1. MP3檔案結構解析
1.1. 概述
1.1.1. 音訊相關術語

ü  ID3：
一般位於一個mp3檔案的開頭或末尾的若干位元組內，記錄該mp3檔案的歌手、標題、專輯名稱、年代、風格等資訊，ID3分位兩個版本，V1版ID3在檔案末尾的固定128位元組，以TAG字元開頭，若沒有則認為無ID3V1資訊，V2版ID3位於mp3的開頭，長度可變。
ü  取樣率：
每秒從連續訊號中提取並組成離散訊號的取樣個數，它用赫茲（Hz）來表示，取樣率是指將模擬訊號轉換成數字訊號時的取樣頻率，也就是單位時間內取樣多少點，取樣頻率越高聲音的還原就越真實越自然，在當今的主流採集卡上，取樣頻率一般共分為22.05KHz、44.1KHz、48KHz三個等級，22.05KHz只能達到FM廣播的聲音品質，44.1KHz則是理論上的CD音質界限，48KHz則更加精確一些。
ü  位元率：
位元率是指每秒傳送的位元(bit)數。單位為bps(Bit Per Second)，位元率越高，傳送的資料越大。在音訊、視訊領域，位元率常翻譯為位元速率，位元率表示經過編碼（壓縮）後的音、視訊資料每秒鐘需要用多少個位元來表示，而位元就是二進位制裡面最小的單位，要麼是0，要麼是1。位元率與音、視訊壓縮的關係，簡單的說就是位元率越高，音訊、視訊的質量就越好，但編碼後的檔案就越大；如果位元率越少則情況剛好相反。
位元率=取樣率*取樣位數*聲道數
ü  位元速率/碼流/位率：
是指音訊、視訊檔案在單位時間內使用的資料流量，通俗一點的理解就是取樣率,是音訊、視訊編碼中質量控制中最重要的部分，一般我們用的單位是Kb/s、Mb/s。一般來說碼流越大，壓縮比就越小，質量就越高。碼流越大，說明單位時間內取樣率越大，資料流，精度就越高，處理出來的檔案就越接近原始檔案
ü  編碼：
從資訊理論的觀點來看，描述信源的資料是資訊和資料冗餘之和，即：資料=資訊+資料冗餘。音訊訊號在時域和頻域上具有相關性，也即存在資料冗餘。將音訊作為一個信源，音訊編碼的實質是減少音訊中的冗餘。
自然界中的聲音非常複雜，波形極其複雜，通常我們採用的是脈衝程式碼調製編碼，即PCM編碼。PCM通過抽樣、量化、編碼三個步驟將連續變化的模擬訊號轉換為數字編碼
ü  解碼：
編碼的逆過程
1.1.2. MP3簡述

MP3全稱為MPEG Audio Layer 3，它是一種高效的計算機音訊編碼方案，它以較大的壓縮比將音訊檔案轉換成較小的副檔名為.mp3的檔案，基本保持原始檔的音質，MP3是ISO/MPEG標準的一部分，
ISO/MPEG標準描述了使用高效能感知編碼方案的音訊壓縮，此標準一直在不斷更新以滿足“質高量小”的追求，現已形成MPEG Layer1、Layer2、Layer3三種音訊編解碼方案，分別對應MP1、MP2、MP3 這三種聲音檔案
MPEG(Moving Picture Expert Group)是ISO下的一個動態影象專家組，它指定的MPEG標準廣泛的應用於各種多媒體中，MPEG標準包括視訊和音訊標準，其中音訊標準已制定出MPEG-1、MPEG-2、MPEG-2 ACC、MPEG-4。MPEG-1和MPEG-2標準使用同一個音訊編解碼族Layer1、2、3，MP3絕大多數使用的是MPEG1標準
MP3音訊壓縮包含編碼和解碼兩部分，編碼是將原始訊號轉換成電平訊號的過程，解碼即是逆過程，MP3 採用了感知音訊編碼（PerceptualAudio Coding）這一失真演算法。人耳感受聲音的頻率範圍是20Hz-20kHz，MP3截掉了大量的冗餘訊號和無關的訊號，編碼器通過混合濾波器組將原始聲音變換到頻率域，利用心理聲學模型，估算剛好能被察覺到的噪聲水平，再經過量化，轉換成Huffman編碼，形成MP3位流。解碼器要簡單得多，它的任務是從編碼後的譜線成分中，經過反量化和逆變換，提取出聲音訊號。
MP3檔案資料由多個幀組成，幀是MP3檔案最小組成單位。每個幀又由幀頭、附加資訊和聲音資料組成。每個幀播放時間是0.026秒，其長度隨位率的不同而不等。有些MP3檔案末尾有些額外位元組存放非聲音資料的說明資訊。
1.2. MP3檔案結構

