本篇内容对一节提到的编码进行扩展，将重点对PCM格式、WAVE格式、MP3格式进行详细解析。
PCM
PCM : Pulse-Code Modulation 脉冲调制编码
PCM 本是一种调制方法的名称，进而通过该方法得到的音频数据也称作PCM数据，即裸数据。该数据是我们通过codec得到的最原始的数据！
WAVE
WAVE : Waveform Audio File Format 波形音频文件格式, 即我们平时所说的wave文件
很简单，WAV文件格式结构体通常是用来保存PCM格式的原始数据，基于此添加一个文件头构成了WAV文件，即wave = wave头 + PCM数据。因此它通常也被称为无损音频，但是严格意义上来讲，WAV也可以存储其它压缩格式的音频数据。
wav头
| 偏移地址 | 数据类型 | 大小 | 名称 | 内容 |
|---|---|---|---|---|
| 00H~03H | char | 4 | 资源交换文件标志 ( RIFF ) | 52 49 46 46 固定写法 |
| 04H~07H | long int （4） | 1 | 文件大小size | 从下个地址 (08) 开始到 WAV 文件结尾的总字节数整个 WAV 文件的大小就是该数值 + 8 |
| 08H~0BH | char | 4 | WAV文件标志 WAVE | 57 41 56 45 , 是 WAVE 四个字母的 ASCII 码，固定写法 |
| 0CH~0FH | char | 4 | 波形格式标志（fmt ） | 最后一位0x20 对应的字符是空格 |
| 10H~13H | int | 1 | 过滤字节 | 一般为00000010H |
| 14H~15H | short int （2） | 1 | 格式种类audioformat | 值为1时，表示数据为线性PCM编码 |
| 16H~17H | short int | 1 | 通道数 channnels | 1 表示单声道 , 2 表示立体声 |
| 18H~1BH | long int | 1 | 采样频率 sampleRate | 80 BB 00 00 – > 48000 Hz ; |
| 1CH~1FH | long int | 1 | 波形数据传输速率（每秒平均字节数） | 采样率×通道数×采样位数 / 8 |
| 20H~21H | short int | 1 | DATA数据块调整长度，字节。 | 通道数×样本数据位数 / 8 |
| 22H~23H | short int | 1 | PCM位宽 | 10 00 —-> 16 位, 2 字节 |
| 24H~27H | char | 4 | 数据标记 | 64 61 74 61 data的ASCII的值 |
| 28H~2BH | long int | 1 | PCM 数据总长度 |
注意事项
Q：wave文件的文件头一定是44Bytes吗？
A：不一定！以上格式只是wave文件的标准，属于通用标准。但是将其他格式文件通过ffmpeg转码之后的wav文件头会大于44个字节（115Bytes），在文件头和数据块之间添加了一些ffmpeg的信息，部分表征的意义不同！网上很多格式转换工具都是调用的ffmpeg转码的，导致文件头大小不完全相同。
-map_metadata -1 -fflags +bitexact 可以去除标注信息，使文件头符合标准
ffmpeg -y -i music.mp3 -map_metadata -1 -fflags +bitexact -f wav -ac 1 -ar 16000 -ab 16k music.wav
补充
Ffmpeg不去标准信息转码wave之后的文件格式：
| 偏移地址 | 字节数 | 数据类型 | 内容 |
|---|---|---|---|
| 00H ~ 23H | 36 | 同上表的00H~23H一致 | |
| 24H ~ 27H | 4 | char | “LIST”, LIST块标志，固定不变 |
| 28H ~ 2BH | 4 | long | LIST块占用的字节数，在这里为26字节 |
| 2CH ~ 45H | 26 | char | LIST块内容 |
| 46H ~ 49H | 4 | char | “data”, data数据块标志，固定不变 |
| 4AH ~ 4DH | 4 | long | wav文件音频数据所占大小 |
MP3
简介
MP3：Moving Picture Experts Group Audio Layer III, 动态影像专家压缩标准音频层面3
首先科普下部分概念：MPEG（Moving Pictures Experts Group ，动态图像专家组），简单理解就是一些研究音视频的专家发布的相关标准，其命名为MPEG-*（其中*代表数字或字母），例如MPEG-1、MPEG-2.5、MPEG-E等等。
可能有人会想MPEG-3是不是就是MP3呢？MPEG是针对音视频及系统测试的一整套的标准规范，其中对于MPEG1来讲，其part3音频部分规定了3个独立分层的音频编码格式，分别为layer Ⅰ、layer Ⅱ、layer Ⅲ，而layer Ⅲ也就是我们所说的MP3（MEPEG1 Layer Ⅲ），这三层的区别主要在于编码的算法及输出速率的区别。同样纵向来看，MPEG2、MPEG2.5同样有三个独立的layer，区别在于它们所使用的采样率更低了。
