簡介

最近在學習I2S音頻相關(guān)內(nèi)容，無可避免會涉及到關(guān)于音頻格式的內(nèi)容，所以剛開始接觸的時候有點一頭霧水，后面了解了下WAV相關(guān)內(nèi)容，大致能夠看懂wav音頻格式是怎么樣的了。本文主要為后面ESP32 I2S音頻系列文章做鋪墊，所以本篇將介紹WAV音頻文件格式，并通過C代碼生成一段1S的正弦波WAV音頻寫入到SD卡里面。

WAV（Waveform Audio File Format） 是一種音頻文件格式，用于存儲音頻數(shù)據(jù)。它是由 微軟 和 IBM 開發(fā)的，通常用于存儲高質(zhì)量的原始音頻數(shù)據(jù)。

如果一段單聲道音頻的采樣率為 44100 Hz，一分鐘的音頻數(shù)據(jù)大約有 5.04MB。這個值是可以大致計算的，后面我們會提到。WAV 文件一般未經(jīng)過壓縮，因此能夠提供音頻的 高保真度 ，但相比其他音頻格式，相同時間內(nèi)的文件會顯得較大。所以一開始我打算用SPIFFS存儲WAV音頻的時候發(fā)現(xiàn)好像不太現(xiàn)實，畢竟ESP32 SPIFFS空間太小了，而 WAV文件幾秒的音頻動不動就好幾M了，這樣子的話只能播放短時間的音頻就不符合我的要求了。

WAV文件基于RIFF格式，這是一種用于存儲多媒體數(shù)據(jù)的通用格式。

也就是說WAV是基于RIFF格式的一種具體應(yīng)用，RIFF格式還被用于許多其他文件類型。

什么是RIFF格式

RIFF （Resource Interchange File Format，資源交換文件格式）是一種通用的文件格式標準，由微軟和IBM于1991年聯(lián)合開發(fā)，用于存儲和交換多媒體數(shù)據(jù)，如音頻、視頻、圖像等。RIFF格式以其靈活性和可擴展性著稱，能夠容納各種類型的數(shù)據(jù)，并被廣泛應(yīng)用于多種文件類型，例如：

• WAV （音頻）
• AVI （視頻）
• ANI （動畫光標）

可以簡單理解為它是一種通用的文件容器格式，它通過一個個塊的形式（稱之為chunk）存儲多媒體數(shù)據(jù)。

以下是基于RIFF格式的不同文件類型及其用途的表格：

可以看到除了WAV是基于RIFF格式的，還有其他文件類型也是基于RIFF的，這里我們也可以看到很多文件格式會用特定的標識符，比如WAV, AVI，這里就涉及到FOURCC標識符。RIFF 文件的結(jié)構(gòu)通常以標識符 "RIFF" 開頭，緊接著是文件大小（4 字節(jié)），再后面跟著的就是一個四字符代碼（FOURCC），用于指明文件的數(shù)據(jù)類型。

FOURCC標識符

FOURCC（Four-Character Code，四字符代碼）是由 4 個字節(jié)組成的標識符，通常使用可打印的 ASCII 字符，它在 RIFF 文件中用來標識數(shù)據(jù)的具體格式。比如：

WAV 文件：以 "RIFF" 開頭，F(xiàn)OURCC 為 "WAVE"，表示這是一個音頻文件。
AVI 文件：以 "RIFF" 開頭，F(xiàn)OURCC 為 "AVI ""（注意末尾有空格），表示這是一個視頻文件。

FOURCC 的設(shè)計要求正好 4 個字符，如果不足則用空格填充，且對大小寫敏感。這種標識方式不僅用于文件類型的最頂層定義，還用于文件內(nèi)部的各個數(shù)據(jù)塊，每個數(shù)據(jù)塊稱作一個chunk，比如 WAV 文件中包含 "fmt "（格式信息）和 "data"（音頻數(shù)據(jù)）這兩個chunk。

字節(jié)序

WAV文件的字節(jié)數(shù)據(jù)還涉及到字節(jié)序的問題。字節(jié)序（Byte Order）是指多字節(jié)數(shù)據(jù)（如整數(shù)、浮點數(shù)等）在計算機內(nèi)存中存儲的順序。不同的計算機體系結(jié)構(gòu)可能采用不同的字節(jié)序方式，這可能會導(dǎo)致在不同平臺之間傳輸數(shù)據(jù)時出現(xiàn)問題。字節(jié)序問題主要體現(xiàn)在多字節(jié)數(shù)據(jù)的存儲順序上，尤其是在跨平臺的數(shù)據(jù)交換和存儲中需要特別注意。根據(jù)字節(jié)存儲時從低位開始還是從高位開始分為兩種：大端序和小端序。

