文件结构

总体结构

一个标准的 FLAC 音频文件应当包含以下三个结构：

• 文件头
• 数据块区域
• 音频帧区域

上述三种结构在 FLAC 音频文件中顺次排序，一个结构结束后紧接下一个结构。
FLAC 中的所有数值，若无特别说明，都是无符号整型数值，占多个字节的数值按高位字节序（大端序）读取。

文件头

FLAC 文件的文件头仅包含一段由4个字节的 ASCII 码组成的标志“fLaC”，用16进制数据表示为：

66 4C 61 43 

数据块区域

• 流信息：包含关于整个音频流的信息，如采样率、通道数、采样总数等。
• 填充块：此类块中的数据没有任何意义，通常用于修改数据时快速填充空余的位置而无需调整整个文件的大小。
• 应用程序数据：用于记录第三方程序的数据。
• 定位表：保存快速定位点，用于在音频流中快速定位。
• 标签信息：用于记录音频作品相关的信息，如：演唱者、专辑、发布日期等。
• 索引表：记录音频分轨信息。
• 图片：包含音频相关的图片，通常用于保存音频封面。

上述类型中，“流信息”类型是 FLAC 文件中必须拥有的数据块，而且必须是数据块区域中的第1个块。除“流信息”类型之外的其他类型数据块都不是必需的。
一个数据块的数据结构如下：

除表中列出的数据块类型外，数值7~126所对应的类型都是保留类型，127 这个数值由于会产生和同步码相同的序列所以禁止使用，不应当在 FLAC 文件中使用这些类型的数据块。
由于数据块头部“数据的大小”字段只有24位，因此最大能容纳的数据大小为字节，约15.9MB。
对于那些非必需的数据块，解码器可以根据头部中指示的大小跳过数据块的数据内容，而不必读取其数据，且不会影响到音频的解码。
解码器可以根据数据块头部的“是否是最后一个块”部分来判断当前块是否最后一个数据块，从而在处理完最后一个数据块后进入下一个阶段。

流信息块数据格式

填充块数据格式

填充块的数据大小必须与其头部中的“数据的大小”信息一致，单位是字节，可以是字节以内的任意大小。填充块中的数据必须是全部为0的二进制序列。

应用程序数据块数据格式

定位表块数据格式

标签信息块数据格式

标签信息块是 FLAC 用于存储音乐信息的标准方式，数据采用 Vorbis Comment 标准。
此数据块中的数值信息使用低位字节序（小端序）表示。

索引表块数据格式

当一个 FLAC 文件中包含多个音轨时，可以使用索引表创建快速定位到音轨的点。

图片块数据格式

音频帧区域

音频帧区域是 FLAC 中真正存放音频编码数据的区域，此区域是 FLAC 中的最后一个区域，文件的末尾即是该区域的结束。
FLAC 将原始的音频数据分成一个个块（下文称“分块”），并单独压缩编码为一个个帧。FLAC 有多种编码方式，编码器通过合理的策略对不同的分块使用合适的编码方式来达到压缩的效果。
每一个帧都包含如下部分：

帧头

子帧

子帧头

CONSTANT 子帧

CONSTANT 子帧只包含一个未编码的采样，表示子帧中所有的采样都是相同的。

VERBATIM 子帧

VERBATIM 子帧即原样子帧，其中的数据没有经过编码。使用这种子帧通常是因为没有找到对原始子分块有效的压缩方式，故而保持原样。

LPC 子帧

线性预测子帧，使用一些由外部提供的系数组成多项式，将已知的样本代入其中可得到下一个样本的近似值，最后通过残差补足差值。

FIXED 子帧

恒定系数预测子帧，本质上属于线性预测子帧，但是其每个阶级的系数是固定的，不由外部提供，且求和结果不需要移位。

对齐填充

帧尾

注解

残差

FLAC 依靠预测器与残差来压缩音频，FLAC 用每个子帧开头的少量采样来预测此后的采样，并用残差补足预测的采样与实际采样的差值。现代音频一个完整的采样通常有16位以上，而残差中一个采样的差值通常在8位以下。通过记录子分块开头的少量采样与其余采样的残差，FLAC 得以将音频高度压缩。

