AIFF和AIFF-C音频交换文件格式的简单介绍

正文

AIFF，全称 Audio Interchange File Format，可简写为 Audio IFF 或 AIFF，是苹果公司推出的一种音频文件格式。

AIFF-C，是 AIFF 的扩充，C 意为 Compressed，说明这是一种可以存储压缩数据的格式，由苹果公司进行扩展，可简写为AIFC。

由此可知，AIFF 和 AIFF-C 主要用于苹果公司推出的设备和系统，但由于文件交换的需要，在 Windows 下偶尔还是会有使用的需求。

关于这个两个格式的详细文档，可以从 这个页面 下载，本文将基于这两份文档，进行一些简单的介绍。

关于AIFF格式和相关的代码，可在https://gitcode.net/PeaZomboss/learnaudios找到(include和source文件夹)。

AIFF

由于 AIFF 是未压缩的格式，所以只能用来保存未经压缩的 PCM 编码格式，关于这种格式，本文不做介绍，需要的仔细搜索即可。

在具体介绍之前，先了解一些 AIFF 文件所用到的特殊数据结构：

• ID，与 WAV 格式的 Four Char Code 类似，使用四个可打印 ASCII 字符组成，其本质就是一个 long int
• pstring，Pascal 风格的字符串类型，由一个表示长度的字节和若干个字符构成，最大长度为 255
• extended，扩展精度的浮点数类型，是 IEEE 754 标准之一，用 80 bit 表示的浮点数，占用10个字节，是 Pascal 语言的基础类型，但在x86下使用存在明显问题，稍后详解

注意：AIFF 的所有数据都按大端序存储，在 Intel、AMD、ARM 等小端序的 CPU 中读取需要进行转换

如果对 WAV 格式比较熟悉的话，那么下面的内容也不难理解

首先介绍几个基本 ID

#define AIFFIDFORM       'FORM'
#define AIFFIDAIFF       'AIFF'
#define AIFFIDCommon     'COMM'
#define AIFFIDSoundData  'SSND'

之所以说基本，是因为每个 AIFF 文件至少要用到这四个 ID，其余格式请查阅文档

---

AIFF 文件按块进行存储，每个块都由块头和块数据组成，其中块头的定义如下：

typedef struct {
    long ID;   // 这个是前面提到的 ID，记住是大端存储的，在小端 CPU 下不能直接使用上面的定义
    long Size; // 块数据的大小，不包括块头
} ChunkHeader;

注意：所有块都必须按2字节对齐，即使Size可能是奇数

---

接着介绍 AIFF 文件头定义

typedef struct {
    long ID;   // 这个必须是 'FORM'
    long Size; // 文件大小减去 Size 和 ID 的大小，即文件字节数减8
    long Type; // 这个必须是 'AIFF'
} AIFFHeader;

与 WAV 格式的 RIFF 定义十分相似，这个主要是用来标识文件类型用的

---

然后我们来看看 Common 块的定义

typedef struct {
    long id;   // 必须是 'COMM'
    long size; // 必须是 18
    short channels; // 声道数，比如 1 代表单声道，2 代表立体声
    unsigned long SampleFrames; // 采样帧数，每一个帧的大小取决于声道数和位深度
    short SampleSize; // 位深度，即每个采样的大小，用位表示，常见的有 16，24 等
    extended SampleRate; // 采样率，常见的如 44100，48000 等
} CommonChunk;

• 和 WAV 一样，音频数据是交错存储的，这意味着每个采样帧都包含所有声道的数据，所以总采样数据大小等于采样帧数*声道数*位深度/8
• 位深度可能不为8的整数倍，但实际存储按字节大小整数倍确定，比如位深度为12，实际每个采样占用2个字节，其余位补零
• 由于c/c++语言并不支持extended类型，所以实际使用中需要将其转化为单精度的float或者双精度的double

---

最后说一下 SoundData 块的定义

typedef struct {
    long id; // 必须是 'SSND'
    long size;
    unsigned long offset;
    unsigned long BlockSize;
    // 按 PCM 编码的数据
} SoundDataChunk;