大端序（Big-Endian）

大端字節(jié)序是一種字節(jié)順序，其中數(shù)據(jù)的高字節(jié)存儲在內(nèi)存的低地址處，低字節(jié)存儲在高地址處。

例如，對于一個4字節(jié)的整數(shù) 0x12345678，它的字節(jié)序會按以下順序存儲：

這種存儲方式類似于我們閱讀數(shù)字的順序，從左到右。

小端序（Little-Endian）

小端字節(jié)序是一種字節(jié)順序，其中數(shù)據(jù)的低字節(jié)存儲在內(nèi)存的低地址處，高字節(jié)存儲在高地址處。

對于同樣的4字節(jié)整數(shù) 0x12345678，它的字節(jié)序會按以下順序存儲：

這種存儲方式將數(shù)字的低位放在前面，更符合計算機內(nèi)部的處理邏輯。

WAV文件結(jié)構(gòu)

WAV文件基于RIFF格式。RIFF格式的結(jié)構(gòu)是一個個塊構(gòu)成的，一個塊稱為一個chunk，每個chunk都有一個4字節(jié)的ID（FOURCC），緊隨其后的是4字節(jié)的塊大?。╟hunk size），然后是塊數(shù)據(jù) (data) 。 最外層的是RIFF chunk，里面在套著"fmt" chunk和"data" chunk。

我們來看一下WAV文件的結(jié)構(gòu)：

這張圖的最左邊是字節(jié)序，然后是偏移量，每個數(shù)據(jù)字段區(qū)域的名稱及對應(yīng)區(qū)域的字節(jié)大小。

字節(jié)序：
前面我們提到WAV的字節(jié)序問題，那在WAV中每個chunk里面的字節(jié)數(shù)據(jù)是以什么方式存儲的呢？在RIFF格式中，所有多字節(jié)的 數(shù)值數(shù)據(jù)（如塊大小、音頻采樣率等）都以小端序存儲。而ID，即FOURCC標識符，是4個ASCII字符的組合，按照ASCII字符的順序直接存儲， 所以它的字節(jié)序是大端序。

偏移量：
偏移量是指當前數(shù)據(jù)字段相對于文件開始位置的字節(jié)數(shù)。比如ChunkID的偏移量是0，表示它是文件的開始部分；ChunkSize的偏移量是4，表示它從文件的第4個字節(jié)開始，

WAVE音頻文件結(jié)構(gòu)主要分為三個部分：

1. RIFF Chunk Descriptor（偏移量0-12）

這是文件的頭部，提供文件的身份和基本信息：

• ChunkID （偏移量0，4字節(jié)） 標識文件為RIFF類型，通常為字符串 "RIFF"。 每個字符在ASCII表中都對應(yīng)一個十六進制數(shù)。比如，R的ASCII碼是0x52，I是0x49，F(xiàn)是0x46，第二個F也是0x46，那連起來的話， "RIFF"這四個字母對應(yīng)的ASCII碼就是0x52 0x49 0x46 0x46。
• ChunkSize （偏移量4，4字節(jié)） 表示整個文件的大小（不包括前8字節(jié)，即 ChunkID 和 ChunkSize）。 整個文件大?。ú话?字節(jié)）= 36 + SubChunk2Size或 4 + (8 + SubChunk1Size) + (8 + SubChunk2Size)或文件總大小-8
• Format （偏移量8，4字節(jié)） 指定文件格式為 "WAVE"。對應(yīng)57 41 56 45。 ---

2. fmt Sub-chunk（偏移量12-36）

這部分描述音頻的格式信息，是播放或處理音頻時必須了解的關(guān)鍵數(shù)據(jù)：

• Subchunk1ID （偏移量12，4字節(jié)） 標識這是 "fmt " 子塊。和上面的"RIFF"一樣，使用ASCII字符標識，不足四個字符，末尾用空格補齊。對應(yīng)66 6D 74 20
• Subchunk1Size （偏移量16，4字節(jié)） 表示此子塊的大小（對于PCM通常為16字節(jié)）。
• AudioFormat （偏移量20，2字節(jié)） 指定音頻格式，例如PCM（未壓縮音頻，值為1）。
• NumChannels （偏移量22，2字節(jié)） 聲道數(shù)，例如1（單聲道）或2（立體聲）。
• SampleRate （偏移量24，4字節(jié)） 采樣率，例如44100 Hz（CD音質(zhì)）。
• ByteRate （偏移量28，4字節(jié)） 每秒字節(jié)數(shù)，計算公式為： SampleRate * NumChannels * BitsPerSample / 8
• BlockAlign （偏移量32，2字節(jié)） 每個采樣塊的字節(jié)數(shù)，計算公式為： NumChannels * BitsPerSample / 8
• BitsPerSample （偏移量34，2字節(jié)） 每個樣本采樣的位數(shù)，例如8位或16位。

