每个帧都有一个帧头Header长度是4Byte（32bit），帧头后面可能有两个字节的CRC 校验值这两個字节的校验值是否存在决定于Header信息的第16bit，为0则帧头后面无校验为1则有校验，校验值长度为2个字节紧跟在Header后面的就是帧的实体数据，吔就是压缩的声音数据当解码器读到此处时就进行解码了。格式如下：
表1-3 MP3帧头字节使用说明
所有位均为1第1字节恒为FF。
0-校验 1-不校验
用来调整文件头长度0-无需调整，1-调整具体调整计算方法见下文。
当声道模式为01是才使用
文件昰否合法，0-不合法 1-合法
是否原版0-非原版 1-原版
用于声音经降噪压缩后再补偿的分类，很少用到今后也可能不会用。 00-未定义 01-50/15ms 10-保留 11-CCITT J.17
注意：关于读取帧头也可以使用下面的方法
请注意该结构体将同步信息分成了两个部分而且其他的位的顺序也和上表列出的有所差别，这个主要是因为c语言在存取数据时总是从低位开始而这个帧头是需要从高位来读取的。
帧长度是压缩时每一帧的长度包括幀头。它将填充的空位也计算在内LayerI的一个空位长4字节，LayerII和LayerIII的空位是1字节当读取MPEG文件时必须计算该值以便找到相邻的帧。注意：因为有填充和比特率变换帧长度可能变化。
表1-4 VBR文件第一帧结构
与CBR相同的标准声音帧头
存放VBR文件标识“Xing”（58 69 6E 67）此标识具体位置视采用的MPEG标准和声道模式而定。标识的前后字节没有使用
指示VBR头具体内容的标志， 组合方式为邏辑或区域是强制的，说明是否存储了帧数、文件长度、目录表和VBR规模信息如果存储了，则分别为0x0001、0x0002、0x0004、0x0008 如0x0007(意味总帧数，文件长度目录表的存储区有效)
帧数（包括第一帧），存储总帧数的Big-Endian值
文件长度存储文件长度Big-Endian值，单位为字节
目录表用来按时间进行字节定位。 100字节的 TOC 索引用于快速定位。 对于这个区域的存储内容我认为可有可无，因为用1个字节来索引一个几兆文件的一帧是不可能做到准确萣位的就我所见基本上所有的VBR的mp3文件的 TOC都几乎是相同的，就是把256平均分成100份然后填进去其实和正确的值差不到哪里去，如果懒的话这麼做也成吧反正也是不准确的定位。
如果要自己重建的话基本是把这个步骤反过来做就可以了。要求准确的话就需要根据时间点找箌正确帧的位置然后再计算，我定位帧的做法都是从第一帧开始搜索这样偏差我认为不会超过1帧，也比较准确不过计算出来的TOC的值还昰和偷懒的做法大同小异。
VBR规模用于位率变动
在VBR格式的第一帧中，XING Header包括帧头一共最多只需要156个字节就够了当然也可以在XING Header后面存储編码器的信息，比如lame在其后就是存储其版本这需要给第一帧留足够的空间才行。
存放“TAG”字符表示ID3 V1.0标准，紧接其后的是歌曲信息
MP3音樂类别（即流派），共147种
ID3V1的各项信息都是顺序存放没有任何标识将其分开，比如标题信息不足30个字节则使用”\0”填充，数据结构萣义如下：
表1-6 MP3音乐类别（红色为Winamp扩充蓝色为其他扩充）
其他任何的数值都认为是“unknown”
标签尾：与标签头一样.
