摘要

在音頻處理領(lǐng)域，FFmpeg 一直是開(kāi)發(fā)者的首選工具，它功能強(qiáng)大，能處理幾乎所有格式的音視頻。但在某些應(yīng)用場(chǎng)景中，我們希望擺脫對(duì)外部依賴(lài)的束縛，尤其是在：

Java 原生項(xiàng)目中，不希望通過(guò)命令行調(diào)用外部程序；沙箱環(huán)境（如 Web 容器或受限服務(wù)器），無(wú)法執(zhí)行 FFmpeg；輕量級(jí)音頻工具開(kāi)發(fā)中，只需簡(jiǎn)單的分割功能，不想打包數(shù)十 MB 的二進(jìn)制文件。

本文將介紹一種基于 Java Sound API (javax.sound.sampled) 的方案，實(shí)現(xiàn)一個(gè)純 Java 的 WAV 音頻切割工具，無(wú)需依賴(lài)任何外部庫(kù)或命令行。

一、背景與限制

在開(kāi)始實(shí)現(xiàn)前，我們先了解一下Java Sound API 的局限性：

• 它僅支持 PCM 編碼的 WAV 文件，也就是“未壓縮”的音頻；
• 對(duì)于 MP3、AAC 等壓縮格式，需要額外的第三方庫(kù)（如 mp3spi、jlayer）；
• 所以本文僅聚焦于 WAV (PCM) 文件的分割。

但優(yōu)點(diǎn)也很明顯：

? 不需要 FFmpeg、SoX 等外部依賴(lài)；
? 跨平臺(tái)純 Java 實(shí)現(xiàn)；
? 操作精確到幀，切割后的文件可以立即播放。

二、切割思路解析

WAV 文件的音頻流由一系列幀（frame）組成，每一幀表示音頻信號(hào)在某一時(shí)刻的采樣結(jié)果。
切割的核心思想是：

根據(jù)起止時(shí)間計(jì)算出幀范圍 → 跳過(guò)前面幀 → 讀取目標(biāo)幀 → 寫(xiě)入新文件。

整個(gè)過(guò)程可以概括為以下步驟：

讀取源音頻文件
使用 AudioSystem.getAudioInputStream() 打開(kāi) WAV 文件。

計(jì)算幀位置
根據(jù)音頻采樣率（frameRate）和起止時(shí)間（秒），計(jì)算出對(duì)應(yīng)的幀區(qū)間。

跳過(guò)起始幀
通過(guò) AudioInputStream.skip() 精確跳過(guò)前面的音頻字節(jié)。

讀取并寫(xiě)入新的音頻段
創(chuàng)建一個(gè)新的 AudioInputStream，只包含目標(biāo)幀數(shù)量，然后寫(xiě)入到目標(biāo) WAV 文件。

三、完整實(shí)現(xiàn)代碼

以下是核心實(shí)現(xiàn)邏輯（已省略輔助類(lèi)的定義部分，如 AudioTime、AudioPairTime）。

    /**
     * 切割音頻
     * 只支持 PCM WAV 文件
     * @param originPath 原始地址
     * @param pairTime   切割時(shí)間對(duì)
     * @param targetPath 切割后的音頻存在地址
     */
    public static void split(String originPath, AudioPairTime pairTime, String targetPath) throws IOException {

        AudioTime startTime = pairTime.getStartTime();
        AudioTime endTime = pairTime.getEndTime();

        File sourceFile = new File(originPath);
        try (AudioInputStream originalStream = AudioSystem.getAudioInputStream(sourceFile)) {

            AudioFormat format = originalStream.getFormat();
            int bytesPerFrame = format.getFrameSize();
            float frameRate = format.getFrameRate();

            long startFrame = (long) (startTime.toSeconds() * frameRate);
            long endFrame = (long) (endTime.toSeconds() * frameRate);
            long framesToRead = endFrame - startFrame;

            long skippedBytes = originalStream.skip(startFrame * bytesPerFrame);
            if (skippedBytes != startFrame * bytesPerFrame) {
                throw new IOException("無(wú)法跳轉(zhuǎn)到指定開(kāi)始幀");
            }

            try (AudioInputStream shortenedStream = new AudioInputStream(originalStream, format, framesToRead)) {
                File targetFile = new File(targetPath);
                AudioSystem.write(shortenedStream, AudioFileFormat.Type.WAVE, targetFile);
            }
        } catch (javax.sound.sampled.UnsupportedAudioFileException e) {
            throw new IOException("只支持 PCM WAV 文件", e);
        }
    }

四、核心要點(diǎn)解讀

1. 時(shí)間到幀的轉(zhuǎn)換

每秒鐘音頻包含 frameRate 幀，因此：

long startFrame = (long) (startTime.toSeconds() * frameRate);