3. data Sub-chunk（偏移量36起）

這部分存儲實際的音頻數(shù)據(jù)：

• Subchunk2ID （偏移量36，4字節(jié)） 標識這是 "data" 子塊。對應(yīng)64 61 74 61。

• Subchunk2Size （偏移量40，4字節(jié)） 表示音頻數(shù)據(jù)的大小。 datasize = NumSamples × NumChannels × BitsPerSample / 8，其中NumSamples 是總樣本數(shù)

• data （偏移量44起，可變大?。?包含原始的音頻采樣數(shù)據(jù)。 ---

  WAV文件頭

  WAV文件的前44字節(jié)稱為 WAV的文件頭 ，剩下的data為WAV文件實際的音頻數(shù)據(jù)。所以整個WAV文件的大小應(yīng)等于文件頭44字節(jié) + data字節(jié)大小

  

  這個文件頭主要注意ChunkSize ，Subchunk2Size，ByteRate ，BlockAlign 這幾個參數(shù)，我們重點介紹一下。

  ChunkSize

  ChunkSize字段里面存儲著 “它之后的數(shù)據(jù)總大小” 的這個數(shù)據(jù) （對于當前chunk的剩余部分）。所以 ChunkSize 指 對于ChunkSize字段后面的數(shù)據(jù)大小，不包括前8字節(jié)，即 4字節(jié)的ChunkID 和4字節(jié)的ChunkSize，所以ChunkSize大小是文件總大小-8。 （從ChunkID到data是一個WAV文件，ChunkSize實際就是從下個地址08開始到WAV文件結(jié)尾的總字節(jié)數(shù)）

  

  ChunkSize大小還等于36 + SubChunk2Size。（下圖紅色框+藍色框）。

  因為同理Subchunk2Size 指 對于Subchunk2Size字段后面的數(shù)據(jù)大小，而這個數(shù)據(jù)剛好就是WAV真正的音頻數(shù)據(jù)，即 datasize，

  

  ChunkSize還等于 4 + (8 + SubChunk1Size) + (8 + SubChunk2Size)，這個式子比較長，主要是分的比較細，如下圖：
  

  ByteRate

  ByteRate表示每秒傳輸?shù)淖止?jié)數(shù)，比如一段采樣率8000hz，采樣深度16bit的音頻，單聲道，則一秒采樣8000個樣本，每個樣本16位，每秒采樣樣本字節(jié)大小為8000 * 16 / 8 * 1聲道 = 16000字節(jié)，除以8是為了轉(zhuǎn)換為字節(jié)，所以ByteRate = SampleRate * NumChannels * BitsPerSample / 8

  BlockAlign

  BlockAlign指每個采樣塊的字節(jié)數(shù)，或者說一幀的樣本，如果是單聲道音頻，一幀樣本就包含一個聲道數(shù)據(jù)；如果是雙聲道音頻，一幀樣本包含左聲道數(shù)據(jù)和右聲道數(shù)據(jù)。比如一段采樣深度16bit的音頻，單聲道，一幀就是16 / 8 * 1聲道 = 2字節(jié)。所以BlockAlign = NumChannels * BitsPerSample / 8。

  講到采樣幀這里順便提一下之前學習遇到的困惑，之前學習I2S了解到在對音頻樣本采樣時，如果是雙聲道音頻，左聲道和右聲道是一幀樣本，在同一時刻采樣，那為什么WS又區(qū)分WS=0和WS=1呢？ 在之前學過I2S的通信格式的那個圖里一般左邊是左聲道，右邊是右聲道，這樣子看起來并不是在同一個時刻。這里其實是我混淆了采樣和傳輸?shù)倪^程，采樣確實是同時采樣的，但是傳輸是先傳輸左聲道，再傳輸右聲道。這里參考了別人畫的圖，很形象借用一下。

  假設(shè)一個 buffer 包含 4 個周期、而一個周包含 1024 幀、一幀包含兩個樣本（左、右兩個聲道），每個樣本長度為2bytes。

  

  Subchunk2Size

  Subchunk2Size表示音頻數(shù)據(jù)的大?。ㄗ止?jié)），一般可以預(yù)估計算，有了ByteRate ，一般乘以時間，就可以得到音頻總大小。 或者知道樣本數(shù)也可以估算出來，比如一段采樣率44100，采樣深度16bit的音頻，單聲道，時間一分鐘60s，字節(jié)速率ByteRate=44100 * 16 / 8 = 88200，即每秒傳輸字節(jié)數(shù)88200字節(jié)，再乘以時間，88200 * 60 = 5292000字節(jié) ≈ 5.04 MB。Subchunk2Size大小因為表示的是WAV音頻實際數(shù)據(jù)大小，所以也叫datasize，后面編寫程序時我們將使用datasize這個字段名稱。 使用時間去估計音頻數(shù)據(jù)大小可能會有誤差，但是這個誤差一般不會很大。我們還可以通過樣本數(shù)去估計音頻數(shù)據(jù)大小，即NumSamples × NumChannels × BitsPerSample / 8，其中NumSamples是總樣本數(shù)，NumChannels × BitsPerSample / 8 就是每個采樣樣本的字節(jié)數(shù)（即BlockAlign）， 乘以總樣本數(shù)，就可以得到總樣本字節(jié)大小。
  以上我們講了ChunkSize ，Subchunk2Size，ByteRate ，BlockAlign這幾個比較主要的參數(shù)，還有一些其他參數(shù)在WAV文件中是默認的。為了方便查看，將以上內(nèi)容整理為表格：