MP3檔案大體上分為三個部分：ID3V2+音訊資料+ID3V1
         1.3. ID3V2解析

ID3V2一共有四個版本，ID3V2.1/2.2/2.3/2.4，目前流行的播放軟體一般只支援第三版即ID3V2.3，由於ID3V1記錄在檔案的末尾處，ID3V2就只能記錄在檔案的首部了，也是因為這個原因，對ID3V2的操作比ID3V1要慢，而且ID3V2的結構比ID3V1的結構複雜的多，但是ID3V2可以記錄更多的資訊，長度可變
ID3V2.3由一個標籤頭和若干個標籤幀或者一個擴充套件標籤頭組成，至少要有一個標籤幀，每一個標籤幀記錄一種資訊，例如作曲、標題等
1.3.1. 標籤頭

位於檔案開始處，長度為10位元組，結構如下：
char Header[3];    /*必須為“ID3”否則認為標籤不存在*/ 
char Ver;         /*版本號ID3V2.3 就記錄3*/ 
char Revision;     /*副版本號此版本記錄為0*/ 
char Flag;        /*標誌位元組，只使用高三位，其它位為0 */ 
char Size[4];      /*標籤大小*/
注：標籤大小，不能確定具體包括哪些內容，解析歌曲檔案後，發現沒有哪些位元組之和會等於該值，詳見下面的例項分析
標誌位元組一般為0，定義如下(abc000000B)
a：表示是否使用Unsynchronisation
b：表示是否有擴充套件頭部，一般沒有，所以一般也不設定
c：表示是否為測試標籤，99.99%的標籤都不是測試標籤，不設定
標籤大小共四個位元組，每個位元組只使用低7位，最高位不使用恆為0，計算時將最高位去掉，得到28bit的資料，計算公式如下：
Size=(Size[0]&0x7F)*0x200000+(Size[1]&0x7F)*0x400+(Size[2]&0x7F)*0x80+(Size[3]&0x7F)
以《金南玲 - 逆流成河.mp3》為例，使用WinHex工具開啟如下，讀者可自己對照上述結構，本章結束會給出詳細的結構分析

