Go go-wav WAV头里的位深与声道数怎样影响帧大小

Go go-audio/wav 里，WAV 每帧占多少字节，不是只看声道数，而是由位深和声道数共同决定。先把每通道采样的位深换算成字节，再乘以声道数，就能得到一帧的字节数；采样率只在此基础上继续决定每秒数据量。

官方包文档：https://pkg.go.dev/github.com/go-audio/wav。下文按 PCM WAV 的常见布局说明，图示是原创静态说明图，不代表某个真实文件的运行截图。

计算公式可以记成：每帧字节数 = 每通道采样字节数 × 声道数；每秒字节数 = 每帧字节数 × 采样率。位深改变的是单个声道的采样宽度，声道数改变的是一帧里包含的采样数量。

• 16 位单声道：每通道 2 字节，每帧 2 字节。
• 16 位双声道：每通道 2 字节，每帧 4 字节。
• 24 位双声道：每通道 3 字节，每帧 6 字节。

帧大小为什么由位深和声道数共同决定

这里的“帧”指同一个采样时刻的完整通道集合。单声道一帧只有一个采样值，双声道一帧包含左、右两个采样值；因此声道数翻倍，其他格式不变时，每帧字节数也会翻倍。

位深以 bit 表示每个声道采样的编码宽度。常见的 8、16、24、32 位分别对应 1、2、3、4 字节。通用换算可写为 ceil(bitDepth / 8) × numChannels。对于规范允许但不是整字节的位深，不能直接用整数除法丢掉余数。

Block Align 和 Byte Rate 分别表示什么

WAV 头中的 Block Align 可以理解为一帧的字节数，计算时要把每个声道的采样宽度合并起来。Byte Rate 则是每秒需要传输的音频字节数，等于采样率乘以 Block Align。

例如 48 kHz、16 位双声道时，每通道是 2 字节，Block Align 为 4，Byte Rate 为 48000 × 4，即每秒 192000 字节。这个计算只描述 PCM 数据区的速率，不等同于文件总大小，文件还可能包含 fmt、data 以及其他元数据块。

在 go-wav 中读取头字段并做一致性判断

wav.Decoder 文档列出了 NumChans、BitDepth、SampleRate 和 PCMSize 等字段；Format() 可以取得解码内容的音频格式。读取后，可以在进入 PCM 循环前先计算一个期望的帧宽，避免把一个声道的采样宽度误当成整帧宽度。

package main

import (
    "fmt"
    "os"

    "github.com/go-audio/wav"
)

func main() {
    f, err := os.Open("input.wav")
    if err != nil {
        // 文件打不开时不能继续读取 WAV 头。
        panic(err)
    }
    defer f.Close() // Decoder 不负责关闭调用方传入的文件。

    d := wav.NewDecoder(f)
    d.ReadInfo() // 先解析 fmt 等头信息，再读取公开字段。
    if err := d.Err(); err != nil {
        // 头信息解析失败时，计算结果没有意义。
        panic(err)
    }

    // 向上取整，避免非整字节位深被整数除法截断。
    bytesPerSample := (int(d.BitDepth) + 7) / 8
    frameBytes := bytesPerSample * int(d.NumChans)
    byteRate := int(d.SampleRate) * frameBytes

    fmt.Printf("channels=%d bitDepth=%d frameBytes=%d byteRate=%d\\n",
        d.NumChans, d.BitDepth, frameBytes, byteRate)
}

这个示例的重点是字段之间的关系，不是重新实现 WAV 解码器。若要逐帧读取 PCM，还要遵守包提供的缓冲区和读取方法；不能仅凭 PCMSize 把所有数据一次性读入内存，也不能把双声道数据按单声道宽度移动。

三个常见误区

只乘声道数。如果忽略位深，16 位和 24 位音频会被算成同样的帧宽，后续偏移很快错位。

把采样率当成帧大小。采样率是每秒有多少帧，不能代替一帧包含多少字节；它只参与 Byte Rate 的计算。

把文件总长度当成 PCM 长度。WAV 是 RIFF 容器，头部和可选块会占空间。需要处理 PCM 时，应使用解码器解析出的数据区信息，而不是直接用文件大小除以帧宽。

常见问题

为什么 16 位双声道一帧是 4 字节？

16 位等于每个声道 2 字节，双声道一帧包含两个声道采样，所以是 2 × 2 = 4 字节。

采样率提高会改变 Block Align 吗？

不会。Block Align 由位深和声道数决定；采样率提高后，Byte Rate 会随每秒帧数增加。

go-wav 的 Decoder 会自动替我修正错误帧宽吗？

不能这样假设。Decoder 负责解析和提供音频数据，调用方仍应按当前格式理解 PCM 布局，并在格式不符合预期时停止或转换。