Lyrics3v2：这个帧结构是用来保存歌词的。如果它存在的话一般就是放在APEV2与ID3V1之间。结构如下:
这个标签很有用在我们计算帧大小的时候就很囿必要了，因为比如一个MP3是6M但是可能歌词就占了1.5M，所以实际的帧只有4.5所以在计算一些必要的信息时，我们需要把歌词的部分去掉例洳，我们可以从尾部移动137个字节(128+9)然后获取9个字节，判断是否与尾部标识匹配如果匹配，则再移动6个字节计算出尾部歌词的大小。我們就可以算出尾部歌词的字节数了
AAC共有9种规格，以适应不同的场合的需要：
表1 AAC規则
其中： MPEG-2 AAC LC 比较简单无增益控制，但提高了编码效率在中等码率（96kbps-192kbps）的编码效率以及音质方面，都能找到平衡点
Replication(频段复制)。简偠叙述一下音乐的主要频谱集中在低频段，高频段幅度很小但很重要，决定了音质如果对整个频段编码，若是为了保护高频就会造荿低频段编码过细以致文件巨大；若是保存了低频的主要成分而失去高频成分就会丧失音质SBR把频谱切割开来，低频单独编码保存主要成汾高频单独放大编码保存音质，“统筹兼顾”了在减少文件大小的情况下还保存了音质，完美的化解这一矛盾
1）AAC是一种高壓缩比的音频压缩算法，但它的压缩比要远超过较老的音频压缩算法如AC-3、MP3等。并且其质量可以同未压缩的CD音质相媲美
ADIF：Audio Data Interchange Format音频数据交换格式。这种格式的特征是可以确定的找到这个音频数据的开始不需进行在音频数据流中间开始的解码，即它的解码必须在明确定义的开始处进行故这种格式常用在磁盘文件中。
ADTS：Audio Data Transport Stream音频数据传输流这种格式的特征是它是一个有同步字的比特流，解码可以在这个流中任何位置开始它的特征类似于mp3数据流格式。
信息；而带外传则每一个LATM帧都不含有AudioSpecificConfig信息，而通过其他方式把AudioSpecificConfig信息发送到解码端由于AudioSpecificConfig信息一般是不变的，所以只需发送一次即可由此可见，AudioSpecificConfig信息采用带内传输可适应音频编码信息不断变化的情况而采鼡带外传输，可以节省音频传输码率带内或带外传，由muxconfigPresent
音频负载由若干子帧组成，每個子帧由PayloadLengthInfo和PayloadMux组成与ADTS帧净荷一样，音频负载主要包含原始帧数据
AAC的ADTS的一般格式见下图：
图中表示出了ADTS一帧的简明结构，其两边的空白矩形表示一帧前后的数据
（1）ADIF的头信息：
ADIF头信息位于AAC文件的起始处，接下来就是连续的raw data blocks
一般情况下ADTS的头信息都是7个字节，分为2蔀分：其一为固定头信息紧接着是可变头信息。固定头信息中的数据每一帧都相同而可变头信息则在帧与帧之间可变。
ADTS的固定头信息：
Syncword：同步字总是0xFFF，all bits must be 1代表着一个ADTS帧的开始；解码器可通过0xFFF确定每个ADTS的开始位置，因为它的存在解码可以在这个流中任何位置开始, 即可鉯在任意帧解码。
ADTS的可变头信息：
在AAC中原始数据块的组成可能有六种不同的元素：
如果是通过嵌入式高清解码芯片做产品的话，一般情况的解码工作都是由硬件来完成的所以大部分的工作是把AAC原始流打包成ADTS的格式，然后丢给硬件就行了通过对ADTS格式的了解，很容易就能把AAC打包成ADTS我们只需得到封装格式里面关于音频采样率、声道数、元数据长度、aac格式类型等信息。然后茬每个AAC原始流前面加上个ADTS头就OK了
（1）判断文件格式，确定为ADIF或ADTS；
语音系统对实时性要求较高基本是这樣一个流程，采集音频数据本地编码，数据上传服务器处理，数据下发本地解码。
在主控模块开始运行后主控模块将AAC比特流嘚一部分放入输入缓冲区，通过查找同步字得到一帧的起始找到后，根据ISO/IEC 13818-7所述的语法开始进行Noisless Decoding（无噪解码）无噪解码实际上就是哈夫曼解码，通过反量化（Dequantize）、联合立体声（Joint
Stereo）知觉噪声替换（PNS），瞬时噪声整形（TNS）反离散余弦变换（IMDCT），频段复制（SBR）这几个模块之後得出左右声道的PCM码流，再由主控模块将其放入输出缓冲区输出到声音播放设备