  偏移	大小	字段名	內(nèi)容/說明
  0	4	ChunkID	"RIFF"（52 49 46 46）
  4	4	ChunkSize	文件大小 - 8 或 36 + SubChunk2Size或 4 + (8 + SubChunk1Size) + (8 + SubChunk2Size)
  8	4	Format	"WAVE"（57 41 56 45）
  12	4	Subchunk1ID	"fmt "（66 6D 74 20）
  16	4	Subchunk1Size	16（表示 PCM 格式時）
  20	2	AudioFormat	1 表示 PCM；其他為壓縮格式
  22	2	NumChannels	聲道數(shù)（1=單聲道，2=立體聲）
  24	4	SampleRate	采樣率（如 44100）
  28	4	ByteRate	每秒傳輸?shù)淖止?jié)數(shù) = SampleRate * NumChannels * BitsPerSample / 8
  32	2	BlockAlign	每個采樣塊的字節(jié)數(shù) = NumChannels × BitsPerSample / 8
  34	2	BitsPerSample	每個樣本的位數(shù)（如 16）
  36	4	Subchunk2ID	"data"（64 61 74 61）
  40	4	Subchunk2Size	音頻數(shù)據(jù)的大小（字節(jié)） = NumSamples × NumChannels × BitsPerSample / 8

  WAV音頻文件格式示例

  了解了RIFF格式，字節(jié)序和WAV文件結(jié)構(gòu)等相關(guān)參數(shù)后，我們先舉一個WAV音頻文件格式示例，再來看看實際的音頻文件格式是什么樣子的。
  假設(shè)有一段WAV音頻文件如下（十六進制顯示）

  52 49 46 46 24 08 00 00 57 41 56 45 66 6d 74 20 10 00 00 00 01 00 02 00
  22 56 00 00 88 58 01 00 04 00 10 00 64 61 74 61 00 08 00 00 00 00 00 00
  24 17 1e f3 3c 13 3c 14 16 f9 18 f9 34 e7 23 a6 3c f2 24 f2 11 ce 1a 0d

  對音頻數(shù)據(jù)按照上面WAV文件結(jié)構(gòu)進行劃分：
  
  我們可以得到RIFF chunk, ChunkSize, Subchunk1Size，AudioFormat等相關(guān)參數(shù)，這里要注意除了ASCII字符,其他數(shù)據(jù)都是以小端序存儲的。 比如ByteRate為 88 58 01 00，小端序應(yīng)為：0x00015888，對應(yīng)的十進制為88200。
  
  再比如BlockAlign=4， 根據(jù)我們前面舉的例子計算（雙倍），它是一段雙聲道音頻。
  那對于一段實際音頻，我們?nèi)绾尾榭此氖M制格式呢？我們可以通過 Hex Editor這個軟件，

  HxD Hex Editor 是一款功能強大的十六進制編輯器和磁盤編輯器，它可以讓你直接查看和編輯二進制文件的內(nèi)容。你可以使用HxD Hex
  Editor來分析、修改和處理各種數(shù)據(jù)格式，包括程序文件、磁盤映像、內(nèi)存轉(zhuǎn)儲以及其他二進制文件。

  這里我自己生成了一段30S的WAV音頻。我們用HxD軟件打開它看看。
  
  
  當我們框選頭四個字節(jié)時，可以看到右邊也有顯示它的對應(yīng)文本為：RIFF，表示這是一個基于RIFF格式的文件。我們將每個數(shù)據(jù)按照上面的結(jié)構(gòu)進行劃分，可以看到這個數(shù)據(jù)格式和我們介紹的WAV格式相符。除了框選的部位，后面都是真正的WAV音頻數(shù)據(jù)即data。 框選的所有部分我們稱之為 文件頭，以四個字節(jié)為一組，數(shù)一下可以發(fā)現(xiàn)剛好有11組，11 * 4= 44字節(jié)，剛好是WAV文件頭的字節(jié)數(shù)。 而WAV數(shù)據(jù)大小就是上面圖片最后紅色框的2646016字節(jié)，則整個WAV文件字節(jié)數(shù)應(yīng)為2646016 + 44 = 2646060字節(jié)。右鍵查看這個音頻的文件屬性：
  
