一. WAVE 简介

WAV格式是微软公司（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。

WAVE 是录音时用的标准的 WINDOWS 文件格式，文件的扩展名为“WAV”，数据本身的格式为 PCM 或其他压缩数据，属于无损音乐格式的一种。

所有的 WAV 都有一个文件头，这个文件头记录了音频流的编码参数。WAV文件 = WAV头 + PCM数据。

二. 音频编码参数

在介绍 WAVE 文件头之前，需要了解下音频编码的各个参数的含义：

声道数量(NumChannels)
声道数是指支持能不同发声的音响的个数，它是衡量音响设备的重要指标之一。我们戴的耳机因为只有左右 2 个喇叭，所以最多只能支持 2 个声道数量。
单声道（mono）的声道数为 1；立体声道（stereo）的声道数默认为 2，即左右声道；四声道即前左、前右，后左、后右供 4 个发音点；目前还有 5.1 声道、7.1 声道。

对于音频编码存储来说，每多一个声道，就要多存储一份数据。
采样率(SampleRate)
表示每秒采样的次数，常见的有 8000, 16000, 32000, 44100, 48000。
采样精度(BitPerSample)
表示每次从每个声道采样的数据的大小，以比特位单位。一般为 16,32。16 即 16 比特，也就是 2 个字节。
比特率(ByteRate)
表示每秒的音频数据大小，以字节为单位，可以根据上面几个参数求得。
ByteRate = SampleRate * NumChannels * BitPerSample / 8

三. WAVE 文件头

偏移	字段字节数	字段名	解释
0	4	ChunkID	“RIFF”串十进制大端表示为 0x52494646
4	4	ChunkSize	整个文件的大小减去 8 字节(`ChunkID+ChunkSize`)。`36 + SubChunk2Size`或者 `4 + (8 + SubChunk1Size) + (8 + SubChunk2Size)`
8	4	Format	“WAVE”串，十六进制大端表示为 0x57415645
12	4	Subchunk1ID	“fmt “串，十六进制大端表示为 0x666d7420
16	4	Subchunk1Size	整个 Subchunk1 的大小减去该字段本身所占的 4 字节，对于 PCM 来说固定为 16
20	2	AudioFormat	PCM 格式为 1，大于 1 表示其他压缩格式
22	2	NumChannels	声道数量，如 Mono = 1, Stereo = 2
24	4	SampleRate	采样率，如 8000, 44100 等
28	4	ByteRate	比特率，等于`SampleRate * NumChannels * BitsPerSample/8`
32	2	BlockAlign	每个 Sample 的大小，等于`NumChannels * BitsPerSample/8`
34	2	BitsPerSample	采样精度，如 8,16,32
36	4	Subchunk2ID	“data”串，十六进制大端表示为 0x64617461
40	4	Subchunk2Size	实际音频数据的大小，不包含 Subchunk2ID 和 Subchunk2Size 这 2 个字段的大小
44	*	Data	实际的音频数据

下图是以十六进制显示的一个 WAV 文件的前 72 字节：

四. 从其他编码转 WAVE

我们可以使用 ffmpeg.exe 将音频从其他编码转为 wave 编码，命令如下:

1	ffmpeg.exe -i input.mp3 output.wav

我们还可以指定输出文件的编码格式，如采用率，采样精度，声道数，如：

1	ffmpeg.exe -f u16le -ar 44100 -ac 1 -i input.mp3 output.wav

ffmpeg 参数解释见：http://trac.ffmpeg.org/wiki/audio%20types

ffmpeg 生成的 wav 文件的文件头可能和我们上面介绍的不太一样，它可能会包含LIST和INFO数据块，这个时候我就需要通过 2 个步骤来生成不包含LIST和INFO数据块的 WAV 文件了：
首先通过 ffmpeg.exe 将音频文件转成 pcm 裸数据文件，然后使用其他工具（如audacity）为该 pcm 裸数据加上 wav 头。

ffmpeg 将音频转成 pcm 裸数据命令如下：