RIFF WAVE

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen
Waveform Audio File Format (WAVE)
Dateiendung: .wav
MIME-Type: audio/vnd.wave, audio/wav, audio/wave, audio/x-wav[1]
Magische Zahl: 5249.4646.xxxx.xxxx.5741.5645 hex
RIFF....WAVE

(ASCII)

Entwickelt von: Microsoft & IBM
Art: Audiodatei
Erweitert von: RIFF

Das WAVE-Dateiformat ist ein Containerformat zur digitalen Speicherung von Audiodaten, das auf dem von Microsoft für Windows definierten Resource Interchange File Format (RIFF) aufsetzt. Eine WAVE-Datei enthält vor den Audiodaten zumindest Informationen über deren Format.

Enthalten sind meist sogenannte PCM-Rohdaten, also eine zeit- und wertdiskrete Darstellung des zeitlichen Verlaufs eines Signals. Die Qualität des aufgezeichneten Klangs hängt dann von zwei Werten ab, der Abtastrate (Anzahl der Abtastungen pro Zeiteinheit) und der Auflösung (Bit-Tiefe); im Fall von komprimierten Daten auch vom Verfahren, z. B. ADPCM oder MP3.

Im Gegensatz zum ähnlichen AIFF-Format lassen sich bei WAV keine ID3-Tags speichern.

WAV-Dateistruktur

Das RIFF-Format besteht aus mehreren Abschnitten (englisch chunks)[2], die wie beim IFF aufgebaut sind, bis auf die Byte-Reihenfolge: niederwertiges Byte (LSB) voran, also in der Little-Endian-Bytereihenfolge. Die WAVE-Spezifikation definiert drei Abschnitte als erforderlich: Der RIFF-Abschnitt identifiziert die Datei als .wav-Datei und enthält als Container die anderen Abschnitte. Der FORMAT-Abschnitt enthält Parameter wie z. B. die Abtastrate. Der DATA-Abschnitt enthält den Signalverlauf und darf nicht vor dem FORMAT-Abschnitt stehen.

Im Laufe der unkoordinierten Entwicklung entstand eine unüberschaubare Anzahl weiterer Abschnittstypen mit teils redundanten Inhalten. Ein Beispiel ist der „Label“-Abschnitt und „Note“-Abschnitt, die beide Cuepoint-Einträge im „Cue“-Abschnitt mit einer Beschriftung versehen. Dabei bezeichnet ein „Label“ den Titel eines Cuepoints, „Note“ einen Kommentar. Sie sind als Unterabschnitte (englisch subchunks) im übergeordneten Associated-Data-List-Abschnitt gespeichert. Weiterhin gibt es eine Vielzahl von komprimierten Formaten, für die ein „Fact“-Abschnitt mit der dekomprimierten Größe verbindlich ist, die aber ansonsten unterschiedlichste Parameter definieren, was eine vollständige Unterstützung des WAV-Formats für Entwickler noch schwieriger macht. Manche Anwendungen erwarten den FORMAT-Abschnitt als ersten, manche den DATA-Abschnitt als letzten, obwohl die Spezifikation das nicht fordert.

RIFF-Abschnitt (auch „RIFF-WAVE“-Abschnitt)

[Bearbeiten | Quelltext bearbeiten]

Er enthält als Container die anderen Abschnitte, sein Header besteht lediglich aus

  • chunkID (char[4], "RIFF")
  • ChunkSize (uint32_t, = Dateilänge in Bytes − 8)
  • riffType (char[4], "WAVE")

„Format“-Abschnitt

[Bearbeiten | Quelltext bearbeiten]

Er beginnt mit den vier Zeichen "fmt " und muss in der Datei genau einmal enthalten sein. Auf seine ChunkSize folgt der Inhalt, der aus einem Satz allgemeiner Parameter und einem nachfolgenden formatspezifischen Teil besteht. Der allgemeine Teil:

  • wFormatTag (uint16_t, Identifizierung für das verwendete Format, z. B. steht 0x0001 für PCM, das kanonische, unkomprimierte Format)
  • wChannels (uint16_t)
  • dwSamplesPerSec (uint32_t, Abtastrate in Hz, z. B. steht 0x0000AC44 für 44100)
  • dwAvgBytesPerSec (uint32_t, nötige Übertragungsbandbreite)
  • wBlockAlign (uint16_t, Größe der Frames in Bytes)

Für PCM-Daten hat der Format-Abschnitt nur noch dieses eine Feld:

