WAVEファイル - ぼく用あれこれまとめ

WAVEファイルについて

• WAVEフォーマットからその読み込みまでをまとめます。

FOURCC識別子（4文字コード/4CharCode）

• 4文字のASCIIコードでできた識別子
• ASCIIなので、「a-z A-Z 0-9」だけでなく半角スペースも使える
• Win32 API の<MMSystems.h> の mmioFOURCC マクロなどを使うとプログラムが楽に。

PCMフォーマット

FOURCC識別子	説明
'RIFF'	チャンクの最初4バイトに'WAVE'だとか'XWMA'だとかがくる。
'fmt '	WAVEFORMATEX, WAVEFORMATEXTENSIBLE, ADPCMWAVEFORMAT, XMA2WAVEFORMATEXのどれかに対応する。
'data'	波形、いわゆるオーディオデータが入ってる。バッファに読み込むやつ。

WAVフォーマット

大きさ	中身	説明
4Byte	'RIFF'	RIFF形式のFOURCC識別子
4Byte	ファイルサイズ(Byte)	16進数
4Byte	'WAVE'	RIFFの種類を表すこれまたFOURCC識別子
(4+4+n)Byte	チャンク	タグのFOURCC識別子(4Byte) データサイズ(4Byte) 可変長のデータ（nByte） からなる可変ブロック
(4+4+n)Byte	チャンク	可変ブロック
…	…	以下、チャンクが続きます。

WAVフォーマット（LPCM）のfmtチャンク

大きさ	中身	説明
4Byte	'fmt '	fmtチャンク（＝チャンクの定義）
4Byte	fmtチャンクのデータサイズ(Byte)	LPCMだと10進数で16 （16進数で'10 00 00 00'）
2Byte	フォーマットID	LPCMだと1（16進数'01 00'） (注意：16進数だったら '00 01'と思いがちだけど、 ここでは'01 00'＝'1（10進数）' となっている。 これはよく使われるWAV フォーマットのバイトオーダーがリトルエンディアンだから。)
2Byte	チャンネル数	モノラルなら1(16進数'01 00') ステレオなら2（16進数'02 00'）
4Byte	サンプリングレート(Hz)	44.1kHz＝44100Hz（16進数'44 AC 00 00'）
4Byte	ビットレート(bps)	2ch*44.1kHz*16bit=176400bps （16進数'10 B1 02 00'）
2Byte	波形データの1サンプルあたりの ブロックサイズ（ch*Byte/sample）	Stereo(2チャンネル)*16bit（ビット深度） =4(16進数'04 00')
2Byte	1サンプルあたりのビット数	ビット深度のこと。もっとかっこよくいうと、量子化ビット数。8bitか16bitが一般的。 16bitなら16(16進数'10 00')
2Byte	拡張部分のサイズ（何の拡張？）	LPCMでは使わない（存在してないから ここはもうdataチャンクになってるはず）
nByte	拡張部分（何の拡張かしら？）	LPCMでは使わない

WAVフォーマットのdataチャンク

4Byte	'data'	dataチャンク（＝チャンクの定義）
4Byte	波形データサイズ（Byte）	16進数
nByte	波形データ	fmtチャンクで定義した通りの波形データが可変長に入ってる

バイトオーダー

• 基本的にリトルエンディアンっぽい。ビッグエンディアンのWAV フォーマットも存在するのかどうかよく調べてないのでわかりません。
• フォーマットとして決まってるのかどうかも知りたい。

LPCM（リニアPCM）

WAVEやCDDAのような編集してない生の音を残す音声方式。非圧縮音声方式（？）とでもいうのかしら？
最近はPS3やBlue-layでも使われてる模様。非圧縮だからもちろん音綺麗。ただデータサイズはもちろんでかい。
MP3やoggは圧縮してるからたぶん（というか絶対）LPCMじゃないよー。

参考文献

MSDN - RIFF (Resource Interchange File Format)
近藤正芳のウェブページ
WAVプログラミング C言語で学ぶ音響処理（著：北山洋幸） - p.3~p.4
MSDN - WAVEFORMATEX構造体