  這和我們的計算結(jié)果一致。
  關(guān)于這個WAV文件頭的詳細信息如下：
  52 49 46 46 RIFF標識
  24 60 28 00 ChunkSize = 2646052（除去前8個字節(jié)文件大?。?br /> 57 41 56 45 WAV標識
  66 6D 74 20 fmt標識
  10 00 00 00 , Subchunk1Size =16（表示 PCM 格式時固定為16）
  01 00 AudioFormat=1 ,音頻格式：PCM（未壓縮）（表示 PCM 格式時固定為1）
  01 00 聲道數(shù)：1（單聲道）
  44 ac 00 00 采樣率：44100 Hz
  88 58 01 00 字節(jié)率：88200 字節(jié)/秒
  02 00 塊對齊：2字節(jié)（每個采樣點的字節(jié)數(shù)）
  10 00 位深度：16位（每個采樣點2字節(jié)）
  64 61 74 61 data標識
  00 60 28 00 Subchunk2Size = 2646016 （音頻數(shù)據(jù)大?。?br /> WAV文件大小：2646060 字節(jié)
  現(xiàn)在我們是通過WAV文件信息得到這些參數(shù)，比如音頻數(shù)據(jù)大小 2646016 。前面我們說過WAV文件大小可以預(yù)估，那我們來計算一下看看有什么差異。以上面我生成的audio.wav文件為例， 假設(shè)我們已經(jīng)知道一些基本參數(shù)，一段采樣率44100, 采樣深度16bit， 單聲道WAV音頻，如果我們通過字節(jié)速率ByteRate去計算再乘以時間，則估計總音頻文件大小應(yīng)為44100 * 16 / 8 * 30 = 2646000字節(jié)，但實際大小為2646016字節(jié)，我們估計出來的音頻大小比實際小。這是因為采樣音頻時長并不是精確的30 秒， 如果是精確30秒，采樣點數(shù)量應(yīng)該是44100 × 30 = 1323000個，我們通過 Subchunk2Size （實際音頻大?。?，計算實際樣本數(shù)卻為2646016 / 2 = 1323008，比 1323000 多 8 個采樣點，而每個采樣點占 2 字節(jié)，所以實際整體多了16字節(jié)。 反過來我們可以計算實際采樣時間為1323008 / 44100 ≈ 30.0001814058956秒， 多出8個采樣點的時間剛好為1 / 44100 * 8 = 0.0001814058956秒。所以我們通過時間去預(yù)估WAV音頻數(shù)據(jù)大小的話和實際相比是有差異的，但是我們一般會先預(yù)估大小，然后再更新WAV文件頭。

  使用ESP32將WAV文件寫入SD卡

  以上我們介紹了WAV相關(guān)內(nèi)容后，我們將介紹一個例子，將WAV音頻文件寫入SD卡，生成的WAV音頻為一段1S的正弦波音頻。
  上面我們知道通過一段WAV文件頭信息，可以得到它的一些參數(shù)；反過來我們也可以寫入一些參數(shù)到WAV文件頭里，生成WAV文件，所以WAV頭部的定義是不可避免的。

  【定義WAV文件頭】

  假設(shè)我們要生成的WAV音頻參數(shù)，采樣率8000，采樣深度16bit， 單聲道，那么我們可以預(yù)估ChunkSize，Subchunk2Size（即datasize）大小，因為采樣率是8000Hz，我們要生成1秒的音頻，則1秒有8000個樣本，每個樣本大小為2字節(jié)（采樣深度16bit），則 datasize = 16000， 根據(jù)公式直接計算的話就是NumSamples × NumChannels × BitsPerSample / 8 = 8000 x 1 x 16 /8 = 16000字節(jié)。 ChunkSize = 36 + datasize = 16036字節(jié)。其他參數(shù)可以參考上面的表格，這里就不贅述了。將其轉(zhuǎn)化為16進制，小端序，
  定義WAV文件頭：

  const uint8_t wavHeader[44] = {
    0x52, 0x49, 0x46, 0x46, // "RIFF"
    0xA4, 0x3E, 0x00, 0x00, // chunksize: 16036
    0x57, 0x41, 0x56, 0x45, // "WAVE"
    0x66, 0x6D, 0x74, 0x20, // "fmt "
    0x10, 0x00, 0x00, 0x00, // fmt塊大小 (16)
    0x01, 0x00,             // 音頻格式 (1 = PCM)
    0x01, 0x00,             // 聲道數(shù) (1)
    0x40, 0x1F, 0x00, 0x00, // 采樣率 (8000 Hz)
    0x80, 0x3E, 0x00, 0x00, // 字節(jié)率 (16000)
    0x02, 0x00,             // 塊對齊 (2)
    0x10, 0x00,             // 每樣本位數(shù) (16)
    0x64, 0x61, 0x74, 0x61, // "data"
    0x80, 0x3E, 0x00, 0x00  // datasize: 16000
  };
  