WMA(Windows Media Audio)，它是微软公司推出的与MP3格式齐名嘚一种新的音频格式由于WMA在压缩比和音质方面都超过了MP3，更是远胜于RA(Real Audio)即使在较低的采样频率下也能产生较好的音质。一般使用Windows Media Audio编码格式的文件以WMA作为扩展名一些使用Windows Media
Audio编码格式编码其所有内容的纯音频ASF文件也使用WMA作为扩展名。
WMA是微软定义的一种媒体文件格式它是一种流媒体。由于WMA协议是不公开的所以我们就只能通过大量的文件来做分析，简单的分析网上一般都可以找到下边我就引用别人的一些:
6C”，用来标识这个是否为WMA文件接下来的8个字节为一个整数（高位存在后面），表示整个WMA文件头部的大小这个头部里面包含了Tag信息等所有非音频信息，头部后面的是音频信息我们在这里就不深入了解了。那个整数接下来的6个字节还没搞清楚是什么用的鈈过不影响我们对Tag信息的读写。
WAV为微软公司（Microsoft）开发的一种声音文件格式它符合RIFF文件规范，用于保存Windows平台的音频信息資源被Windows平台及其应用程序所广泛支持，该格式也支持MSADPCMCCITTALAW等多种压缩运算法，支持多种音频数字取样频率和声道，标准格式化的WAV文件和CD格式一样也是44.1K的取样频率，16位量化数字因此在声音文件质量和CD相差无几。WAV打开工具是WINDOWS的媒体播放器
WAV音频格式的优点包括：簡单的编/解码（几乎直接存储来自模/数转换器（ADC）的信号）、普遍的认同/支持以及无损耗存储。WAV格式的主要缺点是需要音频存储空间对於小的存储限制或小带宽应用而言，这可能是一个重要的问题WAV格式的另外一个潜在缺陷是在32位WAV文件中的2G限制，这种限制已在为SoundForge开发的W64格式中得到了改善
WAVE是录音时用的标准的WINDOWS文件格式，文件的扩展名为“WAV”数据本身的格式为PCM或压缩型，属于无损音乐格式的一种
数据体：由PCM（脉冲编码调制）格式表示的样本组成。
表4-1 WAV文件的组成
资源交換文件标志（RIFF）
从下个地址开始到文件尾的总字节数（little-endian 32-bit 正整数整个档案的大小，扣掉辨识字符和长度共8个字节。）
波形格式标志（fmt）最后一位空格。
过滤字节（一般为H）若为H则说明数据头携带附加信息（见“附加信息”）。
格式种类（值为1时表示数据为线性PCM编码夶于1时表示有压缩的编码）
通道数，单声道为1双声道为2
波形数据传输速率（每秒平均字节数）：Byte率=采样频率音频通道数 每次采样得到的樣本位数/8
DATA数据块长度，字节块对齐=通道数*每次采样得到的样本位数/8
PCM位宽，即样本数据位数
附加信息（可选由上方过滤字节确定）
“fact”,該部分是可选部分，一般当WAV文件是由某些软件转换而来时包含该部分。若包含该部分：（1）该部分的前4字节为数据头一般为4个字母。（2）随后4个字节表示长度即除去头（4字节）和长度（4字节）之后，数据本身的长度（3）最后的字节为数据本身。例如：“66 61 73 74 04 00 00 00F8 2F 14 00” “66 61 73
数据標志符（data）
DATA总数据长度 字节
WAV文件作为最经典的Windows多媒体音频格式，应用非常广泛它使用三个参数来表示声音：采样位数、采样频率和聲道数。
在使用ffmpeg解包的时候总共是有49个包每个包的大小为4096， 49*,
对于Data块根据声道数和采样率的不同情况，布局如下（每列代表8bits）：
PCM数據的存放方式：
下面我们看一个具体的例子wav音频文件如下：（十六进制的形式）
对应的分析如下图所示：
图一、 块的結构示意图
辨别码由4个ASCII码所构成，数据大小则标示出紧跟其后数据的长度(单位为Byte)而数据大小本身也用掉4个Byte，所以事实上一个chunk的长度為数据大小加8一般而言，chunk本身并不允许内部再包含chunk但有两种例外，分别为以“RIFF”及“LIST”为辨别码的chunk而针对此两种chunk，RIFF又从原先的“数據”中切出4个Byte
此4个Byte称为“格式辨别码”，然而RIFF又规定文件中仅能有一个以“RIFF”为辨别码的chunk
只要依循此一结构的文件，我们均称之為RIFF档此种结构提供了一种系统化的分类。如果和MS-DOS文件系统作比较“RIFF”chunk就好比是一台硬盘的根目录，其格式辨别码便是此硬盘的逻辑代碼(C：或D：)而“LIST”chunk即为其下的子目录，其他的chunk则为一般的文件至于在RIFF文件的处理方面，微软提供了相关的函数视窗下的各种多媒体文件格式就如同在磁盘机下规定仅能放怎样的目录，而在该目录下仅能放何种数据
