Android音频编辑之音频转换PCM与WAV

前言

本篇开始讲解在Android平台上进行的音频编辑开发，首先需要对音频相关概念有基础的认识。所以本篇要讲解以下内容：

1. 常用音频格式简介
2. WAV和PCM的区别和联系
3. WAV文件头信息
4. 采样率简介
5. 声道数和采样位数下的PCM编码
6. 音频文件解码
7. PCM文件转WAV文件

现在先给出音频编辑的效果图，看看能不能提高大家的积极性~，哈哈

常用音频格式简介

在Android平台上进行音频开发，首先需要对常用的音频格式有个大致的了解。在Android平台上，常用的音频格式有：

• WAV
  

WAV格式是微软公司开发的一种声音文件格式，也叫波形声音文件，是最早的数字音频格式，被Windows平台及其应用程序广泛支持。

WAV格式支持许多压缩算法，支持多种音频位数、采样频率和声道，采用44.1kHz的采样频率，16位量化位数，因此WAV的音质与CD相差无几，但WAV格式对存储空间需求太大不便于交流和传播。

补充：无损格式，缺点：体积十分大！

• MP3
  

MP3的全称是Moving Picture Experts Group Audio Layer III。简单的说，MP3就是一种音频压缩技术，由于这种压缩方式的全称叫MPEG Audio Layer3，所以人们把它简称为MP3。
MP3是利用 MPEG Audio Layer 3 的技术，将音乐以1:10 甚至 1:12 的压缩率，压缩成容量较小的file，换句话说，能够在音质丢失很小的情况下把文件压缩到更小的程度。而且还非常好的保持了原来的音质。

正是因为MP3体积小，音质高的特点使得MP3格式几乎成为网上音乐的代名词。每分钟音乐的MP3格式只有1MB左右大小，这样每首歌的大小只有3-4MB。使用MP3播放器对MP3文件进行实时的解压缩(解码)，这样，高品质的MP3音乐就播放出来了。

补充：最高比特率320K，高频部分一刀切是他的缺点。音质不高！

• AMR

全称Adaptive Multi-Rate 和 Adaptive Multi-Rate Wideband，主要用于移动设备的音频，压缩比比较大，但相对其他的压缩格式质量比较差，多用于人声，通话，效果还是很不错的。

• Ogg
  

Ogg全称应该是OGG Vobis(ogg Vorbis) 是一种新的音频压缩格式，类似于MP3等现有的音乐格式。
但有一点不同的是，它是完全免费、开放和没有专利限制的。OGG Vobis有一个很出众的特点，就是支持多声道，随着它的流行，以后用随身听来听DTS编码的多声道作品将不会是梦想。

Vorbis 是这种音频压缩机制的名字，而Ogg则是一个计划的名字，该计划意图设计一个完全开放性的多媒体系统。目前该计划只实现了OggVorbis这一部分。

Ogg Vorbis文件的扩展名是.OGG。这种文件的设计格式是非常先进的。现在创建的OGG文件可以在未来的任何播放器上播放，因此，这种文件格式可以不断地进行大小和音质的改良，而不影响旧有的编码器或播放器。
补充：目前最好的有损格式之一，MP3部分支持，智能手机装软件部分可以支持，最高比特率500kbps。

• AAC
  

AAC（Advanced Audio Coding），中文称为“高级音频编码”，出现于1997年，基于 MPEG-2的音频编码技术。

优点：相对于mp3，AAC格式的音质更佳，文件更小。

不足：AAC属于有损压缩的格式，与时下流行的APE、FLAC等无损格式相比音质存在“本质上”的差距。加之，目前传输速度更快的USB3.0和16G以上大容量MP3正在加速普及，也使得AAC头上“小巧”的光环不复存在了。

前景：以发展的眼光来看，正如“高清”正在被越来越多的人所接受一样，“无损”必定是未来音乐格式的绝对主流。AAC这种“有损”格式的前景不容乐观

• FLAC
  

FLAC即是Free Lossless Audio Codec的缩写，中文可解为无损音频压缩编码。

FLAC是一套著名的自由音频压缩编码，其特点是无损压缩。不同于其他有损压缩编码如MP3 及 AAC，它不会破任何原有的音频资讯，所以可以还原音乐光盘音质。现在它已被很多软件及硬件音频产品所支持。简而言之，FLAC与MP3相仿，但是是无损压缩的，也就是说音频以FLAC方式压缩不会丢失任何信息。这种压缩与Zip的方式类似，但是FLAC将给你更大的压缩比率，因为FLAC是专门针对音频的特点设计的压缩方式，并且你可以使用播放器播放FLAC压缩的文件，就象通常播放你的MP3文件一样。