  【創(chuàng)建并打開文件】

  為了寫入SD卡，我們還要初始化SD卡。創(chuàng)建一個文件取名為test.wav并打開它：

  #define SD_CS_PIN 5
  
  // 初始化SD卡
  if (!SD.begin(SD_CS_PIN)) {
  Serial.println("SD卡初始化失??！");
  return;
  }
  Serial.println("SD卡初始化成功。");
  
  
  //創(chuàng)建并打開文件
  File wavFile = SD.open("/test.wav", FILE_WRITE);
  if (!wavFile) {
  Serial.println("無法創(chuàng)建文件！");
  return;
  }
  

  【寫入WAV頭部】

  File 類是Arduino SD庫的一部分，這里我們創(chuàng)建了一個 File 類對象取名為wavFile，wavFile.write用于向 SD 卡上的文件寫入數(shù)據(jù)。使用size_t write(const uint8_t *buf, size_t size)將文件頭寫入前面創(chuàng)建的文件中，這里要注意第一個參數(shù)類型是 uint8_t *類型的，如果寫入的buffer不是uint8_t *類型，需要進行強制類型轉(zhuǎn)換。

  wavFile.write(wavHeader, 44);
  

  【 生成440Hz正弦波音頻】

  正弦波公式為：y = A * sin(ωt+φ)
  其中，
  A：振幅，那么y的取值范圍就是[-A， A]；
  ω：角頻率，ω = 2 * π * f，其中f為頻率，周期T = 1 / f；
  φ：初相位；
  以下是生成一段1秒440Hz正弦波音頻的示例：

  // 生成并寫入440Hz正弦波音頻數(shù)據(jù)
  const int sampleRate = 8000;  // 采樣率
  const int frequency = 440;    // 正弦波頻率
  const int numSamples = sampleRate * 1; // 1秒的樣本數(shù)
  for (int i = 0; i < numSamples; i++) {
  float time = (float)i / sampleRate;
  int16_t sample = (int16_t)(32767.0 * sin(2.0 * PI * frequency * time));
  }
  

  【寫入WAV音頻文件并關(guān)閉文件】

  使用size_t write(const uint8_t *buf, size_t size)將前面生成的正弦波音頻數(shù)據(jù)寫入前面創(chuàng)建的文件中并進行強制類型轉(zhuǎn)換。

  wavFile.write((uint8_t*)&sample, 2); // 寫入16位樣本
  wavFile.close();
  Serial.println("WAV文件寫入完成。");
  

  整合后的代碼如下：

  #include < SD.h >
  #include < SPI.h >
  
  // SD卡片選引腳
  #define SD_CS_PIN 5
  
  // WAV文件頭部（44字節(jié)）
  const uint8_t wavHeader[44] = {
    0x52, 0x49, 0x46, 0x46, // "RIFF"
    0xA4, 0x3E, 0x00, 0x00, // chunksize: 16036
    0x57, 0x41, 0x56, 0x45, // "WAVE"
    0x66, 0x6D, 0x74, 0x20, // "fmt "
    0x10, 0x00, 0x00, 0x00, // fmt塊大小 (16)
    0x01, 0x00,             // 音頻格式 (1 = PCM)
    0x01, 0x00,             // 聲道數(shù) (1)
    0x40, 0x1F, 0x00, 0x00, // 采樣率 (8000 Hz)
    0x80, 0x3E, 0x00, 0x00, // 字節(jié)率 (16000)
    0x02, 0x00,             // 塊對齊 (2)
    0x10, 0x00,             // 每樣本位數(shù) (16)
    0x64, 0x61, 0x74, 0x61, // "data"
    0x80, 0x3E, 0x00, 0x00  // datasize: 16000
  };
  
  void setup() {
  Serial.begin(115200);
  
  // 初始化SD卡
  if (!SD.begin(SD_CS_PIN)) {
  Serial.println("SD卡初始化失?。?);
  return;
  }
  Serial.println("SD卡初始化成功。");
  
  // 創(chuàng)建并打開文件
  File wavFile = SD.open("/test.wav", FILE_WRITE);
  if (!wavFile) {
  Serial.println("無法創(chuàng)建文件！");
  return;
  }
  
  // 寫入WAV頭部
  wavFile.write(wavHeader, 44);
  
  // 生成并寫入440Hz正弦波音頻數(shù)據(jù)
  const int sampleRate = 8000;  // 采樣率
  const int frequency = 440;    // 正弦波頻率
  const int numSamples = sampleRate * 1; // 1秒的樣本數(shù)
  for (int i = 0; i < numSamples; i++) {
  float time = (float)i / sampleRate;
  int16_t sample = (int16_t)(32767.0 * sin(2.0 * PI * frequency * time));
  wavFile.write((uint8_t*)&sample, 2); // 寫入16位樣本
  }
  