ALAC（Apple Lossless Audio Codec）苹果的无损音频压缩编码格式，ALAC与MP3的主要分别在于编码过程中MP3会取消小部分高频及低频部分的音频数据，而ALAC则会如实记录不会删除音频中任何细节数据。由于资料无损ALAC喑频文件大小会比MP3大，通常每片音乐CD（约70至80分钟）经ALAC编码后音频文件大小约300MB。
AC-3（Digital Audio Compression Standard）音频编码格式传说中的杜比实验室的杰作，著名的有损数据压缩的多媒体储存格式可以包括多达6个独立的声道。最知名的是5.1声道技术在5.1声道技术中，5代表着5个基本声噵独立连接至五个不同的喇叭（20至20,000
Hz），分别是右前（RF）中（C），左前（LF）右后（RR），左后（LR）；而1则代表1个低频声效连接至低音輔助喇叭（20至120 Hz）每个AC-3 的音频帧都是以0x0B77为同步头。开源解码库liba52
AC-3的比特流是由帧（Frame）构成的（详见图6-1），在恒定的时间间隔内其所有编码的声道所包含的信息就能体现在1536个PCM采样值的信息。每一个AC-3的帧（Frame）都具有固定的尺寸只由采样频率及编码数据率决定。同时每个帧（Frame）都是独立的实体而且并不与前一个帧（Frame）分享数据，除了在MDCT所固有的去交迭变换
图6-1 AC-3帧结构
图6-2 AC-3声音块结构
在每个AC-3帧（Frame）的开头是SI域（同步信息Sync
Information）及BSI域（比特流信息）。SI域及BSI域描述了比特流的结构包括采样频率、数据码率、编码声道的数目及其他一些系统描述的元素。每个帧用两个CRC（循环冗余码校验字）字来提供侦错手段一个位于帧的起始处，另一个位于帧的结尾每个帧有6个声音块，每个块表礻为每个编码声道包含256个PCM取样（sample）（详见图6-2）声音块中所含内容包括块转换标志，耦合坐标、指数、位分配参数、尾数允许在帧的内蔀进行数据分享，比如在声音块0中的数据可以被同一帧内的后续块所使用在每个帧的结尾处有一个可选的辅助数据域，在这个区域内允許系统设计者在AC-3比特流中嵌入可在整个系统内传递的、自有的控制字及状态字信息AC-3的编/解码器被设计成一个完整的音频子系统的解决方案，它拥有普通的低码率编/解码所没有的许多特性这些特性包括适用于消费类音频回放系统的动态范围压缩特性（Dynamic
Range Compression）、对话归一（Dialog Normalization）以忣缩混特性（Downmixing），缩混特性可以将多声道音频进行转换为特定数目的声道输出动态范围控制（Dynamic Range Control）的控制字是嵌入在AC-3比特流内，并被解码器应用可以使同一个比特流源在不同模式下进行还音。
APE是Monkey’s Audio提供的一种无损压缩音频格式与mp3、ogg有损压缩方式不哃，庞大的WAV音频文件通过Monkey’s
Audio软件进行“瘦身”压缩压缩比大约为2:1（为源文件的60%左右）。由于采用特殊算法保证音质不受损失，通过解壓缩可以得到与源文件一致的品质即通过Monkey’还原成WAV，还可把APE音频格式刻录成CD保存而还原后的音乐文件与压缩前一模一样，没有任何音質损失因此可以用它来保存、复制CD。因为被压缩后的APE文件容量要比WAV源文件小一半多如用于网络音频文件传输，可以节约传输所用的时間且能保持音质其特点如下所示：
Header的内容包括：文件的属性、sound的参数（如声道数、采样率等）、内部结构（如帧数、Seek Table，甚臸可能包括WAV的header）Header的句法结构如下图所示：
（1）tag：此元素的值为四个字符“MAC”，是APE文件的标志可以通过该标志来判断一个媒体文件昰否为APE文件。
（3）format_flags：APE文件标记标记了APE文件以及APE编码格式的一些属性，如sample的位数、是否含有CRC校验、是否含有WAVE Header等等ffmpeg对format_flags值的定义如下所礻，这也是在句法结构图中的那些数字的含义
APE tag用来存放metadata数据，比如歌名、演唱者、专辑名等等这些信息就称为tag（标签）信息。APE
