|
一、结构分析
要实现语音合并首先要弄清Wav文件的结构。
1.用UltraEdit工具软件打开一个Wav文件(如图1所示)直接查看其16进制码： PT1.wav
图1 打开wav文件
Wav文件存储格式如表1：
表1 Wav 文件存储格式表
|
地 址 |
内 容 |
说 明 |
对照实际文件说明 |
|
00H |
"RIFF" |
"RIFF"标志 |
0x52494646
字符串"RIFF"，表示此文件遵循一种标准格式名为"资源互换文件格式"（Resource Intercharge File Format） |
|
04H |
×××× |
文件大小 |
0x0001F8EC=129260
实际文件大小为129260+8=129268字节
(因RIFF和文件大小两项内容共占用8个字节) |
|
08H |
"WAVE" |
"WAVE"标志 |
0x57415645
字符串"WAVE"标志 |
|
0CH |
"fmt " |
"fmt "标志 |
0x666D7420
字符串"fmt "标志,注意t后有个空格字节0x20 |
|
10H |
×××× |
PCMWAWFORMAT内容大小 |
0x00000010=16
格式内容长度16字节 |
|
14H |
××××
……
×××× |
"PCMWAVEFORMAT"内容 |
0x0001
格式类别（为PCM形式的声音数据） |
|
16H |
0x0001
通道数，单声道为1，双声道为2 |
|
18H |
0x00005622=22050
采样频率，表示每个通道的播放速度 |
|
1CH |
0x0000AC44=44100
波形音频数据传送速度 |
|
20H |
0x0020=32
数据块的调整数（按字节算），其值为通道数×每样本的数据位值／8 |
|
22H |
0x0010=16
每样本数据位数，表示每个声道中各个样本的数据位数。如果有多个声道，对每个声道而言，样本大小都一样 8 or 16 |
|
24H |
"data" |
"data"标志 |
0x64617461 // 'data' 标志 |
|
28H |
×××× |
语音数据大小 |
0x0001F8C8=129224
语音数据的长度 |
|
|
∶
∶ |
语音数据 |
F1FF1500……文件尾 |
通过使用Windows系统附件中的录音机工具,打开此Wav文件，查看属性，可获得如下信息：
图2 Wav属性显示
2．Wav文件的结构分析
(1) 分析D:\WINNT\system32\ALSNDMGR.WAV
图3
图4
从16进制码中可看出，PCMWAWFORMAT的大小为0x000012=18个字节，即红色框中均为PCMWAWFORMAT的内容。需要注意的是，有很多资料都认为PCM格式的PCMWAWFORMAT的大小应为16个字节，而ALSNDMGR.WAV这个文件虽为PCM格式，但它的PCMWAWFORMAT的大小却为18个字节。尝试删除其尾部的0x0000，并相应地修改PCMWAWFORMAT的大小为0x000010，用录音机工具验证发现对文件没有造成破坏，因此该PCMWAWFORMAT可视作PCM格式的一个特例。此外图3中蓝色选中部份在图1中未曾出现，这可能是有些硬件在采集下来的文件中添加了自己的一些信息，只起某些注释作用，对文件内容没有实质性影响。
图5
(2) 分析D:\WINNT\Media\ir_begin.wav
用“录音机”工具查看其音频格式为：Microsoft ADPCM 22.050 kHz, 4 位, 立体声。从其16进制码中可看出，PCMWAWFORMAT的大小为0x000032=50个字节，即红色框中均为PCMWAWFORMAT的内容，可见各种格式的PCMWAWFORMAT的大小是不相同的。除去16字节的主格式内容，其地址24H处的0x0020指出附加格式的内容大小为32个字节，地址26H-45H中的内容即为附加格式的内容。PCMWAWFORMAT中的格式决定了各格式的PCMWAWFORMAT长度是不同的，其中PCMWAWFORMAT长度由“fmt ”后的数据给出，该长度包括16字节的fmt主格式内容和附加格式内容，其第17字节则是附加格式内容的长度。关于各类别附加格式的内容根据有关资料共有36种，限于篇幅不一一在此例举。此外值得注意的是文件中也存在图3中蓝色选中部分的某些注释信息，可见PCMWAWFORMAT后不一定紧跟“data”标志，中间有可能出现注释信息。
Wav文件的基本结构如图6所示。
↓
|
"fmt "标志 |
PCMWAWFORMAT内容大小 |
|
fmt主格式内容（长度为16字节） |
|
fmt附加格式大小 |
fmt附加格式内容 |
↓
↓
图６ Wav文件：基本结构
三、代码描述
1．类型 (伪代码)
type
TRiffChuck = record //定义表2中的RIFF块
RiffID:array[0..3] of char; // 'RIFF' 标志
WaveFileSize: longint; // 文件长度
WaveID:array[0..3] of char; // 'WAVE' 标志
end;
TFmtChuck = record //定义表2中的fmt块
fmtId:array[0..3] of char; // 'fmt '标志
FormatSize: longint; // PCMWAWFORMAT内容长度
wFormatTag: word; // 编码类型
nChannels: word; // 通道数 单声道=1, 双声道=2 }
nSamplesPerSec: longint; // 采样频率
nAvgBytesPerSec: longint; // 波形音频数据传送速度
nBlockAlign: word; // 数据块的调整数
nBitsPerSample: word; // 每样本数据位数
ExtraParmSize:word; //附加格式的长度
XX //以下为附加格式的内容
： //注意在下面算法部分中，附加格式的长度及其内容是
XX //存放在FmtChuckOthers的数组中的
end;
TDataChuck = record //定义表2中的data块
dataId: array[0..3]of char; // 'data' 标志
dataSize: longint; // 语音数据长度
XX // 语音数据，注意在下面算法部分中
： // DataChuck不包括语音数据
XX
end;
2．算法
目标文件的建立方法
(1) 先将其中一个Wav文件的RiffChunck，FmtChuck, DataChuck分别复制到目标文件中
(2) 修改目标文件的数据大小
DataChuck3.dataSize:=DataChuck1.dataSize+DataChuck2.dataSize
(3) 修改目标文件的文件长度
RiffChuck3.WaveFileSize:=DataChuck3.dataSize+sizeof(DataChuck3)+FmtChuck
(4) 写入目标文件
写RiffChuck ，FmtChuck：
WaveFile.Write(RiffChuck3,SizeOf(RiffChuck3));
WaveFile.Write(FmtChuck3,SizeOf(FmtChuck3));
需要说明的是：FmtChuck的大小是不定长的，而wFormatTag即编码类型有36种，为降低程序的复杂性，采用先定义各编码类型的共性部分，即前16字节的基本音频格式信息，而各编码类型的后余部分则由一个数组FmtChuckothers来存取使用。
if FmtChuck1.FormatSize>16 then
begin
for i:=0 to FmtChuck1.FormatSize-16-1 do
waveFile.Write(FmtChuck3others[i],sizeof(FmtChuck3others[i]));
end;
写DataChuck及语音数据，因源文件的格式相同，所以只需将源文件2的语音数据简单追加到源文件1的语音数据之后即可。
WaveFile.Write(DataChuck3,SizeOf(DataChuck3));
WaveFile.CopyFrom(SoureFile1,DataChuck1.dataSize);
WaveFile.CopyFrom(SoureFile2,DataChuck2.dataSize);
四、测试与验证
通过采用Windows系统自带附件“录音机”将测试源文件分别转换成其所支持的所有音频格式，包括本文前部所提及的PCM格式的一个特例，执行合并程序后再用“录音机”打开，查看属性与本文结构分析中的内容相一致，可见合并方法是正确可行的！
|