补充：为无损格式，较ape而言，他体积大点，但是兼容性好，编码速度快，播放器支持更广。

WAV和PCM的区别和联系

在Android平台上要进行音频编辑操作（比如裁剪，插入，合成等），通常都是需要将音频文件解码为WAV格式的音频文件或者PCM文件。那么WAV和PCM之间有什么关系，这里有必要了解一下。

PCM（Pulse Code Modulation—-脉码调制录音)。所谓PCM录音就是将声音等模拟信号变成符号化的脉冲列，再予以记录。PCM信号是由[1]、[0]等符号构成的数字信号，而未经过任何编码和压缩处理。与模拟信号比，它不易受传送系统的杂波及失真的影响。动态范围宽，可得到音质相当好的影响效果。也就是说，PCM就是没有压缩的编码方式，PCM文件就是采用PCM这种没有压缩的编码方式编码的音频数据文件。

WAV是由微软开发的一种音频格式。WAV符合 PIFF Resource Interchange File Format规范。所有的WAV都有一个文件头，这个文件头音频流的编码参数。WAV对音频流的编码没有硬性规定，除了PCM之外，还有几乎所有支持ACM规范的编码都可以为WAV的音频流进行编码。WAV也可以使用多种音频编码来压缩其音频流，不过我们常见的都是音频流被PCM编码处理的WAV，但这不表示WAV只能使用PCM编码，MP3编码同样也可以运用在WAV中，和AVI一样，只要安装好了相应的Decode，就可以欣赏这些WAV了。

在Windows平台下，基于PCM编码的WAV是被支持得最好的音频格式，所有音频软件都能完美支持，由于本身可以达到较高的音质的要求，因此，WAV也是音乐编辑创作的首选格式，适合保存音乐素材。因此，基于PCM编码的WAV被作为了一种中介的格式，常常使用在其他编码的相互转换之中，例如MP3转换成WMA。

如上引用的描述，也就是说我们对音频进行编辑操作，其实就是音频解码后的PCM音频采样数据进行操作，因为PCM记录的就是采样后的音频信息，而我们常说的WAV文件是在PCM数据的基础上添加一组头信息，用于描述这个WAV文件的采样率，声道数，采样位数，音频数据大小等信息，这样这个WAV就可以被音频播放器正确读取并播放，而单纯的PCM文件因为只有编码的音频数据，没有其他描述信息，所以无法被音频播放器识别播放。

WAV文件头信息

接下来有必要了解一下WAV文件头信息是什么样的格式信息。

WAV文件头信息由大小44个字节的数据组成：

4字节数据，内容为“RIFF”，表示资源交换文件标识
4字节数据，内容为一个整数，表示从下个地址开始到文件尾的总字节数
4字节数据，内容为“WAVE”，表示WAV文件标识
4字节数据，内容为“fmt ”，表示波形格式标识（fmt ），最后一位空格。
4字节数据，内容为一个整数，表示PCMWAVEFORMAT的长度
2字节数据，内容为一个短整数，表示格式种类（值为1时，表示数据为线性PCM编码）
2字节数据，内容为一个短整数，表示通道数，单声道为1，双声道为2
4字节数据，内容为一个整数，表示采样率，比如44100
4字节数据，内容为一个整数，表示波形数据传输速率（每秒平均字节数），大小为 采样率 * 通道数 * 采样位数
2字节数据，内容为一个短整数，表示DATA数据块长度，大小为 通道数 * 采样位数
2字节数据，内容为一个短整数，表示采样位数，即PCM位宽，通常为8位或16位
4字节数据，内容为“data”，表示数据标记符
4字节数据，内容为一个整数，表示接下来声音数据的总大小

由以上信息可知，对于一个PCM文件来说，只要知道它的大小，采样率，声道数，采样位数，就可以通过添加一个WAV文件头得到一个WAV文件了。

采样率简介

那么采样率是什么意思，我们来了解下。

音频采样率是指录音设备在一秒钟内对声音信号的采样次数，采样频率越高声音的还原就越真实越自然。在当今的主流采集卡上，采样频率一般共分为22.05KHz、44.1KHz、48KHz三个等级，22.05KHz只能达到FM广播的声音品质，44.1KHz则是理论上的CD音质界限，48KHz则更加精确一些。