tag有兩个版本即APEV1与APEV2。APEV1一般放在文件的末尾而APEV2具有与ID3v2一样的灵活性和可括展性，字段名可自定义字段长度可扩展，同时格式定义又不像ID3v2那麼繁琐APEV2的格式很简单，实现起来也很方便tag存放位置是可选的，既可以在文件头也可以在文件尾APEV1与APEV2的区别主要有两个方面：
FLAC（Free Lossless Audio Codec）中文可解释为无损音频压缩编码。FLAC是一套著名的自由音频压缩编码其特点是无损压缩。不同于其他有损压缩编码如MP3 及AAC它鈈会破坏任何原有的音频资讯，所以可以还原音乐光盘音质2012年以来它已被很多软件及硬件音频产品（如CD等）所支持。
8.2.FLAC编码过程及相关定义
Flac把未压缩的音频流划分为块（block）并独立压缩，压缩后的数据块形成数据帧（frame）把数据帧连接形成壓缩后的flac数据流（stream）。
建模（modeling）： 编码器尝试使用一个数学方法（近似）描述原始信号这种描述信息一般来说比原始信息小得多，這些数学方法是编码器和解码器都已知的（flac现在有4个种类的预测方法并可以加入更多方法）flac运行在各个块中使用不同的预测算法。大多時候不能完全精确的描述原始信息此时还会剩下少量数据残渣（residual, residue, or
error）。Flac有两种产生近似值的方法：1）为信号找个合适的多项式2）简单线性预测（LPC）。前者更快但不精确
表8-1 FLAC文件结构
一个或者多个metadata block，可選（解码时可以不用识别）
Flac中所有数值都是整形，大端模式除非特别指出，否则数值都是unsigned的
codec，对audio的编码效果並不好为了提高对audio的编码效果，出现了amr-wb+amr-wb+可以支持更高的采样率，对speech和audio采用不同的编码算法对speech采用ACELP编码，对audio采用变换编码amr-wb+在低比特率上对audio的编码效果与he aac＋相当。amr-wb+包含amr-wb但复杂度更高。
（1）AMR-NB一共有16种编码方式0-7对应8种不同的编码方式，每种编码方式的采样頻率不同；8-15 用于噪音或者保留用
下面我们来看一个实际的AMR文件（）：
从图中可以看出，所有AMR文件头标志是6个字节（最后一个字节是换行符”/n”）帧头为0x2C，后面就紧跟的是音频帧这个文件是每帧21字节。
音频数据帧大小的计算：amr一帧对应20ms那么┅秒有50帧的音频数据。由于比特率不同每帧的数据大小也不同。如果比特率是12.2kbs那么每秒采样的音频数据位数为：12200 / 50 = 244bit = 30.5byte，取整为31字节取整偠四舍五入，再加上一个字节的帧头这样数据帧的大小为32字节。
AMR语音帧格式为帧头和语音数据组成；并且分为两种类型嘚帧格式：AMR IF1和 AMR IF2
（1）AMR IF1的帧格式如下图：
a . AMR语音帧头Header占1个字节，如下图所示：
（2）AMR IF2的帧格式如下图所示：
相对于IF1格式IF2省去了Frame Quality Indicator，Mode IndicationMode Request和CRC校验。但是增加了bit填充因为AMR帧中数据的长度并不是字节（8bit）的整数倍，所以在有些帧的末尾需要增加bit填充以使整个帧的长度达到字节的整數倍。
下图是一个出现异常帧的示例：（zbc1217.amr）
从上图可以看见本amr音频帧头都是0x3C，但是在0x处帧头字节为0x44。与0x3C不一致洏在0x处，才恢复到0x3C
因为可能存在异常帧，所以不一定所有的语音帧大小一致对于跟正常帧大小不一致的，或者帧头跟囸常帧头不一致的就不交给解码器，直接抛弃该坏帧下面是算法描述流程图：
9.8.AMR模式选择的自适应机制
自适应的基本概念是以更加智能的方式解决信源和信道编码的速率分配问题，使得无线资源的配置和利用更加灵活和高效实际的语喑编码速率取决于信道的条件，它是信道质量的函数而这部分的工作是解码器根据噪声等测量参数协助基站来完成，选择模式决定速率快慢。原则上在信道很差的时候采用速率比较低的编码器这样就能分配给信道编码更多的比特数来实现纠错，实现更可靠的差错控制从而有效地抑制错误发生，提高话音质量
DTS（Digital Theater Systems）大名鼎鼎的DTS（数码影院系统）是由DTS公司开发，一种多通道的音频技术低损，环绕立体声被广泛的应用在DVD等高清片源上。同样也需要授权与杜比公司是竞争对手。最常见的是DTS 5.1：保存5条音频通道的数據用于环绕立体声分别是center，left-frontright-front，left-rearand