FLAC 的残差分为多个分区，每个分区使用哥伦布（Golomb）编码的独有变种进行编码。

残差的值被限定在 32 位有符号整数范围，因此解码出的残差值只需要 32 位有符号整数类型即可存储。

数值形式

FLAC 中的数值有三种存储形式：

• 无符号整数：默认的数值形式，长度可在几位到数个字节不等。多个字节的数据一般按照大端序（高位字节序）读取，当前官方规范中只在标签数据中使用过小端序（低位字节序）读取。
• 有符号补码：最高位为符号位，最高位为 0 时表示正数，与原码表示相同数值；最高位为 1 时表示负数。此种数值对应 64 位有符号整数，只是在 FLAC 中，出于节省空间的原则，会缩减这些数值的长度。读取这些数值时首先要获得这些数值的长度，先以指定长度读取原码，如果检查发现是负数，则将符号位之上的更高位全部变为 1 即可得到真实值。方法有：左移 64－数值长度位再有符号右移相同位数；与 -1 左移数值长度位的结果按位或。
• 残差折叠值：只在残差中使用，残差分区经过第一轮解码后得到的便是此种类型的值。处理方法为：获取最低位，将数值右移1位，如果最低位（右移前）为 1，则在 int 类型下将所有位翻转，得到一个负数。

非独立通道分配模式

FLAC 中有3种非独立通道分配模式：左侧立体声、右侧立体声、中部立体声。这些模式中的某些通道依赖其他通道的数据，不能独自完整地表示一个通道的数据，因而称其为“非独立”的。这些通道分配模式利用了左右立体声通道间的关联性，使得 FLAC 在压缩左右立体声音频时能够获得优良的压缩率。

这 3 种模式最终需要被还原为左右立体声，计算方法为：

• 左侧立体声：左声道的值保持不变，右声道的值为左声道减去副声道
• 右侧立体声：右声道的值保持不变，左声道的值为右声道加上副声道
• 中部立体声：中声道为左右声道的平均值，副声道为左右声道的差值，右声道的值为平均值减去右移1位的副声道值，左声道的值为右声道值加上副声道值

子帧的实际采样深度

FLAC 的音频流最高支持 32 位采样深度，但由于存在左侧立体声、右侧立体声、中部立体声这些非独立通道分配模式，FLAC 中的子帧实际可以达到 33 位采样深度，用于容纳 32 位整数最小值与最大值的差。因此，解码过程中子帧的数据需要使用 64 位整数类型存储。子帧的实际采样深度并不等于帧头中标明的采样深度，计算方法为：

• 帧采样深度－子帧省略采样位数
• 如果子帧对应的通道是副声道，将子帧的采样深度再＋1

如果子帧省略采样位数不为 0，则子帧在解码完成后，需要将每个采样的值左移相应位数。

预测器

FLAC 中的 LPC 和 Fixed 子帧通过预测器来计算前导采样之后的采样。计算方法为：
设 $n$ 为待预测采样的编号，$a$ 为采样的数列，$c$ 为预测器系数的数列，$r$ 为残差样本的数列，$s$ 为右移位数，预测器阶数为 $o$，初始时，已知采样（前导采样）的个数等于预测器的阶数，$n=o$，有如下公式：
$$a_n=((\sum _{i=1}^o{a}_{n-i}{c}_i)\gg s)+r_{n-o}$$
编程实现（TypeScript）：

function predictor( samples: BigInt64Array, // 采样 coefficients: bigint[], // 系数 residuals: BigInt64Array, // 残差 shift: bigint // 右移位数 ) { 
    const length = samples.length, // 子帧采样个数 order = coefficients.length; // 预测器阶数、系数个数 for (let n = order; n < length; ++n) { 
    let sum = 0n; // 总和 for (let i = 0; i < order; ++i) sum += samples[n - i - 1] * coefficients[i]; // 已知采样与系数相乘 samples[n] = (sum >> shift) + residuals[n - order]; // 结果右移并与残差相加 } } 

在 Fixed 子帧中，各阶级的系数如下：

• 0 阶：没有系数，也没有前导采样，预测结果恒定为 0
• 1 阶：[ 1 ]
  相当于直接取上一个采样作为预测结果
• 2 阶：[ 2, -1 ]
• 3 阶：[ 3, -3, 1 ]
• 4 阶：[ 4, -6, 4, -1 ]

所有阶级的右移位数均为 0。