在数字音频领域，常用的采样率有：

8,000 Hz - 电话所用采样率, 对于人的说话已经足够
11,025 Hz

22,050 Hz - 无线电广播所用采样率

32,000 Hz - miniDV 数码视频 camcorder、DAT (LP mode)所用采样率

44,100 Hz - 音频 CD, 也常用于 MPEG-1 音频（VCD, SVCD, MP3）所用采样率

47,250 Hz - 商用 PCM 录音机所用采样率

48,000 Hz - miniDV、数字电视、DVD、DAT、电影和专业音频所用的数字声音所用采样率

50,000 Hz - 商用数字录音机所用采样率

96,000 或者 192,000 Hz - DVD-Audio、一些 LPCM DVD 音轨、BD-ROM（蓝光盘）音轨、和 HD-DVD （高清晰度 DVD）音轨所用所用采样率

2.8224 MHz - Direct Stream Digital 的 1 位 sigma-delta modulation 过程所用采样率。

通常歌曲的采样率是44100，而Android平台的人声录音支持8000，16000，32000三种采样率。

声道数和采样位数下的PCM编码
接下来再了解下声道数和采样位数代表什么意思，在PCM编码中是如何应用的。

声道通常可以分为单声道和双声道，双声道又分为左声道和右声道。

采样位数表示一个采样数据用多少位来表示，通常为8位和16位，对于8位表示一个字节来表示一个采样数据，16位表示用两个字节表示一个采样数据，两个字节为低位字节和高位字节，通常低位字节在前，高位字节在后。

因此结合声道和采样字节数（采样位数），可以组成下图的PCM数据格式：

可以看到8位单声道的PCM数据，只需要一个字节就能表示一个采样数据，而16位双声道（立体声）的PCM数据，需要4个字节来表示一个采样数据。那么计算一个PCM大小的方法就很简单了。

对于8位单声道，采样率为8000，1分钟的PCM音频来说，大小是

//采样率 * 通道数 * 采样位数/8 * 秒数
8000 * 1 * 8/8 * 60 = 480000，大约480k

对于16位双声道，采样率为44100，1分钟的PCM音频来说，大小是

//采样率 * 通道数 * 采样位数/8 * 秒数
44100 * 2 * 16/8 * 60 = 10584000，大约10M

而WAV文件的大小就是比PCM多出44个字节数。

音频文件解码

有了以上音频相关知识的了解之后，现在可以来对android上常用音频文件进行解码和信息提取了。这里涉及了三个音频相关的类：
- MediaExtractor 媒体文件数据提取器，负责媒体文件数据的提取操作。
- MediaFormat 媒体文件格式信息，负责读取媒体文件的格式（如采样率，时长，声道数等）信息。
- MediaCodec 媒体文件编解码类，负责媒体文件数据的编解码操作。

解码器支持解码常用的音频格式，如mp3, wav, 3gpp, 3gp, amr, aac, m4a, ogg, flac等，解码后的数据是PCM编码的数据。下面用代码实现下如何用上述类实现音频文件的解码操作，得到一个PCM数据文件

 /**
 * 将音乐文件解码
 *
 * @param musicFileUrl 源文件路径
 * @param decodeFileUrl 解码文件路径
 * @param startMicroseconds 开始时间 微秒
 * @param endMicroseconds 结束时间 微秒
 * @param decodeOperateInterface 解码过程回调
 */
 private boolean decodeMusicFile(String musicFileUrl, String decodeFileUrl,
  long startMicroseconds, long endMicroseconds, DecodeOperateInterface decodeOperateInterface) {

 //采样率，声道数，时长，音频文件类型
 int sampleRate = 0;
 int channelCount = 0;
 long duration = 0;
 String mime = null;

 //MediaExtractor, MediaFormat, MediaCodec
 MediaExtractor mediaExtractor = new MediaExtractor();
 MediaFormat mediaFormat = null;
 MediaCodec mediaCodec = null;

 //给媒体信息提取器设置源音频文件路径
 try {
  mediaExtractor.setDataSource(musicFileUrl);
 }catch (Exception ex){
  ex.printStackTrace();
  try {
  mediaExtractor.setDataSource(new FileInputStream(musicFileUrl).getFD());
  } catch (Exception e) {
  e.printStackTrace();
  LogUtil.e("设置解码音频文件路径错误");
  }
 }

