Java - 读取、操作和写入 WAV 文件

Question

在 Java 程序中，将音频文件（WAV 文件）读取到数字数组（float[]、short[]、...），并从数字数组写入 WAV 文件？

Answer 1

我通过 AudioInputStream 读取 WAV 文件。 Java 声音教程 中的以下代码片段效果很好。

int totalFramesRead = 0;
File fileIn = new File(somePathName);
// somePathName is a pre-existing string whose value was
// based on a user selection.
try {
  AudioInputStream audioInputStream = 
    AudioSystem.getAudioInputStream(fileIn);
  int bytesPerFrame = 
    audioInputStream.getFormat().getFrameSize();
    if (bytesPerFrame == AudioSystem.NOT_SPECIFIED) {
    // some audio formats may have unspecified frame size
    // in that case we may read any amount of bytes
    bytesPerFrame = 1;
  } 
  // Set an arbitrary buffer size of 1024 frames.
  int numBytes = 1024 * bytesPerFrame; 
  byte[] audioBytes = new byte[numBytes];
  try {
    int numBytesRead = 0;
    int numFramesRead = 0;
    // Try to read numBytes bytes from the file.
    while ((numBytesRead = 
      audioInputStream.read(audioBytes)) != -1) {
      // Calculate the number of frames actually read.
      numFramesRead = numBytesRead / bytesPerFrame;
      totalFramesRead += numFramesRead;
      // Here, do something useful with the audio data that's 
      // now in the audioBytes array...
    }
  } catch (Exception ex) { 
    // Handle the error...
  }
} catch (Exception e) {
  // Handle the error...
}

我发现编写 WAV 相当棘手。从表面上看，这似乎是一个循环问题，写入的命令依赖于 AudioInputStream 作为参数。

但是如何将字节写入 AudioInputStream 呢？难道不应该有一个 AudioOutputStream 吗？

我发现可以定义一个可以访问原始音频字节数据的对象来实现 TargetDataLine。

这需要实现许多方法，但大多数方法可以保留虚拟形式，因为将数据写入文件不需要它们。实现的关键方法是read(byte[] buffer, int bufferoffset, int numberofbytestoread)。

由于此方法可能会被多次调用，因此还应该有一个实例变量来指示数据的处理进度，并将其更新为上述 read 方法的一部分。

当您实现此方法后，您的对象可用于创建一个新的 AudioInputStream ，该对象又可用于：

AudioSystem.write(yourAudioInputStream, AudioFileFormat.WAV, yourFileDestination)

提醒一下，可以使用 TargetDataLine 作为源来创建 AudioInputStream。

至于直接操作数据，我在上面代码片段示例的最内层循环中对缓冲区中的数据进行了很好的操作，audioBytes。

当您处于内部循环中时，您可以将字节转换为整数或浮点数，并乘以 volume 值（范围从 0.0 到 1.0）然后将它们转换回小端字节。

我相信，既然您可以访问该缓冲区中的一系列样本，您还可以在该阶段使用各种形式的 DSP 滤波算法。根据我的经验，我发现最好直接对此缓冲区中的数据进行音量更改，因为这样您就可以进行尽可能小的增量：每个样本一个增量，从而最大限度地减少由于音量引起的不连续性而导致点击的机会。

我发现 Java 提供的音量“控制线”倾向于出现音量跳跃会导致点击的情况，我相信这是因为增量仅在单个缓冲区读取的粒度上实现（通常在 1 的范围内）每 1024 个样本的变化），而不是将变化分成更小的部分并为每个样本添加一个。但我不知道音量控制是如何实现的，所以请对这个猜想持保留态度。

总而言之，Java.Sound 确实是一个令人头疼的问题。我责怪教程没有包含直接从字节写入文件的明确示例。我责备教程将播放文件编码的最佳示例隐藏在“如何转换...”部分中。然而，该教程中有很多有价值的免费信息。

---

编辑：2017 年 12 月 13 日

我已经使用以下代码在我自己的项目中从 PCM 文件写入音频。您可以扩展 InputStream 并将其用作 AudioSystem.write 方法的参数，而不是实现 TargetDataLine。

public class StereoPcmInputStream extends InputStream
{
    private float[] dataFrames;
    private int framesCounter;
    private int cursor;
    private int[] pcmOut = new int[2];
    private int[] frameBytes = new int[4];
    private int idx;
    
    private int framesToRead;

    public void setDataFrames(float[] dataFrames)
    {
        this.dataFrames = dataFrames;
        framesToRead = dataFrames.length / 2;
    }
    
    @Override
    public int read() throws IOException
    {
        while(available() > 0)
        {
            idx &= 3; 
            if (idx == 0) // set up next frame's worth of data
            {
                framesCounter++; // count elapsing frames

                // scale to 16 bits
                pcmOut[0] = (int)(dataFrames[cursor++] * Short.MAX_VALUE);
                pcmOut[1] = (int)(dataFrames[cursor++] * Short.MAX_VALUE);
            
                // output as unsigned bytes, in range [0..255]
                frameBytes[0] = (char)pcmOut[0];
                frameBytes[1] = (char)(pcmOut[0] >> 8);
                frameBytes[2] = (char)pcmOut[1];
                frameBytes[3] = (char)(pcmOut[1] >> 8);
            
            }
            return frameBytes[idx++]; 
        }
        return -1;
    }

    @Override 
    public int available()
    {
        // NOTE: not concurrency safe.
        // 1st half of sum: there are 4 reads available per frame to be read
        // 2nd half of sum: the # of bytes of the current frame that remain to be read
        return 4 * ((framesToRead - 1) - framesCounter) 
                + (4 - (idx % 4));
    }    

