sox 生成的 wav header 不正确

Question

我使用 sox 将 2 通道、48000Hz、24 位 wav 文件 (new.wav) 转换为单声道 wav 文件 (post.wav)。以下是相关命令和输出：

[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

看起来不错。但是让我们检查 post.wav 的 header:

[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standard wav file header structure。

第一行没问题

第二行“2800 0000”显示子块“fmt”的大小，它应该是 0x00000028（因为这是小端）= 40 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字节。但实际上是 36 个字节（从第三行的“1600”到第五行的“0100”）。前16个字节是标准的。

那么额外的 36 个字节是多少？

Answer 1

好的，我找到答案了。
看第二行，可以发现音频格式为"feff"，实际值为0xFFFE，所以这不是PCM标准波形格式，而是一种可扩展格式。

wav头详细介绍可以参考this link。这篇文章写得很好，感谢作者。

所以因为这是一个Non-PCM格式的wav，"fmt " chunk space 占用40个字节是没有问题的，后面跟着一个"fact" chunk，然后就是"data"块，所以一切都有意义。

sox 生成的 wav header 不正确

Incorrect wav header generated by sox

wav

sox

riff