 //获取音频格式轨信息
 mediaFormat = mediaExtractor.getTrackFormat(0);

 //从音频格式轨信息中读取 采样率，声道数，时长，音频文件类型
 sampleRate = mediaFormat.containsKey(MediaFormat.KEY_SAMPLE_RATE) ? mediaFormat.getInteger(
  MediaFormat.KEY_SAMPLE_RATE) : 44100;
 channelCount = mediaFormat.containsKey(MediaFormat.KEY_CHANNEL_COUNT) ? mediaFormat.getInteger(
  MediaFormat.KEY_CHANNEL_COUNT) : 1;
 duration = mediaFormat.containsKey(MediaFormat.KEY_DURATION) ? mediaFormat.getLong(
  MediaFormat.KEY_DURATION) : 0;
 mime = mediaFormat.containsKey(MediaFormat.KEY_MIME) ? mediaFormat.getString(MediaFormat.KEY_MIME)
   : "";

 LogUtil.i("歌曲信息Track info: mime:"
  + mime
  + " 采样率sampleRate:"
  + sampleRate
  + " channels:"
  + channelCount
  + " duration:"
  + duration);

 if (TextUtils.isEmpty(mime) || !mime.startsWith("audio/")) {
  LogUtil.e("解码文件不是音频文件mime:" + mime);
  return false;
 }

 if (mime.equals("audio/ffmpeg")) {
  mime = "audio/mpeg";
  mediaFormat.setString(MediaFormat.KEY_MIME, mime);
 }

 if (duration <= 0) {
  LogUtil.e("音频文件duration为" + duration);
  return false;
 }

 //解码的开始时间和结束时间
 startMicroseconds = Math.max(startMicroseconds, 0);
 endMicroseconds = endMicroseconds < 0 ? duration : endMicroseconds;
 endMicroseconds = Math.min(endMicroseconds, duration);

 if (startMicroseconds >= endMicroseconds) {
  return false;
 }

 //创建一个解码器
 try {
  mediaCodec = MediaCodec.createDecoderByType(mime);

  mediaCodec.configure(mediaFormat, null, null, 0);
 } catch (Exception e) {
  LogUtil.e("解码器configure出错");
  return false;
 }

 //得到输出PCM文件的路径
 decodeFileUrl = decodeFileUrl.substring(0, decodeFileUrl.lastIndexOf("."));
 String pcmFilePath = decodeFileUrl + ".pcm";

 //后续解码操作
 getDecodeData(mediaExtractor, mediaCodec, pcmFilePath, sampleRate, channelCount,
  startMicroseconds, endMicroseconds, decodeOperateInterface);

 return true;
 }

以上操作创建了MediaExtractor，获取MediaFormat用于读取音频文件的相关信息如采样率，文件类型，声道数等。然后创建了MediaCodec用于后续和MediaExtractor一起进行音频的解码操作。接下来看看具体的解码过程：

 /**
 * 解码数据
 */
 private void getDecodeData(MediaExtractor mediaExtractor, MediaCodec mediaCodec,
  String decodeFileUrl, int sampleRate, int channelCount, final long startMicroseconds,
  final long endMicroseconds, final DecodeOperateInterface decodeOperateInterface) {

 //初始化解码状态，未解析完成
 boolean decodeInputEnd = false;
 boolean decodeOutputEnd = false;

 //当前读取采样数据的大小
 int sampleDataSize;
 //当前输入数据的ByteBuffer序号，当前输出数据的ByteBuffer序号
 int inputBufferIndex;
 int outputBufferIndex;
 //音频文件的采样位数字节数，= 采样位数/8
 int byteNumber;

 //上一次的解码操作时间，当前解码操作时间，用于通知回调接口
 long decodeNoticeTime = System.currentTimeMillis();
 long decodeTime;

 //当前采样的音频时间，比如在当前音频的第40秒的时候
 long presentationTimeUs = 0;

 //定义编解码的超时时间
 final long timeOutUs = 100;

 //存储输入数据的ByteBuffer数组，输出数据的ByteBuffer数组
 ByteBuffer[] inputBuffers;
 ByteBuffer[] outputBuffers;

