以立体声声道 wav 文件为例，采样率为 44100，位深为 16 位。
正是how is the 16 bits divided up?
我正在使用的音频剪辑，前 4 个字节包含有关第一个音频通道的数据，接下来的 4 位 - 我不知道它是什么（即使替换为 0 ，对 final 也没有影响音频文件）。
接下来的 4 个字节包含关于第二个音频通道的数据，接下来的 4 位 - 我不知道它是什么（即使替换为 0 ，对最终音频文件也没有影响）。
所以我想弄清楚那 4 位是什么。
【问题讨论】：
一个 WAV 文件包含几个块。 FMT 块指定音频数据的格式。 实际的音频数据在数据块内。 这取决于实际的格式。但是让我们假设以下格式为例：
PCM，16 位，2 通道，采样率为 44100Hz。
音频数据表示为样本。在这种情况下，每个样本占用 16 位 = 2 字节。 如果我们有多个通道（在本例中为 2 = Stereo），它将如下所示：
left sample, right sample, left sample, right sample, ...
由于每个样本占用 2 个字节（16 位），我们得到如下内容：
Byte 1 | Byte 2 | Byte 3 | Byte 4 | Byte 5 | Byte 6 | Byte 7 | Byte 8 | ...
left sample | right sample | left sample | right sample | ...
每一秒的音频包含每个通道的 44100 个样本。 因此，一秒钟的音频总共需要 44100 * ( 16 / 8 ) * 2 字节。
【讨论】：
WAV format audio file 以 44 字节的标头开头，后跟有效负载，这是未压缩的原始 PCM 音频数据...在有效负载区域中，当您遍历 PCM 数据时，每个样本（音频曲线上的点）将包含以下数据所有通道...标题将告诉您通道数...对于使用 16 位深度的立体声，您将看到给定通道的两个字节（16 位 == 位深度），紧接着是下一个通道的两个字节等...
对于给定的通道，给定的一组字节（在您的情况下为 2 个字节）将出现在两种可能的布局中，由选择的字节序决定...第一个字节后跟第二个字节...字节顺序的顺序在这里很重要.. . 标头还告诉您正在使用的字节序...通常 WAV 格式是小字节序
每个通道都会生成自己的音频曲线
在将 PCM 数据转换为可用音频曲线数据点的代码中，您必须将给定通道的给定样本的所有字节组合成一个值......通常是它的整数而不是浮点，标题定义了 which 。 ..如果是整数，它可以是有符号或无符号的......小端意味着当你读取文件时，第一个（最左边的）字节将成为最低有效字节，随后每个后续字节成为下一个最高有效字节
在伪代码中：
int mydatapoint // allocate your integer audio curve data point
步骤 0
mydatapoint = most-significant-byte
在位深度为 8 时停在这里
...如果您的位深度大于 8 位，现在将其左移以为下一个字节（如果有）腾出空间
第一步
mydatapoint = mydatapoint << 8 // shove data to the left by 8 bits
// which effectively jacks up its value
// and leaves empty those right most 8 bits
第二步
// following operation is a bit wise OR operation
mydatapoint = mydatapoint OR next-most-significant-byte
现在对 PCM 数据的每个后续下一个字节重复执行步骤 1 和 2，按照从最高有效到最低有效（对于小端）的顺序...对于任何超过 16 的位深度都是必不可少的，因此对于 24 位音频或 32 位您需要将 3 或 4 个字节的 PCM 数据组合到您的单个整数输出音频曲线数据点中
我们为什么要做这种移位废话
从模拟转换为数字时的音频保真度取决于您记录音频曲线的准确度...模拟音频是一条连续曲线，但是要变为数字音频，它必须沿曲线采样成离散点。 . 两个因素决定了对模拟曲线进行采样以创建其数字表示时的保真度 ... 沿模拟音频曲线的左右距离由采样率决定，而沿音频曲线的上下距离由位深度决定。 .. 更高的采样率为您提供每秒更多的样本，更大的位深度为您提供更多的垂直点，以近似模拟音频曲线的瞬时高度
bit depth 8 == 2^8 == 256 distinct vertical values to record curve height
bit depth 16 == 2^16 == 65536 distinct vertical values to record curve height
所以为了更准确地将模拟音频曲线的高度记录到数字中，我们希望变得尽可能细化......所以最终的音频曲线尽可能平滑并且不会出现锯齿状，如果我们只分配 2 位就会发生这种情况这会给我们 2^2 这是 4 个不同的值...当您的音频曲线在您的绘图上只有 4 个垂直值可供选择时，尝试连接这些点...位移只是从许多字节的数据...大于 256 的数字不能放在一个字节中，因此必须分布在 PCM 数据的多个字节中
http://www-mmsp.ece.mcgill.ca/Documents/AudioFormats/WAVE/WAVE.html
【讨论】：