1.3.2. 標籤幀

每個標籤幀都有10個位元組的幀頭(和標籤頭不是一個東西，雖然他們剛好都是10位元組，標籤頭只有一個，每個標籤幀都有一個幀頭)和至少一個位元組的內容構成，標籤幀與標籤頭/其他標籤幀無特殊位元組分割，只能通過幀頭資訊來確定幀內容的大小。
幀頭長度10位元組，定義如下：
char ID[4]; /*標識幀，說明其內容，例如作者/標題等*/ 
char Size[4]; /*幀內容的大小，不包括幀頭，不得小於1*/ 
char Flags[2]; /*標誌幀，只定義了6 位*/ 
標識幀，常見的內容如下：
TIT2=標題
TPE1=作者
TALB=專集
TRCK=音軌格式：N/M 其中N為專集中的第N首，M為專集中共M首，N和M    為ASCII 碼錶示的數字 
TYER=年代是用ASCII 碼錶示的數字 
TCON=型別直接用字串表示 
COMM=備註格式："eng\0備註內容"，其中eng 表示備註所使用的自然語言 
幀內容大小，計算公式如下：
Size = Size[0]*0x100000000 + Size[1]*0x10000+ Size[2]*0x100 +Size[3];
標誌幀，使用每個位元組的高三位，其他位均為0(abc00000B xyz00000B)
a -- 標籤保護標誌，設定時認為此幀作廢
b -- 檔案保護標誌，設定時認為此幀作廢
c -- 只讀標誌，設定時認為此幀不能修改 
x -- 壓縮標誌，設定時一個位元組存放兩個BCD 碼錶示數字 
y-- 加密標誌 
z-- 組標誌，設定時說明此幀和其他的某幀是一組
1.4. 音訊資料解析

每個幀都有一個幀頭，長度是四個位元組，幀後面可能有2位元組的CRC校驗，取決於幀頭的第16位，為0則無校驗，為1則有校驗，後面是可變長度的附加資訊，對於標準的MP3檔案來說，其長度是32位元組，緊接其後的是壓縮的聲音資料，當解碼器讀到此處時就進行解碼了。
1.4.1. 資料幀幀頭

幀頭長4位元組，結構如下：
typedef FrameHeader 
{
unsigned int sync:11;                        //同步資訊
unsigned int version:2;                      //版本
unsigned int layer: 2;                           //層
unsigned int error protection:1;           // CRC校驗
unsigned int bitrate_index:4;              //位率
unsigned int sampling_frequency:2;         //取樣頻率
unsigned int padding:1;                    //幀長調節
unsigned int private:1;                       //保留字
unsigned int mode:2;                         //聲道模式
unsigned int mode extension:2;        //擴充模式
unsigned int copyright:1;                           // 版權
unsigned int original:1;                      //原版標誌
unsigned int emphasis:2;                  //強調模式
}HEADER, *LPHEADER;
詳細說明：
1.4.2. 幀長度與真大小

幀大小即每幀的取樣數，表示一幀資料中取樣的個數，該值是恆定的，如下表所示：

幀長度是壓縮時每一幀的長度，包括幀頭的4個位元組。它將填充的空位也計算在內。Layer 1的一個空位長4位元組，Layer 2和Layer 3的空位是1位元組。當讀取MPEG檔案時必須計算該值以便找到相鄰的幀。注意：因為有填充和位元率變換，幀長度可能變化
計算公式如下：
Layer 1：Len(位元組) = ((每幀取樣數/8*位元率)/取樣頻率)+填充*4
Layer2/3：Len(位元組) = ((每幀取樣數/8*位元率)/取樣頻率)+填充
例：MPEG1 Layer3 位元率128000，取樣率44100，填充0，幀長度為：((1152/8*128K)/44.1K+0=417位元組
1.4.3. 幀持續時間

