MIDI文件格式

與波形文件不同，MIDI文件不對音樂進行抽樣，而是對音樂的每個音符記錄為一個數字，所以與波形文件相比文件要小得多，可以滿足長時間音樂的需要。MIDI標準規定了各種音調的混合及發音，通過輸出裝置可以將這些數字重新合成為音樂。

MIDI音樂的主要限制是它缺乏重現真實自然聲音的能力，因此不能用在需要語音的場合。此外，MIDI只能記錄標準所規定的有限種樂器的組合，而且回放質量受到聲音卡的合成芯片的限制。近年來，國外流行的聲音卡普遍採用波表法進行音樂合成，使MIDI的音樂質量大大提高。

MIDI文件有幾個變通格式，如RMI和CIF等。其中CMF文件(creative music format)是隨聲霸卡一起使用的音樂文件。RMI文件是Windows使用的RIFF(resource interchange file format)文件的一種子格式，稱為RMID，即包含MIDI文件的格式。

以下是MIDI文件塊結構

類型指的是"MThd"或"MTrk"，長度指的是除去類型和長度兩部分外,其他數據佔的字節數。

而數據描述部份是主體，我們現在來一起分析它的結構:

在每個Midi文件的開頭都有如下內容，它們的十六進制代碼為:“4d 54 68 64 00 00 00 06 ff ff nn nn dd dd”。

前四個是ASCII字符“MThd”是用來鑑別是否Midi文件，而隨後的四個字節是指明文件頭描述部分的字節數，它總是6，所以一定是“00 00 00 06”，以下是剩餘部分的含義:

以上就是MIDI文件頭了，後面的所有內容都是真正做事的，我們先來看看它的構成。

MIDI的數據是由若干個格式相同的子數據構成的，這些子數據在多音軌的格式中記錄了一個軌道的所有信息。多加一個音軌，就簡單地把數據追加在前一音軌的後面就可以了，不過不要忘記更改文件頭中的nn nn(軌道數)。

先看全局音軌。全局音軌包括歌曲的附加信息(比如標題和版權)、歌曲速度和系統碼(Sysx)等內容。

不管是全局音軌還是含有音符的音軌，都以“4D 54 72 6B”開頭，它其實是ASCII字符“MTrk”，其後跟着一個4個字節的整數，它標誌了該軌道的字節數，這不包括前面的4個字節和本身的4個字節。這一點，我們可以在後面的例子中去理解。

接着就是記錄數據的地方了，每一個數據有着相同的結構:時間差+事件。

所謂時間差，指的是前一個事件到該事件的時間數，它的單位是tick(MIDI的最小時間單位)。它的構成比較特殊，這裏要用二進制來説明。

一個字節有8位，如果僅使用7位，它可以表示0~127這128個數，而剩下的一位，則用來作為標誌。如果要表示的數在以上範圍，則這個標誌為0，這時，一個7位的字節可以表示0~127tick。如果要表示的數超出了這個範圍(比如240)，則把標誌設置成1，然後記錄下高7位，剩下的留給下一個字節，在該例中240可以分解成128*1+112，這裏的1就是第一個字節要記錄的，加上標誌位，應該為10000001，即十六進制的81；而112是下一個字節記錄的，它的十六進制為70:所以要表示240這個時間，要寫成81 70。同理，如果要表示65535tick，則可以先計算出65535=1282*3+1281*127+1280*127，然後得出結果:83 FF 7F。由此，我們反過來也可以知道如何確定時間差:只要標誌位為0，則表示結束讀取時間差。比如82 C0 03表示1282*2+1281*64+1280*3=40963，如果基本時間為120，則有341:043個四分音符。

以這種方式記錄整數的字節稱為動態字節，它根據記錄的整數改變自身的長度，這在後面還要用到，所以必須熟練計算。

看完了這麼麻煩的東西，我們再來看個更麻煩的東西:事件。在這些標準的解釋後面，我們會通過一些例子來進一步掌握這些內容。

事件大體上可以分為音符、控制器和系統信息這幾個種類。對於這些事件，都有統一的表達結構:種類+參數。

對於一個音符，由於它的有效範圍是0~127，所以直接用00~7F作為“種類”，可以認為是個音符，比如3C表示中央C。而一個音符的最重要的參數是力度(也叫速度:velocity)。比如，3C 64 表示一個力度為十進制100的中央C音符。

因為一個字節有8位，所以剩餘的一位如果置1，再聯合其他的7位，則可以表示各種信息。我們暫且無視一個音軌到底是全局的還是用於記錄音符的。它們歸根結底都是用來記錄各種事件的，只不過有些應出現在全局音軌比較合乎邏輯而已。既然這樣，我們就可以從下面的表來看事件:

下表中，x表示音軌0~F，比如81表示鬆開第二軌的音符。

下表詳細地列出了FF的詳細情況，對於字節數由數據決定的情況，表中以“--”表示。

^[1]