  // 關(guān)閉文件
  wavFile.close();
  Serial.println("WAV文件寫入完成。");
  }
  
  void loop() {
  }
  

  這里我們觀察到如果使用數(shù)組定義WAV文件頭的話需要計算它的十六進制比較麻煩，我們可以定義一個WAV頭部結(jié)構(gòu)體，寫入ASCII字符和公式，這樣可以更方便地計算 WAV 文件頭的信息，而不用手動去處理十六進制數(shù)據(jù)。
  使用結(jié)構(gòu)體定義WAV文件頭：

  // 定義 WAV 頭部結(jié)構(gòu)體
  struct WavHeader {
      char     riff[4] = {'R', 'I', 'F', 'F'};    // "RIFF"
      uint32_t chunkSize;                         // 文件大小 - 8
      char     wave[4] = {'W', 'A', 'V', 'E'};    // "WAVE"
      char     fmt[4] = {'f', 'm', 't', ' '};     // "fmt "
      uint32_t fmtChunkSize = 16;                 // fmt 塊大小 (16 for PCM)
      uint16_t audioFormat = 1;                   // 音頻格式 (1 = PCM)
      uint16_t numChannels = 1;                   // 聲道數(shù) (1 = 單聲道)
      uint32_t sampleRate = SAMPLE_RATE;          // 采樣率 (8000 Hz)
      uint32_t byteRate = SAMPLE_RATE * 2;        // 字節(jié)率 (sampleRate * numChannels * bitsPerSample / 8)
      uint16_t blockAlign = 2;                    // 塊對齊 (numChannels * bitsPerSample / 8)
      uint16_t bitsPerSample = 16;                // 每樣本位數(shù) (16 bits)
      char     data[4] = {'d', 'a', 't', 'a'};    // "data"
      uint32_t dataSize;                          // 數(shù)據(jù)塊大小
  };
  

  使用結(jié)構(gòu)體定義WAV文件頭的話我們只是定義了一個類型，所以我們需要定義一個結(jié)構(gòu)體變量，因為我們沒有直接給出 chunkSize 和 datasize ，所以我們需要計算音頻數(shù)據(jù)大小，創(chuàng)建并初始化WAV文件頭。這里由于樣本比較簡單，所以我們直接可以確定樣本數(shù)去計算音頻數(shù)據(jù)大小，后面就不需要再更新WAV文件頭了。

  // 計算音頻數(shù)據(jù)大小
      const int numSamples = SAMPLE_RATE * 1;     // 1 秒的樣本數(shù)
      const int bytesPerSample = 2;               // 16 位，每個樣本 2 字節(jié)
      uint32_t dataSize = numSamples * bytesPerSample; // 數(shù)據(jù)大?。?6000 字節(jié)
      uint32_t chunkSize = 36 + dataSize;         // 文件總大小 - 8：16036 字節(jié)
  
      // 創(chuàng)建并初始化 WAV 頭部
      WavHeader header;
      header.chunkSize = chunkSize;               // 設(shè)置 chunkSize
      header.dataSize = dataSize;                 // 設(shè)置 dataSize
  

  完整代碼

  修改后的完整代碼如下：

  #include < SD.h >
  #include < SPI.h >
  
  // 定義常量
  #define SD_CS_PIN 5         // SD卡片選引腳
  #define SAMPLE_RATE 8000    // 采樣率（8000 Hz）
  #define PI 3.1415926535     // π 值
  
  // 定義 WAV 頭部結(jié)構(gòu)體
  struct WavHeader {
      char     riff[4] = {'R', 'I', 'F', 'F'};    // "RIFF"
      uint32_t chunkSize;                         // 文件大小 - 8
      char     wave[4] = {'W', 'A', 'V', 'E'};    // "WAVE"
      char     fmt[4] = {'f', 'm', 't', ' '};     // "fmt "
      uint32_t fmtChunkSize = 16;                 // fmt 塊大小 (16 for PCM)
      uint16_t audioFormat = 1;                   // 音頻格式 (1 = PCM)
      uint16_t numChannels = 1;                   // 聲道數(shù) (1 = 單聲道)
      uint32_t sampleRate = SAMPLE_RATE;          // 采樣率 (8000 Hz)
      uint32_t byteRate = SAMPLE_RATE * 2;        // 字節(jié)率 (sampleRate * numChannels * bitsPerSample / 8)
      uint16_t blockAlign = 2;                    // 塊對齊 (numChannels * bitsPerSample / 8)
      uint16_t bitsPerSample = 16;                // 每樣本位數(shù) (16 bits)
      char     data[4] = {'d', 'a', 't', 'a'};    // "data"
      uint32_t dataSize;                          // 數(shù)據(jù)塊大小
  };
  
  void setup() {
      Serial.begin(115200);
  
      // 初始化 SD 卡
      if (!SD.begin(SD_CS_PIN)) {
          Serial.println("SD卡初始化失敗！");
          return;
      }
      Serial.println("SD卡初始化成功。");
  
