WAV文件格式分析详解

WAV文件格式分析详解 WAV文件格式分析详解 一、综述 WAVE文件作为多媒体中使用的声波文件格式之一，它是以RIFF格式为标准的。 RIFF是英文Resource Interchange File Format的缩写，每个WAVE文件的 头四个字节便是“RIFF”。 WAVE文件是由若干个Chunk组成的。按照在文件中的出现位置包括:RIFF WAVE Chunk, Format Chunk, Fact Chunk(可选), Data Chunk。具体见下图: ------------------------------------------------ | RIFF WAVE Chunk | | ID = 'RIFF' | | RiffType = 'WAVE' | ------------------------------------------------ | Format Chunk | | ID = 'fmt ' | ------------------------------------------------ | Fact Chunk(optional) | | ID = 'fact' | ------------------------------------------------ | Data Chunk | | ID = 'data' | ------------------------------------------------ 图1 Wav格式包含Chunk示例 其中除了Fact Chunk外，其他三个Chunk是必须的。每个Chunk有各自的ID，位于Chunk最开始位置，作为标示，而且均为4个字节。并且紧跟在ID后面的是Chunk大小(去除ID和Size所占的字节数后剩下的其他字节数目)，4个字节表示，低字节表示数值低位，高字节表示数值高位。下面具体介绍各个 Chunk内容。 PS: 所有数值表示均为低字节表示低位，高字节表示高位。 二、具体介绍 RIFF WAVE Chunk ================================== | |所占字节数| 具体内容 | ================================== | ID | 4 Bytes | 'RIFF' | ---------------------------------- | Size | 4 Bytes | | ---------------------------------- | Type | 4 Bytes | 'WAVE' | ---------------------------------- 图2 RIFF WAVE Chunk 以'FIFF'作为标示，然后紧跟着为size字段，该size是整个wav文件大小 减去ID和Size所占用的字节数，即FileLen - 8 = Size。然后是Type字段， 为'WAVE'，表示是wav文件。 结构定义如下: struct RIFF_HEADER { char szRiffID[4]; // 'R','I','F','F' DWORD dwRiffSize; char szRiffFormat[4]; // 'W','A','V','E' }; Format Chunk =============================================================== | | 字节数 | 具体内 容 | ================================================================= | ID | 4 Bytes | 'fmt ' | ----------------------------------------------------------------- | Size | 4 Bytes | 数值为16或18，18则最后又附加信 息 | ----------------------------------------------------------- ---- | FormatTag | 2 Bytes | 编码方式，一般为 0x0001 | | -------------------------------------------------------------------- | | Channels | 2 Bytes | 声道数目，1--单声道;2--双声 道 | | -------------------------------------------------------------------- | | SamplesPerSec | 4 Bytes | 采样频 率 | | -------------------------------------------------------------------- | | AvgBytesPerSec| 4 Bytes | 每秒所需字节 数 | |===> WAVE_FORMAT -------------------------------------------------------------------- | | BlockAlign | 2 Bytes | 数据块对齐单位(每个采样需要的字节数) | | ----------------------------------------------------------------- --- | | BitsPerSample | 2 Bytes | 每个采样需要的bit 数 | | ----------------------------------------------------------------- --- | | | 2 Bytes | 附加信息(可选，通过Size来判断有无) | | ----------------------------------------------------------------- --- ---- 图3 Format Chunk 以'fmt '作为标示。一般情况下Size为16，此时最后附加信息没有;如果为18 则最后多了2个字节的附加信息。主要由一些软件制成的wav格式中含有该2个字节的 附加信息。 结构定义如下: struct WAVE_FORMAT { WORD wFormatTag; WORD wChannels; DWORD dwSamplesPerSec; DWORD dwAvgBytesPerSec; WORD wBlockAlign; WORD wBitsPerSample; }; struct FMT_BLOCK { char szFmtID[4]; // 'f','m','t',' ' DWORD dwFmtSize; WAVE_FORMAT wavFormat; }; Fact Chunk ================================== | |所占字节数| 具体内容 | ================================== | ID | 4 Bytes | 'fact' | ---------------------------------- | Size | 4 Bytes | 数值为4 | ---------------------------------- | data | 4 Bytes | | ---------------------------------- 图4 Fact Chunk Fact Chunk是可选字段，一般当wav文件由某些软件转化而成，则包含该Chunk。 结构定义如下: struct FACT_BLOCK { char szFactID[4]; // 'f','a','c','t' DWORD dwFactSize; }; Data Chunk ================================== | |所占字节数| 具体内容 | ================================== | ID | 4 Bytes | 'data' | ---------------------------------- | Size | 4 Bytes | | ---------------------------------- | data | | | ---------------------------------- 图5 Data Chunk Data Chunk是真正保存wav数据的地方，以'data'作为该Chunk的标示。然后是 数据的大小。紧接着就是wav数据。根据Format Chunk中的声道数以及采样bit数， wav数据的bit位置可以分成以下几种形式: ----------------------------------------------------------------- ---- | 单声道 | 取样1 | 取样2 | 取样3 | 取样4 | | |---------------------------------------------------- ---- | 8bit量化 | 声道0 | 声道0 | 声道0 | 声道0 | ----------------------------------------------------------------- ---- | 双声道 | 取样1 | 取样 2 | | |---------------------------------------------------- ---- | 8bit量化 | 声道0(左) | 声道1(右) | 声道0(左) | 声道 1(右) | ----------------------------------------------------------------- ---- | | 取样1 | 取样2 | | 单声 道 |-------------------------------------------------------- | 16bit量化 | 声道0 | 声道0 | 声道0 | 声道0 | | | (低位字节) | (高位字节) | (低位字节) | (高位字节) | ----------------------------------------------------------------- ---- | | 取样 1 | | 双声 道 |-------------------------------------------------------- | 16bit量化 | 声道0(左) | 声道0(左) | 声道1(右) | 声道1(右) | | | (低位字节) | (高位字节) | (低位字节) | (高位字 节) | ----------------------------------------------------------------- ---- 图6 wav数据bit位置安排方式 Data Chunk头结构定义如下: struct DATA_BLOCK { char szDataID[4]; // 'd','a','t','a' DWORD dwDataSize; }; 三、小结 因此，根据上述结构定义以及格式介绍，很容易编写相应的wav格式解析代码。 这里具体的代码就不给出了。 WAV文件格式研究笔记 WAV文件格式是(WAV From format)的简写。WAV是指文件格式，而数据编码格式是多样 的，目前微软提供的数据格式只有一种PCM -脉派编码调变(Pulse Code Modulation也就是最常见的无压缩WAV)。其他的数据格式有G.723.1、ACELP、CCITT A-Law、CCITT u-Law、TrueSpeed(TM)、GSM 6.10等，这些格式大多数是为电话或调制解调器等低速语音为主的设备而使用，它们一般采用比较窄的采样范围来产生比较大的压缩比，并没有统一标准。不在本文讨论范围。 ?RIFF文件和WAV文件格式 在Windows环境下，大部分的多媒体文件都依循着一种结构来存放信息，这种结构称为"资源互换文件格式"(Resources lnterchange File Format)，简称RIFF。例如声音的WAV文件、视频的AV1文件等等均是由此结构衍生出来的。RIFF可以看做是一种树状结构，其基本构成单位为chunk，犹如树状结构中的节点，每个chunk由"辨别码"、"数据大小"及"数据"所组成。 辨别码(ID)由4个ASCII码所构成，数据大小则标示出紧跟其后数据的长度(单位为Byte)，而数据大小本身也用掉4个Byte，所以事实上一个chunk的长度为数据大小加8。一般而言，chunk本身并不允许内部再包含chunk，但有两种例外，分别为以"RIFF"及"LIST"为辨别码的chunk。而针对此两种chunk，RIFF又从原先的"数据"中切出4个Byte。 此4个Byte称为"格式辨别码"，然而RIFF又规定文件中仅能有一个以"RIFF"为辨别码的chunk。 ?文件结构 WAV文件是chunk的集合，其中有两个chunk是不可缺少的，分别是“fmt”(format)和“data” 载的是音频数据。其他chunk，fmt装载的是wav文件的各项参数，如采样率。data chunk装 的chunk则是可选的。 所有音频应用程序必须能读取这两个主要的chunk，所有音频复制程序必须能复制所有chunk。 chunk在文件中的顺序是不受限制的，除了一条规则:fmt chunk必须在data chunk前面。 绝大部分人写程序的时候都以为fmt chunk必须放在文件的开头，紧跟riff标识。实际上这并不是必须的，因为微软白皮书没要求如此。但这样搞也没错。 下图显示一个简单的WAV文件结构 __________________________ | riff wave chunk | | groupid = 'riff' | | rifftype = 'wave' | | __________________ | | | format chunk | | | | ckid = 'fmt ' | | | |__________________| | | __________________ | | | sound data chunk | | | | ckid = 'data' | | | |__________________| | |__________________________| ?数据类型 所有数据存储在8bit字节中，按照intel 80x86 (ie, little endian)方式排列，多字节排列顺序如 下。 7 6 5 4 3 2 1 0 +-----------------------+ char: | lsb msb | +-----------------------+ 7 6 5 4 3 2 1 0 15 14 13 12 11 10 9 8 +-----------------------+-----------------------+ short: | lsb byte 0 | byte 1 msb | +-----------------------+-----------------------+ 7 6 5 4 3 2 1 0 15 14 13 12 11 10 9 8 23 22 21 20 19 18 17 16 31 30 29 28 27 26 25 24 +-----------------------+-----------------------+-----------------------+-----------------------+ long: | lsb byte 0 | byte 1 | byte 2 | byte 3 msb | +-----------------------+-----------------------+-----------------------+-----------------------+ ?采样频率，采样精度，声道数量 采样频率(sample rate):1秒钟采样的次数。采样次数越多，越能细分声音的频率。音质 越好。 采样精度(bit resolution):(采样精度、采样位数、采样值或取样值，随便你怎么叫) 用来描述每次采样结果的空间大小。也就是用多大的取值范围去描述一个采样点的值(振 幅)。精度越高，对声音的分辨力越强。 声道数量(channels):那就是声道数量... ?采样点和采样帧(sample point and sample frame) 采样点是描述某个时刻的声音样本。采样精度就是这个时间上声音的振幅可以用多大的取 值空间描述。16bit的采样精度取值范围是-32768 (0x8000)到32767 (0x7fff)。中点，也就是 静音点是0。但对于8bit的采样精度来说，范围却是从0-255，静音点在128。(为何有这样 的差异,问比盖去。他的人弄的) 因为cpu读数据都是用8bit的byte做单位。所以如果你用的是9-16bit的精度，每个采样点 用2byte。17-24bit用3byte，25-32bit就用4byte双word。按左对齐，空出的bit补(0pad部分)。 具体排列方式按下图。 ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ | | | | | | | | | | | | | | | | | | 1 0 1 0 0 0 0 1 0 1 1 1 0 0 0 0 | |___|___|___|___|___|___|___|___|___|___|___|___|___|___|___|___| <---------------------------------------------> <-------------> 12bit 采样点按照左对齐方式先排满左边 右面4bit补0(pad) 注意，根据intel little endian存储顺序，按byte为单位从左到右从小到大，因此存到介质上面 应该是下面这个顺序: ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ ___ | | | | | | | | | | | | | | | | | | | 0 1 1 1 0 0 0 0 | | 1 0 1 0 0 0 0 1 | |___|___|___|___|___|___|___|___| |___|___|___|___|___|___|___|___| <-------------> <-------------> <-----------------------------> bits 0 to 3 4 pad bits bits 4 to 11 如果当前的WAV文件是多声道的怎么办, 假如是2声道的，先放左边声道的采样点，然后放右面声道的。接着是下一个时刻的左声 道采样点。这样用两个采样点分别表示左右声道，在播放的时候同一时间播放出来。那么 一个时刻上的采样点的集合就成为采样帧。单声道文件每个采样帧包括1个采样点，两声道的采样帧就有2个采样点。如此类推。 sample sample sample frame 0 frame 1 frame n _____ _____ _____ _____ _____ _____ | ch1 | ch2 | ch1 | ch2 | . . . | ch1 | ch2 | |_____|_____|_____|_____| |_____|_____| _____ | | = one sample point |_____| 下面是大于两声道的情况下的排列标准。 channels 1 2 _________ _________ | left | right | stereo | | | |_________|_________| 1 2 3 _________ _________ _________ | left | right | center | 3 channel | | | | |_________|_________|_________| 1 2 3 4 _________ _________ _________ _________ | front | front | rear | rear | quad | left | right | left | right | |_________|_________|_________|_________| 1 2 3 4 _________ _________ _________ _________ | left | center | right | surround| 4 channel | | | | | |_________|_________|_________|_________| 1 2 3 4 5 6 _________ _________ _________ _________ _________ _________ | left | left | center | right | right |surround | 6 channel | center | | | center | | | |_________|_________|_________|_________|_________|_________| note:以上为无压缩WAVE格式排列方式。显然这样的方式可压缩空间很大(否则也不会跑出ape这类无损压缩格式了)。如果是有压缩格式，则不一定适用上述规则。 ?the format chunk format(fmt)chunk 描述了WAVEFROM数据的基本参数，例如采样频率，精度，声道数量等等。 #define formatid 'fmt ' /* chunkid for format chunk. note: 因为ID是4字节，所以fmt后面有个空格～切记 */ typedef struct ...{ id chunkid; long chunksize; short wformattag; unsigned short wchannels; unsigned long dwsamplespersec; unsigned long dwavgbytespersec; unsigned short wblockalign; unsigned short wbitspersample; /**//* note: there may be additional fields here, depending upon wformattag. */ } formatchunk; chunkid:永远是'fmt ' chunksize:大小，不包括chunkid和chunksize占用的8个字节，单位是byte wformattag:如果data chunk里面的数据是无压缩的话，那么每个采样帧和每个采样点的长度应该是固定并且符合上面的采样点规定的，但如果是有压缩的话，这就不一定了。wformattag就是用来标识是否有压缩的。在无压缩的情况下，wformattag的值是1，并且没有fmt chunk没有附加fields(further fields)。wformattag不等于1的其他情况下的处理方式要看微软网站。 wchannels:就是声道数量。1、2、3、4、6... dwsamplespersec:采样频率、每秒采样次数。单位赫兹。标准的取值如 11025, 22050, and 44100。 dwavgbytespersec:每秒采样数据的空间大小，也就是正常播放的话，每秒要读多少数据。用来方便程序评估留多大缓冲区。dwavgbytespersec的值必须根据下列公式。 dwavgbytespersec = round(dwsamplespersec * wblockalign) wblockalign:块对齐位，值从以下公式得出。 wblockalign = round(wchannels * (wbitspersample % 8)) 基本上说，wblockalign就等于采样帧大小。wbitspersample就是采样率。 每个合法的WAV文件都必须有唯一的一个fmt chunk。 ?data chunk 放声音数据的地方了。 #define dataid 'data' /* chunk id for data chunk */ typedef struct ...{ id chunkid; long chunksize; unsigned char waveformdata[]; } datachunk; chunkid:永远是data chunksize:不包括chunkid，和chunksize占用的8个字节。 waveformdata:这个数组里面每个元素就是一个采样帧，大小看wblockalign 每个合法的WAV文件都必须有唯一的一个data chunk。 运用多媒体WAV文件格式二三例 多媒体技术近年来发展很快，较好品质的声卡可以提供16位的立体声及44KHZ的播放录制能力，它不仅可以提供原音逼真的取样，其合成的音质也十分理想，有的声卡还加入了数字信号处理器，可编程控制的DSP具有强大的运算能力，它可以用来作声音信息的压缩和一些特殊效果的处理。具有此功能的声卡提供的WAV文件提供的语音信息可以满足语音特征识别的要求。 1.1 RIFF文件和WAV文件格式 在Windows环境下，大部分的多媒体文件都依循着一种结构来存放信息，这种结构称为"资源互换文件格式"(Resources lnterchange File Format)，简称RIFF。例如声音的WAV文件、视频的AV1文件等等均是由此结构衍生出来的。RIFF可以看做是一种树状结构，其基本构成单位为chunk，犹如树状结构中的节点，每个chunk由"辨别码"、"数据大小"及"数据"所组成。 