    @Override
    public void reset()
    {
        cursor = 0;
        framesCounter = 0;
        idx = 0;
    }

    @Override
    public void close()
    {
        System.out.println(
            "StereoPcmInputStream stopped after reading frames:" 
                + framesCounter);
    }
}

此处要导出的源数据采用立体声浮点形式，范围从 -1 到 1。生成的流的格式为 16 位、立体声、小端。

对于我的特定应用程序，我省略了 skip 和 markSupported 方法。但如果需要的话添加它们应该不难。

Answer 2

这是直接写入 wav 文件的源代码。
您只需要了解数学和声音工程即可产生您想要的声音。
在此示例中，方程计算双耳节拍。

import javax.sound.sampled.AudioFileFormat;
import javax.sound.sampled.AudioFormat;
import javax.sound.sampled.AudioInputStream;
import javax.sound.sampled.AudioSystem;
import java.io.ByteArrayInputStream;
import java.io.File;
import java.io.IOException;

public class Program {
    public static void main(String[] args) throws IOException {
        final double sampleRate = 44100.0;
        final double frequency = 440;
        final double frequency2 = 90;
        final double amplitude = 1.0;
        final double seconds = 2.0;
        final double twoPiF = 2 * Math.PI * frequency;
        final double piF = Math.PI * frequency2;

        float[] buffer = new float[(int)(seconds * sampleRate)];

        for (int sample = 0; sample < buffer.length; sample++) {
            double time = sample / sampleRate;
            buffer[sample] = (float)(amplitude * Math.cos(piF * time) * Math.sin(twoPiF * time));
        }

        final byte[] byteBuffer = new byte[buffer.length * 2];

        int bufferIndex = 0;
        for (int i = 0; i < byteBuffer.length; i++) {
            final int x = (int)(buffer[bufferIndex++] * 32767.0);

            byteBuffer[i++] = (byte)x;
            byteBuffer[i] = (byte)(x >>> 8);
        }

        File out = new File("out10.wav");

        final boolean bigEndian = false;
        final boolean signed = true;

        final int bits = 16;
        final int channels = 1;

        AudioFormat format = new AudioFormat((float)sampleRate, bits, channels, signed, bigEndian);
        ByteArrayInputStream bais = new ByteArrayInputStream(byteBuffer);
        AudioInputStream audioInputStream = new AudioInputStream(bais, format, buffer.length);
        AudioSystem.write(audioInputStream, AudioFileFormat.Type.WAVE, out);
        audioInputStream.close();
    }
}

Answer 3

有关您想要实现的目标的更多详细信息将会有所帮助。如果原始 WAV 数据适合您，只需使用 FileInputStream 和扫描仪将其转换为数字即可。但让我尝试为您提供一些有意义的示例代码来帮助您入门：

有一个名为 com.sun.media.sound.WaveFileWriter 的类用于此目的。

InputStream in = ...;
OutputStream out = ...;

AudioInputStream in = AudioSystem.getAudioInputStream(in);

WaveFileWriter writer = new WaveFileWriter();
writer.write(in, AudioFileFormat.Type.WAVE, outStream);

您可以实现自己的 AudioInputStream，它可以执行任何巫术将数字数组转换为音频数据。

writer.write(new VoodooAudioInputStream(numbers), AudioFileFormat.Type.WAVE, outStream);

正如 @stacker 提到的，您当然应该熟悉 API。

Answer 4

如果您需要访问实际示例值，则 javax.sound.sample 包不适合处理 WAV 文件。该软件包可让您更改音量、采样率等，但如果您想要其他效果（例如添加回声），则只能靠您自己了。 （Java 教程暗示应该可以直接处理示例值，但技术作者夸大了。）

该站点有一个用于处理 WAV 文件的简单类：http://www.labbookpages.co.uk/audio/javaWavFiles.html

Answer 5

WAV 文件规范
https://ccrma.stanford.edu/courses/422/projects/WaveFormat/

有一个 API 适合您的目的
http://code.google.com/p/musicg/

Answer 6

首先，您可能需要了解 WAVE 结构的标题和数据位置，您可以找到规范 此处。
请注意，数据是小端字节序。

有一个 API 可以帮助您实现目标。

Answer 7

Wave 文件由 javax.sound.sample package

由于这不是一个简单的 API，因此您应该阅读一篇介绍 API 的文章/教程，例如

Java 声音简介

Answer 8

我使用 FileInputStream 进行了一些魔法：

    byte[] byteInput = new byte[(int)file.length() - 44];
    short[] input = new short[(int)(byteInput.length / 2f)];


    try{

        FileInputStream fis = new FileInputStream(file);
        fis.read(byteInput, 44, byteInput.length - 45);
        ByteBuffer.wrap(byteInput).order(ByteOrder.LITTLE_ENDIAN).asShortBuffer().get(input);

    }catch(Exception e  ){
        e.printStackTrace();
    }

您的示例值位于 short[] input 中！

Answer 9

如果有人仍然需要它，我正在开发一个音频框架，旨在解决这个问题和类似的问题。虽然它是在 Kotlin 上。你可以在 GitHub 上找到它： https://github.com/WaveBeans/wavebeans

它看起来像this：

wave("file:///path/to/file.wav")
    .map { it.asInt() } // here it as Sample type, need to convert it to desired type
    .asSequence(44100.0f) // framework processes everything as sequence/stream
    .toList() // read fully
    .toTypedArray() // convert to array

并且它不依赖于 Java Audio。