  • wBitsPerSample (uint16_t, Quantisierungsauflösung, identisch für alle Kanäle)

Wird keine Kompression verwendet, ist dwAvgBytesPerSec das Produkt aus Abtastrate und Framegröße. Die Framegröße ergibt sich aus der Vorgabe, dass alle Werte im Daten-Abschnitt als Ganzzahl ("integer") zu kodieren sind mit einer gerade ausreichenden Größe in Byte (eventuell nötige Füllbits stehen am niederwertigen Ende mit dem Wert 0, Zero-Padding). Für das PCM-Format gilt

wBlockAlign = wChannels * ((wBitsPerSample + 7) / 8) (Integer-Division ohne Rest),

sodass die Framegröße für 12-Bit-Stereo nicht drei, sondern vier Byte beträgt. Bei zwei Kanälen (Stereo) wird erst der linke, dann der rechte Kanal gespeichert.

„Data“-Abschnitt

[Bearbeiten | Quelltext bearbeiten]

Er hat die Kennung "data". Seine chunkSize enthält (wie bei allen Abschnitten) weder die 8 Bytes von Kennung und Größe noch eventuell ein am Ende zur vorgeschriebenen Ausrichtung auf Wortgrenzen nötiges Null-Byte. Sein Inhalt ist eine Folge von Frames.

Dieses Format, ohne Header gespeichert, hat üblicherweise die Endung .raw und setzt bei der Wiedergabe die Kenntnis von Abtastrate, Bittiefe und Byte-Reihenfolge voraus (letztere ist nur unter RIFF festgelegt, nicht für rohes PCM).

Die Größe des „Data“-Abschnitts im Datenformat PCM berechnet sich wie folgt: Pro Sekunde fallen dwSamplesPerSec Frames zu je wChannels Abtastwerten zu je ein oder zwei Bytes an. Für CD-Qualität (16 Bit stereo = 4 Bytes pro Sample (2 Byte pro Kanal), 44.100 Hertz) z. B. also etwa 10 Megabytes pro Minute (60 s · 44.100 Hz · 4 byte).

Beispiel eines allgemein lesbaren WAVE-PCM-Formats

[Bearbeiten | Quelltext bearbeiten]

RIFF-Header (12 Byte):

Offset Typ Länge (in Bytes) Inhalt
0 (0x00) char 4 'RIFF'
4 (0x04) unsigned 4 <Dateigröße> − 8
8 (0x08) char 4 'WAVE'

Der fmt-Abschnitt (24 Byte) beschreibt das Format der einzelnen Abtastwerte:

Offset Länge Inhalt Beschreibung
12 (0x0C) 4 'fmt ' Header-Signatur (enthaltenes Leerzeichen beachten)
16 (0x10) 4 <fmt length> Länge des restlichen fmt-Headers in Byte (16)
20 (0x14) 2 <format tag> Datenformat der Abtastwerte (siehe separate Tabelle weiter unten)
22 (0x16) 2 <channels> Anzahl der Kanäle: 1 = mono, 2 = stereo; mittlerweile sind auch mehr als 2 Kanäle (z. B. für Raumklang) möglich.[3]
24 (0x18) 4 <sample rate> Samples pro Sekunde je Kanal (z. B. 44100)
28 (0x1C) 4 <bytes/second> Abtastrate · Frame-Größe = <sample rate> · <block align>
32 (0x20) 2 <block align> Frame-Größe = <channels> · ((<bits/sample> + 7) / 8)   (Division mit Abrundung)
34 (0x22) 2 <bits/sample> Anzahl der Datenbits pro Samplewert je Kanal (z. B. 12)

Der Daten-Abschnitt enthält die Abtastwerte:

Offset Länge Inhalt Beschreibung
36 (0x24) 4 'data' Header-Signatur
40 (0x28) 4 <length> Länge des Datenblocks, <Dateigröße> − 44
44 (0x2C) <block align> erster Abtastwert jedes Kanals
44 + <block align> <block align> zweiter Abtastwert jedes Kanals

Datenformate (Format-Tag)