• offset 和 BlockSize 主要用来对齐，一般情况下为0，很少遇到非0的，具体请参阅官方文档

AIFC

AIFC 是 AIFF 的扩展，主要是添加了一个新块 FormatVersion 块，同时扩充了原来的 Common 块

先介绍下新增的常量

#define  AIFCVersion1  0xA2805140
#define  AIFCIDAIFC    'AIFC' // 替换文件头的 'AIFF'
#define  AIFCIDFVER    'FVER'

---

新的 FormatVersion 块

typedef struct {
    long ID; // 必须是 'FVER'
    long Size; // 4
    unsigned long TimeStamp; // AIFCVersion1，目前只有这个
} FormatVersionChunk;

---

扩展的 Common 块

typedef struct {
    long id;   // 必须是 'COMM'
    long size; // 22 + CompressionName 大小
    short channels; // 和 AIFF 一样
    unsigned long SampleFrames; // 和 AIFF 一样
    short SampleSize; // 和 AIFF 一样
    extended SampleRate; // 和 AIFF 一样
    long CompressionType;
    // pstring CompressionName; // 可选
} AIFCCommonChunk;

• CompressionType 有许多，可以在开头的链接找到，下面介绍几个常见的
  • ‘NONE’，未经压缩的，与 AIFF 完全一致
  • ‘sowt’，数据是交换端序存储的，对于小端 CPU 来说就不用转换了
  • ‘fl32’，数据是按照 IEEE 32位浮点数存储的
  • ‘fl64’，数据是按照 IEEE 64位浮点数存储的
  • ‘FL32’，与 ‘fl32’ 相同，可以理解为别名
• CompressionName 可选，用于指示压缩方法名，即使有一般也可忽略

除了sowt类型，其余全部为大端

文件的读取方法

1. 首先读取文件头12个字节，判断文件类型是 AIFF 或 AIFC，否则退出
2. 读取8个字节，判断 ID 和 Size，确定是否需要该块，不需要则文件指针前进 Size 个字节
3. 读取需要的信息，进行相应的保存（比如Common块的内容，音频数据的文件偏移量等）
4. 重复2-3，直到文件末尾
5. 如果文件相关信息不齐全，则退出
6. 根据先前保存的相关信息，读取音频数据

• 所有的内容信息都要进行大小端转换
• 音频数据的大小端转换取决于每个采样的字节数

其他细节内容

苹果曾经主要是使用 Pascal 语言进行开发的，后来才换了 C 系的语言，而 Pascal 原生支持 extended 浮点数类型，且在 x86 架构（包括64位）下得到完美的支持（除了Windows x64，这是由于微软ABI的限制，故编译器默认不支持，但可以使用汇编手动调用x87 FPU进行处理）。

但是C/C++(大多数语言)不支持extended类型，所以我们需要手动处理，这里介绍两种方法，一个如何在x86架构的cpu进行操作，因为其余架构本人并不熟悉，另一个是通用解决方法，也就是根据浮点数的定义手动处理转换。

我们首先定义 extended 类型结构体

typedef struct {
    unsigned char data[10];
} extended;

关于大小端的转换此处不再赘述，类似字符串的逆置

然后写两个函数，一个是 ExtendedToFloat，一个是 FloatToExtended，使用 double 同理，只需简单的修改

以下内容只能在 MinGW-gcc 下编译，在 MSVC 下需要修改，但原理一致，都是利用 x86 架构自带的 x87 FPU，这个方法并不推荐，且有较大的局限性，故推荐看后面的通用方案

void ExtendedToFloat(const extended *e, const float *s)
{
#ifdef _WIN32
#ifdef _WIN64
    // Windows x64 下，前两个参数分别在 rcx 和 rdx 中
    // 如果是 Linux x64，则前两个参数分别在 rdi 和 rsi 中
    asm("fldt (%rcx)\n\t"
        "fstps (%rdx)\n\t"); // AT&T 汇编风格下，如果是 double 则使用 fstpq
#else
    asm("movl 4(%esp), %ecx\n\t" // esp+4 是第一个参数
        "movl 8(%esp), %edx\n\t" // esp+8 是第二个参数
        "fldt (%ecx)\n\t"
        "fstps (%edx)\n\t");
#endif
#else
#error "Do not support now"
#endif
}

void FloatToExtended(const float *s, const extended *e)
{
#ifdef _WIN32
#ifdef _WIN64
    asm("flds (%rcx)\n\t" // AT&T 汇编风格下，如果是 double 则使用 fldq
        "fstpt (%rdx)\n\t");
#else
    asm("movl 4(%esp), %ecx\n\t"
        "movl 8(%esp), %edx\n\t"
        "flds (%ecx)\n\t"
        "fstpt (%edx)\n\t");
#endif
#else
#error "Do not support now"
#endif

