你好！ 我的第一个系列文章将重点研究图像/音频压缩和存储方法，例如 JPEG（图像）和 WAVE（声音），并且还将包括在实践中使用这些格式（.jpg、.wav）的程序示例。 在这一部分中，我们将看看 WAVE。
故事
WAVE（波形音频文件格式）是一种用于存储音频流录音的容器文件格式。 该容器通常用于存储未压缩的脉冲编码调制音频。 （摘自维基百科）
它是由微软和IBM（当时领先的IT公司）于1991年与RIFF一起发明并发布的。
文件结构
该文件有一个页眉部分、数据本身，但没有页脚。 标头总共有 44 个字节。
标头包含样本位数、采样率、声音深度等的设置。 声卡所需的信息。 （所有数值表值必须以Little-Endian顺序写入）
块名称
块尺寸（B）
描述/目的
值（对于某些来说它是固定的
块ID
4
将文件定义为媒体容器
0x52494646（大端字节序）（“RIFF”）
块大小
4
不含 chunkId 和 chunkSize 的整个文件的大小
文件大小 - 8
格式
4
RIFF 的类型定义
大端字节序（“WAVE”）中的 0x57415645
子块1Id
4
使文件占用更多的空间作为格式的延续
0x666d7420 大端字节序（“fmt”）
子块1尺寸
4
剩余标头（以字节为单位）
默认16（没有音频流压缩的情况）
音频格式
2
音频格式（取决于压缩方法和音频数据结构）
1（对于PCM，这是我们正在考虑的）
频道数
2
通道数
1/2，我们将采用 1 个通道（3/4/5/6/7... - 特定音轨，例如 4 表示四声道等）
采样率
4
音频采样率（以赫兹为单位）
越高，声音越好，但创建相同长度的音轨需要更多内存，建议值为48000（最能接受的音质）
字节率
4
每秒字节数
采样率 频道数 每个样本的位数（进一步）
块对齐
2
1 个样本的字节数
通道数 * 每个样本位数：8
每个样本位数
2
每 1 个样本的位数（深度）
任何 8 的倍数的数字。数字越大，音频越好、越重；从 32 位开始，对人类来说没有区别
子块2Id
4
数据引用标记（因为可能有其他标头元素，具体取决于音频格式）
Big-Endian 中的 0x64617461（“数据”）
子块2尺寸
4
数据区大小
int 数据大小
data
字节率 * 音频持续时间
音频数据
?
波示例
上一个表可以很容易地翻译成 C 语言的结构，但我们今天的语言是 Python。 您能做的最简单的事情就是使用“波”——噪声发生器。 对于此任务，我们不需要高字节率和压缩。
首先，让我们导入必要的模块：
# WAV.py
from struct import pack # перевод py-объектов в базовые типы из C
from os import urandom # функция для чтения /dev/urandom, для windows:
# from random import randint
# urandom = lambda sz: bytes([randint(0, 255) for _ in range(sz)]) # лямбда под windows, т.к. urandom'а в винде нет
from sys import argv, exit # аргументы к проге и выход
if len(argv) != 3: # +1 имя скрипта (-1, если будете замораживать)
print('Usage: python3 WAV.py [num of samples] [output]')
exit(1)接下来，我们需要根据变量的大小从表中创建所有必要的变量。 其中的变量值仅取决于numSamples（样本数）。 他们越多，我们的噪音持续的时间就越长。
numSamples = int(argv[1])
output_path = argv[2]
chunkId = b'RIFF'
Format = b'WAVE'
subchunk1ID = b'fmt '
subchunk1Size = b'x10x00x00x00' # 0d16
audioFormat = b'x01x00'
numChannels = b'x02x00' # 2-х каналов будет достаточно (стерео)
sampleRate = pack('<L', 1000) # 1000 хватит, но если поставить больше, то шум будет слышен лучше. С 1000-ю он звучит, как ветер
bitsPerSample = b'x20x00' # 0d32
byteRate = pack('<L', 1000 * 2 * 4) # sampleRate * numChannels * bitsPerSample / 8 (32 bit sound)
blockAlign = b'x08x00' # numChannels * BPS / 8
subchunk2ID = b'data'
subchunk2Size = pack('<L', numSamples * 2 * 4) # * numChannels * BPS / 8
chunkSize = pack('<L', 36 + numSamples * 2 * 4) # 36 + subchunk2Size
data = urandom(1000 * 2 * 4 * numSamples) # сам шум剩下的就是按照所需的顺序写下它们（如表中所示）：
with open(output_path, 'wb') as fh:
fh.write(chunkId + chunkSize + Format + subchunk1ID +
subchunk1Size + audioFormat + numChannels +
sampleRate + byteRate + blockAlign + bitsPerSample +
subchunk2ID + subchunk2Size + data) # записываем所以，准备好了。 要使用该脚本，我们需要添加必要的命令行参数：
python3 WAV.py [num of samples] [output]
样本数 - 计数。 样品
输出 — 输出文件的路径
这里是一个带有噪音的测试音频文件的链接，但为了节省内存，我将 BPS 降低到 1b/s，并将通道数降低到 1（使用 32kbs 的 64 位未压缩立体声音频流，结果是80M的纯.wav文件，而且只有10)：
整个代码（WAV.py）（代码有很多重复的变量值，这只是一个草图）：
from struct import pack # перевод py-объектов в базовые типы из C
from os import urandom # функция для чтения /dev/urandom, для windows:
# from random import randint
# urandom = lambda sz: bytes([randint(0, 255) for _ in range(sz)]) # лямбда под windows, т.к. urandom'а в винде нет
from sys import argv, exit # аргументы к проге и выход
if len(argv) != 3: # +1 имя скрипта (-1, если будете замораживать)
print('Usage: python3 WAV.py [num of samples] [output]')
exit(1)
numSamples = int(argv[1])
output_path = argv[2]
chunkId = b'RIFF'
Format = b'WAVE'
subchunk1ID = b'fmt '
subchunk1Size = b'x10x00x00x00' # 0d16
audioFormat = b'x01x00'
numChannels = b'x02x00' # 2-х каналов будет достаточно (стерео)
sampleRate = pack('<L', 1000) # 1000 хватит, но можно и больше.
bitsPerSample = b'x20x00' # 0d32
byteRate = pack('<L', 1000 * 2 * 4) # sampleRate * numChannels * bitsPerSample / 8 (32 bit sound)
blockAlign = b'x08x00' # numChannels * BPS / 8
subchunk2ID = b'data'
subchunk2Size = pack('<L', numSamples * 2 * 4) # * numChannels * BPS / 8
chunkSize = pack('<L', 36 + numSamples * 2 * 4) # 36 + subchunk2Size
data = urandom(1000 * 2 * 4 * numSamples) # сам шум
with open(output_path, 'wb') as fh:
fh.write(chunkId + chunkSize + Format + subchunk1ID +
subchunk1Size + audioFormat + numChannels +
sampleRate + byteRate + blockAlign + bitsPerSample +
subchunk2ID + subchunk2Size + data) # записываем в файл результат总
现在您已经更多地了解了数字声音及其存储方式。 在这篇文章中，我们没有使用压缩（audioFormat），但是要考虑每一种流行的压缩方式，需要10篇文章。我希望你能学到一些新的东西，这对你将来的开发有帮助。
谢谢大家！
来源
来源： habr.com