WAV格式声音数据存储原理及C#手动实现WAV播放的技术问询

首先需要纠正一个常见的认知偏差：你提到「声波采样的幅值代表其频率」，这个理解是错误的，这也是你目前只能得到蜂鸣声的核心原因。

1. WAV数据区字节流的实际含义 #

WAV头之后的每一组字节，对应的是某一个时刻声卡需要输出的模拟信号电压幅值，是对现实世界连续声波的离散采样结果，所有声音信息都包含在这一系列连续的幅值变化中：

• 采样率（存储在WAV头中，常见值如44100Hz）代表每秒需要输出多少个这样的幅值点，44100Hz即表示每1/44100秒就要输出一个幅值
• 位深度（存储在WAV头中，常见值如16bit）代表每个幅值用多少位存储，16bit的情况下每个采样点占2字节，取值范围是-32768到32767，对应声卡输出的最低到最高电压
• 多声道场景下采样点按声道交替排列，比如双声道的排列规则是「左声道采样点→右声道采样点→左声道采样点→右声道采样点」循环

你提到的音色、频率、音量信息全部都包含在连续的幅值变化序列里：单一频率的正弦波幅值变化是规律的正弦曲线，输出后就是你说的蜂鸣声；而真实音频是无数不同频率、不同相位的声波叠加后的结果，反应在采样点上就是无固定规律的连续幅值变化，自然就承载了所有音色信息。
你之前用System.Console.Beep(freq, duration)只能生成固定频率的正弦波，当然无法还原真实音频——它本质是直接告诉声卡输出固定频率的信号，根本没有用到你读取的WAV采样数据。

2. 如何将采样数据转为可播放的声音 #

数模转换的工作是由声卡硬件完成的，你不需要自己实现，只需要把读取到的采样数据按照规范喂给系统音频API即可，针对你用C#学习的需求，提供最简实现思路：

步骤1：提取WAV头的必要参数 #

虽然你提到头信息和当前问题无关，但播放时必须依赖这些参数：

• 采样率
• 位深度
• 声道数（1=单声道，2=立体声）
• 音频编码格式（绝大多数普通WAV都是PCM格式，不需要额外解码）

步骤2：解析数据区的采样值 #

以最常见的16bit位深度、小端序存储（WAV默认小端序）为例，每2个字节对应一个采样点，转换逻辑参考：

// 示例代码：读取单个16bit采样点
byte[] sampleBuffer = new byte[2];
wavFileStream.Read(sampleBuffer, 0, 2);
short sampleValue = BitConverter.ToInt16(sampleBuffer, 0);
// 如果是24bit/32bit位深度，对应调整字节读取长度和转换逻辑即可

步骤3：调用系统音频API输出采样 #

C#下可以直接调用Win32的waveOut系列API实现手动播放，无需依赖第三方库，核心流程：

1. 调用waveOutOpen打开音频输出设备，传入从WAV头中读取的采样率、位深度、声道数参数
2. 初始化音频缓冲区，将解析得到的连续采样值写入缓冲区
3. 调用waveOutWrite将缓冲区数据发送给声卡，声卡会按照你设置的采样率自动把每个采样点的数值转为对应的电压输出，最终通过扬声器生成声音
4. 播放完成后调用waveOutClose释放设备资源

如果你不需要逐点控制采样输出，也可以直接将读取到的完整WAV文件流传给.NET自带的System.Media.SoundPlayer类直接播放，但这种方式没法满足你深入了解播放逻辑的学习需求。

内容的提问来源于stack exchange，提问作者66Gramms