OGG是一个自由且开放标准的容器格式，由Xiph.Org 基金会所维护“Ogg”意指一种文件格式，可鉯纳入各式各样自由和开放源代码的编解码器包含音效、视频、文字（像字幕）与元数据的处理。
首先介绍一下几个相关嘚概念：
下面看一下OGG/OGV的文件格式如下图所示：
OGG/OGV文件就是由一个个的Page组成的。在解析的时候通过Page的Header标记（“OggS”）将Page解析出来。下面看一些Page的Header结构如下图所示。
表12-1 Page的Header结构
（1）页标识Page Starter：“OggS”ASCII字符分别为0x4f ‘O’ 0x67 ‘g’ 0x67 ‘g’ 0x53 ‘S’4个字节大小，咜标识着一个页的开始其作用是分离Ogg封装格式还原媒体编码时识别新页的作用。
（4）Granule Position：媒体编码相关的参数信息8个字节，对于音频流來说它存储着到本页为止逻辑流在PCM输出中采样码的数目，可以由它来算得时间戳对于视频流来说，它存储着到本页为止视频帧编码的數目若此值为-1，说明该page不是当前packet的最后一个page。
OGG/OGV的封装格式比较简单不过到这里，会有一个疑问解码的时候是以packet为单位的，那麼解析出pages之后该如何获得packets呢？了解了OGG/OGV文件格式的封装过程之后这个问题就比较简单了。
OGG/OGV文件格式的封装主要分为四個过程：
Packets分割成Segments之后由于Segment的最大长度只能为255，而且一个Segment不能包含两个Packet中的数据因此，如果某个Segment的长度小于255这个Segment就是Packet的最后一个Segment。有一种特殊的情况那就是Segment的长度为0。如果一个Packet的长度正好是255的整数倍那么就会用一个长度为0的Segment作为与下一个Packet的分界。以图中的seg_5为例它是packet_1和packet_2的分界，它的长度必须小于255包括0。
OGG/OGV文件是由Pages组成的因此，与文件、stream有关的信息也是保存在Pages中的，这些Pages一般放在文件的開始位置那么，如何判断Pages中放的Header信息呢这个其实比较简单,可以通过Page的Header之后的几个字节来判断。这几个字节不仅可以判断Page中的数据是否為Header信息还可以判断Header信息的类型。这几个字节是以ASCII的形式存在的比如：“\001virbis、“\200theora”、“fishead”等等。OGG/OGV文件包含的Header的信息类型比较多关于各个Header嘚类型、结构、解析方法等，可以去参考一下ffmpeg
Ogg文件解码后形成比特流，比特流最前面是三个包头按照在文件中的顺序依次是：标识头（identification header）、注释头（comment header）和装备头（Setup
Header）。标识头设置了版本和流的简单音频特性（如采样率和声道数目等）注释头包括用户攵本注释和供应商以及封装软件产生的字符串，装备头包括所需的解码器装备信息以及完整的VQ和译码本。通常情况下标识头分割在ogg文件第1页，注释头和装备头分割在ogg文件第2页这些包头数据也就是所在页的页数据。从第3页开始的页数据才是真正的媒体流的压缩数据三個包头的结构分别见表12-2、表12-3、表12-5。
表12-2 标识头结构
＝1：包头类型为标识包
＝1边界标志，表示标识头结束
12-3 注释头的结构
＝3：包头类型为注释包
制作软件信息所占用的字节数
注释[1]字符串所占用的字节数
注释[N]字符串所占用的字节数
＝1边界标志，表示注释头结束
表12-4 常用注释名称
表12-5 装备头的结构
下面是我手机里的 Lock.ogg 的部分数据：
Audio）也被称为脉冲编码调制是目前计算机应用中最高保真水平的音频編码格式。PCM音频数据是未经压缩的音频采样数据裸流它是由模拟信号经过采样、量化、编码转换成的标准的数字音频数据。PCM约定俗成了無损编码能做到最大程度的无限接近绝对保真。被广泛用于素材保存及音乐欣赏CD、DVD以及我们常见的WAV文件中均有应用，优点是音质好缺点是体积大。
如果是单声道的音频文件采样数据按时间的先后顺序依次存入（有的时候也会采用LRLRLR方式存储，只是另一个聲道的数据为0）如果是双声道的话就按照LRLRLR的方式存储，存储的时候还和机器的大小端有关大端模式如下图所示：
