mp3

MP3文件格式解析

PeterLee2008-06-05

目录

一、概述

二、整个MP3文件结构

三、MP3帧格式

1.帧头格式

_DATA

四、ID3标准

3V1

3V2

五、MP3文件实例剖析

六、资料

一、概述

MP3文件是由帧(frame)构成的,帧是MP3文件最小的组成单位。MP3的全称应为MPEG1Layer-3音频

文件,MPEG(MovingPictureExpertsGroup)在汉语中译为活动图像专家组,特指活动影音压缩标准,MPEG

音频文件是MPEG1标准中的声音部分,也叫MPEG音频层,它根据压缩质量和编码复杂程度划分为三层,即

Layer-1、Layer2、Layer3,且分别对应MP1、MP2、MP3这三种声音文件,并根据不同的用途,使用不同层

次的编码。MPEG音频编码的层次越高,编码器越复杂,压缩率也越高,MP1和MP2的压缩率分别为4:1和

6:1-8:1,而MP3的压缩率则高达10:1-12:1,也就是说,一分钟CD音质的音乐,未经压缩需要10MB

的存储空间,而经过MP3压缩编码后只有1MB左右。不过MP3对音频信号采用的是有损压缩方式,为了降

低声音失真度,MP3采取了“感官编码技术”,即编码时先对音频文件进行频谱分析,然后用过滤器滤掉

噪音电平,接着通过量化的方式将剩下的每一位打散排列,最后形成具有较高压缩比的MP3文件,并使压

缩后的文件在回放时能够达到比较接近原音源的声音效果。

二、整个MP3文件结构

MP3文件大体分为三部分：TAG_V2(ID3V2)，Frame,TAG_V1(ID3V1)

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

ID3V2

包含了作者，作曲，专辑等信息，长度不固定，扩展了ID3V1的信息量。

Frame

.

.

.

Frame

一系列的帧，个数由文件大小和帧长决定

每个FRAME的长度可能不固定，也可能固定，由位率bitrate决定

每个FRAME又分为帧头和数据实体两部分

帧头记录了mp3的位率，采样率，版本等信息，每个帧之间相互独立

ID3V1

包含了作者，作曲，专辑等信息，长度为128BYTE。

三、MP3帧格式

1.帧头格式

帧头长4字节，对于固定位率的MP3文件，所有帧的帧头格式一样其数据结构如下：

typedefFrameHeader{

unsignedintsync:11;//同步信息

unsignedintversion:2;//版本

unsignedintlayer:2;//层

unsignedinterrorprotection:1;//CRC校验

unsignedintbitrate_index:4;//位率

unsignedintsampling_frequency:2;//采样频率

unsignedintpadding:1;//帧长调节

unsignedintprivate:1;//保留字

unsignedintmode:2;//声道模式

unsignedintmodeextension:2;//扩充模式

unsignedintcopyright:1;//版权

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

unsignedintoriginal:1;//原版标志

unsignedintemphasis:2;//强调模式

}HEADER,*LPHEADER;

帧头4字节使用说明见表1。

MP3帧长取决于位率和频率，计算公式为：

.mpeg1.0layer1:帧长=(48000*bitrate)/sampling_freq+padding

layer2&3:帧长=(144000*bitrate)/sampling_freq+padding

.mpeg2.0layer1:帧长=(24000*bitrate)/sampling_freq+padding

layer2&3:帧长=(72000*bitrate)/sampling_freq+padding

例如：位率为64kbps，采样频率为44.1kHz，padding（帧长调节）为1时，帧长为210字节。

帧头后面是可变长度的附加信息，对于标准的MP3文件来说，其长度是32字节，紧接其后的是压缩的声音数据，当解码

器读到此处时就进行解码了。

表1MP3帧头字节使用说明

名称位长说明

同步信息

11

所有位均为1，第1字节恒为FF。

版本

2

00-MPEG2.501-未定义10-MPEG211-MPEG1

层

2

00-未定义01-Layer310-Layer211-Layer1

CRC校

验

1

第

1、2

字

节0-校验1-不校验

PDF文件使用"pdfFactoryPro"试用版本创建

位率

4

取样率，单位是kbps，例如采用MPEG-1Layer3，64kbps是，值为0101。

bitsV1,L1V1,L2V1,L3V2,L1V2,L2V2,L3

0000freefreefreefreefreefree

(32)32(8)8(8)