計算公式：
每幀持續時間(毫秒) = 每幀取樣數 / 取樣頻率 * 1000
例：1152/441000*1000=26ms
1.4.4. 幀資料

在幀頭後邊是Side Info(姑且稱之為通道資訊)。對標準的立體聲MP3檔案來說其長度為32位元組。當解碼器在讀到上述資訊後，就可以進行解碼了。
對於mp3來說現在有兩種編碼方式，一種是CBR，也就是固定位率，固定位率的幀的大小在整個檔案中都是是固定的（公式如上所述），只要知道檔案總長度，和從第一幀幀頭讀出的資訊，就都可以通過計算得出這個mp3檔案的資訊，比如總的幀數，總的播放時間等等，要定位到某一幀或某個時間點也很方便，這種編碼方式不需要檔案頭，第一幀開始就是音訊資料。另一種是VBR，就是可變位率，VBR是XING公司推出的演算法，所以在MP3的FRAME裡會有“Xing"這個關鍵字（也有用"Info"來標識的，現在很多流行的小軟體也可以進行VBR壓縮，它們是否遵守這個約定，那就不得而知了），它存放在MP3檔案中的第一個有效幀的資料區裡，它標識了這個MP3檔案是VBR的。同時第一個幀裡存放了MP3檔案的幀的總個數，這就很容易獲得了播放總時間，同時還有100個位元組存放了播放總時間的100個時間分段的幀索引，假設4分鐘的MP3歌曲，240S，分成100段，每兩個相鄰INDEX的時間差就是2.4S，所以通過這個INDEX，只要前後處理少數的FRAME，就能快速找出我們需要快進的幀頭。其實這第一幀就相當於檔案頭了。不過現在有些編碼器在編碼CBR檔案時也像VBR那樣將資訊記入第一幀，比如著名的lame，它使用"Info"來做CBR的標記。
1.4.5. VBR標頭檔案

VBR檔案頭位於MP3檔案中第一個有效幀的資料區，詳細結構如下：
1.5. ID3V1解析

ID3 V1.0標準並不周全，存放的資訊少，無法存放歌詞，無法錄入專輯封面、圖片等。V2.0是一個相當完備的標準，但給編寫軟體帶來困難，雖然贊成此格式的人很多，在軟體中真正實現的卻極少。絕大多數MP3仍使用ID3 V1.0標準。此標準是將MP3檔案尾的最後128個位元組用來存放ID3資訊
1.6. 附錄
1.6.1. 幀標識

AENC：Audioencryption 
APIC：Attached picture
COMM：Comments 
COMR：Commercial 
ENCR：Encryptionmethod registration 
EQUA：Equalization 
ETCO：Event timingcodes 
GEOB：Generalencapsulated object 
GRID：Groupidentification registration 
IPLS：Involvedpeople list 
LINK：Linkedinformation 
MCDI：Music CDidentifier 
MLLT：MPEGlocationlookup table 
OWNE：Ownership 
PRIV：Private 
PCNT：Playcounter 
POPM：Popularimeter
POSS：Positionsynchronisation 
RBUF：Recommendedbuffer size 
RVAD：Relativevolume adjustment 
RVRB：Reverb 
SYLT：Synchronizedlyric/text 
SYTC：Synchronizedtempo codes 
TALB：Album/Movie/Showtitle 
TBPM：BPM(beats perminute) 
TCOM：Composer 
TCON：Content type 
TCOP：Copyrightmessage 
TDAT：Date
TDLY：Playlistdelay 
TENC：Encoded by 
TEXT：Lyricist/Textwriter 
TFLT：Filetype 
TIME：Time
TIT1：Content groupdeion 
TIT2：Title/songname/contentdeion 
TIT3：Subtitle/Deionrefinement 
TKEY：Initial key 
TLAN：Language(s) 
TLEN：Length 
TMED：Media type 
TOAL：Originalalbum/movie/show title 
TOFN：Originalfilename 
TOLY：Originallyricist(s)/text writer(s) 
TOPE：Originalartist(s)/performer(s) 
TORY：Originalrelease year 
TOWN：Fileowner/licensee
TPE1：Leadperformer(s)/Soloist(s)
TPE2：Band/orchestra/accompaniment
TPE3：Conductor/performerrefinement 
TPE4：Interpreted,remixed, or otherwise modified by 
TPOS：Partof a set 
TPUB：Publisher 
TRCK：Tracknumber/Position in set 
TRDA：Recordingdates 
TRSN：Internetradio station name 
TRSO：Internetradio station owner 
TSIZ：Size
TSRC：ISRC(internationalstandard recording code) 
TSSE：Software/Hardwareand settings used for encoding 
TYER：Year
TXXX：Userdefinedtext information 
UFID：Unique fileidentifier 
USER：Terms of use 
USLT：Unsychronizedlyric/text tranion 
WCOM：Commercialinformation 
WCOP：Copyright/Legalinformation 
WOAF：Officialaudio file webpage 
WOAR：Officialartist/performer webpage 
WOAS：Officialaudio source webpage 
WORS：Officialinternet radio station homepage 
WPAY：Payment 
WPUB：Publishersofficial webpage 
WXXX：UserdefinedURL link 
1.6.2. 音樂型別