辨别码由4个ASCII码所构成，数据大小则标示出紧跟其后数据的长度(单位为Byte)，而数据大小本身也用掉4个Byte，所以事实上一个chunk的长度为数据大小加8。一般而言，chunk本身并不允许内部再包含chunk，但有两种例外，分别为以"RIFF"及"L1ST"为辨别码的chunk。而针对此两种chunk，RIFF又从原先的"数据"中切出4个Byte。 此4个Byte称为"格式辨别码"，然而RIFF又规定文件中仅能有一个以"RIFF"为辨别码的chunk。 只要依循此一结构的文件，我们均称之为RIFF档。此种结构提供了一种系统化的分类。如果和MS一DOS文件系统作比较，"RIFF"chunk就好比是一台硬盘的根目录，其格式辨别码便是此硬盘的逻辑代码(C:或D:)，而"L1ST"chunk即为其下的子目录，其他的chunk则为一般的文件。至于在RIFF文件的处理方面，微软提供了相关的函数。视窗下的各种多媒体文件格式就如同在磁盘机下规定仅能放怎样的目录，而在该目录下仅能放何种数据。 WAV为WAVEFORM(波形)的缩写。声音文件的结构如图1所示，"RIFF"的格式辨别码为"WAVE"。整个文件由两个chunk所组成: 辨别码"fmt"(注意，最后一个是空白字符!)及"data"。 在"fmt"的chunk下包含了一个PCMWAVEFORMAT数据结构，其定义如下: typedef struct pcmwaveformat - tag { WAVEFORMAT wf ; WORD wBitsPerSample; } PCMWAVEFORMAT; typedef struct waveformat - tag { WORD wFormatTag ; WORD nChannels; DWORD nSamplesPerSec; Sec; DWORD nAvgBytesper WORD nBlockAlign; } WAVEFORMAT; 其意义分别为: wFormatTag:着此声音的格式代号，例如WAVE_FORMAT_PCM，WAVE_F0RAM_ADPCM等等。 nChannels:记录声音的频道数。 nSamp1esPerSec:记录每秒取样数。 nAvgBytesPerSec:记录每秒的数据量。 nBlockA1ign:记录区块的对齐单位。 wBitsPerSample:记录每个取样所需的位元数。 "data"Chunk包含真正的声音数据。Window目前仅提供WAVE_FORMAT_PCM一种数据格式，所代表的意义是脉派编码调变 (Pu1se Code Modulation)。针对此格式，Windows定义了在"data"的chunk中数据的存放情形，图2中列出了四种不同频道数及 取样所需的位元数以及位元位置的安排。 "RIFF" 频道0 频道0 频道0 频道0 xxxx nChannels=1,wBitsPerSample=8 "WAVE" 频0(左) 频道1(右) 频道0(左) 频道1 (右) "fmt " nChannels=2,wBitsPerSample=8 sizeof(PCMWAVEFORMAT) struct of PCMWAVEFORMAT 频道0(低位) 频道0(高位) 频道0(低位)频道0(高位) "data" nChannels=1,wBitsPerSample=16 xxxx 频道0(低位) 频道0(高位) 频道0(低位)频道0(高位) (低位) (高位) (低位) (高位) wave form data nChannels=2,wBitsPerSample=16 图1 WAV文件结构 图2 PCM文件中位元安排方式 第一排表示单声道8位元，第二排表示双声道8位元，第三排表示单声道16位元，第四排表示双声道16位元。8位元代表音量大小由8个位元所表示，16位元则代表音量大小由16个位元所表示。理论上8位元可以表示0,255，16位元可表示0,65536，不过windows却定16位元其值的范围从-32168,32167。此外尚有一点要注意的是，0并不一定代表无声，而是由中间的数值来决定，也就是在8位元时为128，16位元时为0才是无声。所以，若程序设计时需放入无声的数据，糯特别注意声音格式是16或是8位元，以放入适当的值。 1.2 WAV文件信息的具体应用 WAV文件中包括了对原始声音的高速率采样，并且以WAVE_PCM_FORMAT脉派编码调变格式，我们可以在VISUAL C++程序中实现，在读出WAVEHDR文件头之后，下面就是原始声音的高速率采样信息，我们可以对它作多方面的信息处理。 1.2.1 波形显示。 我们可以以时域-幅度的方式显示出原始声音的波形，这是最简单同时也是最直接的信息处理方式。在时域范围内，我们可以观察该信号波形是否连续，中间是否有跳变等。 1.2.2频谱显示 我们可以以频域-幅度的方式显示出原始声音的频谱，在对原始信号经过FFT变换之后，可以得到该信号的频谱，进而得到该信号的能量集中带，分布特征，谱对称系数等等。 1.2.3 用于语音信号识别 讲话者的个体识别是语音信号处理的一个重要内容，但它的一个前提条件是必须提供语音信号的数字波形，通常的方法是将原始的语音信号进行放大、抗混叠滤波、A/D采样、数值编码，最终得到语音信号的数字波形，通常多采用硬件处理，费时费力，如果我们借助非常成熟的声卡技术，将WAV文件打开，就非常方便地得到语音信号的数字波形，为下一步进行语音信号识别提供良好的前端预处理。 基于VisuaC++6.0的声音文件操作 声音是人类传递信息的重要途径，如果应用程序中包含声音信息，就可以大大增强它的亲合力;另外在科研开发过程中，声音信号的处理也是一个很重要的科学研究领域。Visual C++作为一个强大的开发工具，当然是声音处理的首选工具，但是在当前Visual C++相关的编程资料中，无论是大部头的参考书，还是一些计算机杂志，对声音文件的处理都是泛泛的涉及一下，许多编程爱好者都感到对该部分的内容了解不是很透彻，笔者结合自己的学习和开发过程中积累的一些经验，在本实例中来和广大编程爱好者们探讨一下声音文件的处理，当然本实例也不可能包括声音处理内容的方方面面，只是希望它能够对刚刚涉及到声音处理领域的朋友们起到一个引路的作用，帮助他们尽快进入声音处理的更深奥空间。 当前计算机系统处理声音文件有两种:一是使用现成的软件，如微软的录音机、SoundForge、CoolEdit等软件可以实现对声音信号进行录音、编辑、播放的处理，但它们的功能是有限的，为了更灵活，更大限度地处理声音数据，就不得不使用另外一种方法，既利用微软提供的多媒体服务，在Windows环境下自己编写程序来进行声音处理来实现一些特定的功能。下面就开始介绍声音文件的格式和在Windows环境下使用Visual C++开发工具进行声音文件编程处理的方法。 一、实现方法 1、RIFF文件结构和WAVE文件格式 Windows支持两种RIFF(Resource Interchange File Format,"资源交互文件格式")格式的音频文件:MIDI的RMID文件和波形音频文件格式WAVE文件，其中在计算机领域最常用的数字化声音文件格式是后者，它是微软专门为Windows系统定义的波形文件格式(Waveform Audio)，由于其扩展名为"*.wav"，因而该类文件也被称为WAVE文件。为了突出重点，有的放矢，本文涉及到的声音文件所指的就是WAVE文件。常见的WAVE语音文件主要有两种，分别对应于单声道(11.025KHz采样率、8Bit的采样值)和双声道(44.1KHz采样率、16Bit的采样值)。这里的采样率是指声音信号在进行"模?数"转换过程中单位时间内采样的次数。采样值是指每一次采样周期内声音模拟信号的积分值。对于单声道声音文件，采样数据为八位的短整数(short int 00H-FFH);而对于双声道立体声声音文件，每次采样数据为一个16位的整数(int)，高八位和低八位分别代表左右两个声道。WAVE文件数据块包含以脉冲编码调制(PCM)格式表示的样本。在进行声音编程处理以前，首先让我们来了解一下RIFF文件和WAVE文件格式。 RIFF文件结构可以看作是树状结构，其基本构成是称为"块"(Chunk)的单元，每个块有"标志符"、"数据大小"及"数据"所组成，块的结构如图1所示: 块的标志符(4BYTES) 数据大小 (4BYTES) 数据 图一、 块的结构示意图 从上图可以看出，其中"标志符"为4个字符所组成的代码，如"RIFF"，"LIST"等，指定块的标志ID;数据大小用来指定块的数据域大小，它的尺寸也为4个字符;数据用来描述具体的声音信号，它可以由若干个子块构成，一般情况下块与块是平行的，不能相互嵌套，但是有两种类型的块可以嵌套子块，他们是"RIFF"或"LIST"标志的块，其中RIFF块的级别最高，它可以包括LIST块。另外，RIFF块和LIST块与其他块不同，RIFF块的数据总是以一个指定文件中数据存储格式的四个字符码(称为格式类型)开始，如WAVE文件有一个"WAVE"的格式类型。LIST块的数据总是以一个指定列表内容的4个字符码(称为列表类型)开始，例如扩展名为".AVI"的视频文件就有一个"strl"的列表类型。RIFF和LIST的块结构如下: RIFF/LIST标志符 数据1大小 格式/列表类型 数据1 数据 图二、RIFF/LIST块结构 WAVE文件是非常简单的一种RIFF文件，它的格式类型为"WAVE"。RIFF块包含两个子块，这两个子块的ID分别是"fmt"和"data",其中"fmt"子块由结构PCMWAVEFORMAT所组成，其子块的大小就是sizeofof(PCMWAVEFORMAT),数据组成就是PCMWAVEFORMAT结构中的数据。W AVE文件的结构如下图三所示: 标志符(RIFF) 数据大小 格式类型("WAVE") "fmt" Sizeof(PCMWAVEFORMAT) PCMWAVEFORMAT "data" 声音数据大小 声音数据 图三、WAVE文件结构 PCMWAVEFORMAT结构定义如下: Typedef struct { WAVEFORMAT wf;//波形格式; WORD wBitsPerSample;//WAVE文件的采样大小; }PCMWAVEFORMAT; WAVEFORMAT结构定义如下: typedef struct { WORD wFormatag;//编码格式，包括WAVE_FORMAT_PCM，WAVEFORMAT_A DPCM等 WORD nChannls;//声道数，单声道为1，双声道为2; DWORD nSamplesPerSec;//采样频率; DWORD nAvgBytesperSec;//每秒的数据量; WORD nBlockAlign;//块对齐; }WAVEFORMAT; "data"子块包含WAVE文件的数字化波形声音数据，其存放格式依赖于"fmt"子块中wForma tTag成员指定的格式种类，在多声道WAVE文件中，样本是交替出现的。如16bit的单声道WA VE文件和双声道WAVE文件的数据采样格式分别如图四所示: 16位单声道: 采样二 „„ 采样一 高字节 低字节 高字节 低字节 „„ 16位双声道: „„ 采样一 右声道 „„ 左声道 高字节 低字节 高字节 低字节 „„ 图四、WAVE文件数据采样格式 2、声音文件的声音数据的读取操作 操作声音文件，也就是将WAVE文件打开，获取其中的声音数据，根据所需要的声音数据处理算法，进行相应的数学运算，然后将结果重新存储与WAVE格式的文件中去。可以使用CFILE类来实现读取操作，也可以使用另外一种方法，拿就是使用Windows提供的多媒体处理函数(这些函数都以mmino打头)。这里就介绍如何使用这些相关的函数来获取声音文件的数据，至于如何进行处理，那要根据你的目的来选择不同的算法了。WAVE文件的操作流程如下:1)调用mminoOpen函数来打开WAVE文件，获取HMMIO类型的文件句柄;2)根据WAVE文件的结构，调用mmioRead、mmioWrite和mmioSeek函数实现文件的读、写和定位操作;3)调用mmioClose函数来关闭WAVE文件。 下面的函数代码就是根据WAVE文件的格式，实现了读取双声道立体声数据，但是在使用下面的代码过程中，注意需要在程序中链接Winmm.lib库，并且包含头文件"Mmsystem.h"。 BYTE * GetData(Cstring *pString) //获取声音文件数据的函数，pString参数指向要打开的声音文件; { if (pString==NULL) return NULL; HMMIO file1;//定义HMMIO文件句柄; file1=mmioOpen((LPSTR)pString,NULL,MMIO_READWRITE); //以读写模式打开所给的WAVE文件; if(file1==NULL) { MessageBox("WAVE文件打开失败～"); Return NULL; } char style[4];//定义一个四字节的数据，用来存放文件的类型; mmioSeek(file1,8,SEEK_SET);//定位到WAVE文件的类型位置 mmioRead(file1,style,4); if(style[0]!