在android中, 通过AudioRecord获取到音频数据是PCM格式的, 但是有时候我们需要的可能是更常见的WAV格式, 此时我们就需要手动把PCM数据转成WAV.
对于PCM和WAV的其他信息我就不搬运了, 本文仅关注
从
PCM的byte数组得到WAV的byte数组.
PCM和WAV的关系
简单地说, PCM是音频的原始数据, WAV则是一种封装音频数据的容器, 而且它的格式还很简单, 只是
在数据开头添加一些和音频数据相关的头信息.
首先我们看一下WAV的格式规则, 如下图
wav格式
千万不要被这图吓到, 上面的链接中也有对每一个值进行说明, 仔细阅读后就会发现并不复杂. 接下来逐个分析.
橙色部分中的data, 就是原始音频数据(raw sound data), 也就是我们从AudioRecord中获取到的PCMbyte数组. 其余部分则是上文提到的音频数据相关的头信息.
图中每一个方块表示一个数据段, 从左侧可以看到, 头信息的总长度是44个byte, 也可以知道每一个方块的起始和结束下标, 例如Subchunk2ID的下标是36~40, 从右侧可以看到每一个数据段的长度, 例如ChunkID占4个byte.
下面我们用header[n]来表示头信息的第n个byte, pcmLen表示PCMbyte数组的长度
接下来我们从下往上分析每个数据段的意思
-
data, 占pcmLen个byte, 表示原始的PCM音频数据 -
Subchunk2Size, 占4byte, 描述音频数据的长度, 就是pcmLen, 注意先写低位再写高位, 即
header[40] = (byte) (pcmLen & 0xff);
header[41] = (byte) ((pcmLen >> 8) & 0xff);
header[42] = (byte) ((pcmLen >> 16) & 0xff);
header[43] = (byte) ((pcmLen >> 24) & 0xff);
-
SubchunkID, 占4byte, 固定值"data", 即
header[36] = 'd';
header[37] = 'a';
header[38] = 't';
header[39] = 'a';
-
BitPerSample, 占2byte, 对应AudioRecord中的audioFormat, 8 bits = 8, 16 bits = 16, 以16bits为例, 如下
header[34] = 16;
header[35] = 0;
-
BlockAlign, 占2byte, 值为NumChannels * BitsPerSample / 8 -
ByteRate, 占4byte, 值为SampleRate * BlockAlign -
SampleRate, 占4byte, 对应AudioRecord中的sampleRateInHz, 即采样频率, 例如8000, 16000, 44100 -
NumChannels, 占2byte, 对应AudioRecord中的channelConfig, 单声道Mono = 1, 立体声Stereo = 2 -
AudioFormat, 占2byte, 数据为PCM时, 值为1, 其他值表示数据进行过某种压缩, 本文不探讨 -
Subchunk1Size, 占4byte, 数据为PCM时, 值为16 -
Subchunk1ID, 占4byte, 固定值"ftm "(注意空格补全4位) -
Format, 占4byte, 固定值"WAVE" -
ChunkSize, 占4byte, 值为4 + (8 + SubChunk1Size) + (8 + SubChunk2Size), 其中如果原始数据是PCM, 简化为36 + SubChunk2Size -
ChunkID, 占4byte, 固定值"RIFF"
到这就分析完毕了, 所以如果我们有PCM的原始数据, 也知道这些数据的采集参数, 例如单声道/立体声, 采样频率, 数据格式等, 就能够按上述规则生成WAV的头部信息, 拼接PCMbyte数组后即得到WAV的byte数组.
代码戳PcmToWavUtil