0="Blues"; 
1="ClassicRock"; 
2="Country"; 
3="Dance"; 
4="Disco"; 
5="Funk"; 
6="Grunge"; 
7="Hip-Hop"; 
8="Jazz"; 
9="Metal"; 
10="NewAge"; 
11="Oldies"; 
12="Other"; 
13="Pop"; 
14="R&B"; 
15="Rap"; 
16="Reggae"; 
17="Rock"; 
18="Techno"; 
19="Industrial"; 
20="Alternative"; 
21="Ska"; 
22="Deathl"; 
23="Pranks"; 
24="Soundtrack"; 
25="Euro-Techno"; 
26="Ambient"; 
27="Trip-Hop"; 
28="Vocal"; 
29="Jazz+Funk"; 
30="Fusion"; 
31="Trance"; 
32="Classical"; 
33="Instrumental"; 
34="Acid"; 
35="House"; 
36="Game"; 
37="SoundClip"; 
38="Gospel"; 
39="Noise"; 
40="AlternRock"; 
41="Bass"; 
42="Soul"; 
43="Punk"; 
44="Space"; 
45="Meditative"; 
46="InstrumentalPop"; 
47="InstrumentalRock"; 
48="Ethnic"; 
49="Gothic"; 
50="Darkwave"; 
51="Techno-Industrial"; 
52="Electronic"; 
53="Pop-Folk"; 
54="Eurodance"; 
55="Dream"; 
56="SouthernRock"; 
57="Comedy"; 
58="Cult"; 
59="Gangsta"; 
60="Top40"; 
61="ChristianRap"; 
62="Pop/Funk"; 
63="Jungle"; 
64="NativeAmerican"; 
65="Cabaret"; 
66="NewWave"; 
67="Psychadelic"; 
68="Rave"; 
69="Showtunes"; 
70="Trailer"; 
71="Lo-Fi"; 
72="Tribal"; 
73="AcidPunk"; 
74="AcidJazz"; 
75="Polka"; 
76="Retro"; 
77="Musical"; 
78="Rock&Roll"; 
79="HardRock"; 
80="Folk"; 
81="Folk-Rock"; 
82="NationalFolk"; 
83="Swing"; 
84="FastFusion"; 
85="Bebob"; 
86="Latin"; 
87="Revival"; 
88="Celtic"; 
89="Bluegrass"; 
90="Avantgarde"; 
91="GothicRock"; 
92="ProgessiveRock"; 
93="PsychedelicRock"; 
94="SymphonicRock"; 
95="SlowRock"; 
96="BigBand"; 
97="Chorus"; 
98="EasyListening"; 
99="Acoustic"; 
100="Humour"; 
101="Speech"; 
102="Chanson"; 
103="Opera"; 
104="ChamberMusic"; 
105="Sonata"; 
106="Symphony"; 
107="BootyBass"; 
108="Primus"; 
109="PornGroove"; 
110="Satire"; 
111="SlowJam"; 
112="Club"; 
113="Tango"; 
114="Samba"; 
115="Folklore"; 
116="Ballad"; 
117="PowerBallad"; 
118="RhythmicSoul"; 
119="Freestyle"; 
120="Duet"; 
121="PunkRock"; 
122="DrumSolo"; 
123="Acapella"; 
124="Euro-House"; 
125="DanceHall"; 
126="Goa"; 
127="Drum&Bass"; 
128="Club-House"; 
129="Hardcore"; 
130="Terror"; 
131="Indie"; 
132="BritPop"; 
133="Negerpunk"; 
134="PolskPunk"; 
135="Beat"; 
136="ChristianGangstaRap"; 
137="Heavyl"; 
138="Blackl"; 
139="Crossover"; 
140="ContemporaryChristian"; 
141="ChristianRock"; 
142="Merengue"; 
143="Salsa"; 
144="Trashl"; 
145="Anime"; 
146="JPop"; 
147="Synthpop";
1.7. 例項分析
1.7.1. 歌曲資訊