='W'||style[1]!='A'||style[2]!='V'||style[3]!='E') //判断该文件是否为"WAVE"文件格式 { MessageBox("该文件不是WAVE格式的文件～"); Return NULL; } PCMWAVEFORMAT format; //定义PCMWAVEFORMAT结构对象，用来判断WAVE 文件格式; mmioSeek(file1,20,SEEK_SET); //对打开的文件进行定位，此时指向WAVE文件的PCMWAVEFORMAT结构的数据; mmioRead(file1,(char*)&format,sizeof(PCMWAVEFORMAT));//获取该结构的数据; if(format.wf.nChannels!=2)//判断是否是立体声声音; { MessageBox("该声音文件不是双通道立体声文件"); return NULL; } mmioSeek(file1,24+sizeof(PCMWAVEFORMAT),SEEK_SET); //获取WAVE文件的声音数据的大小; long size; mmioRead(file1,(char*)&size,4); BYTE *pData; pData=(BYTE*)new char[size];//根据数据的大小申请缓冲区; mmioSeek(file1,28+sizeof(PCMWAVEFORMAT),SEEK_SET);//对文件重新定位; mmioRead(file1,(char*)pData,size);//读取声音数据; mmioClose(file1, MMIO_FHOPEN);//关闭WAVE文件; return pData; } 3、使用MCI方法操作声音文件 WAVE声音文件一个最基本的操作就是将文件中的声音数据播放出来，用Windows提供的API函数BOOL sndPlaySound(LPCSTR lpszSound, UINT fuSound)可以实现小型WAV文件的播放，其中参数lpszSound 为所要播放的声音文件，fuSound为播放声音文件时所用的标志位。例如实现Sound.wav 文件的异步播放，只要调用函数sndPlaySound("c:\windows\Sound.wav",SND_ ASYNC)就可以了，由此可以看到sndPlaySound函数使用是很简单的。但是当WAVE文件大于100K时，这时候系统无法将声音数据一次性的读入内存，sndPlaySound函数就不能进行播放了。为了解决这个问题，你的一个选择就是用MCI方法来操作声音文件了。在使用MCI方法之前，首先需要在你开发的项目设置Project->Setting->Link->Object/library modules中加入winmm.lib。并在头文件中包括"mmsystem.h"头文件。 MicroSoft API提供了MCI(The Media Control Interface)的方法mciSendCommand()和mciSendString()来完成WAVE文件的播放，这里仅介绍mciSendCommand()函数的使用。 原型:DWORD mciSendCommand(UINT wDeviceID，UINT wMessage，DWORD dwParam1，DWORD dwParam2); 参数:wDeviceID:接受消息的设备ID; Message:MCI命令消息; wParam1:命令的标志位; wParam2:所使用参数块的指针 返值:调用成功，返回零;否则，返回双字中的低字存放有错误信息。 在使用MCI播放声音文件时，首先要打开音频设备，为此要定义MCI_OPEN_PARMS变量 OpenParms，并设置该结构的相应分量: OpenParms.lpstrDeviceType = (LPCSTR) MCI_DEVTYPE_WAVEFORM_AUD IO;//WAVE类型 OpenParms.lpstrElementName = (LPCSTR) Filename;//打开的声音文件名; OpenParms.wDeviceID = 0;//打开的音频设备的ID mciSendCommand (NULL, MCI_OPEN,MCI_WAIT | MCI_OPEN_TYPE | MCI_OPEN_TYPE_ID | MCI_OPEN_ELEMENT, (DWORD)(LPVOID) &OpenParms)函数调用发送MCI_OPEN命令后，返回的参数 OpenParms中成员变量的wDeviceID指明打开了哪个设备。需要关闭音频设备时只要调用mciSendCommand (m_wDeviceID, MCI_CLOSE, NULL, NULL)就可以了。 播放WAVE文件时，需要定义MCI_PLAY_PARMS变量PlayParms，对该变量进行如下设置:PlayParms.dwFrom = 0，这是为了指定从什么地方(时间)播放WAVE文件，设置好以后，调用函数mciSendCommand (m_wDeviceID, MCI_PLAY,MCI_FROM, (DWORD)(LPVOID)&PlayParms));就实现了WAVE声音文件的播放。 另外，调用mciSendCommand (m_wDeviceID, MCI_PAUSE, 0,(DWORD)(LPVOID)&PlayParms)实现了暂停功能。调用mciSendCommand (m_wDeviceID, MCI_STOP, NULL, NULL)实现停止功能等，可以看出，这些不同的功能实现都是依靠参数"Message"取不同的值来实现的。 不同的Message和dwParam1、dwParam2的组合还可以实现文件的 跳跃功能。如下面的代码实现了跳转到WAVE文件末端的操作:mciSendCommand (m_wDeviceID, MCI_SEEK, MCI_SEEK_TO _END, NULL)。 4、DirectSound操作WAVE文件的方法 MCI虽然调用简单，功能强大，可以满足声音文件处理的基本需要，但是MCI也有它的缺点，那就是它一次只能播放一个WAVE文件，有时在实际应用中，为了实现混音效果，需要同时播放两个或两个以上的WAVE文件时，就需要使用微软DirectX技术中的DirectSound了，该技术直接操作底层声卡设备，可以实现八个以上WAV文件的同时播放。 实现DirectSound需要以下几个步骤:1.创建及初始化DirectSound;2.设定应用程序的声音设备优先级别方式,一般为DSSCL_NORMAL;2. 将WAV文件读入内存,找到格式块、数据块位置及数据长度;3.创建声音缓冲区;4.载入声音数据;5.播放及停止: 二、编程步骤 1、 启动Visual C++6.0生成一个单文档视图结构的应用程序，将该程序命名为"playsound"; 2、 在程序的主菜单中添加"MCI Play"、"PlaySound"菜单，并使用Class Wizard添加相应的消息响应函说，分别用不同的方法来处理声音文件; 3、 在程序的"Link"设置中添加"dsound.lib、dxguid.lib、winmm.lib"库，程序的视图类中包含"mmsystem.h"文件，程序的Debug目录下添加待播放的声音文件"chimes.wav和sound.wav"; 4、 添加代码，编译运行程序; 三、程序代码 //////////////////////////////////////////////////// void CPlaysoundView::OnMciplay()//下面的代码实现了WAVE声音文件的播放: { // TODO: Add your command handler code here MCI_OPEN_PARMS mciOpenParms; MCI_PLAY_PARMS PlayParms; mciOpenParms.dwCallback=0; mciOpenParms.lpstrElementName="d:\\chimes.wav"; mciOpenParms.wDeviceID=0; mciOpenParms.lpstrDeviceType="waveaudio"; mciOpenParms.lpstrAlias=" "; PlayParms.dwCallback=0; PlayParms.dwTo=0; PlayParms.dwFrom=0; mciSendCommand(NULL,MCI_OPEN,MCI_OPEN_TYPE|MCI_OPEN_ELE MENT,(DWORD)(LPVOID)&mciOpenParms);//打开音频设备; mciSendCommand(mciOpenParms.wDeviceID,MCI_PLAY,MCI_WA IT,(DWORD)(LPVOID)&PlayParms);//播放WAVE声音文件; mciSendCommand(mciOpenParms.wDeviceID,MCI_CLOSE,NULL,NULL);//关闭音频 设备; } ////////////////////////////////////////////////////////////////////////////// /*下面的函数利用DirectSound技术实现了一个WAVE声音文件的播放(注意项目设置 中要包含"dsound.lib、dxguid.lib"的内容)，代码和注释如下:*/ void CPlaysoundView::OnPlaySound() { // TODO: Add your command handler code here LPVOID lpPtr1;//指针1; LPVOID lpPtr2;//指针2; HRESULT hResult; DWORD dwLen1,dwLen2; LPVOID m_pMemory;//内存指针; LPWAVEFORMATEX m_pFormat;//LPWAVEFORMATEX变量; LPVOID m_pData;//指向语音数据块的指针; DWORD m_dwSize;//WAVE文件中语音数据块的长度; CFile File;//Cfile对象; DWORD dwSize;//存放WAV文件长度; //打开sound.wav文件; if (!File.Open ("d://sound.wav", Cfile::modeRead |Cfile::shareDenyNone)) return ; dwSize = File.Seek (0, Cfile::end);//获取WAVE文件长度; File.Seek (0, Cfile::begin);//定位到打开的WAVE文件头; //为m_pMemory分配内存，类型为LPVOID，用来存放WAVE文件中的数据; m_pMemory = GlobalAlloc (GMEM_FIXED, dwSize); if (File.ReadHuge (m_pMemory, dwSize) != dwSize)//读取文件中的数据; { File.Close (); return ; } File.Close (); LPDWORD pdw,pdwEnd; DWORD dwRiff,dwType, dwLength; if (m_pFormat) //格式块指针 m_pFormat = NULL; if (m_pData) //数据块指针,类型:LPBYTE m_pData = NULL; if (m_dwSize) //数据长度,类型:DWORD m_dwSize = 0; pdw = (DWORD *) m_pMemory; dwRiff = *pdw++; dwLength = *pdw++; dwType = *pdw++; if (dwRiff != mmioFOURCC ('R', 'I', 'F', 'F')) return ;//判断文件头是否为"RIFF"字符; if (dwType != mmioFOURCC ('W', 'A', 'V', 'E')) return ;//判断文件格式是否为"WAVE"; //寻找格式块,数据块位置及数据长度 pdwEnd = (DWORD *)((BYTE *) m_pMemory+dwLength -4); bool m_bend=false; while ((pdw < pdwEnd)&&(!m_bend)) //pdw文件没有指到文件末尾并且没有获取到声音数据‎‎时继续; { dwType = *pdw++; dwLength = *pdw++; switch (dwType ) { case mmioFOURCC('f', 'm', 't', ' ')://如果为"fmt"标志; if (!m_pFormat)//获取LPWAVEFORMATEX结构数据; { if (dwLength < sizeof (WAVEFORMAT)) return ; m_pFormat = (LPWAVEFORMATEX) pdw; } break; case mmioFOURCC('d', 'a', 't', 'a')://如果为"data"标志; if (!m_pData || !m_dwSize) { m_pData = (LPBYTE) pdw;//得到指向声音数据块的指针; m_dwSize = dwLength;//获取声音数据块的长度; if (m_pFormat) m_bend=TRUE; } break; } pdw = (DWORD *)((BYTE *) pdw + ((dwLength + 1)&~1));//修改pdw指针，继续循环; } DSBUFFERDESC BufferDesc;//定义DSUBUFFERDESC结构对象; memset (&BufferDesc, 0, sizeof (BufferDesc)); BufferDesc.lpwfxFormat = (LPWAVEFORMATEX)m_pFormat; BufferDesc.dwSize = sizeof (DSBUFFERDESC); BufferDesc.dwBufferBytes = m_dwSize; BufferDesc.dwFlags = 0; HRESULT hRes; LPDIRECTSOUND m_lpDirectSound; hRes = ::DirectSoundCreate(0, &m_lpDirectSound, 0);//创建DirectSound对象; if( hRes != DS_OK ) return; m_lpDirectSound->SetCooperativeLevel(this->GetSafeHwnd(), DSSCL_NORMAL); //设置声音设备优先级别为"NORMAL"; //创建声音数据缓冲; LPDIRECTSOUNDBUFFER m_pDSoundBuffer; if (m_lpDirectSound->CreateSoundBuffer (&BufferDesc, &m_pDSoundBuffer, 0) == DS_OK) //载入声音数据，这里使用两个指针lpPtr1,lpPtr2来指向DirectSoundBuffer缓冲区的数据，这是为了处理大型WAVE文件而设计的。dwLen1,dwLen2分别对应这两个指针所指向的缓冲区的长‎‎度。 hResult=m_pDSoundBuffer->Lock(0,m_dwSize,&lpPtr1,&dwLen1,&lpPtr2,&dwLen2,0); if (hResult == DS_OK) { memcpy (lpPtr1, m_pData, dwLen1); if(dwLen2>0) { BYTE *m_pData1=(BYTE*)m_pData+dwLen1; m_pData=(void *)m_pData1; memcpy(lpPtr2,m_pData, dwLen2); } m_pDSoundBuffer->Unlock (lpPtr1, dwLen1, lpPtr2, dwLen2); } DWORD dwFlags = 0; m_pDSoundBuffer->Play (0, 0, dwFlags); //播放WAVE声音数据; } 四、小结 为了更好的说明DiretSound编程的实现，笔者使用了一个函数来实现所有的操作，当然读 者可以将上面的内容包装到一个类中，从而更好的实现程序的封装性，至于如何实现就不需要笔者多说了，真不明白的话，找本C++的书看看(呵呵)。如果定义了类，那么就可以一次声明多个对象来实现多个WAVE声音文件的混合播放。也许细心的读者朋友会发现，在介绍WAVE文件格式的时候我们介绍了PCMWAVEFORMAT结构，但是在代码的实现读取WAVE文件数据部分，我们使用的却是LPWAVEFORMATEX结构，那末是不是我们有错误呢,其实没有错，对于PCM格式的WAVE文件来说，这两个结构是完全一样的，使用LPWAVEFORMATEX结构不过是为了方便设置DSBUFFERDESC对象罢了。 操作WAVE声音文件的方法很多，灵活的运用它们可以灵活地操作WAVE文件，这些函数的详细用途读者可以参考MSDN。本实例只是对WAVE文件的操作作了一个肤浅的介绍，希望可以对读者朋友起到抛砖引玉的作用 。 wav文件格式分析详解 网上有一篇曹京写的《wav文件格式分析详解》已经介绍过wav文件格式，有兴趣的读者可以查阅。wav文件通常包含4段:RIFF、格式段、FACT段和数据段。 PCM数据就放在数据段。只要格式段设置的格式与数据段的数据一致，播放程序就可以正确解析。下面这个数组的数据其实就是一个最小的wav文件。 static const unsigned char wav_template[] = { // RIFF WAVE Chunk 0x52, 0x49, 0x46, 0x46, // "RIFF" 0x30, 0x00, 0x00, 0x00, // 总长度 整个wav文件大小减去ID和Size所占用的字节数 0x57, 0x41, 0x56, 0x45, // "WAVE" // Format Chunk 0x66, 0x6D, 0x74, 0x20, // "fmt " 0x10, 0x00, 0x00, 0x00, // 块长度 0x01, 0x00, // 编码方式 0x01, 0x00, // 声道数目 0x80, 0x3E, 0x00, 0x00, // 采样频率 0x00, 0x7D, 0x00, 0x00, // 每秒所需字节数=采样频率*块对齐字节 0x02, 0x00, // 数据对齐字节=每个样本字节数*声道数目 0x10, 0x00, // 样本宽度 // Fact Chunk 0x66, 0x61, 0x63, 0x74, // "fact" 0x04, 0x00, 0x00, 0x00, // 块长度 0x00, 0xBE, 0x00, 0x00, // Data Chunk 0x64, 0x61, 0x74, 0x61, // "data" 0x00, 0x00, 0x00, 0x00, // 块长度 }; 这个wav文件的数据长度为0。我们要增加PCM数据只要完成以下工作: 在数据段尾增加PCM数据; 修改数据段的块长度，修改RIFF段的总长度; 正确设置格式段的PCM参数。 样本长度可能不是8的整数倍，这时wav文件还是要求样本按照字节对齐。在一个样本中数据是左对齐的，右侧空位用0填充。 pcm2wav只考虑了样本长度是16位的情况。 如果有多个声道，wav文件要求先放样本1的各声道数据，再放样本2的各声道数据，依此类推。因为我没有碰到过处理多声道数据的需求，所以pcm2wav只考虑了单声道。 附上原文 作者:曹京 日期:2006年7月17日 一、综述 WAVE文件作为多媒体中使用的声波文件格式之一，它是以RIFF格式为标准的。 RIFF是英文Resource Interchange File Format的缩写，每个WAVE文件的头四个 字节便是“RIFF”。 WAVE文件是由若干个Chunk组成的。按照在文件中的出现位置包括:RIFF WAVE Chunk, Format Chunk, Fact Chunk(可选), Data Chunk。具体见下图: ------------------------------------------------ | RIFF WAVE Chunk | | ID = 'RIFF' | | RiffType = 'WAVE' | ------------------------------------------------ | Format Chunk | | ID = 'fmt ' | ------------------------------------------------ | Fact Chunk(optional) | | ID = 'fact' | ------------------------------------------------ | Data Chunk | | ID = 'data' | ------------------------------------------------ 图1 Wav格式包含Chunk示例 其中除了Fact Chunk外，其他三个Chunk是必须的。每个Chunk有各自的ID，位 于Chunk最开始位置，作为标示，而且均为4个字节。并且紧跟在ID后面的是Chunk大 小(去除ID和Size所占的字节数后剩下的其他字节数目)，4个字节表示，低字节 表示数值低位，高字节表示数值高位。下面具体介绍各个Chunk内容。 PS: 所有数值表示均为低字节表示低位，高字节表示高位。 二、具体介绍 RIFF WAVE Chunk ================================== | |所占字节数| 具体内容 | ================================== | ID | 4 Bytes | 'RIFF' | ---------------------------------- | Size | 4 Bytes | | ---------------------------------- | Type | 4 Bytes | 'WAVE' | ---------------------------------- 图2 RIFF WAVE Chunk 以'FIFF'作为标示，然后紧跟着为size字段，该size是整个wav文件大小减去ID 和Size所占用的字节数，即FileLen - 8 = Size。然后是Type字段，为'WAVE'，表 示是wav文件。 结构定义如下: struct RIFF_HEADER { char szRiffID[4]; // 'R','I','F','F' DWORD dwRiffSize; char szRiffFormat[4]; // 'W','A','V','E' }; Format Chunk ==================================================================== | | 字节数 | 具体内容 | ==================================================================== | ID | 4 Bytes | 'fmt ' | -------------------------------------------------------------------- | Size | 4 Bytes | 数值为16或18，18则最后又附加信息 | -------------------------------------------------------------------- ---- | FormatTag | 2 Bytes | 编码方式，一般为0x0001 | | -------------------------------------------------------------------- | | Channels | 2 Bytes | 声道数目，1--单声道;2--双声道 | | -------------------------------------------------------------------- | | SamplesPerSec | 4 Bytes | 采样频率 | | -------------------------------------------------------------------- | | AvgBytesPerSec| 4 Bytes | 每秒所需字节数 | |===> WAVE_FORMAT -------------------------------------------------------------------- | | BlockAlign | 2 Bytes | 数据块对齐单位(每个采样需要的字节数) | | -------------------------------------------------------------------- | | BitsPerSample | 2 Bytes | 每个采样需要的bit数 | | -------------------------------------------------------------------- | | | 2 Bytes | 附加信息(可选，通过Size来判断有无) | | -------------------------------------------------------------------- ---- 图3 Format Chunk 以'fmt '作为标示。一般情况下Size为16，此时最后附加信息没有;如果为18 则最后多了2个字节的附加信息。