 //当前编解码器操作的 输入数据ByteBuffer 和 输出数据ByteBuffer，可以从targetBuffer中获取解码后的PCM数据
 ByteBuffer sourceBuffer;
 ByteBuffer targetBuffer;

 //获取输出音频的媒体格式信息
 MediaFormat outputFormat = mediaCodec.getOutputFormat();

 MediaCodec.BufferInfo bufferInfo;

 byteNumber = (outputFormat.containsKey("bit-width") ? outputFormat.getInteger("bit-width") : 0) / 8;

 //开始解码操作
 mediaCodec.start();

 //获取存储输入数据的ByteBuffer数组，输出数据的ByteBuffer数组
 inputBuffers = mediaCodec.getInputBuffers();
 outputBuffers = mediaCodec.getOutputBuffers();

 mediaExtractor.selectTrack(0);

 //当前解码的缓存信息，里面的有效数据在offset和offset+size之间
 bufferInfo = new MediaCodec.BufferInfo();

 //获取解码后文件的输出流
 BufferedOutputStream bufferedOutputStream =
  FileFunction.getBufferedOutputStreamFromFile(decodeFileUrl);

 //开始进入循环解码操作，判断读入源音频数据是否完成，输出解码音频数据是否完成
 while (!decodeOutputEnd) {
  if (decodeInputEnd) {
  return;
  }

  decodeTime = System.currentTimeMillis();

  //间隔1秒通知解码进度
  if (decodeTime - decodeNoticeTime > Constant.OneSecond) {
  final int decodeProgress =
   (int) ((presentationTimeUs - startMicroseconds) * Constant.NormalMaxProgress
    / endMicroseconds);

  if (decodeProgress > 0) {
   notifyProgress(decodeOperateInterface, decodeProgress);
  }

  decodeNoticeTime = decodeTime;
  }

  try {

  //操作解码输入数据

  //从队列中获取当前解码器处理输入数据的ByteBuffer序号
  inputBufferIndex = mediaCodec.dequeueInputBuffer(timeOutUs);

  if (inputBufferIndex >= 0) {
   //取得当前解码器处理输入数据的ByteBuffer
   sourceBuffer = inputBuffers[inputBufferIndex];
   //获取当前ByteBuffer，编解码器读取了多少采样数据
   sampleDataSize = mediaExtractor.readSampleData(sourceBuffer, 0);

   //如果当前读取的采样数据<0，说明已经完成了读取操作
   if (sampleDataSize < 0) {
   decodeInputEnd = true;
   sampleDataSize = 0;
   } else {
   presentationTimeUs = mediaExtractor.getSampleTime();
   }

   //然后将当前ByteBuffer重新加入到队列中交给编解码器做下一步读取操作
   mediaCodec.queueInputBuffer(inputBufferIndex, 0, sampleDataSize, presentationTimeUs,
    decodeInputEnd ? MediaCodec.BUFFER_FLAG_END_OF_STREAM : 0);

   //前进到下一段采样数据
   if (!decodeInputEnd) {
   mediaExtractor.advance();
   }

  } else {
   //LogUtil.e("inputBufferIndex" + inputBufferIndex);
  }

  //操作解码输出数据

  //从队列中获取当前解码器处理输出数据的ByteBuffer序号
  outputBufferIndex = mediaCodec.dequeueOutputBuffer(bufferInfo, timeOutUs);

  if (outputBufferIndex < 0) {
   //输出ByteBuffer序号<0，可能是输出缓存变化了，输出格式信息变化了
   switch (outputBufferIndex) {
   case MediaCodec.INFO_OUTPUT_BUFFERS_CHANGED:
    outputBuffers = mediaCodec.getOutputBuffers();
    LogUtil.e(
     "MediaCodec.INFO_OUTPUT_BUFFERS_CHANGED [AudioDecoder]output buffers have changed.");
    break;
   case MediaCodec.INFO_OUTPUT_FORMAT_CHANGED:
    outputFormat = mediaCodec.getOutputFormat();

    sampleRate =
     outputFormat.containsKey(MediaFormat.KEY_SAMPLE_RATE) ? outputFormat.getInteger(
      MediaFormat.KEY_SAMPLE_RATE) : sampleRate;
    channelCount =
     outputFormat.containsKey(MediaFormat.KEY_CHANNEL_COUNT) ? outputFormat.getInteger(
      MediaFormat.KEY_CHANNEL_COUNT) : channelCount;
    byteNumber =
     (outputFormat.containsKey("bit-width") ? outputFormat.getInteger("bit-width") : 0)
      / 8;