文件结构
目前大多数标准MP3文件都支持ID3V2标准。具体组成格式为：ID3V2.3标签帧（1个）+ 数据帧（若干）+ ID3V1帧（1个），其中ID3V2.3 = 标签头（1个，必须） + 标签帧（若干，不必须） + 扩展标签头（不必须）
组成部分我画了一张示意图可以参考，每一部分下面将做详细解析
ID3标准
MP3帧头中除了存储一些象private、copyright、original的简单音乐说明信息以外，没有考虑存放歌名、作者、专辑名、年份 等复杂信息，而这些信息在MP3应用中非常必要。1996年，FricKemp在“Studio 3”项目中提出了在MP3文件尾增加一块用于存放歌曲的说明信息，形成了ID3标准
标签头
标签头是由10Byte组成的，具体含义如下
| 定义 | 作用 |
|---|---|
| char Header[3]; | 必须为”ID3”否则认为标签不存在，如上图地址00—02部分为”49 44 33”，文本为“ID3” |
| char Ver; | 版本号 ID3V2.3 就记录 3，如上图地址03处记录为”03” |
| char Revision; | 副版本号此版本记录为 0 |
| char Flag; | 放标志的字节，一般为00abc00000a – 表示是否使用 Unsynchronisationb – 表示是否有扩展头部,一般没有(至少 Winamp 没有记录),所以一般也不设置c – 表示是否为测试标签(99.99%的标签都不是测试用的，所以一般也不设置) |
| char Size[4]; | 标签大小,包括标签头的 10 个字节和所有的标签帧的大小 |
整个标签大小 :
ID3V2_frame_size = (int)(Size[0] & 0x7F) << 21 | (int)(Size[1] & 0x7F) << 14 | (int)(Size[2] & 0x7F) << 7 | (int)(Size[3] & 0x7F) + 10;
标签帧
每个标签帧都有一个 10 个字节的帧头（虽然都是10字节，但是与标签头不是一个东西。标签头有且只有一个，而标签头每一个标签帧都有一个帧头）和至少一个字节的不固定长度的内容组成。
| 定义 | 作用 |
|---|---|
| char FrameID[4] | 用四个字符标识一个帧，说明其内容 |
| char Size[4] | 帧内容的大小，不包括帧头，不得小于1 |
| char Flags[2] | 存放标志，只定义了6 位，此处不再说明 |
常用帧标识：
TIT2：标题
TPE1：作者
TALB：专辑
TRCK： 音轨，格式：N/M，N表示专辑中第几首，M为专辑中歌曲总数
TYER：年份
TCON：类型
COMM：备注，格式：“eng\0备注内容”，其中eng表示所使用的语言
帧大小为四个字节所表示的整数大小。
数据帧
数据帧由帧头和数据帧组成，对于每一帧数据都有一个帧头。
帧头长4字节，对于固定位率的MP3文件，所有帧的帧头格式一样其数据结构如下
typedef struct frameHeader
{
unsigned int sync1:8; //同步信息 1
unsigned int error_protection:1; //CRC 校验
unsigned int layer:2; //层
unsigned int version:2; //版本
unsigned int sync2:3; //同步信息 2
unsigned int extension:1; //版权
unsigned int padding:1; //填充空白字
unsigned int sample_rate_index:2; //采样率索引
unsigned int bit_rate_index:4; //位率索引
unsigned int emphasis:2; //强调方式
unsigned int original:1; //原始媒体
unsigned int copyright:1; //版权标志
unsigned int mode_extension:2; //扩展模式,仅用于联合立体声
unsigned int channel_mode:2; //声道模式
}FHEADER;
比特率为32的整数倍一般就是恒定编码，否则就是可变编码；可变编码帧头一般会有不同
ID3V1标签帧
标签头是由128Byte组成的，具体含义如下
| 定义 | 作用 |
|---|---|
| char Header[3] | 标签头必须是”TAG”否则认为没有标签 |
| char Title[30] | 标题 |
| char Artist[30] | 作者 |
| char Album[30] | 专集 |
| char Year[4] | 出品年代 |
| char Comment[28] | 备注 |
| char reserve | 保留 |
| char track | 音轨 |
| char Genre; | 类型 |