主要由一些软件制成的wav格式中含有该2个字节的 附加信息。 结构定义如下: struct WAVE_FORMAT { WORD wFormatTag; WORD wChannels; DWORD dwSamplesPerSec; DWORD dwAvgBytesPerSec; WORD wBlockAlign; WORD wBitsPerSample; }; struct FMT_BLOCK { char szFmtID[4]; // 'f','m','t',' ' DWORD dwFmtSize; WAVE_FORMAT wavFormat; }; 补充头文件样例说明: 首先是一串“52 49 46 46”这个是Ascii字符“RIFF”，这部分是固定格式，表明这是一个 WAVE文件头。 然后是“E4 3C 00 00”，这个是我这个WAV文件的数据大小，记住这个大小是包括头文件的一部分的，包括除了前面8个字节的所有字节，也就等于文件总字节数减去8。这是一个DWORD，我这个文件对应是15588。 然后是“57 41 56 45 66 6D 74 20”，也是Ascii字符“WAVEfmt”，这部分是固定格式。 然后是PCMWAVEFORMAT部分，可以对照一下上面的struct定义，首先就是一个WAVEFORMAT的struct。 随后是“10 00 00 00”，这是一个DWORD，对应数字16，这个对应定义中的Sizeof(PCMWAVEFORMAT)，后面我们可以看到这个段内容正好是16个字节。 随后的字节是“01 00”，这是一个WORD，对应定义为编码格式“WAVE_FORMAT_PCM”，我们一般用的是这个。 随后的是“01 00”，这是一个WORD，对应数字1，表示声道数为1，这是个单声道Wav。 随后的是“22 56 00 00”，这是一个DWORD，对应数字22050，代表的是采样频率22050。 随后的是“44 AC 00 00”，这是一个DWORD，对应数字44100，代表的是每秒的数据量。 然后是“02 00”，这是一个WORD，对应数字是2，表示块对齐的内容，含义不太清楚。 然后是“10 00”，这是一个WORD，对应WAVE文件的采样大小，数值为16，采样大小为16Bits。 然后是一串“64 61 74 61”，这个是Ascii字符“data”，标示头结束，开始数据区域。 而后是数据区的开头，有一个DWORD，我这里的字符是“C0 3C 00 00”，对应的十进制数为15552，看一下前面正好可以看到，文件大小是15596，其中到“data”标志出现为止 字节，再减去这个标志的4个字节正好是15552，再往后面就是真正的Wave文的头是40个 件的数据体了，头文件的解析就到这里。 Fact Chunk ================================== | |所占字节数| 具体内容 | ================================== | ID | 4 Bytes | 'fact' | ---------------------------------- | Size | 4 Bytes | 数值为4 | ---------------------------------- | data | 4 Bytes | | ---------------------------------- 图4 Fact Chunk Fact Chunk是可选字段，一般当wav文件由某些软件转化而成，则包含该Chunk。 结构定义如下: struct FACT_BLOCK { char szFactID[4]; // 'f','a','c','t' DWORD dwFactSize; }; Data Chunk ================================== | |所占字节数| 具体内容 | ================================== | ID | 4 Bytes | 'data' | ---------------------------------- | Size | 4 Bytes | | ---------------------------------- | data | | | ---------------------------------- 图5 Data Chunk Data Chunk是真正保存wav数据的地方，以'data'作为该Chunk的标示。然后是 数据的大小。紧接着就是wav数据。根据Format Chunk中的声道数以及采样bit数， wav数据的bit位置可以分成以下几种形式: --------------------------------------------------------------------- | 单声道 | 取样1 | 取样2 | 取样3 | 取样4 | | | -------------------------------------------------------- | 8bit量化 | 声道0 | 声道0 | 声道0 | 声道0 | --------------------------------------------------------------------- | 双声道 | 取样1 | 取样2 | | |-------------------------------------------------------- | 8bit量化 | 声道0(左) | 声道1(右) | 声道0(左) | 声道1(右) | --------------------------------------------------------------------- | | 取样1 | 取 样2 | | 单声道 |-------------------------------------------------------- | 16bit量化 | 声道0 | 声道0 | 声道0 | 声道0 | | | (低位字节) | (高位字节) | (低位字节) | (高位字节) | --------------------------------------------------------------------- | | 取样1 | | 双声道 |-------------------------------------------------------- | 16bit量化 | 声道0(左) | 声道0(左) | 声道1(右) | 声道1(右) | | | (低位字节) | (高位字节) | (低位字节) | (高位字节) | --------------------------------------------------------------------- 图6 wav数据bit位置安排方式 Data Chunk头结构定义如下: struct DATA_BLOCK { char szDataID[4]; // 'd','a','t','a' DWORD dwDataSize; }; 三、小结 因此，根据上述结构定义以及格式介绍，很容易编写相应的wav格式解析代码。 这里具体的代码就不给出了‎‎。 C++ 解析WAVE格式文件信息，并取得播放时间 在使用QT的过程中，需要用到wav文件的长度，就尝试把它的文件格式解析了一下。 查阅了很多资料，发现很多说的不全或比较模糊，在代码后面会有一些经过实际检验的知识补充。 //头文件主要包括几个数据结构: typedef unsigned short WORD; typedef unsigned long DWORD; struct RIFF_HEADER { char szRiffID[4]; // 'R','I','F','F' DWORD dwRiffSize; //=(size of file) - 8 Byte char szRiffFormat[4]; // 'W','A','V','E' }; struct WAVE_FORMAT { WORD wFormatTag; /* format type */ WORD nChannels; /* number of channels (i.e. mono, stereo...) */ DWORD nSamplesPerSec; /* sample rate */ DWORD nAvgBytesPerSec; /* for buffer estimation */ WORD nBlockAlign; /* block size of data */ WORD wBitsPerSample; /* number of bits per sample of mono data */ //WORD cbSize; /* the count in bytes of the size of */ /* extra information (after cbSize) */ }; struct FMT_BLOCK { char szFmtID[4]; // 'f','m','t',' ' DWORD dwFmtSize; WAVE_FORMAT wavFormat; }; struct DATA_BLOCK { char szDataID[4]; // 'd','a','t','a' DWORD dwDataSize; }; //cpp文件解析WAVE文件: QFile file("test.wav"); if (file.open(QIODevice::ReadOnly)) { RIFF_HEADER riff = {0}; FMT_BLOCK fmt = {0}; DATA_BLOCK dataBlock = {0}; file.read((char*)&riff, sizeof(RIFF_HEADER)); file.read((char*)&fmt, sizeof(FMT_BLOCK)); if (fmt.dwFmtSize == 0x00000012) { char szTemp[2]; file.read(szTemp, 2); } else if (fmt.dwFmtSize == 0x00000010) { } file.read((char*)&dataBlock, sizeof(DATA_BLOCK)); file.close(); int nSeconds = (dataBlock.dwDataSize / (fmt.wavFormat.nChannels * fmt.wavFormat.nSamplesPerSec * fmt.wavFormat.wBitsPerSample / 8)); 4650080/(2*44100*16/8)= 4650080/176400 参考内容及补充说明: wav文件包括头和数据两部分，其结构如下:(从文件头开始依次排列) 1)首先是字符串“RIFF”，占4个字节。 2)波形块的大小:DWORD，占4字节。波形块的大小=(文件大小-8) 3)字符串"WAVE"，占4个字节。 4)字符串“fmt”，占4个字节，注意fmt后有个空格字符(0x20)。 5)格式块的大小，DWORD，占4个字节 6)格式块，VC中用WAVEFORMATEX结构体描述，占18个字节，可用sizeof (WAVEFORMATEX)计算。 其中WAVEFORMATEX结构体的定义为:(更详细的描述可以参考msdn) typedef struct tWAVEFORMATEX { WORD wFormatTag; /* format type */ WORD nChannels; /* number of channels (i.e. mono, stereo...) */ DWORD nSamplesPerSec; /* sample rate */ DWORD nAvgBytesPerSec; /* for buffer estimation */ WORD nBlockAlign; /* block size of data */ WORD wBitsPerSample; /* number of bits per sample of mono data */ WORD cbSize; /* the count in bytes of the size of */ /* extra information (after cbSize) */ } WAVEFORMATEX, *PWAVEFORMATEX, NEAR *NPWAVEFORMATEX, FAR *LPWAVEFORMATEX; 7)字符串"data"，占4个字节。 8)波形数据的大小，DWORD，占4个字节。 9)声音数据，大小在8)中描述。 以下是一个波形文件样本的头部: 00000000h: 52 49 46 46 E6 E4 05 00 57 41 56 45 66 6D 74 20 ; RIFF驿..WAVEfmt 00000010h: 12 00 00 00 01 00 01 00 40 1F 00 00 80 3E 00 00 ; ........