[Bearbeiten | Quelltext bearbeiten]
ID Bezeichnung
0x0001 PCM
0x0002 MS ADPCM
0x0003 IEEE FLOAT
0x0005 IBM CVSD
0x0006 ALAW
0x0007 MULAW
0x0010 OKI ADPCM
0x0011 DVI/IMA ADPCM
0x0012 MEDIASPACE ADPCM
0x0013 SIERRA ADPCM
0x0014 G723 ADPCM
0x0015 DIGISTD
0x0016 DIGIFIX
0x0017 DIALOGIC OKI ADPCM
0x0020 YAMAHA ADPCM
0x0021 SONARC
0x0022 DSPGROUP TRUESPEECH
0x0023 ECHOSC1
0x0024 AUDIOFILE AF36
0x0025 APTX
0x0026 AUDIOFILE AF10
0x0030 DOLBY AC2
ID Bezeichnung
0x0031 GSM610
0x0033 ANTEX ADPCME
0x0034 CONTROL RES VQLPC
0x0035 CONTROL RES VQLPC
0x0036 DIGIADPCM
0x0037 CONTROL RES CR10
0x0038 NMS VBXADPCM
0x0039 CS IMAADPCM (Roland RDAC)
0x0040 G721 ADPCM
0x0050 MPEG-1 Layer I, II
0x0055 MPEG-1 Layer III (MP3)
0x0069 Xbox ADPCM
0x0200 CREATIVE ADPCM
0x0202 CREATIVE FASTSPEECH8
0x0203 CREATIVE FASTSPEECH10
0x0300 FM TOWNS SND
0x1000 OLIGSM
0x1001 OLIADPCM
0x1002 OLICELP
0x1003 OLISBC
0x1004 OLIOPR

Speicherbedarf der Formate

[Bearbeiten | Quelltext bearbeiten]
Format Bitrate (kbit/s) 1 minute (KiB)
11,025 Hz 16 bit PCM 176.4 1292
08,000 Hz 16 bit PCM 128 0938
11,025 Hz 8 bit PCM 088.2 0646
11,025 Hz µ-Law 088.2 0646
08,000 Hz 8 bit PCM 064 0469
08,000 Hz µ-Law 064 0469
11,025 Hz 4 bit ADPCM 044.1 0323
08,000 Hz 4 bit ADPCM 032 0234
11,025 Hz GSM 06.10 018 0132
08,000 Hz MP3 16 kbit/s 016 0117
08,000 Hz GSM 06.10 013 0103
08,000 Hz Lernout & Hauspie SBC 12 kbit/s 012 0088
08,000 Hz DSP Group Truespeech 009 0066
08,000 Hz MP3 8 kbit/s 008 0060
08,000 Hz Lernout & Hauspie CELP 004.8 0035

Weiterentwicklung

[Bearbeiten | Quelltext bearbeiten]

Aufgrund der im Dateiformat benutzten 32-Bit-Felder ergibt sich eine Größenbeschränkung von 4 GiB, was einer Spieldauer von etwa 6,75 Stunden bei zwei Kanälen à 16 Bit und 44100 Abtastwerten je Sekunde (CD-Qualität) entspricht. Bei höherer Amplituden- oder Zeitauflösung bzw. mehr Kanälen sinkt die erreichbare Spieldauer jeweils entsprechend. Um diese Einschränkung zu umgehen, hat Sonic Foundry eine Erweiterung des Formats vorgestellt, welche die Dateigrößenbeschränkung umgeht. Seit der Bereich Desktop Software von Sonic Foundry zu Sony Pictures Digital überging, wird das Format Sony Pictures Digital Wave 64, kurz Wave64, genannt; es wird ohne Lizenzkosten zur Verfügung gestellt. Als Dateinamenserweiterung wird .w64 vorgeschlagen. Der interne Aufbau ist bewusst an das herkömmliche WAVE angelehnt, um die Software-Implementierung zu vereinfachen.[4] Durch die Verwendung von 64-Bit-Feldern wird unter den oben gemachten Annahmen eine maximale Spieldauer von über 3 Millionen Jahren erreicht.

  • Günter Born: Referenzhandbuch Dateiformate. 1990, Addison-Wesley Longman, in diversen überarbeiteten Auflagen
  • Gunter Born: File Formats Handbook. ITP Boston 1995.

Einzelnachweise

[Bearbeiten | Quelltext bearbeiten]
  1. MIME types (IANA media types). MDN Web Docs, 29. Juni 2022, abgerufen am 7. Juli 2022.
  2. Resource Interchange File Format Services Spezifikation von Microsoft auf msdn.microsoft.com (englisch)
  3. Thomas Höss und Tobias Rieck: WAV-Audio-Format, fmt-chunk (Memento vom 27. Juni 2007 im Internet Archive) auf it.fht-esslingen.de
  4. VCS Engineering: Sony Wave64. (PDF) Information about Sony Wave64, abgerufen am 2. Mai 2012.