      // 創(chuàng)建并打開文件
      File wavFile = SD.open("/test.wav", FILE_WRITE);
      if (!wavFile) {
          Serial.println("無法創(chuàng)建文件！");
          return;
      }
  
      // 計算音頻數(shù)據(jù)大小
      const int numSamples = SAMPLE_RATE * 1;     // 1 秒的樣本數(shù)
      const int bytesPerSample = 2;               // 16 位，每個樣本 2 字節(jié)
      uint32_t dataSize = numSamples * bytesPerSample; // 數(shù)據(jù)大小：16000 字節(jié)
      uint32_t chunkSize = 36 + dataSize;         // 文件總大小 - 8：16036 字節(jié)
  
      // 創(chuàng)建并初始化 WAV 頭部
      WavHeader header;
      header.chunkSize = chunkSize;               // 設(shè)置 chunkSize
      header.dataSize = dataSize;                 // 設(shè)置 dataSize
  
      // 寫入 WAV 頭部
      wavFile.write((uint8_t*)&header, sizeof(header));
  
      // 生成并寫入音頻數(shù)據(jù)（440 Hz 正弦波）
      const int frequency = 440;
      for (int i = 0; i < numSamples; i++) {
          float time = (float)i / SAMPLE_RATE;
          int16_t sample = (int16_t)(32767.0 * sin(2.0 * PI * frequency * time));
          wavFile.write((uint8_t*)&sample, 2);
      }
  
      // 關(guān)閉文件
      wavFile.close();
      Serial.println("WAV文件寫入完成。");
  }
  
  void loop() {
  }
  

  以上通過ESP32生成的一段1S的正弦波音頻寫入SD卡模塊，硬件上只需ESP32和SD模塊。下面我們介紹如何將ESP32和SD模塊進行接線。
  ESP32
  
  SD卡模塊
  

  ESP32和SD模塊接線

  ESP32	SD模塊
  D5	CS
  D18	SCK
  D23	MOSI
  D19	MISO
  5V	VCC
  GND	GND

  按照以上步驟，編譯上傳代碼后，應(yīng)能在SD卡找到生成的名為test.wav的音頻文件，播放會聽到1秒的正弦波聲音。
  同樣我們用HxD軟件打開我們生成的test.wav文件
  
  對比我們代碼里的WAV文件頭數(shù)據(jù)，可以發(fā)現(xiàn)數(shù)據(jù)是一樣的，這說明WAV文件頭確實是按照我們的要求寫入了WAV文件了，而且使用數(shù)組或者結(jié)構(gòu)體表示 WAV 頭部這兩種方法都可以實現(xiàn)，建議采用第二個代碼的方式，使用結(jié)構(gòu)體和動態(tài)計算 chunkSize等數(shù)據(jù)，確保 WAV 文件頭部的正確性、靈活性和兼容性。

  總結(jié)

  以上我們介紹了什么是WAV音頻文件，還有一些音頻格式的相關(guān)概念、參數(shù)，并實際觀察了WAV文件的數(shù)據(jù)內(nèi)容，對WAV文件結(jié)構(gòu)有了更深入的了解，然后我們通過ESP32生成了一段1S的正弦波音頻，并將其寫入SD模塊，方法是通過將音頻參數(shù)寫入WAV文件頭，并通過SD和文件系統(tǒng)相關(guān)函數(shù)將文件頭寫入我們創(chuàng)建的文件里，這樣我們就可以在SD卡里通過讀卡器讀取里面的正弦波音頻數(shù)據(jù)了。
  關(guān)于WAV文件頭的每個參數(shù)是如何計算和填寫的，在我們介紹WAV文件頭的時候，已經(jīng)舉例并且說明了，我們也可以直接參考一開始總結(jié)的表格，里面有詳細說明和相關(guān)公式，這些公式并不需要死記硬背，理解了每個參數(shù)的含義還是比較容易理解的。在介紹WAV文件頭的時候，還有一些參數(shù)沒有詳細說明，比如AudioFormat， 1表示PCM，至于其他值表示的壓縮格式應(yīng)該是什么樣子這里沒有提到，還有LIST 塊相關(guān)本文也沒有提到，因為我們主要針對WAV文件進行介紹，所以這里不作提及，感興趣的小伙伴可以自行去了解下~
  本文是為后面ESP I2S音頻學習內(nèi)容作為鋪墊，因為WAV文件格式的內(nèi)容還是比較多的，所以單獨寫一篇介紹。后面大家關(guān)于WAV文件有疑惑的地方，可以參考這篇文章。因為本人也是初學，以上是個人理解加上搜索資料學習到的，如果有什么問題，可以提出交流討論，歡迎指正！需要HxD軟件和想聽一下源代碼工程生成的WAV音頻文件是什么聲音的可以評論區(qū)留言！已經(jīng)整理好所有文件 ~ 創(chuàng)作不易，多多點贊收藏哦！

審核編輯 黃宇