你好！ 我的第一個系列文章將重點研究圖像/音訊壓縮和儲存方法，例如 JPEG（圖像）和 WAVE（聲音），並且還將包括在實踐中使用這些格式（.jpg、.wav）的程式範例。 在這一部分中，我們將看看 WAVE。
故事
WAVE（波形音訊檔案格式）是一種用於儲存音訊串流錄音的容器檔案格式。 此容器通常用於儲存未壓縮的脈衝編碼調變音訊。 （取自維基百科）
它是由微軟和IBM（當時領先的IT公司）於1991年與RIFF一起發明並發布的。
文件結構
該文件有一個頁首部分、資料本身，但沒有頁尾。 標頭總共有 44 個位元組。
標頭包含樣本位數、取樣率、聲音深度等的設定。 聲卡所需的資訊。 （所有數值表值必須以Little-Endian順序寫入）
塊名稱
塊尺寸（B）
描述/目的
值（對某些來說它是固定的
區塊ID
4
將檔案定義為媒體容器
0x52494646（大端字節序）（“RIFF”）
區塊大小
4
不含 chunkId 和 chunkSize 的整個檔案的大小
文件大小 - 8
格式
4
RIFF 的類型定義
大端字節序（“WAVE”）中的 0x57415645
子塊1Id
4
使文件佔用更多的空間作為格式的延續
0x666d7420 大端字節序（“fmt”）
子塊1尺寸
4
剩餘標頭（以位元組為單位）
預設16（沒有音訊串流壓縮的情況）
音訊格式
2
音訊格式（取決於壓縮方法和音訊資料結構）
1（對於PCM，這是我們正在考慮的）
頻道數
2
通道數
1/2，我們將採用 1 個頻道（3/4/5/6/7... - 特定音軌，例如 4 個用於四聲道音訊等）
取樣率
4
音訊取樣率（以赫茲為單位）
越高，聲音越好，但創建相同長度的音軌需要更多內存，建議值為48000（最能接受的音質）
位元組率
4
每秒位元組數
取樣率 頻道數 每個樣本的位數（進一步）
區塊對齊
2
1 個樣本的位元組數
頻道數 * 每個樣本位數：8
每個樣本位數
2
每 1 個樣本的位數（深度）
任何 8 的倍數的數字。數字越大，音訊越好、越重；從 32 位元開始，對人類來說沒有區別
子塊2Id
4
資料引用標記（因為可能有其他標頭元素，取決於音訊格式）
Big-Endian 中的 0x64617461（「資料」）
子塊2尺寸
4
資料區大小
int 資料大小
數據
位元組率 * 音訊持續時間
音訊數據
?
波範例
上一個表可以很容易地翻譯成 C 語言的結構，但我們今天的語言是 Python。 您能做的最簡單的事情就是使用「波」—噪音產生器。 對於此任務，我們不需要高位元組率和壓縮。
首先，讓我們導入必要的模組：
# 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)接下來，我們需要根據變數的大小從表中建立所有必要的變數。 其中的變數值只取決於numSamples（樣本數）。 他們越多，我們的噪音持續的時間就越長。
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順序寫下它們（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，準備好了。 要使用該腳本，我們需要新增必要的命令列參數：
python3 WAV.py [num of samples] [output]
樣本數 - 計數。 樣品
輸出 — 輸出檔案的路徑
這裡是一個帶有噪音的測試音頻檔案的鏈接，但為了節省內存，我將 BPS 降低到 1b/s，並將通道數降低到 1（使用 32kbs 的 64 位未壓縮立體聲音頻流，結果是80M的純.wav文件，而且只有10)：
整個程式碼（WAV.py）（程式碼有很多重複的變數值，這只是一個草圖）：
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總
現在您已經更多地了解了數位聲音及其儲存方式。 在這篇文章中，我們沒有使用壓縮（audioFormat），但是要考慮每一種流行的壓縮方式，需要10篇文章。我希望你能學到一些新的東西，這對你將來的開發有幫助。
謝謝！
來源
來源： www.habr.com