    LogUtil.e(
     "MediaCodec.INFO_OUTPUT_FORMAT_CHANGED [AudioDecoder]output format has changed to "
      + mediaCodec.getOutputFormat());
    break;
   default:
    //LogUtil.e("error [AudioDecoder] dequeueOutputBuffer returned " + outputBufferIndex);
    break;
   }
   continue;
  }

  //取得当前解码器处理输出数据的ByteBuffer
  targetBuffer = outputBuffers[outputBufferIndex];

  byte[] sourceByteArray = new byte[bufferInfo.size];

  //将解码后的targetBuffer中的数据复制到sourceByteArray中
  targetBuffer.get(sourceByteArray);
  targetBuffer.clear();

  //释放当前的输出缓存
  mediaCodec.releaseOutputBuffer(outputBufferIndex, false);

  //判断当前是否解码数据全部结束了
  if ((bufferInfo.flags & MediaCodec.BUFFER_FLAG_END_OF_STREAM) != 0) {
   decodeOutputEnd = true;
  }

  //sourceByteArray就是最终解码后的采样数据
  //接下来可以对这些数据进行采样位数，声道的转换，但这是可选的，默认是和源音频一样的声道和采样位数
  if (sourceByteArray.length > 0 && bufferedOutputStream != null) {
   if (presentationTimeUs < startMicroseconds) {
   continue;
   }

   //采样位数转换，按自己需要是否实现
   byte[] convertByteNumberByteArray =
    convertByteNumber(byteNumber, Constant.ExportByteNumber, sourceByteArray);

   //声道转换，按自己需要是否实现
   byte[] resultByteArray = convertChannelNumber(channelCount, Constant.ExportChannelNumber,
    Constant.ExportByteNumber, convertByteNumberByteArray);

   //将解码后的PCM数据写入到PCM文件
   try {
   bufferedOutputStream.write(resultByteArray);
   } catch (Exception e) {
   LogUtil.e("输出解压音频数据异常" + e);
   }
  }

  if (presentationTimeUs > endMicroseconds) {
   break;
  }
  } catch (Exception e) {
  LogUtil.e("getDecodeData异常" + e);
  }
 }

 if (bufferedOutputStream != null) {
  try {
  bufferedOutputStream.close();
  } catch (IOException e) {
  LogUtil.e("关闭bufferedOutputStream异常" + e);
  }
 }

 //重置采样率，按自己需要是否实现
 if (sampleRate != Constant.ExportSampleRate) {
  Resample(sampleRate, decodeFileUrl);
 }

 notifyProgress(decodeOperateInterface, 100);

 //释放mediaCodec 和 mediaExtractor
 if (mediaCodec != null) {
  mediaCodec.stop();
  mediaCodec.release();
 }

 if (mediaExtractor != null) {
  mediaExtractor.release();
 }
 }

以上操作是在一个循环中，不断取得源音频输入数据，加入到输入队列中，交给MediaCodec处理，然后再从解码后的输出队列中取得输出数据，写入到文件中，其中要判断源音频输入数据是否读取完毕，解码后的输出数据是否完成，来终止这个循环。后续的采样位数转换，声道数转换，以及采样率转换都是可选的，不是必须的，默认不实现的话，输出的PCM数据和源音频是一样的采样位数，声道数，和采样率。

PCM文件转WAV文件
现在我们得到了解码后的PCM文件，但是它是不可直接播放的，因为不带音频相关的格式信息，下面我们将PCM和指定的音频相关格式信息去转换得到一个可播放的WAV文件：

 /**
 * PCM文件转WAV文件
 * @param inPcmFilePath 输入PCM文件路径
 * @param outWavFilePath 输出WAV文件路径
 * @param sampleRate 采样率，例如44100
 * @param channels 声道数 单声道：1或双声道：2
 * @param bitNum 采样位数，8或16
 */
 public static void convertPcm2Wav(String inPcmFilePath, String outWavFilePath, int sampleRate,
  int channels, int bitNum) {

 FileInputStream in = null;
 FileOutputStream out = null;
 byte[] data = new byte[1024];

 try {
  //采样字节byte率
  long byteRate = sampleRate * channels * bitNum / 8;

  in = new FileInputStream(inPcmFilePath);
  out = new FileOutputStream(outWavFilePath);

