Android应用环境下从.wav文件提取一维double型采样样本的实现咨询

核心注意点：标准PCM编码的WAV不是纯裸采样数据，文件开头存在结构头段，直接把全文件内容当采样值解析是最高发的错误

原生无依赖实现方案 #

不需要引入任何第三方库，适合对包体积要求高、目标WAV都是标准结构的场景：

• 定位原始采样段：绝大多数通用WAV的固定头长度为44字节，对应RIFF标识、格式声明、采样参数、数据块标识的固定结构，直接跳过这44字节即可进入真正的PCM采样存储段；如果碰到非标准头的WAV，先解析头里data块的偏移地址定位即可，不需要硬编码固定长度。
• 按采样位深做字节值转换：
  • 8位无符号采样：每采样占1字节，转换为double的映射公式为 (byteValue - 128) / 128.0，最终取值落在[-1.0, 1.0]区间
  • 16位有符号采样：每采样占2字节，按小端序拼接为short值后，转换为 shortValue / 32768.0
  • 24位有符号采样：每采样占3字节，按小端序拼接为32位整型后右移8位，转换为 intValue / 8388608.0
• 读取过程优化：用BufferedInputStream包装文件输入流，边读字节边完成转换，直接写入ArrayList<Double>构成一维采样列表，不要一次性把全量采样段读成大byte数组再做循环转换，避免大文件解析时触发OOM。

核心读取逻辑示例（以最常见的16位单声道WAV为例）：

fun parseWavToDoubleList(targetFile: File): ArrayList<Double> {
    val sampleList = arrayListOf<Double>()
    targetFile.inputStream().use { rawStream ->
        val bufferedStream = BufferedInputStream(rawStream)
        // 跳过标准44字节文件头
        bufferedStream.skip(44)
        val sampleBuffer = ByteArray(2)
        while (bufferedStream.read(sampleBuffer) != -1) {
            // 按WAV要求的小端序拼接short值
            val rawSample = ((sampleBuffer[1].toInt() shl 8) or (sampleBuffer[0].toInt() and 0xFF)).toShort()
            sampleList.add(rawSample / 32768.0)
        }
    }
    return sampleList
}

轻量第三方实现方案 #

碰到头结构不标准、多声道、高位深的特殊WAV，自己写原生逻辑需要覆盖大量边界分支，可以选体积最小的专用音频解析库实现，不要引入重型的全功能音频处理框架：

• 选择TarsosDSP的Wav解析模块，整体体积不到1MB，无冗余依赖，可直接输出归一化后的浮点采样值，自动处理小端序拼接、头偏移定位的逻辑，适配8/16/24/32位全位深WAV，还支持自动拆分交错存储的双声道数据，直接导出单声道的一维采样向量。
• 控制引入依赖的体积，不要选择整体包体积超过10MB的音频处理类库，避免无意义推高应用安装包大小。

高频踩坑提醒 #

• 字节序错误：WAV的PCM采样值统一采用小端序存储，如果按大端序拼接字节，得到的采样值会完全错乱，没有实际参考意义
• 范围映射错误：不同位深的采样值转换为double时，注意除数值的量级，不要因为除数错误导致输出的double值超出[-1.0, 1.0]的正常范围，影响后续音频分析逻辑
• 多声道拆分：如果目标WAV是双声道格式，原始PCM段是左右声道数据交错存储的，直接顺序读取得到的列表是左、右、左、右交替的，需要按固定步长拆分出对应声道的独立一维向量

内容的提问来源于stack exchange，提问作者Newdevos