舉例：如果采樣率為 44100Hz，想從第 10 秒切割，則應(yīng)從第 10 * 44100 = 441000 幀開(kāi)始。

2. 精確跳過(guò)字節(jié)

每一幀的大小由 frameSize 決定，單位是字節(jié)。
在 PCM 編碼下：

frameSize = 聲道數(shù) × 每個(gè)樣本的字節(jié)數(shù)

例如：16-bit 雙聲道音頻 → 2 * 2 = 4 字節(jié)/幀。

因此跳過(guò) N 幀應(yīng)跳過(guò)：

skipBytes = N * bytesPerFrame;

3. AudioInputStream 的截取機(jī)制

Java 提供的 AudioInputStream 支持限定讀取幀數(shù)的構(gòu)造函數(shù)：

new AudioInputStream(originalStream, format, framesToRead)

意味著即使源文件更長(zhǎng)，輸出流也會(huì)在讀完指定幀數(shù)后自動(dòng)結(jié)束。

4. 寫(xiě)出 WAV 文件

輸出部分同樣使用標(biāo)準(zhǔn) API：

AudioSystem.write(shortenedStream, AudioFileFormat.Type.WAVE, targetFile);

無(wú)需手動(dòng)維護(hù)文件頭，Java 會(huì)自動(dòng)寫(xiě)入 WAV 頭部與數(shù)據(jù)塊。

五、輔助時(shí)間類(lèi)（可選設(shè)計(jì)）

為了讓調(diào)用更直觀，我們可以設(shè)計(jì)如下輔助類(lèi)：

public class AudioTime {
    private int hour;
    private int minute;
    private int second;

    public double toSeconds() {
        return hour * 3600 + minute * 60 + second;
    }
}

public class AudioPairTime {
    private AudioTime startTime;
    private AudioTime endTime;
    // getter / setter ...
}

調(diào)用示例：

AudioPairTime segment = new AudioPairTime(
    new AudioTime(0, 0, 10),
    new AudioTime(0, 0, 20)
);
split("input.wav", segment, "output_cut.wav");

六、性能與可靠性

性能方面：
由于只進(jìn)行字節(jié)級(jí)拷貝，不做解碼/編碼，處理速度接近文件 IO 的理論極限。
一個(gè) 100MB 的 WAV 文件可在數(shù)百毫秒內(nèi)切割完成。

可靠性：
PCM WAV 是無(wú)壓縮格式，幀之間無(wú)依賴(lài)關(guān)系，因此切割不會(huì)破壞數(shù)據(jù)結(jié)構(gòu)，切片可直接播放。

七、局限與擴(kuò)展方向

八、總結(jié)

本文介紹了一個(gè)純 Java 實(shí)現(xiàn)的 WAV 音頻切割方案，不依賴(lài) FFmpeg 或任何第三方庫(kù)。
它充分利用了 Java 自帶的 AudioSystem 與 AudioInputStream，能夠在多平臺(tái)環(huán)境中輕量、穩(wěn)定地運(yùn)行。

適用于：

Java 桌面工具；嵌入式或服務(wù)端音頻預(yù)處理；自動(dòng)化音頻切片任務(wù)（如語(yǔ)音識(shí)別片段提?。?。

通過(guò)本文的實(shí)踐，我們證明了 Java 完全可以在不依賴(lài) FFmpeg 的情況下，實(shí)現(xiàn)對(duì) PCM WAV 音頻的高效切割。
核心思想在于利用 AudioInputStream 對(duì)幀級(jí)數(shù)據(jù)的精準(zhǔn)控制：根據(jù)時(shí)間計(jì)算幀范圍、跳過(guò)無(wú)關(guān)幀、讀取目標(biāo)段并重新寫(xiě)出文件。

這種方式不僅保持了 純 Java、跨平臺(tái)、無(wú)外部依賴(lài) 的特性，還能在毫秒級(jí)實(shí)現(xiàn)穩(wěn)定的音頻截取，適合用于語(yǔ)音數(shù)據(jù)預(yù)處理、音頻標(biāo)注、語(yǔ)音識(shí)別等任務(wù)。

雖然目前僅限于未壓縮的 WAV 文件，但該方案為進(jìn)一步擴(kuò)展（如 MP3 支持、批量切割、波形可視化）奠定了堅(jiān)實(shí)基礎(chǔ)，是構(gòu)建輕量級(jí)音頻處理模塊的理想起點(diǎn)。

以上就是基于純Java實(shí)現(xiàn)WAV音頻切割的具體方案的詳細(xì)內(nèi)容，更多關(guān)于純Java WAV音頻切割的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論