Windows上的音頻採集技術(轉)

轉自：http://shanewfx.github.io/blog/2013/08/14/caprure-audio-on-windows/ 前一段時間接到一個任務，須要採集到聲卡的輸出信號，以便與麥克風的輸入信號進行混音。

以前一直沒有研究過音頻的相關技術，此次就順便抽出一點時間去了解了一下Windows上採集音頻的相關技術。

對於音頻處理的技術，主要有以下幾種：

採集麥克風輸入 採集聲卡輸出 將音頻數據送入聲卡進行播放 對多路音頻輸入進行混音處理 1.Windows上音頻處理的API

在Windows操做系統上，經常使用的音頻處理技術主要包括：Wave系列API函數、DirectSound、Core Audio。

其中，Core Audio只能夠在Vista以上（包括Vista）的操做系統中才能使用，主要用來取代Wave系列API函數和DirectSound。

Core Audio實現的功能也比較強大，能實現對麥克風的採集、聲卡輸出的採集、控制聲音的播放。

而Wave系列的API函數主要是用來實現對麥克風輸入的採集（使用WaveIn系列API函數）和控制聲音的播放（使用後WaveOut系列函數）。

DirectSound可以實現的功能估計和Wave系列API差很少，可能會更強一些（因爲沒有使用過DirectSound，不太確定!）。

爲了實現採集模塊對操做系統的兼容性更好，基本上對麥克風輸入的採集使用WaveIn系列API函數比較多；

在Windows XP系統中，沒有直接提供對聲卡輸出進行採集的API，所以，在Windows XP要實現對聲卡輸出的採集會比較麻煩。 一般可選用支持混音的聲卡，而後經過使用聲卡的混音模塊來實現採集，但並非全部的聲卡都支持混音的功能，這樣的方案不具有通用性。

要實現通用性，能夠採用虛擬聲卡的方式來實現，從驅動層獲取聲卡的輸出數據，但這種方案實現難度會比較大。

而在Vista以上的系統中，如Win7，則可使用Core Audio中的API函數來實現採集聲卡輸出的功能。

對於混音模塊的實現，目前基本是使用自定義的混音算法來完成功能，系統沒有直接的API函數可供調用。

2.使用WaveIn系列API函數實現麥克風輸入採集

涉及的API函數：

waveInOpen

開啓音頻採集設備，成功後會返回設備句柄，後續的API都須要使用該句柄

調用模塊須要提供一個回調函數（waveInProc），以接收採集的音頻數據

waveInClose

關閉音頻採集模塊

成功後，由waveInOpen返回的設備句柄將再也不有效 

waveInPrepareHeader

準備音頻採集數據緩存的空間

waveInUnprepareHeader

清空音頻採集的數據緩存

waveInAddBuffer

將準備好的音頻數據緩存提供給音頻採集設備

在調用該API以前須要先調用waveInPrepareHeader

waveInStart

控制音頻採集設備開始對音頻數據的採集

waveInStop

控制音頻採集設備中止對音頻數據的採集

音頻採集設備採集到音頻數據後，會調用在waveInOpen中設置的回調函數。

其中參數包括一個消息類型，根據其消息類型就能夠進行相應的操做。

如接收到WIM_DATA消息，則說明有新的音頻數據被採集到，這樣就能夠根據須要來對這些音頻數據進行處理。

（示例之後補上）

3.使用Core Audio實現對聲卡輸出的捕捉

涉及的接口有：

IMMDeviceEnumerator

IMMDevice

IAudioClient

IAudioCaptureClient

主要過程：

建立多媒體設備枚舉器(IMMDeviceEnumerator)

經過多媒體設備枚舉器獲取聲卡接口(IMMDevice)

經過聲卡接口獲取聲卡客戶端接口(IAudioClient)

經過聲卡客戶端接口(IAudioClient)可獲取聲卡輸出的音頻參數、初始化聲卡、獲取聲卡輸出緩衝區的大小、開啓/中止對聲卡輸出的採集

經過聲卡採集客戶端接口(IAudioCaptureClient)可獲取採集的聲卡輸出數據，並對內部緩衝區進行控制

（示例之後補上）

4.經常使用的混音算法

混音算法就是將多路音頻輸入信號根據某種規則進行運算（多路音頻信號相加後作限幅處理），獲得一路混合後的音頻，並以此做爲輸出的過程。

我目前還作過這一塊，搜索了一下基本有以下幾種混音算法：

將多路音頻輸入信號直接相加取和做爲輸出

將多路音頻輸入信號直接相加取和後，再除以混音通道數，防止溢出

將多路音頻輸入信號直接相加取和後，作Clip操做（將數據限定在最大值和最小值之間），若有溢出就設最大值

將多路音頻輸入信號直接相加取和後，作飽和處理，接近最大值時進行扭曲

將多路音頻輸入信號直接相加取和後，作歸一化處理，所有乘個係數，使幅值歸一化

將多路音頻輸入信號直接相加取和後，使用衰減因子限制幅值

（完）