---

通用方法如下（注意这里的尾数是截断的，没有舍入）：

void ExtendedToFloat(const extended *e, const float *s)
{
    unsigned char *ps = (unsigned char *)s;
    unsigned char *pe = (unsigned char *)e;
    unsigned short exponent;
    exponent = ((pe[9] & 0x7f) << 8 | pe[8]) - 16383 + 127;
    ps[3] = pe[9] & 0x80 | exponent >> 1;
    ps[2] = exponent << 7 | (pe[7] & 0x7f); // 实际上尾数的第一位被舍弃了
    ps[1] = pe[6];
    ps[0] = pe[5];
}

void FloatToExtended(const float *s, const extended *e)
{
    unsigned char *ps = (unsigned char *)s;
    unsigned char *pe = (unsigned char *)e;
    unsigned short exponent;
    exponent = ((ps[3] & 0x7f) << 1 | (ps[2] >> 7)) - 127 + 16383;
    pe[9] = ps[3] & 0x80 | exponent >> 8;
    pe[8] = exponent;
    pe[7] = 0x80 | (ps[2] & 0x7f); // 同理，尾数第一位要置位1
    pe[6] = ps[1];
    pe[5] = ps[0];
    pe[4] = 0;
    *((long *)pe) = 0;
}

void ExtendedToDouble(const extended *e, const double *d)
{
    unsigned char *pd = (unsigned char *)&d;
    unsigned char *pe = (unsigned char *)&e;
    unsigned short exponent = (((pe[9] & 0x7f) << 8) | pe[8]) - 16383 + 1023;
    pd[7] = pe[9] & 0x80 | exponent >> 4;
    pd[6] = exponent << 4 | ((pe[7] >> 3) & 0xf); // 同理
    pd[5] = pe[7] << 5 | pe[6] >> 3;
    pd[4] = pe[6] << 5 | pe[5] >> 3;
    pd[3] = pe[5] << 5 | pe[4] >> 3;
    pd[2] = pe[4] << 5 | pe[3] >> 3;
    pd[1] = pe[3] << 5 | pe[2] >> 3;
    pd[0] = pe[2] << 5 | pe[1] >> 3;
}

void DoubleToExtended(const double *d, const extended *e)
{
    unsigned char *pd = (unsigned char *)&d;
    unsigned char *pe = (unsigned char *)&e;
    unsigned short exponent = (((pd[7] & 0x7f) << 4) | (pd[6] >> 4)) - 1023 + 16383;
    pe[9] = pd[7] & 0x80 | exponent >> 8;
    pe[8] = exponent;
    pe[7] = 0x80 | pd[6] << 3 | pd[5] >> 5; // 同理
    pe[6] = pd[5] << 3 | pd[4] >> 5;
    pe[5] = pd[4] << 3 | pd[3] >> 5;
    pe[4] = pd[3] << 3 | pd[2] >> 5;
    pe[3] = pd[2] << 3 | pd[1] >> 5;
    pe[2] = pd[1] << 3 | pd[0] >> 5;
    pe[1] = pd[0] << 3;
    pe[0] = 0;
}

实际上这个方法在某种程度上也并不通用，因为不同平台对80位浮点数的表示方法不一样，但是由于Intel的x87 FPU出现时间较早，其使用的80位浮点数表示方式(即尾数第一位固定为1，而没有省略)至少在AIFF文件已经成为了一种事实上的标准，几乎所有的AIFF(AIFC)文件都是按照这种方式的。不过关于80位浮点数和x87协处理器的处理已经属于历史遗留问题了，没有必要讨论好坏，所以目前我们只需要用特点的代码将其转换到double类型使用即可。

有兴趣可以看看这个链接https://blog.sina.com.cn/s/blog_6449050e0100p85z.html，对比了x86和MIPS的区别。

水平有限，敬请理解

更新记录

2023-01-22：修正了关于extended浮点数的错误表述，修正了错误的代码，添加了double类型的转换，添加了代码库。