1.7.2. 結構解析
1.7.2.1. 標籤頭

標籤頭：10位元組，00H-09H

標籤大小：
Size=(Size[0]&0x7F)*0x200000+(Size[1]&0x7F)*0x400+(Size[2]&0x7F)*0x80+(Size[3]&0x7F)
=(0x07&0x7F)*0x400+(0x34&0x7F)*0x80+(0x60&0x7F)
=0x1C00+0x1A00+0x60
=0x3660=13920
1.7.2.2. TSSE標籤幀

1.7.2.3. COMM標籤幀

幀內容大小：
Size = Size[0]*0x100000000 + Size[1]*0x10000+ Size[2]*0x100 +Size[3]
=0x02*0x100+0x07
=0x207=519
1.7.2.4. TALB標籤幀

1.7.2.5. TIT2標籤幀

1.7.2.6. TPE1標籤幀

1.7.2.7. TPOS標籤幀

1.7.2.8. TRCK標籤幀

1.7.2.9. APIC標籤幀

此處省略N多位元組………

幀內容大小：
Size = Size[0]*0x100000000 + Size[1]*0x10000+ Size[2]*0x100 +Size[3]
=0x01*0x10000+0xD3*0x100+0xD7
=0x10000+0xD300+0xD7
=0x1D3D7=119767
1.7.2.10. 未知資料

不清楚該段資料具體作用，目測是填充位元組。
1.7.2.11. 音訊資料

篇幅有限，只分析第一幀資料，其他幀與此無異。

幀頭解析：
FF=11111111 紅色
FB=1111 1011 紅色黑色綠色紫色
E0=1110 
0000 藍色橄欖色深紅色橙色
00=00000000 白色淺綠色深藍色褐色粉紅色
紅色：11位，同步資訊，所有位均為1，第一個位元組恆為FF
黑色：2位，版本，MPEG1
綠色：2位，層，Layer3
紫色：1位，無CRC校驗
藍色：4位，位率，單位是kbps，320
橄欖色：2位，取樣頻率，44.1K
深紅色：1位，用來調整檔案頭長度，無需調整
橙色：1位，保留字，未使用
白色：2位，表示聲道模式，立體聲Stereo
淺綠色：2位，聲道模式為Joint Stereo時才使用
深藍色：1位，檔案是否合法，不合法
褐色：1位，是否原版，非原版
粉紅色：2位，用於聲音經降噪壓縮後再補償的分類，未定義
根據以上資訊可計算：
幀長度=幀頭+通道資訊+幀內容= ((1152/8*320)/44.1=1044位元組
每幀持續時間=1152/44.1*1000=26.12ms
因為該歌曲為CBR即固定位率歌曲，所以每幀的資料長度都是1044位元組，26ms。
1.7.2.12. 其他資料

該歌曲無ID3V1資訊。
最後的320位元組，題主也是笨笨的沒弄懂其具體含義~
1.8. 說明

能夠讀到這裡的讀者，我不得不對你的求知精神與耐心表示肯定，希望這篇文章對您有所幫助
word文件下載地址：http://download.csdn.net/detail/u010650845/9705899
--------------------- 
作者：DarrylQuinn 
來源：CSDN 
原文：https://blog.csdn.net/u010650845/article/details/53520426 
版權宣告：本文為博主原創文章，轉載請附上博文連結！