  //PCM文件大小
  long totalAudioLen = in.getChannel().size();

  //总大小，由于不包括RIFF和WAV，所以是44 - 8 = 36，在加上PCM文件大小
  long totalDataLen = totalAudioLen + 36;

  writeWaveFileHeader(out, totalAudioLen, totalDataLen, sampleRate, channels, byteRate);

  int length = 0;
  while ((length = in.read(data)) > 0) {
  out.write(data, 0, length);
  }
 } catch (Exception e) {
  e.printStackTrace();
 } finally {
  if (in != null) {
  try {
   in.close();
  } catch (IOException e) {
   e.printStackTrace();
  }
  }
  if (out != null) {
  try {
   out.close();
  } catch (IOException e) {
   e.printStackTrace();
  }
  }
 }
 }


 /**
 * 输出WAV文件
 * @param out WAV输出文件流
 * @param totalAudioLen 整个音频PCM数据大小
 * @param totalDataLen 整个数据大小
 * @param sampleRate 采样率
 * @param channels 声道数
 * @param byteRate 采样字节byte率
 * @throws IOException
 */
 private static void writeWaveFileHeader(FileOutputStream out, long totalAudioLen,
  long totalDataLen, int sampleRate, int channels, long byteRate) throws IOException {
 byte[] header = new byte[44];
 header[0] = 'R'; // RIFF
 header[1] = 'I';
 header[2] = 'F';
 header[3] = 'F';
 header[4] = (byte) (totalDataLen & 0xff);//数据大小
 header[5] = (byte) ((totalDataLen >> 8) & 0xff);
 header[6] = (byte) ((totalDataLen >> 16) & 0xff);
 header[7] = (byte) ((totalDataLen >> 24) & 0xff);
 header[8] = 'W';//WAVE
 header[9] = 'A';
 header[10] = 'V';
 header[11] = 'E';
 //FMT Chunk
 header[12] = 'f'; // 'fmt '
 header[13] = 'm';
 header[14] = 't';
 header[15] = ' ';//过渡字节
 //数据大小
 header[16] = 16; // 4 bytes: size of 'fmt ' chunk
 header[17] = 0;
 header[18] = 0;
 header[19] = 0;
 //编码方式 10H为PCM编码格式
 header[20] = 1; // format = 1
 header[21] = 0;
 //通道数
 header[22] = (byte) channels;
 header[23] = 0;
 //采样率，每个通道的播放速度
 header[24] = (byte) (sampleRate & 0xff);
 header[25] = (byte) ((sampleRate >> 8) & 0xff);
 header[26] = (byte) ((sampleRate >> 16) & 0xff);
 header[27] = (byte) ((sampleRate >> 24) & 0xff);
 //音频数据传送速率,采样率*通道数*采样深度/8
 header[28] = (byte) (byteRate & 0xff);
 header[29] = (byte) ((byteRate >> 8) & 0xff);
 header[30] = (byte) ((byteRate >> 16) & 0xff);
 header[31] = (byte) ((byteRate >> 24) & 0xff);
 // 确定系统一次要处理多少个这样字节的数据，确定缓冲区，通道数*采样位数
 header[32] = (byte) (channels * 16 / 8);
 header[33] = 0;
 //每个样本的数据位数
 header[34] = 16;
 header[35] = 0;
 //Data chunk
 header[36] = 'd';//data
 header[37] = 'a';
 header[38] = 't';
 header[39] = 'a';
 header[40] = (byte) (totalAudioLen & 0xff);
 header[41] = (byte) ((totalAudioLen >> 8) & 0xff);
 header[42] = (byte) ((totalAudioLen >> 16) & 0xff);
 header[43] = (byte) ((totalAudioLen >> 24) & 0xff);
 out.write(header, 0, 44);
 }

上面操作其实也很简单，只要你知道了WAV文件头信息的格式，将采样率，声道数，采样位数，PCM音频数据大小等信息填充进去，然后将这个44个字节数据拼接到PCM文件的开头，就得到了一个可播放的WAV文件了。

总结

上文讲解了常用音频文件的格式，采样率，声道，采样位数概念，以及PCM数据是如何构成等内容。然后是如何从音频文件解码为PCM数据文件，以及得到PCM编码的WAV文件，有了以上的理解后，后续进行音频文件的裁剪，插入，合成等编辑操作就更容易理解了。请继续关注后续的音频编辑操作处理。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持自由互联。