@...?>.. 00000020h: 02 00 10 00 00 00 64 61 74 61 C0 E4 05 00 ; ......data冷.. 从该样本可以看出: 该波形文件波形块的大小为386278(0x0005‎‎E4E6)，波形文件大小为:386278+8 =386286字节; 格式块的大小(WAVEFORMATEX结构体)为18字节; (有的为16字节，也即从地址10h开始是10 00 00 00 ) 波形数据的大小为386240字节(0x0005E4C0); 格式块(WAVEFORMATEX结构体)中定义的声音数据属性为: wFormatTag,0x0001 即WAVE_FORMAT_PCM ; nChannels , 0x0001 即单声道; nSamplesPerSec , 0x00001F40 即采样率8000Hz; nAvgBytesPerSec , 0x00003E80 即平均字节速率16000字节(16bit量化)，可以根据该数据估计缓冲区的大小; nBlockAlign , 0x0002 即块联合为2字节(16bit量化，2字节表示一个采样点，播放时必须从以块为单位从块头开始播放); wBitsPerSample , 0x0010 即每个采样点的比特值为16(16bit量化)。nBlockAlign值即由该值除以8计算出来; cbSize是可选的，当WAVEFORMATEX为16字节时没有这两个字节，当是18字节时有该两个字节，一般都填0x0000。 计算播放时间:读文件头时读‎‎出WAVEFORMATEX,该结构的nAvgBytesPerSec表示每秒平均的字节数, 该值也可以这么计算 nAvgBytesPerSec = nChannels * nSamplesPerSec * wBitsPerSample / 8; 在这个结构后面紧跟"data"(就是0x6461 7461),在后面先是数据大小,然后是具体数据. 用这个数据大小除以nAvgBytesPerSec既得文件的播放时间。 注:有的地方说wBitsPerSample / 8 其实就是nBlockAlign 的大小，经实验证明这两个值不一定相等。 基于Visual C++6.0的声音文件操作 一、前言 当前Visual C++相关的编程资料中，无论是大部头的参考书，还是一些计算机杂志，对声音文件的处理都是泛泛的涉及一下，许多编程爱好者都感到对该部分的内容了解不是很透彻，本文希望能够给刚刚涉及到声音处理领域的朋友们起到一个引路的作用，帮助他们尽快进入声音处理的更深奥空间。 当前计算机系统处理声音文件有两种办法:一是使用现成的软件，如微软的录音机、SoundForge、CoolEdit等软件可以实现对声音信号进行录音、编辑、播放的处理，但它们的功能是有限的，为了更灵活，更大限度地处理声音数据，就不得不使用另外一种方法，既利用微软提供的多媒体服务，在Windows环境下自己编写程序来进行声音处理来实现一些特定的功能。下面就开始介绍声音文件的格式和在Windows环境下使用Visual C++开发工具进行声音文件编程处理的方法，本文所有的程序代码都在Windows2000、Visual C++6.0环境下编译通过，运行正常。 二、RIFF文件结构和WAVE文件格式 Windows支持两种RIFF(Resource Interchange File Format,"资源交互文件格式")格式的音频文件:MIDI的RMID文件和波形音频文件格式WAVE文件，其中在计算机领域最常用的数字化声音文件格式是后者，它是微软专门为Windows系统定义的波形文件格式(Waveform Audio)，由于其扩展名为"*.wav"，因而该类文件也被称为WAVE文件。为了突出重点，有的放矢，本文涉及到的声音文件所指的就是WAVE文件。常见的WAVE语音文件主要有两种，分别对应于单声道(11.025KHz采样率、8Bit的采样值)和双声道(44.1KHz采样率、16Bit的采样值)。这里的采样率是指声音信号在进行"模?数"转换过程中单位时间内采样的次数。采样值是指每一次采样周期内声音模拟信号的积分值。对于单声道声音文件，采样数据为八位的短整数(short int 00H-FFH);而对于双声道立体声声音文件，每次采样数据为一个16位的整数(int)，高八位和低八位分别代表左右两个声道。WAVE文件数据块包含以脉冲编码调制(PCM)格式表示的样本。在进行声音编程处理以前，首先让我们来了解一下RIFF文件和WAVE文件格式。 RIFF文件结构可以看作是树状结构，其基本构成是称为"块"(Chunk)的单元，每个块有"标志符"、"数据大小"及"数据"所组成，块的结构如图1所示: 块的标志符(4BYTES) 数据大小 (4BYTES) 数据 图一、 块的结构示意图 从上图可以看出，其中"标志符"为4个字符所组成的代码，如"RIFF"，"LIST"等，指定块的标志ID;数据大小用来指定块的数据域大小，它的尺寸也为4个字符;数据用来描述具体的声音信号，它可以由若干个子块构成，一般情况下块与块是平行的，不能相互嵌套，但是有两种类型的块可以嵌套子块，他们是"RIFF"或"LIST"标志的块，其中RIFF块的级别最高，它可以包括LIST块。另外，RIFF块和LIST块与其他块不同，RIFF块的数据总是以一个指定文件中数据存储格式的四个字符码(称为格式类型)开始，如WAVE文件有一个"WAVE"的格式类型。LIST块的数据总是以一个指定列表内容的4个字符码(称为列表类型)开始，例如扩展名为".AVI"的视频文件就有一个"strl"的列表类型。RIFF和LIST的块结构如下: RIFF/LIST标志符 数据1大小 格式/列表类型 数据1 数据 图二、RIFF/LIST块结构 WAVE文件是非常简单的一种RIFF文件，它的格式类型为"WAVE"。RIFF块包含两个子块，这两个子块的ID分别是"fmt"和"data",其中"fmt"子块由结构PCMWAVE‎‎FORMAT所组成，其子块的大小就是sizeofof(PCMWAVEFORMAT),数据组成就是PCMWAVEFORMAT结构中的数据。WAVE文件的结构如下图三所示: 标志符(RIFF) 数据大小 格式类型("WAVE") "fmt" Sizeof(PCMWAVEFORMAT) PCMWAVEFORMAT "data" 声音数据大小 声音数据 图三、WAVE文件结构图 PCMWAVEFORMAT结构定义如下: Typedef struct { WAVEFORMAT wf;//波形格式; WORD wBitsPerSample;//WAVE文件的采样大小; }PCMWAVEFORMAT; WAVEFORMAT结构定义如下: typedef struct { WORD wFormatag;//编码格式，包括WAVE_FORMAT_PCM，WAVEFORMAT_ADPCM等 WORD nChannls;//声道数，单声道为1，双声道为2; DWORD nSamplesPerSec;//采样频率; DWORD nAvgBytesperSec;//每秒的数据量; WORD nBlockAlign;//块对齐; }WAVEFORMAT; "data"子块包含WAVE文件的数字化波形声音数据，其存放格式依赖于"fmt"子块中wFormatTag成员指定的格式种类，在多声道WAVE 文件中，样本是交替出现的。如16bit的单声道WAVE文件和双声道WAVE文件的数据采样格式分别如图四所示: 16位单声道: 16位单声道: 采样一 采样二 …… 低字节 高字节 低字节 高字节 …… 16位双声道: 采样一 …… 左声道 右声道 …… 低字节 高字节 低字节 高字节 图四、WAVE文件数据采样格式 三、声音文件的声音数据的读取操作 操作声音文件，也就是将WAVE文件打开，获取其中的声音数据，根据所需要的声音数据处理算法，进行相应的数学运算，然后将结果重新存储与WAVE格式的文件中去。可以使用CFILE类来实现读取操作，也可以使用另外一种方法，拿就是使用Windows提供的多媒体处理函数(这些函数都以mmino打头)。这里就介绍如何使用这些相关的函数来获取声音文件的数据，至于如何进行处理，那要根据你的目的来选择不同的算法了。WAVE文件的操作流程如下: 1(调用mminoOpen函数来打开WAVE文件，获取HMMIO类型的文件句柄; 2(根据WAVE文件的结构，调用mmioRead、mmioWrite和mmioSeek函数实现文件的读、写和定位操作; 3(调用mmioClose函数来关闭WAVE文件。 下面的函数代码就是根据WAVE文件的格式，实现了读取双声道立体声数据，但是在使用下面的代码过程中，注意需要在程序中链接Winmm.lib库，并且包含头文件"Mmsystem.h"。 BYTE * GetData(Cstring *pString) //获取声音文件数据的函数，pString参数指向要打开的声音文件; { if (pString==NULL) return NULL; HMMIO file1;//定义HMMIO文件句柄; file1=mmioOpen((LPSTR)pString,NULL,MMIO_READWRITE);//以读写模式打开所给的WAVE文件; if(file1==NULL) { MessageBox("WAVE文件打开失败～"); Return NULL; } char style[4];//定义一个四字节的数据，用来存放文件的类型; mmioSeek(file1,8,SEEK_SET);//定位到WAVE文件的类型位置 mmioRead(file1,style,4); if(style[0]!='W'||style[1]!='A'||style[2]!='V'||style[3]!='E')//判断该文件是否为"WAVE"文件格式 { MessageBox("该文件不是WAVE格式的文件～"); Return NULL; } PCMWAVEFORMAT format; //定义PCMWAVEFORMAT结构对象，用来判断WAVE文件格式; mmioSeek(file1,20,SEEK_SET); //对打开的文件进行定位，此时指向WAVE文件的PCMWAVEFORMAT结构的数据; mmioRead(file1,(char*)&format,sizeof(PCMWAVEFORMAT));//获取该结构的数据; if(format.wf.nChannels!=2)//判断是否是立体声声音; { MessageBox("该声音文件不是双通道立体声文件"); return NULL; } mmioSeek(file1,24+sizeof(PCMWAVEFORMAT),SEEK_SET); //获取WAVE文件的声音数据的大小; long size; mmioRead(file1,(char*)&size,4); BYTE *pData; pData=(BYTE*)new char[size];//根据数据的大小申请缓冲区; mmioSeek(file1,28+sizeof(PCMWAVEFORMAT),SEEK_SET);//对文件重新定位; mmioRead(file1,(char*)pData,size);//读取声音数据; mmioClose(file1, MMIO_FHOPEN);//关闭WAVE文件; return pData; } 四、使用MCI方法操作声音文件 WAVE声音文件一个最基本的操作就是将文件中的声音数据播放出来，用Windows提供的API函数BOOL sndPlaySound(LPCSTR lpszSound, UINT fuSound)可以实现小型WAV文件的播放，其中参数lpszSound 为所要播放的声音文件，fuSound为播放声音文件时所用的标志位。例如实现Sound.wav 文件的异步播放，只要调用函数sndPlaySound("c:\windows\Sound.wav",SND_ASYNC)就可以了，由此可以看到sndPlaySound函数使用是很简单的。但是当WAVE文件大于100K时，这时候系统无法将声音数据一次性的读入内存，sndPlaySound函数就不能进行播放了。为了解决这个问题，你的一个选择就是用MCI方法来操作声音文件了。在使用MCI方法之前，首先需要在你开发的项目设置Project->Setting->Link->Object/library modules中加入winmm.lib。并在头文件中包括"mmsystem.h"头文件。 MicroSoft API提供了MCI(The Media Control Interface)的方法mciSendCommand()和mciSendString()来完成WAVE文件的播放，这里仅介绍mciSendCommand()函数的使用。 