sox生成的不正确wav报头

Question

我使用sox将两个通道，48000 to，24位wav文件(new.wav)转换为一个单wav文件(post.wav)。以下是相关的命令和输出：

[Farmer@Ubuntu recording]$ soxi new.wav 
Input File     : 'new.wav'
Channels       : 2
Sample Rate    : 48000
Precision      : 24-bit
Duration       : 00:00:01.52 = 72901 samples ~ 113.908 CDDA sectors
File Size      : 447k
Bit Rate       : 2.35M
Sample Encoding: 24-bit Signed Integer PCM

[Farmer@Ubuntu recording]$ sox new.wav -c 1 post.wav 
[Farmer@Ubuntu recording]$ soxi post.wav 

Input File     : 'post.wav'
Channels       : 1
Sample Rate    : 48000
Precision      : 24-bit
Duration       : 00:00:01.52 = 72901 samples ~ 113.908 CDDA sectors
File Size      : 219k
Bit Rate       : 1.15M
Sample Encoding: 24-bit Signed Integer PCM

看上去很好。但是，让我们检查一下post.wav的头：

[Farmer@Ubuntu recording]$ xxd post.wav | head -10
00000000: 5249 4646 9856 0300 5741 5645 666d 7420  RIFF.V..WAVEfmt 
00000010: 2800 0000 feff 0100 80bb 0000 8032 0200  (............2..
00000020: 0300 1800 1600 1800 0400 0000 0100 0000  ................
00000030: 0000 1000 8000 00aa 0038 9b71 6661 6374  .........8.qfact
00000040: 0400 0000 c51c 0100 6461 7461 4f56 0300  ........dataOV..

这是标准wav文件头结构。

第一行没问题。

第二行"2800 0000“显示子块"fmt”的大小，应该是0x00000028 (因为这是小endian) =40个字节。但是有54个字节(在子块"fmt“和子块”数据“之前)。

第三行显示"ExtraParamSize“为0x0018 =22个字节。但实际上是36个字节(从第三行的"1600“到第5行的"0100")。前16个字节是标准的。

那么额外的36个字节是多少呢？

Answer 1

好吧，我找到答案了。

看第二行，我们可以发现音频格式是"feff"，实际值是0xFFFE，所以这不是PCM标准的波形格式，而是可扩展的格式。

Wav头详细介绍可参考此链接。这篇文章写得很好，多亏了作者。

因此，由于这是一个非PCM格式的wav，"fmt“块空间占40个字节没有问题，后面跟着一个”事实“块，然后是”数据“块，所以一切都是有意义的。