(48)48(16)16(16)

(56)56(24)24(24)

28(64)64(32)32(32)

60(80)80(40)64(40)

92(96)96(48)80(48)

224(112)112(56)56(56)

1256(128)128(64)64(64)

1288(144)160(80)128(80)

1320(160)192(96)160(96)

1352(176)224(112)

112

(112)

1184(192)256(128)

128

(128)

1116(224)320(144)

256

(144)

1118(256)384(160)

320

(160)

1111badbadbadbadbadbad

V1-MPEG1V2-MPEG2andMPEG2.5

L1-Layer1L2-Layer2L3-Layer3

"free"表示位率可变"bad"表示不允许值

采样频率

2

第3

字

节

采样频率，对于MPEG-1：00-44.1kHz01-48kHz10-32kHz11-未定义

对于MPEG-2：00-22.05kHz01-24kHz10-16kHz11-未定义

对于MPEG-2.5：00-11.025kHz01-12kHz10-8kHz11-未定义

PDF文件使用"pdfFactoryPro"试用版本创建

帧长调节

1

用来调整文件头长度，0-无需调整，1-调整，具体调整计算方法见下文。

保留字

1

没有使用。

声道模式

2

表示声道，00-立体声Stereo01-JointStereo10-双声道11-单声道

扩充模式

2

当声道模式为01是才使用。

Value

强度立体声MS立体声

00offoff

01onoff

10offon

11onon

版权

1

文件是否合法，0-不合法1-合法

原版标志

1

是否原版，0-非原版1-原版

强调方式

2

第4

字

节

用于声音经降噪压缩后再补偿的分类，很少用到，今后也可能不会用。

00-未定义01-50/15ms10-保留11-CCITTJ.17

_DATA

MAIN_DATA部分长度是否变化决定于FRAMEHEADER的bitrate是否变化,一首MP3歌曲,它有三个版

本:96Kbps(96千比特位每秒)、128Kbps和192Kbps。Kbps(比特位速率),表明了音乐每秒的数据量,

Kbps值越高,音质越好,文件也越大,MP3标准规定,不变的bitrate的MP3文件称作CBR,大多数MP3

文件都是CBR的,而变化的bitrate的MP3文件称作VBR,每个FRAME的长度都可能是变化的。下面是CBR

和VBR的不同点:

1)CBR:固定位率的FRAME的大小是固定的(公式如上所述),只要知道文件总长度,和帧长即可由播放每帧需26ms计算得出

mp3播放的总时间,也可通过计数帧的个数控制快进、快退慢放等操作。注：有些时候，并不是所有的帧都是等长的，有的

帧可能多一个或几个字节。

2)VBR:VBR是XING公司推出的算法,所以在MP3的FRAME里会有“XING"这个关键字(现在很多流行的

小软件也可以进行VBR压缩,它们是否遵守这个约定,那就不得而知了),它存放在MP3文件中的第一个有效FRAME里,它标

识了这个MP3文件是VBR的。同时第一个FRAME里存放了MP3文件的FRAME的总个数,这就很容易获得了播放总时间,

同时还有100个字节存放了播放总时间的100个时间分段的FRAME的INDEX,假设4分钟的MP3歌曲,240S,分成1

00段,每两个相邻INDEX的时间差就是2.4S,所以通过这个INDEX,只要前后处理少数的FRAME,就能快速找出我们需要快

进的FRAME头。

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

表2VBR文件第一帧结构

字节说明

1－4与CBR相同的标准声音帧头

存放VBR文件标识“Xing”（58696E67），此标识具体位置视采用的MPEG标准和声道模式

而定。标识的前后字节没有使用。

36－

39

MPEG-1和非单声道(常见)

21－

24

MPEG-1和单声道

21－

24

MPEG-2和非单声道

5－40

13－

16

MPEG-2和单声道

41－44标志，说明是否存储了帧数、文件长度、目录表和VBR规模信息，如果存储了，则01020408。

45－48帧数（包括第一帧）

49－52文件长度

53－

152

目录表，用来按时间进行字节定位。

153－

156

VBR规模，用于位率变动

另可参考下文:

Thissystemwascreatedtominimizefilelengthsandtoprervesoundquality.

Higherfrequenciesgenerallyneedsmorespaceforencoding(thatswhymanycodecscutall

frequenciesabovecca16kHz)mepartofsongdoesntconsistofhig

ldbeenoughtouonlyeg.96kbps.

ooksoverframeandthenchoobitratesuitableforitssoundqualit

y.

Itsoundsperfectbutitbringssomeproblems:

Ifyouwanttojumpover2minutesinsong,itisnotaproblemwithCBRbecauyouareable

lengthsshouldbearbitrarysoyouhavetoeithergoframebyframeandcounts(timeconsuming

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

andveryunpractical)oruanothermechanismforapproximatecount.

Ifyouwanttocut5minutesfromthemiddleofVBRfile(allweknowCDswherelastsongtakes

10minutesbut5minutesisapuresilence,HELL!)problemsarethesame.

Result?ntlikefeelingthat

IKmanycodecshaveproblemswithcreationVBRingoo

dquality.

PersonallyIcanteanyreasonwhytouVBR-IdontgiveafuckifsizeofoneCDinMP3is55MB

rybodyhasadifferenttaste...somepeoplepreferVBR.

firstframedoesntcontainaudiodataanditisudfor

special

informationaboutVBRfile.

Structureofthefirstframe:

ByteContent

0-3Standardaudioframeheader(asdescriptedabove).MostlyitcontainsvaluesFF

FB304C,fromwhichyoucancountFrameLen=txactlyenough

spaceforstoringVBRinfo.

Thisheadercontainssomeimportantinformationvalidforthewholefile:

-MPEG(MPEG1orMPEG2)

-SAMPLINGratefrequencyindex

-CHANNEL(JointStereoetc.)

4-xNotudtillstring"Xing"(58696E67).ThisstringisudasamainVBRfile

notfound,ringcanbeplaced

atdifferentlocationsaccordingtovaluesofMPEGandCHANNEL(ya,thefroma

fewlinesupwards):

36-39"Xing"forMPEG1andCHANNEL!=mono(mostlyud)

21-24"Xing"forMPEG1andCHANNEL==mono

21-24"Xing"forMPEG2andCHANNEL!=mono

13-16"Xing"forMPEG2andCHANNEL==mono

After"Xing"stringthereareplacedflags,numberofframesinfileandasize

theitemshas4Bytesanditisstoredas'int'number

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

stisthemostsignificantByteandthelastistheleast.

FollowingschemaisforMPEG1andCHANNEL!=mono:

40-43Flags

ValueNameDescription

00000001FramesFlagtifvaluefornumberofframesinfileisstored

00000002BytesFlagtifvalueforfilesizeinBytesisstored

00000004TOCFlagtifvaluesforTOC(ebelow)arestored

00000008VBRScaleFlagtifvaluesforVBRscalearestored

Allthevaluescanbestoredsimultaneously.

44-47Frames

Numberofframesinfile(includingthefirstinfoone)

48-51Bytes

FilelengthinBytes

52-151TOC(TableofContents)

Containsof100indexes(oneBytelength)imately

solvesproblemwithmovinginsidefile.

EachBytehasavalueaccordingthisformula:

(TOC[i]/256)*fileLenInBytes

.(andfileis5000

000Byteslength)youcanu:

TOC[(60/240)*100]=TOC[25]

andcorrespondingByteinfileisthenapproximatelyat:

(TOC[25]/256)*5000000

IfyouwanttotrimVBRfileyoushouldalsoreconstructFrames,BytesandTOC

properly.

152-155VBRScale

Idontknowexactlysystemofstoringofthisvaluesbutthisitemprobablydoesnt

havedeepermeaning.

四、ID3标准

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

MP3帧头中除了存储一些象private、copyright、original的简单音乐说明信息以外，没有考虑存放歌名、作

者、专辑名、年份等复杂信息，而这些信息在MP3应用中非常必要。1996年，FricKemp在“Studio3”项目中提

出了在MP3文件尾增加一块用于存放歌曲的说明信息，形成了ID3标准，至今已制定出ID3V1.0，V1.1，V2.0，

V2.3和V2.4标准。版本越高，记录的相关信息就越丰富详尽。

3V1

ID3V1.0标准并不周全，存放的信息少，无法存放歌词，无法录入专辑封面、图片等。V2.0是一个相当完备

的标准，但给编写软件带来困难，虽然赞成此格式的人很多，在软件中真正实现的却极少。绝大多数MP3仍使用I

D3V1.0标准。此标准是将MP3文件尾的最后128个字节用来存放ID3信息，这128个字节使用说明见表3。

表3ID3V1.0文件尾说明

字节长度(字节)说明

1-33

存放“TAG”字符，表示ID3V1.0标准，紧接其后的是歌曲信息。

4-3330

歌名

34-6330

作者

64-9330

专辑名

94-974

年份

98-12730

附注

1281

MP3音乐类别，共147种。

表4MP3音乐类别：

0'Blues'20'Alternative'40'AlternRock'60'Top40'

1'ClassicRock'21'Ska'41'Bass'61'ChristianRap'

2'Country'22'DeathMetal'42'Soul'62'Pop/Funk'

3'Dance'23'Pranks'43'Punk'63'Jungle'

4'Disco'24'Soundtrack'44'Space'64'NativeAmerican'

5'Funk'25'Euro-Techno'45'Meditative'65'Cabaret'

6'Grunge'26'Ambient'46'InstrumentalPop'66'NewWave'

7'Hip-Hop'27'Trip-Hop'47

'Instrumental

Rock'

67'Psychadelic'

8'Jazz'28'Vocal'48'Ethnic'68'Rave'

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

9'Metal'29'Jazz+Funk'49'Gothic'69'Showtunes'

10'NewAge'30'Fusion'50'Darkwave'70'Trailer'

11'Oldies'31'Trance'51'Techno-Industrial'71'Lo-Fi'

12'Other'32'Classical'52'Electronic'72'Tribal'

13'Pop'33'Instrumental'53'Pop-Folk'73'AcidPunk'

14'R&B'34'Acid'54'Eurodance'74'AcidJazz'

15'Rap'35'Hou'55'Dream'75'Polka'

16'Reggae'36'Game'56'SouthernRock'76'Retro'

17'Rock'37'SoundClip'57'Comedy'77'Musical'

18'Techno'38'Gospel'58'Cult'78'Rock&Roll'

19'Industrial'39'Noi'59'Gangsta'79'HardRock'

80Folk81Folk/Rock82NationalFolk83Swing

84Fast-Fusion85Bebob86Latin87Revival

88Celtic89Bluegrass90Advantgarde91GothicRock

92ProgressiveRock93PsychadelicRock94SymphonicRock95SlowRock

96BigBand97Chorus98EasyListening99Acoustic

100Humour101Speech102Chanson103Opera

104ChamberMusic105Sonata106Symphony107BootyBass

108Primus109PornGroove110Satire111SlowJam

112Club113Tango114Samba115Folklore

Anyothervalueshouldbeconsideredas'Unknown'

3V2

ID3V2到现在一共有4个版本,但流行的播放软件一般只支持第3版,既ID3v2.3。由于ID3V1记录

在MP3文件的末尾,ID3V2就只好记录在MP3文件的首部了(如果有一天发布ID3V3,真不知道该记录在哪

里)。也正是由于这个原因,对ID3V2的操作比ID3V1要慢。而且ID3V2结构比ID3V1的结构要复杂得多,

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

但比前者全面且可以伸缩和扩展。

下面就介绍一下ID3V2.3。

每个ID3V2.3的标签都一个标签头和若干个标签帧或一个扩展标签头组成。关于曲目的信息如标题、作者

等都存放在不同的标签帧中,扩展标签头和标签帧并不是必要的,但每个标签至少要有一个标签帧。标签

头和标签帧一起顺序存放在MP3文件的首部。

1、标签头

在文件的首部顺序记录10个字节的ID3V2.3的头部。数据结构如下:

charHeader[3];/*必须为"ID3"否则认为标签不存在*/

charVer;/*版本号ID3V2.3就记录3*/

charRevision;/*副版本号此版本记录为0*/

charFlag;/*存放标志的字节,这个版本只定义了三位,稍后详细解说*/

charSize[4];/*标签大小,包括标签头的10个字节和所有的标签帧的大小*/

1).标志字节

标志字节一般为0,定义如下:

abc00000

a--表示是否使用Unsynchronisation(这个单词不知道是什么意思,字典里也没有找到,一般不设置)

b--表示是否有扩展头部,一般没有(至少Winamp没有记录),所以一般也不设置

c--表示是否为测试标签(99.99%的标签都不是测试用的啦,所以一般也不设置)

2).标签大小

一共四个字节,但每个字节只用7位,最高位不使用恒为0。所以格式如下

0xxxxxxx0xxxxxxx0xxxxxxx0xxxxxxx

计算大小时要将0去掉,得到一个28位的二进制数,就是标签大小(不懂为什么要这样做),计算公式如

下:

inttotal_size;

total_size=(Size[0]&0x7F)*0x200000

+(Size[1]&0x7F)*0x400

+(Size[2]&0x7F)*0x80

+(Size[3]&0x7F)

2、标签帧

每个标签帧都有一个10个字节的帧头和至少一个字节的不固定长度的内容组成。它们也是顺序存放在文件

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

中,和标签头和其他的标签帧也没有特殊的字符分隔。得到一个完整的帧的内容只有从帧头中的到内容大

小后才能读出,读取时要注意大小,不要将其他帧的内容或帧头读入。

帧头的定义如下:

charFrameID[4];/*用四个字符标识一个帧,说明其内容,稍后有常用的标识对照表*/

charSize[4];/*帧内容的大小,不包括帧头,不得小于1*/

charFlags[2];/*存放标志,只定义了6位,稍后详细解说*/

1).帧标识

用四个字符标识一个帧,说明一个帧的内容含义,常用的对照如下:

TIT2=标题表示内容为这首歌的标题,下同

TPE1=作者

TALB=专集

TRCK=音轨格式:N/M其中N为专集中的第N首,M为专集中共M首,N和M为ASCII码表示的数字

TYER=年代是用ASCII码表示的数字

TCON=类型直接用字符串表示

COMM=备注格式:"eng0备注内容",其中eng表示备注所使用的自然语言

2).大小

这个可没有标签头的算法那么麻烦,每个字节的8位全用,格式如下

xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

算法如下:

intFSize;

FSize=Size[0]*0x100000000

+Size[1]*0x10000

+Size[2]*0x100

+Size[3];

3).标志

只定义了6位,另外的10位为0,但大部分的情况下16位都为0就可以了。格式如下:

abc00000ijk00000

a--标签保护标志,设置时认为此帧作废

b--文件保护标志,设置时认为此帧作废

c--只读标志,设置时认为此帧不能修改(但我没有找到一个软件理会这个标志)

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

i--压缩标志,设置时一个字节存放两个BCD码表示数字

j--加密标志(没有见过哪个MP3文件的标签用了加密)

k--组标志,设置时说明此帧和其他的某帧是一组

值得一提的是winamp在保存和读取帧内容的时候会在内容前面加个'0',并把这个字节计算在帧内容的

大小中。

附:帧标识的含义

4).DeclaredID3v2frames

Thefollowingframesaredeclaredinthisdraft.

AENCAudioencryption

APICAttachedpicture

COMMComments

COMRCommercialframe

ENCREncryptionmethodregistration

EQUAEqualization

ETCOEventtimingcodes

GEOBGeneralencapsulatedobject

GRIDGroupidentificationregistration

IPLSInvolvedpeoplelist

LINKLinkedinformation

MCDIMusicCDidentifier

MLLTMPEGlocationlookuptable

OWNEOwnershipframe

PRIVPrivateframe

PCNTPlaycounter

POPMPopularimeter

POSSPositionsynchronisationframe

RBUFRecommendedbuffersize

RVADRelativevolumeadjustment

RVRBReverb

SYLTSynchronizedlyric/text

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

SYTCSynchronizedtempocodes

TALBAlbum/Movie/Showtitle

TBPMBPM(beatsperminute)

TCOMCompor

TCONContenttype

TCOPCopyrightmessage

TDATDate

TDLYPlaylistdelay

TENCEncodedby

TEXTLyricist/Textwriter

TFLTFiletype

TIMETime

TIT1Contentgroupdescription

TIT2Title/songname/contentdescription

TIT3Subtitle/Descriptionrefinement

TKEYInitialkey

TLANLanguage(s)

TLENLength

TMEDMediatype

TOALOriginalalbum/movie/showtitle

TOFNOriginalfilename

TOLYOriginallyricist(s)/textwriter(s)

TOPEOriginalartist(s)/performer(s)

TORYOriginalreleayear

TOWNFileowner/licene

TPE1Leadperformer(s)/Soloist(s)

TPE2Band/orchestra/accompaniment

TPE3Conductor/performerrefinement

TPE4Interpreted,remixed,orotherwimodifiedby

TPOSPartofat

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

TPUBPublisher

TRCKTracknumber/Positionint

TRDARecordingdates

TRSNInternetradiostationname

TRSOInternetradiostationowner

TSIZSize

TSRCISRC(internationalstandardrecordingcode)

TSSESoftware/Hardwareandttingsudforencoding

TYERYear

TXXXUrdefinedtextinformationframe

UFIDUniquefileidentifier

USERTermsofu

USLTUnsychronizedlyric/texttranscription

WCOMCommercialinformation

WCOPCopyright/Legalinformation

WOAFOfficialaudiofilewebpage

WOAROfficialartist/performerwebpage

WOASOfficialaudiosourcewebpage

WORSOfficialinternetradiostationhomepage

WPAYPayment

WPUBPublishersofficialwebpage

WXXXUrdefinedURLlinkframe

五、MP3文件实例剖析

在VC++中打开一个名为3文件，其内容如下：

000000FFFB528CC5052460002AC1

A6182

0400C121415064

……

0000D0FEFFFB528C118001EE90656E08200230

PDF文件使用"pdfFactoryPro"试用版本创建ÿ

0000E0320CCDC9B8

0000F033B700000102FFFFFFF4E12FFFFFFFFF

……

0001A0DFFFFFFB528C120001FE90586E09A002

0001B033B0CA85E1500145F61961BC2680287C

0001C005ACB4202894FFFFFFFFFFFFFFFFFFFF

……

0013907FFFFFFFFD4E53540000

0013A000000000

……

0013F914000000

00

0000004E

该文件长度1416H（5.142K），帧头为：FFFB528C，转换成二进制为：

11011

1100

对照表1可知，3帧头信息见表5。

表3文件帧头信息

名称位值说明

同步信息

第1字节恒为FF，11位均为1。

版本

11MPEG1

层

01Layer3

CRC校验

1

不校验

位率

010164kbps

频率

0044.1kHz

帧长调节

1

调整，帧长是210字节。

保留字

0

没有使用。

声道模式

10

双声道

扩充模式

00

未使用。

PDF文件使用"pdfFactoryPro"试用版本创建

版权

1

合法

原版标志

1

原版

强调方式

00

未定义

第1397H开始的三个字节是544147，存放的是字符“TAG”，表示此文件有ID3V1.0信息。

139AH开始的30个字节存放歌名，前4个非00字节是54455354，表示“TEST”；

13F4H开始的4个字节是04191403，存放年份“04/25/2003”；

最后1个字节是4E，表示音乐类别，代号为78，即“Rock&Roll”；

其它字节均为00，未存储信息。

六、资料

/

PDF文件使用"pdfFactoryPro"试用版本创建ÿ