波仔
🎬 第五章 FFmpeg命令行实现音视频转码
📄 一句话概括

WAV 就是「一段 PCM，前面加 44 个字节的说明」。 这 44 个字节把一个谁都不认识的文件变成能双击播放的。

📝 本节和前面几节的关系

上一节写出来的 .pcm 打不开，就是因为缺这 44 个字节。 这一节手工把它补上，再用标准库读回来验证——WAV 规范就这么简单。

一、44 个字节换了什么

同一个文件，加头前后：

项 值

头长度 44 字节 PCM 数据 356352 字节 WAV 文件 356396 字节

第三行等于前两行相加，一个字节不多。 所以 WAV 从来没有「压缩」这回事：它就是个带说明书的裸 PCM。

这也解释了一个常见疑问：为什么 WAV 那么大。 因为它压根没打算小——它的用途是「无损、可直接寻址、格式简单」。

二、这 44 个字节分别是什么

拆开看，只有三段：

段 字节数 装什么

RIFF 头 12 RIFF ＋ 文件长度 ＋ WAVE fmt 块 24 fmt ＋ 格式、声道、采样率、位深 data 头 8 data ＋ 数据长度

第二段里的顺序是死的：格式号、声道数、采样率、字节率、块对齐、位深。 少一个字段或者顺序错了，播放器就当成坏文件。

注意每个块开头那四个字节是标识符：RIFF、fmt（后面有个空格）、data。 fmt 那个空格经常被漏掉，漏了就解不出来——这是手写 WAV 头最常见的错。

三、读回来才算验证

写完不算完，得让标准库读一遍：

读回项 值

声道数 2 采样率 44100 每样本字节 2 采样帧数 89088 时长 2.02 秒

五行全对得上，说明手写的头是合法的。 如果这几行读出来是 0 或者负数，基本就是长度字段写错了。

最后提醒：文件长度字段是「文件总长减 8」，不是「总长」。 这个 8 是 RIFF 与长度字段自己的字节数。写错这一处，很多播放器会直接拒开。

四、动手 Demo：手工拼 44 字节的 WAV 头，再用标准库读回来

读上一节生成的 .pcm，用 struct 拼一个 44 字节的头，写在数据前面。 然后用标准库 wave 读回来，五项参数逐个对照——读得出来就说明头是合法的。

import struct, wave

with open(u"o.pcm", u"rb") as f:
    data = f.read()

sr, nch, bits = 44100, 2, 16
hdr = (b"RIFF" + struct.pack(u"<I", 36 + len(data)) + b"WAVE"
       + b"fmt " + struct.pack(u"<IHHIIHH", 16, 1, nch, sr,
                                    sr * nch * bits // 8, nch * bits // 8, bits)
       + b"data" + struct.pack(u"<I", len(data)))
with open(u"o.wav", u"wb") as f:
    f.write(hdr)
    f.write(data)
print(u"头 %d 字节  数据 %d 字节" % (len(hdr), len(data)))

with wave.open(u"o.wav", u"rb") as wf:
    print(u"声道 %d  采样率 %d  每样本 %d 字节  采样帧 %d"
          % (wf.getnchannels(), wf.getframerate(),
             wf.getsampwidth(), wf.getnframes()))
    print(u"时长 %.2f 秒" % (wf.getnframes() / float(wf.getframerate())))

实跑输出：

--------------------------------------------------------------------
5.2.6 PCM 与 WAV——44 字节换一个能双击播放的文件
--------------------------------------------------------------------

**① 手工给 PCM 加一个 WAV 头**

  项           值
  -------------------------
  头长度       44 字节
  PCM 数据     356352 字节
  WAV 文件     356396 字节

**头只有 44 个字节，但就是这 44 个字节，把一个「谁都不认识」的文件变成能双击播放的。**
**WAV 的本质因此可以一句话说完：一段 PCM，前面加一段说明。**

**② 用标准库读回来验证**

  读回项         值
  -----------------------
  声道数         2
  采样率         44100
  每样本字节     2
  采样帧数       89088
  时长           2.02 秒

**五行全对得上，说明手写的头是合法的——WAV 规范就这么简单。**
**「RIFF 头 ＋ fmt 块 ＋ data 块」三样凑齐就能播，一个字节都不用多写。**

struct.pack(u"<IHHIIHH", ...) 这个格式串要与 WAV 规范的字段顺序逐字对齐： 4 字节块长度、2 字节格式号、2 字节声道、4 字节采样率、4 字节字节率、 2 字节块对齐、2 字节位深，一共 16 个字节。

那个 36 + len(data) 就是「文件总长减 8」。 36 是 44 减 8，也就是除了 RIFF 与长度字段之外的所有头部字节。

wave 能把文件读开，就说明结构完全合法。 它读的时候会一路校验块标识符，写错一个字母都会抛异常。

30 秒实验

  1. 命令行对照：ffmpeg -f s16le -ar 44100 -ac 2 -i 出.pcm 出.wav，一行搞定。
  2. 看十六进制：用工具打开 wav 前 44 个字节，52 49 46 46 就是 RIFF。
  3. 故意写错：把 fmt 的空格去掉，看 wave 报什么错。

常见误区

  1. 长度字段写成文件总长。规范要求是「总长减 8」，写错会被拒开。
  2. 漏掉 fmt 后面的空格。四个字节的标识符含空格，少一个就认不出来。
  3. 以为 WAV 是压缩格式。它一点没压，大是必然的，换成 FLAC 才能省一半。
自测三问（点开对答案） 1. WAV 的头一共多少字节？由哪三段组成？ —— 44 字节。RIFF 头 12 字节、fmt 块 24 字节、data 头 8 字节。 2. 为什么 `RIFF` 后面的长度是「总长减 8」？ —— 因为那 8 个字节是 `RIFF` 标识符与长度字段自身，不计入内容长度。 3. WAV 为什么文件这么大？ —— 它存的是未压缩的 PCM，不省任何字节，换来的是无损与可直接寻址。

相关笔记