原型:DWORD mciSendCommand(UINT wDeviceID，UINT wMessage，DWORD dwParam1，DWORD dwParam2); 参数:wDeviceID:接受消息的设备ID; Message:MCI命令消息; wParam1:命令的标志位; wParam2:所使用参数块的指针 返值:调用成功，返回零;否则，返回双字中的低字存放有错误信息。 在使用MCI播放声音文件时，首先要打开音频设备，为此要定义MCI_OPEN_PARMS变量 OpenParms，并设置该结构的相应分量: OpenParms.lpstrDeviceType = (LPCSTR) MCI_DEVTYPE_WAVEFORM_AUDIO;//WAVE类型 OpenParms.lpstrElementName = (LPCSTR) Filename;//打开的声音文件名; OpenParms.wDeviceID = 0;//打开的音频设备的ID mciSendCommand (NULL, MCI_OPEN,MCI_WAIT | MCI_OPEN_TYPE | MCI_OPEN_TYPE_ID | MCI_OPEN_ELEMENT, (DWORD)(LPVOID) &OpenParms)函数调用发送MCI_OPEN命令后，返回的参数 OpenParms中成员变量的wDeviceID指明打开了哪个设备。需要关闭音频设备时只要调用mciSendCommand (m_wDeviceID, MCI_CLOSE, NULL, NULL)就可以了。 播放WAVE文件时，需要定义MCI_PLAY_PARMS变量PlayParms，对该变量进行如下设置:PlayParms.dwFrom = 0，这是为了指定从什么地方(时间)播放WAVE文件，设置好以后，调用函数mciSendCommand (m_wDeviceID, MCI_PLAY,MCI_FROM, (DWORD)(LPVOID)&PlayParms));就实现了WAVE声音文件的播放。 另外，调用mciSendCommand (m_wDeviceID, MCI_PAUSE, 0,(DWORD)(LPVOID)&PlayParms)实现了暂停功能。调用mciSendCommand (m_wDeviceID, MCI_STOP, NULL, NULL)实现停止功能等，可以看出，这些不同的功能实现都是依靠参数"Message"取不同的值来实现的。 不同的Message和dwParam1、dwParam2的组合还可以实现文件的 跳跃功能。如下面的代码实现了跳转到WAVE文件末端的操作:mciSendCommand (m_wDeviceID, MCI_SEEK, MCI_SEEK_TO_END, NULL)。 下面的代码实现了WAVE声音文件的播放: void CTest1View::OnMciPlayWave() { // TODO: Add your command handler code here MCI_OPEN_PARMS mciOpenParms; MCI_PLAY_PARMS PlayParms; mciOpenParms.dwCallback=0; mciOpenParms.lpstrElementName="d:\\chimes.wav"; mciOpenParms.wDeviceID=0; mciOpenParms.lpstrDeviceType="waveaudio"; mciOpenParms.lpstrAlias=" "; PlayParms.dwCallback=0; PlayParms.dwTo=0; PlayParms.dwFrom=0; mciSendCommand(NULL,MCI_OPEN,MCI_OPEN_TYPE|MCI_OPEN_ELEMENT,(DWORD)(LPVOID)&mciOpenParms);//打开音频设备; mciSendCommand(mciOpenParms.wDeviceID,MCI_PLAY,MCI_WAIT,(DWORD)(LPVOID)&PlayParms);//播放WAVE声音文件; mciSendCommand(mciOpenParms.wDeviceID,MCI_CLOSE,NULL,NULL);//关闭音频设备; } 五、DirectSound操作WAVE文件的方法 MCI虽然调用简单，功能强大，可以满足声音文件处理的基本需要，但是MCI也有它的缺点，那就是它一次只能播放一个WAVE文件，有时在实际应用中，为了实现混音效果，需要同时播放两个或两个以上的WAVE文件时，就需要使用微软DirectX技术中的DirectSound了，该技术直接操作底层声卡设备，可以实现八个以上WAV文件的同时播放 。 实现DirectSound需要以下几个步骤:1.创建及初始化DirectSound;2.设定应用程序的声音设备优先级别方式,一般为DSSCL_NORMAL;2. 将WAV文件读入内存,找到格式块、数据块位置及数据长度;3.创建声音缓冲区;4.载入声音数据;5.播放及停止: 下面的函数利用DirectSound技术实现了一个WAVE声音文件的播放(注意项目设置中要包含"dsound.lib、dxguid.lib"的内容)，代码和注释如下: void CPlaysoundView::OnPlaySound() { // TODO: Add your command handler code here LPVOID lpPtr1;//指针1; LPVOID lpPtr2;//指针2; HRESULT hResult; DWORD dwLen1,dwLen2; LPVOID m_pMemory;//内存指针; LPWAVEFORMATEX m_pFormat;//LPWAVEFORMATEX变量; LPVOID m_pData;//指向语音数据块的指针; DWORD m_dwSize;//WAVE文件中语音数据块的长度; CFile File;//Cfile对象; DWORD dwSize;//存放WAV文件长度; //打开sound.wav文件; if (!File.Open ("d://sound.wav", CFile::modeRead |CFile::shareDenyNone)) return ; dwSize = File.Seek (0, CFile::end);//获取WAVE文件长度; File.Seek (0, CFile::begin);//定位到打开的WAVE文件头; //为m_pMemory分配内存，类型为LPVOID，用来存放WAVE文件中的数据; m_pMemory = GlobalAlloc (GMEM_FIXED, dwSize); if (File.ReadHuge (m_pMemory, dwSize) != dwSize)//读取文件中的数据; { File.Close (); return ; } File.Close (); LPDWORD pdw,pdwEnd; DWORD dwRiff,dwType, dwLength; if (m_pFormat) //格式块指针 m_pFormat = NULL; if (m_pData) //数据块指针,类型:LPBYTE m_pData = NULL; if (m_dwSize) //数据长度,类型:DWORD m_dwSize = 0; pdw = (DWORD *) m_pMemory; dwRiff = *pdw++; dwLength = *pdw++; dwType = *pdw++; if (dwRiff != mmioFOURCC ('R', 'I', 'F', 'F')) return ;//判断文件头是否为"RIFF"字符; if (dwType != mmioFOURCC ('W', 'A', 'V', 'E')) return ;//判断文件格式是否为"WAVE"; //寻找格式块,数据块位置及数据长度 pdwEnd = (DWORD *)((BYTE *) m_pMemory+dwLength -4); bool m_bend=false; while ((pdw < pdwEnd)&&(!m_bend)) //pdw文件没有指到文件末尾并且没有获取到声音数据时继续; { dwType = *pdw++; dwLength = *pdw++; switch (dwType) { case mmioFOURCC('f', 'm', 't', ' ')://如果为"fmt"标志; if (!m_pFormat)//获取LPWAVEFORMATEX结构数据; { if (dwLength < sizeof (WAVEFORMAT)) return ; m_pFormat = (LPWAVEFORMATEX) pdw; } break; case mmioFOURCC('d', 'a', 't', 'a')://如果为"data"标志; if (!m_pData || !m_dwSize) { m_pData = (LPBYTE) pdw;//得到指向声音数据块的指针; m_dwSize = dwLength;//获取声音数据块的长度; if (m_pFormat) m_bend=TRUE; } break; } pdw = (DWORD *)((BYTE *) pdw + ((dwLength + 1)&~1));//修改pdw指针，继续循环; } DSBUFFERDESC BufferDesc;//定义DSUBUFFERDESC结构对象; memset (&BufferDesc, 0, sizeof (BufferDesc)); BufferDesc.lpwfxFormat = (LPWAVEFORMATEX)m_pFormat; BufferDesc.dwSize = sizeof (DSBUFFERDESC); BufferDesc.dwBufferBytes = m_dwSize; BufferDesc.dwFlags = 0; HRESULT hRes; LPDIRECTSOUND m_lpDirectSound; hRes = ::DirectSoundCreate(0, &m_lpDirectSound, 0);//创建DirectSound对象; if( hRes != DS_OK ) return; m_lpDirectSound->SetCooperativeLevel(this->GetSafeHwnd(), DSSCL_NORMAL); //设置声音设备优先级别为"NORMAL"; //创建声音数据缓冲; LPDIRECTSOUNDBUFFER m_pDSoundBuffer; if (m_lpDirectSound->CreateSoundBuffer (&BufferDesc, &m_pDSoundBuffer, 0) == DS_OK) //载入声音数据，这里使用两个指针lpPtr1,lpPtr2来指向DirectSoundBuffer缓冲区的数据，这是为了处理大型WAVE文件而设计的。dwLen1,dwLen2分别对应这两个指针 所指向的缓冲区的长度。 hResult=m_pDSoundBuffer->Lock(0,m_dwSize,&lpPtr1,&dwLen1,&lpPtr2,&dwLen2,0); if (hResult == DS_OK) { memcpy (lpPtr1, m_pData, dwLen1); if(dwLen2>0) { BYTE *m_pData1=(BYTE*)m_pData+dwLen1; m_pData=(void *)m_pData1; memcpy(lpPtr2,m_pData, dwLen2); } m_pDSoundBuffer->Unlock (lpPtr1, dwLen1, lpPtr2, dwLen2); } DWORD dwFlags = 0; m_pDSoundBuffer->Play (0, 0, dwFlags); //播放WAVE声音数据; } 为了更好的说明DiretSound编程的实现，笔者使用了一个函数来实现所有的操作，当然读者可以将上面的内容包装到一个类中，从而更好的实现程序的封装性，至于如何实现就不需要笔者多说了，真不明白的话，找本C++的书看看。如果定义了类，那么就可以一次声明多个对象来实现多个WAVE声音文件的混合播放。也许细心的读者会发现，在介绍WAVE文件格式的时候我们介绍了PCMWAVEFORMAT结构，但是在代码的实现读取WAVE文件数据部分，我们使用的却是LPWAVEFORMATEX结构，那末是不是我们有错误呢,其实没有错，对于PCM格式的WAVE文件来说，这两个结构是完全一样的，使用LPWAVEFORMATEX结构不过是为了方便设置DSBUFFERDESC对象罢了。 操作WAVE声音文件的方法很多，灵活的运用它们可以灵活地操作WAVE文件，这些函数的详细用途读者可以参考MSDN。本文只是对WAVE文件的操作作了一个肤浅的介绍，希望可以对读者起到抛砖引玉的作用。