如何根据音频时长、采样率计算sampleCount？理论值与实际值不符求解

为什么直接用「采样率×时长」会出错 #

你遇到的偏差是因为音频显示的时长（850ms）是实际采样数÷采样率后四舍五入的近似值，并非精确值。比如你的实际采样数40681，除以48000采样率得到的精确时长约为847.52ms，显示的850ms是简化后的结果，直接反向计算自然会和实际值不符。

两种可靠的计算方法 #

1. 读取WAV文件头（最精确）

标准WAV文件的RIFF结构中，Subchunk2Size字段（通常在文件起始后36字节处，4字节无符号整数）记录了音频数据的总字节数。通过这个值可以直接计算采样数：

sampleCount = Subchunk2Size / (字节深度 × 声道数)

举个例子：如果是16位（2字节）立体声（2声道）的WAV，每个采样占4字节，那采样数就是Subchunk2Size / 4。

2. 通过文件大小推导（近似但实用）

如果无法直接读取文件头，可以用文件总大小减去WAV头大小得到音频数据字节数，再计算采样数：

音频数据字节数 = 文件总字节数 - WAV头大小
sampleCount = 音频数据字节数 / (字节深度 × 声道数)

注意：标准PCM WAV的头大小通常是44字节，若包含扩展头则需要调整头大小数值。

用你的案例验证 #

你的实际采样数40681，假设是8位单声道（1字节/采样）的WAV：
音频数据字节数 = 40681 × 1 = 40681字节
加上标准头44字节，总文件大小约为40725字节（≈39.7KB），和你给出的37KB近似值的偏差是因为文件大小的表述做了简化，核心计算逻辑是成立的。

内容的提问来源于stack exchange，提问作者user338062