Android音频编辑之音频转换PCM与WAV-创新互联

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