MP3 文件格式详解¶
一、概述¶
MPEG（Moving Picture Experts Group，活动图像专家组）音频文件是 MPEG-1 标准中的声音部分，根据压缩质量和编码复杂程度划分为三层：
| 层级 | 文件扩展名 | 压缩率 | 复杂度 |
|---|---|---|---|
| Layer 1 | .mp1 | 4:1 | 低 |
| Layer 2 | .mp2 | 6:1-8:1 | 中 |
| Layer 3 | .mp3 | 10:1-12:1 | 高 |
MP3 压缩原理¶
MP3 采用 有损压缩 方式，使用 感官编码技术：
- 频谱分析：对音频文件进行频谱分析
- 噪声过滤：滤掉人耳不敏感的噪音电平
- 量化编码：将剩余数据量化并重新排列
- 高压缩比：达到 10:1-12:1 的压缩率
示例：1 分钟 CD 音质音乐（44.1kHz/16bit/立体声）
- 未压缩：约 10MB
- MP3 压缩：约 1MB
二、MP3 文件整体结构¶
┌─────────────────────┐
│ ID3V2 标签 │ ← 文件开始，长度可变
├─────────────────────┤
│ │
│ 音频数据帧序列 │ ← 文件主体，多个帧组成
│ │
├─────────────────────┤
│ ID3V1 标签 │ ← 文件结尾，128字节固定
└─────────────────────┘
- ID3V2：位于文件开始，存储详细的元数据（作者、专辑等），长度可变
- 音频数据帧：文件主体，包含实际的音频数据，每个帧独立编码
- ID3V1：位于文件结尾，存储基本元数据，128字节固定长度
三、ID3V2 标签详解¶
3.1 标签头结构（10 字节）¶
| 偏移 | 长度 | 字段 | 描述 | 示例值 |
|---|---|---|---|---|
| 0 | 3 | Header | 必须为 "ID3" | 49 44 33 |
| 3 | 1 | Ver | 版本号（ID3v2.3 = 3） | 03 |
| 4 | 1 | Revision | 副版本号（通常为 0） | 00 |
| 5 | 1 | Flag | 标志字节 | 00 |
| 6 | 4 | Size | 标签大小（含帧头） | 见下文 |
标志字节详解（Flag）：
a b c 0 0 0 0 0
├─┬─┬─┴───────── 保留位（总为0）
│ │ └─ c：测试标签标志（通常0）
│ └─ b：扩展头标志（通常0）
└─ a：Unsynchronisation标志（通常0）
标签大小计算（Size）：
四个字节每个只使用低 7 位，最高位恒为 0：
计算公式：
total_size = (Size[0] & 0x7F) << 21 |
(Size[1] & 0x7F) << 14 |
(Size[2] & 0x7F) << 7 |
(Size[3] & 0x7F);
示例计算：
Size[0..3] = 00 00 2F 76
total_size = (0x00 & 0x7F) * 0x200000 +
(0x00 & 0x7F) * 0x400 +
(0x2F & 0x7F) * 0x80 +
(0x76 & 0x7F)
= 0x872 = 2162 字节
3.2 标签帧结构¶
每个标签帧由 10 字节帧头 + 数据内容 组成：
| 偏移 | 长度 | 字段 | 描述 |
|---|---|---|---|
| 0 | 4 | Frame ID | 帧标识符（如 "TIT2"） |
| 4 | 4 | Size | 数据内容大小 |
| 8 | 2 | Flags | 帧标志 |
常用帧标识符：
| 标识符 | 含义 | 说明 |
|---|---|---|
| TIT2 | 标题 | 歌曲标题 |
| TPE1 | 艺术家 | 表演者/艺术家 |
| TALB | 专辑 | 所属专辑 |
| TRCK | 音轨号 | 格式："N/M"（第N首/共M首） |
| TYER | 年份 | 发行年份 |
| TCON | 流派 | 音乐类型 |
| COMM | 注释 | 格式："语言代码\0注释内容" |
帧大小计算：
帧标志（Flags）：
a b c 0 0 0 0 0 i j k 0 0 0 0 0
├─┬─┬─┴─────────┼─┬─┬─┴───────── 保留位
│ │ │ │ │ └─ k：组标志
│ │ │ │ └─ j：加密标志
│ │ │ └─ i：压缩标志
│ │ └─ c：只读标志
│ └─ b：文件保护标志
└─ a：标签保护标志
四、音频数据帧详解¶
4.1 帧头结构（4 字节）¶
每个音频帧以 4 字节帧头开始：
typedef struct {
unsigned int sync:11; // 同步字（全1）
unsigned int version:2; // MPEG版本
unsigned int layer:2; // 层级
unsigned int crc_protect:1; // CRC保护标志
unsigned int bitrate_index:4; // 比特率索引
unsigned int sampling_rate:2; // 采样率索引
unsigned int padding:1; // 填充位
unsigned int private_bit:1; // 私有位
unsigned int channel_mode:2; // 声道模式
unsigned int mode_ext:2; // 模式扩展
unsigned int copyright:1; // 版权标志
unsigned int original:1; // 原版标志
unsigned int emphasis:2; // 强调方式
} MP3FrameHeader;
4.2 帧头解析示例¶
帧头：FF FB 90 04（二进制：11111111 11111011 10010000 00000100）
| 位域 | 位数 | 值 | 含义 |
|---|---|---|---|
| 0-10 | 11 | 11111111111 |
同步字 |
| 11-12 | 2 | 11 |
MPEG版本：MPEG-1 |
| 13-14 | 2 | 01 |
层级：Layer 3 |
| 15 | 1 | 1 |
CRC保护：无 |
| 16-19 | 4 | 1001 |
比特率索引：128 kbps |
| 20-21 | 2 | 00 |
采样率索引：44.1 kHz |
| 22 | 1 | 0 |
填充：无 |
| 23 | 1 | 0 |
私有位：未使用 |
| 24-25 | 2 | 00 |
声道模式：立体声 |
| 26-27 | 2 | 00 |
模式扩展：未使用 |
| 28 | 1 | 0 |
版权：无 |
| 29 | 1 | 1 |
原版：是 |
| 30-31 | 2 | 00 |
强调方式：无 |
4.3 帧长度计算¶
每帧采样数：
| 层级 | MPEG-1 | MPEG-2/LSF |
|---|---|---|
| Layer 1 | 384 | 384 |
| Layer 2 | 1152 | 1152 |
| Layer 3 | 1152 | 576 |
帧长度计算公式：
// Layer I
frame_length = ((采样数 / 8 × 比特率) / 采样率) + 填充 × 4
// Layer II & III
frame_length = ((采样数 / 8 × 比特率) / 采样率) + 填充
示例计算（MPEG-1 Layer III）：
- 比特率：128 kbps = 128,000 bps
- 采样率：44.1 kHz = 44,100 Hz
- 每帧采样数：1152
- 填充：0
4.4 帧持续时间¶
示例：
4.5 音频数据帧组成¶
┌─────────────────────────────────┐
│ 帧头（4字节） │
├─────────────────────────────────┤
│ CRC校验（可选，2字节） │ ← 仅当crc_protect=0时存在
├─────────────────────────────────┤
│ Side Info（通道信息） │ ← Layer III：32字节（立体声）
├─────────────────────────────────┤
│ Scale Factor（增益因子） │
├─────────────────────────────────┤
│ Huffman编码数据（主数据） │
└─────────────────────────────────┘
4.6 CBR vs VBR¶
CBR（恒定比特率）
- 所有帧使用相同比特率
- 帧长度固定（除可能有填充外）
- 易于计算文件总时长
VBR（可变比特率）
- 根据音频复杂度动态调整比特率
- 文件开头包含特殊帧标识：
- XING Header：包含 "Xing" 或 "Info"
- VBRI Header：包含 "VBRI"（较少见）
XING Header 位置：
| 条件 | 起始偏移 |
|---|---|
| MPEG-1，非单声道 | 帧头后 36 字节 |
| MPEG-1，单声道 | 帧头后 21 字节 |
| MPEG-2，非单声道 | 帧头后 21 字节 |
| MPEG-2，单声道 | 帧头后 13 字节 |
XING Header 包含：
- 总帧数
- 文件总大小
- 100个时间段的帧索引（用于快速定位）
- 编码器信息
五、ID3V1 标签详解¶
5.1 结构（128 字节固定）¶
typedef struct {
char header[3]; // 必须为 "TAG"
char title[30]; // 标题
char artist[30]; // 艺术家
char album[30]; // 专辑
char year[4]; // 年份（YYYY）
char comment[28]; // 注释
char zero_byte; // 保留（通常为0）
char track; // 音轨号（ID3v1.1新增）
char genre; // 流派编号
} ID3V1_Tag;
5.2 内存布局¶
字节 长度 内容
0-2 3 "TAG"（标识）
3-32 30 标题（不足补\0）
33-62 30 艺术家（不足补\0）
63-92 30 专辑（不足补\0）
93-96 4 年份（YYYY）
97-124 28 注释
125 1 保留（ID3v1.1：音轨号，0=无音轨号）
126 1 音轨号（ID3v1.1，0=无音轨号）
127 1 流派编号（0-147）
5.3 常用流派编号（部分）¶
| 编号 | 流派 | 编号 | 流派 |
|---|---|---|---|
| 0 | Blues | 1 | Classic Rock |
| 2 | Country | 3 | Dance |
| 4 | Disco | 5 | Funk |
| 6 | Grunge | 7 | Hip-Hop |
| 8 | Jazz | 9 | Metal |
| 10 | New Age | 11 | Oldies |
| 12 | Other | 13 | Pop |
| 14 | R&B | 15 | Rap |
| 16 | Reggae | 17 | Rock |
| 18 | Techno | 19 | Industrial |
| 20 | Alternative | ... | ... |
六、MP3 文件解析示例¶
6.1 文件结构分析¶
偏移 内容 说明
0x0000 ID3V2 标签头 "ID3"标识
0x000A ID3V2 标签帧 多个帧组成
... 音频数据帧 从ID3V2后开始
文件尾-128 ID3V1 标签 固定128字节
6.2 音频帧识别流程¶
int find_mp3_frames(FILE *fp) {
unsigned char header[4];
// 查找第一个有效帧头（同步字11位全1）
while (!feof(fp)) {
fread(header, 1, 4, fp);
if ((header[0] == 0xFF) && ((header[1] & 0xE0) == 0xE0)) {
// 找到有效帧头
return ftell(fp) - 4;
}
// 未找到，回退3字节继续搜索
fseek(fp, -3, SEEK_CUR);
}
return -1;
}
6.3 帧类型判断¶
int get_mpeg_version(unsigned char byte2) {
int version_bits = (byte2 >> 3) & 0x03;
switch (version_bits) {
case 0: return 2; // MPEG-2.5
case 2: return 2; // MPEG-2
case 3: return 1; // MPEG-1
default: return 0; // 保留
}
}
int get_layer(unsigned char byte2) {
int layer_bits = (byte2 >> 1) & 0x03;
switch (layer_bits) {
case 1: return 3; // Layer III
case 2: return 2; // Layer II
case 3: return 1; // Layer I
default: return 0; // 保留
}
}