如何从零开始构建一个WAV音频文件？

从0构建WAV文件：读懂计算机文件的本质 虽然接触计算机有一段时间了，但是我的视野一直局限于一个较小的范围之内，往往只能看到于算法竞赛相关的内容，计算机各种文件在我看来十分复杂，认为构建他们并能达到目的是一件困难的事情，然而近期我观看了油管上Magicalbat大神的视频，发现其实它们的本质都惊人地简单：所有计算机文件，都是按特定规则组织的二进制数据，是人为规定好格式再由计算机解析，对于我们来说，只要根据规定格式进行编辑，就能够成功构建。 今天，我们就从最朴素的方式入手，通过手动构建一个WAV音频文件，拆解WAV格式的底层逻辑，同时理解一个核心认知：只要掌握了文件的格式规范，任何类型的文件都能像搭积木一样，一行行代码“拼”出来。 先认识WAV：WAV文件的格式 WAV是微软开发的无损音频格式，相比于压缩后的MP3，它的结构更直白，没有复杂的编码压缩，因此我们能够通过C++文件写入的方式直接完成wav文件的构建，wav文件的核心由三个关键的“数据块(Chunk)”组成： RIFF块：文件的“身份卡”，告诉计算机“我是一个WAV文件”； fmt块：音频的“参数说明”，记录采样率、声道数、位深等核心参数； data块：真正的音频数据，存储着声音的数字信号。 而每个块的内容又如下图所示： RIFF: 字段名 字节数 数据类型 固定值/计算规则 ChunkID 4 ASCII字符 固定为"RIFF"（无终止符，严格4字节） ChunkSize 4 32位无符号整数 取值 = 整个WAV文件大小 - 8字节（减去ChunkID和ChunkSize自身的8字节） Format 4 ASCII字符 固定为"WAVE"（无终止符，严格4字节） fmt: 字段名 字节数 数据类型 固定值/计算规则 ChunkID 4 ASCII字符 固定为"fmt "（末尾空格，无终止符） ChunkSize 4 32位无符号整数 PCM编码（最常用）下固定为16（代表后续字段的总字节数，不含ChunkID和ChunkSize） AudioFormat（代码中Tag） 2 16位无符号整数 编码格式：1=PCM（无压缩，通用）；3=IEEE浮点；6=μ律；7=A律等 NumChannels（代码中Chnnels，拼写笔误） 2 16位无符号整数 声道数：1=单声道；2=立体声；>2=多声道 SampleRate 4 32位无符号整数 采样率（每秒采样次数）：常见44100Hz（CD音质）、48000Hz、22050Hz等 ByteRate 4 32位无符号整数 每秒音频数据字节数 = SampleRate × NumChannels × BitsPerSample / 8 BlockAlign（代码中BloclAlign，拼写笔误） 2 16位无符号整数 每个“采样帧”的字节数 = NumChannels × BitsPerSample / 8（播放器一次读取的最小单位） BitsPerSample（代码中BitsperSample） 2 16位无符号整数 采样位深（每个采样点的比特数）：8/16/24/32，16位最常用 data: 字段名 字节数 数据类型 固定值/计算规则 ChunkID（代码中DataId） 4 ASCII字符 固定为"data"（无终止符，严格4字节） DataSize 4 32位无符号整数 音频数据总字节数 = 采样总数 × BlockAlign；采样总数 = SampleRate × 音频时长 音频数据区 可变 二进制流 PCM编码下为线性整数/浮点数：16位位深对应int16_t，8位对应uint8_t，32位浮点对应float 我们接下来的代码，就是严格按照这个模板，把每个部分的二进制数据“写”进文件里。