WAV格式文件无损合并&帧头数据体解析（python）（原创）

一，百度百科

　　WAV为微软公司（Microsoft)开发的一种声音文件格式，它符合RIFF(Resource Interchange File Format)文件规范，用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所广泛支持，该格式也支持MSADPCM，CCITT A LAW等多种压缩运算法，支持多种音频数字，取样频率和声道，标准格式化的WAV文件和CD格式一样，也是44.1K的取样频率，16位量化数字，因此在声音文件质量和CD相差无几！ WAV打开工具是WINDOWS的媒体播放器。

　　通常使用三个参数来表示声音，量化位数，取样频率和采样点振幅。量化位数分为8位，16位，24位三种，声道有单声道和立体声之分，单声道振幅数据为n*1矩阵点，立体声为n*2矩阵点，取样频率一般有11025Hz(11kHz) ，22050Hz(22kHz)和44100Hz(44kHz) 三种，不过尽管音质出色，但在压缩后的文件体积过大！相对其他音频格式而言是一个缺点，其文件大小的计算方式为：WAV格式文件所占容量（B) = （取样频率 X量化位数X 声道） X 时间 / 8 (字节= 8bit) 每一分钟WAV格式的音频文件的大小为10MB，其大小不随音量大小及清晰度的变化而变化。

　　WAV是最接近无损的音乐格式，所以文件大小相对也比较大。

 

二，文件帧头

 

图1 WAV文件帧头data[0:44]数据格式

图2.WAV文件帧头图解

读取WAV文件程序：

 import struct

 with open('测试音频源1.wav', 'rb') as file:
     data=file.read()
     # print(len(data))
     # print(data[44:])
     # print(data[0:4])            # chunkID:          b'RIFF'
     # length0=struct.unpack('<L', bytes(data[4:8]))
     # print(length0)              # (140836,)
     # print(data[4:8])            # chunkSize:        b'$&\x02\x00'   WAV文件总byte数
     # print(data[8:12])           # format:           b'WAVE'
     # print(data[12:16])          # Subchunk1 ID:     b'fmt '
     # length1=struct.unpack('<L', bytes(data[16:20]))
     # print(length1)              # (16,)
     # print(data[16:20])    # format Code:      b'\x10\x00\x00\x00'
     #
     # print(data[20:22])          # Subchunk1 Size:   b'\x01\x00'
     # print(data[22:24])    # nChannels:        b'\x01\x00'
     #
     # print(data[24:28])          # nSamplesPerSec:   b'\x80>\x00\x00'
     # print(data[28:32])    # nAvgBytesPerSec:  b'\x00}\x00\x00'
     #
     # print(data[32:34])          # nBlockAlign:      b'\x02\x00'
     # print(data[34:36])    # wBitsPerSample:   b'\x10\x00'
     #
     # print(data[36:40])          # Subchunk2 ID:     b'data'
     # length2=struct.unpack('<L', bytes(data[40:44]))    # (140800,)
     # print(length2)
     # print(data[40:44])    # Subchunk2 Size:   b'\x00&\x02\x00'

通过将data值输出，可知其是一个byte文件

帧头数据为data[0:44],例如：

其中又划分出3大子块，每个子块又分为若干功能块。有标志位、数据长度、通道数、采样率等等相关参数。

 b'RIFF\xac\xdc9\x00WAVEfmt\x10\x00\x00\x00\x01\x00\x01\x00\x80>\x00\x00\x00}\x00\x00\x02\x00\x10\x00data\x80\xdc9\x00'

数据帧为data[44:]，剩余的数据即为音频采样数据。

 三，WAV文件无损合并

我这种方法只针对通道数、采样率等等（除了文件数据帧长度不同）都相同的多个WAV文件合并，当然如果想要将不同格式的WAV合并也可以先转换成相同格式的文件之后再做操作。

 import struct   # 用于将chunkSize和Subchunk2 Size进行【long int】（byte型）和 int的转换

 # *** 读取WAV音频1 *** #
 with open('测试音频源1.wav', 'rb') as file:
     data1=file.read()

 # *** 读取WAV音频2 *** #
 with open('测试音频源2.wav', 'rb') as file:
     data2=file.read()

 data_info = data1[:44]  # 复制帧头参考
 data_out = data1[44:] + data2[44:]  # 将两个音频的数据帧合并（都是相同格式）
 data_info = data_info[:4] + struct.pack('<L', len(data_out)+44) + data_info[8:]# 更新WAV文件的总byte数（两个文件数据帧和+44）
 data_info = data_info[:40] + struct.pack('<L', len(data_out)) + data_info[44:]# 更新WAV文件的数据byte数（两个文件数据帧和）

 # *** 生成合并后的WAV文件 *** #
 with open('测试音频源3.wav', 'wb') as f:
     f.write(data_info+data_out)

 print('完成')

四，常见问题

　　我之前遇到的问题，直接将两个文件的byte值相加写入新文件，帧头没有更改；这样写的结果就是数据的大小满足两个源文件的和，但是使用播放器播放的时候音频无法正常全部播放。

　　尤其是我使用阿里云-语音合成api合成的WAV格式音频，它们的格式有一定的问题，每个生成的chunkSize和Subchunk2 Size数值都比实际音频数据长度要大一些，导致我直接将多个音频合并的时候，音频长度超过一定长度，后面的语音就无法播放，但是较少的几段音频合并又可以正常播放，这个地方我一直都没有弄明白，同时我又不想使用第三方的库（主要是觉得要先将音频存起来-之后又读取很麻烦），所以才细心的参看WAV格式文件的相关资料，通过对多个音频的比对发现了这个问题的由来。

　　备注：如果想要直接使用byte文件进行WAV文件合并一定要在合并后更新相关的数据，与此同时也要注意文件的通道数、采样频率等格式是否相同，一定要转换到相同格式合并才有效