯一规则是FMT块在DATA块之前。除此之外，你会发现在开始时，在DATA块之前和之后都不知道的块。您必须读取每个块的标题才能跳过以查找下一个块。
FMT块通常在16字节和18字节变体中找到，但规范实际上也允许超过18个字节。如果FMT大块＆＃39;标题大小字段大于16，字节17和18还指定了多少额外字节，因此如果它们都为零，则最终得到一个18字节的FMT块，与16字节的字节相同。只读取FMT块的前16个字节并解析它们是安全的，而忽略了它们。为什么这很重要？ - 不多了，但Windows XP的媒体播放器能够播放16位WAV文件，但只有当FMT块是扩展（18+字节）版本时才能播放24位WAV文件。曾经有很多抱怨说Windows不能播放我的24位WAV文件＆＃34;但是如果它有一个18字节的FMT块，它会...微软在某些时候修复了在Windows 7的早期阶段，所以24位的16字节FMT文件现在工作正常。
（新增）奇数尺寸的块尺寸经常发生。主要是在制作24位单声道文件时看到的。从规范中不清楚，但是块大小指定了实际数据长度（奇数值），并且在块之后和下一个块开始之前添加了填充字节（零）。所以块总是从偶数边界开始，但块大小本身存储为实际的奇数值。

如何检测WAV文件是否具有44或46字节的标头？

3 个答案: