Android WAV 的 RIFF 有界分块解析

直接回答

WAV 是 RIFF 容器，不是一个固定 44 字节头后面必定紧跟 PCM 样本。常见 PCM 测试文件可能恰好是这种大小，但有效文件也能含可选元数据、额外格式字段或对齐填充。固定跳到字节 44，可能把元数据当样本，或跳过另一种布局的一部分。容器解析应和媒体解码、后续推理任务分开；先确认某个有界 profile 实际暴露了哪些字节范围。 对声明支持的 classic RIFF/WAVE profile，依次解析 RIFF 标识符、小端无符号 32 位长度、WAVE form type 和子 chunk 序列。父长度覆盖 form type 与子 chunk 内容，包括必须的对齐填充。子 chunk 由四字节 ID、四字节长度和数据构成；chunk size 不含 8 字节子头或填充字节。数据长度为奇数时，下一个 chunk 从补上的一个字节之后开始。这些都是容器长度，不是固定头长度。 用带边界检查的游标，并在每次加法前使用更宽整数运算。先算出 RIFF 声明的结尾并与真实源长度比较；如果尺寸溢出、越过父边界、超过应用设定的字节上限，或无法完整读取，就拒绝。对每个子 chunk，在 seek 或 skip 前校验头是否完整、数据结尾和补齐后的下一个偏移。未知 chunk 只能在相同已验证边界内跳过，不能按不可信 size 分配内存。还要限制 chunk 数量，防止许多极小 chunk 导致无界处理。 必须定义支持的 WAVE profile，不能承诺所有扩展名为 WAV 的文件都支持。profile 应写明如何寻找 fmt/data、如何处理重复或错序的必需 chunk，以及哪些 fmt 长度或压缩代码交给解码器。格式 chunk 并非固定 16 字节的 PCM 结构；extensible 和压缩格式需要各自声明。本文不解析采样率或判断音频适不适合模型。保留 chunk 范围，只把解码器明确支持的格式交给它。 RIFF/WAVE 的 32 位尺寸字段不能表示任意大文件。RF64/BW64 使用不同容器标识和 ds64 chunk 提供扩展长度。classic RIFF 解析器不得把 0xFFFFFFFF sentinel 当成普通超大长度、转换成负有符号数或按它分配内存。要么在读取 chunk 前明确拒绝 RF64/BW64，要么交给单独验证过、能处理 64 位长度表的实现。格式的大文件上限不是 Android RAM 估算。 生产环境优先考虑维护中的媒体/容器库，前提是它的支持 profile 与边界行为符合需求。若应用代码自己拥有一个小型结构探测器，也要把它视为不可信输入边界，独立测试并记录范围。解析器找到 fmt 和 data 只能说明所选结构检查通过；不能证明 codec 可解、可播放、模型兼容或离线 AI 任务完整。COVE-ASR-01 表明当前共享推理路径会把 PCM 包成 WAV 输出；不能据此说 Cove 已能读取任意导入 WAV。 测试使用合成字节夹具，不用用户录音。覆盖最小支持文件、在已知 chunk 前后的未知/元数据 chunk、奇数长度和填充字节、profile 允许的非典型 fmt 长度、重复 fmt/data、错误顺序、父长度错误、chunk 长度溢出、缺少 padding、chunk 内容截断和声明数据早于真实音频结束。逐项断言偏移和拒绝原因。解析本身要限制读取与循环，不公开由合成样例得出的设备兼容列表。

导入 WAV 在音频数据前包含元数据 chunk

用户选择一个 WAV，RIFF/WAVE 外层有效，含可选元数据 chunk，而 audio data 不从第 44 字节开始。固定偏移读取器把元数据传给下游解码器，任务失败后看起来像推理故障。

决策

依据声明且有边界的 chunk size 遍历 RIFF 序列并处理对齐，再只把已验证且被所选解码器支持的数据范围交出去。

预期结果

导入路径会识别可支持的数据范围，或以容器结构错误明确拒绝；不会猜偏移后把不明字节送入推理。

需要收集的证据

只有将以下证据与同一模型文件和测试运行关联起来，结论才可复核：

• ANDROID-AUDIO-01：音频格式与下游封装需要分别记录；不意味着 Cove 实现了任意 WAV 导入解析器。
• COVE-ASR-01：当前共享 InferenceEngine 会把 PCM 包为 WAV 交给 LiteRT-LM；这是生成侧代码事实，不是读取外部 WAV 的能力证明。
• AUDIO-RIFF-BOUNDS-2026-10：RIFF/WAVE chunk-size 与父容器边界、奇数填充和 RF64/BW64 扩展应按有界格式解析并单独验证。

发布结论只对所记录的配置和验收集有效；扩大适用范围需要更多记录。

实施流程

1. 声明接受的容器 profile. 写明只接受 classic RIFF/WAVE 还是其他格式，识别哪些必需 chunk，以及如何处理重复或错序的 fmt/data 和格式扩展。将 RF64/BW64 交给独立解析器或明确拒绝。
2. 安全解析父容器边界. 读取 RIFF 标识和小端无符号长度，不把值转换成有符号长度。用溢出检查计算父结尾，包含 WAVE form type 和 chunk/padding，并在遍历前确认声明范围不超过实际源长度。
3. 不使用固定偏移遍历每个 chunk. 确保八字节子头完整，将数据结尾和奇数长度后的 padding 纳入父容器与文件边界检查。未知 chunk 只按已验证范围 seek 或 drain；不按其声明长度分配数组。
4. 验证格式与数据范围. 按 profile 处理 fmt/data 的存在、重复与顺序。只把精确的 data 偏移和长度交给支持该格式的解码器；不推断所有 WAV 都是 PCM16，也不接受实现未声明的 extensible 或压缩格式。
5. 明确拒绝扩展或损坏容器. 把 RF64/BW64 标识和 0xFFFFFFFF size sentinel 视为需 ds64 支持的独立格式。对截断数据、溢出、越界、缺失 padding 和超量 chunk 返回结构错误，而不是猜测后回退解码。
6. 独立测试结构和解码边界. 用合成夹具断言 chunk 偏移、未知块跳过、边界和拒绝类别，再将解码器交接作为单独阶段验证。结构解析通过不证明 codec、播放、采样格式或模型兼容性。

让每个阶段的状态都可观察。失败信息应指出阶段、模型、运行时和恢复动作，同时避免记录用户私密内容。

验收标准

• 解析器不假设 44 字节头；它从经验证的 RIFF 边界寻找支持的 chunk，并处理每个 chunk 头和奇数填充字节。
• 所有尺寸加法对照声明父边界和实际源长度检查，并限制字节与 chunk 数量；不从不可信长度分配内存，早期 EOF 明确失败。
• 支持的 profile 明确必需/重复 chunk 和格式处理；不支持的压缩/extensible 格式与 RF64/BW64 会拒绝或交给单独验证过的解析器。
• 测试区分容器结构与解码/推理，不从结构通过推导音频格式普遍受支持或 Cove 支持导入。

决策对照表

需要避免的失败模式

• 假设 WAV 一律是 44 字节头并从固定偏移读取。
• 把 32 位 chunk size 当作有符号长度，或在加 padding 时发生溢出。
• 遇到未知 chunk 就分配其声明长度，或忽略早期 EOF。
• 将 RF64/BW64 的 0xFFFFFFFF 当普通长度处理。
• 从找到 fmt 与 data 推断编解码器、模型输入或 Cove 功能已支持。

还要避免静默回退、版本未固定、缺少取消处理，以及把不同配置的结果混在一起下结论。失败运行也应与成功记录一并保存。

最小复现记录

发布检查表

• ☐ 主要搜索问题已回答，且没有未经支持的数字。
• ☐ 所有模型文件和运行时版本均已固定。
• ☐ 代表性任务和失败处理策略均有说明。
• ☐ 生命周期、取消、清理和回退均已测试。
• ☐ 用户内容与网络边界均有说明。
• ☐ 结论只适用于被记录的配置。
• ☐ 新增测试结果时链接到原始方法或证据。

来源与相关证据

• Cove Travel 语音翻译实现
• Microsoft Learn — Resource Interchange File Format (RIFF)
• Microsoft Learn — RIFF 格式服务与 chunk 遍历
• EBU — RF64 扩展音频文件格式
• EBU — Tech 3306 RF64 结构，1.1 版
• ITU-R — Recommendation BS.2088-2 BW64 格式

中文部署与排错专题见。奇连 AI 端侧专题。

常见问题