Android音频编解码和混音实现

原文链接：http://my.oschina.net/daxia/blog/636074

相关源码:https://github.com/YeDaxia/MusicPlus

认识数字音频:

在实现之前，我们先来了解一下数字音频的有关属性。

采样频率(Sample Rate)：每秒采集声音的数量，它用赫兹(Hz)来表示。(采样率越高越靠近原声音的波形)
采样精度(Bit Depth)：指记录声音的动态范围，它以位(Bit)为单位。(声音的幅度差)
声音通道(Channel)：声道数。比如左声道右声道。

采样量化后的音频最终是一串数字,声音的大小(幅度)会体现在这个每个数字数值大小上；而声音的高低(频率)和声音的音色(Timbre)都和时间维度有关，会体现在数字之间的差异上。

在编码解码之前，我们先来感受一下原始的音频数据究竟是什么样的。我们知道wav文件里面放的就是原始的PCM数据，下面我们通过AudioTrack来直接把这些数据write进去播放出来。下面是某个wav文件的格式，关于wav的格式内容可以看:http://soundfile.sapp.org/doc/WaveFormat/ ，可以通过Binary Viewer等工具去查看一下wav文件的二进制内容。

播放wav文件:

int sampleRateInHz = 44100;int channelConfig = AudioFormat.CHANNEL_OUT_STEREO;int audioFormat = AudioFormat.ENCODING_PCM_16BIT;int bufferSizeInBytes = AudioTrack.getMinBufferSize(sampleRateInHz, channelConfig, audioFormat);AudioTrack audioTrack = new  AudioTrack(AudioManager.STREAM_MUSIC, sampleRateInHz, channelConfig, audioFormat, bufferSizeInBytes, AudioTrack.MODE_STREAM);audioTrack.play();FileInputStream audioInput = null;try {audioInput = new FileInputStream(audioFile);//put your wav file inaudioInput.read(new byte[44]);//skid 44 wav headerbyte[] audioData = new byte[512];while(audioInput.read(audioData)!= -1){audioTrack.write(audioData, 0, audioData.length); //play raw audio bytes}} catch (FileNotFoundException e) {e.printStackTrace();} catch (IOException e) {e.printStackTrace();}finally{audioTrack.stop();audioTrack.release();if(audioInput != null)try {audioInput.close();} catch (IOException e) {e.printStackTrace();}}

如果你有试过一下上面的例子，那你应该对音频的源数据有了一个概念了。

音频的解码:

通过上面的介绍，我们不难知道，解码的目的就是让编码后的数据恢复成wav中的源数据。

利用MediaExtractor和MediaCodec来提取编码后的音频数据并解压成音频源数据:

final String encodeFile = "your encode audio file path";MediaExtractor extractor = new MediaExtractor();extractor.setDataSource(encodeFile);MediaFormat mediaFormat = null;for (int i = 0; i < extractor.getTrackCount(); i++) {MediaFormat format = extractor.getTrackFormat(i);String mime = format.getString(MediaFormat.KEY_MIME);if (mime.startsWith("audio/")) {extractor.selectTrack(i);mediaFormat = format;break;}}if(mediaFormat == null){DLog.e("not a valid file with audio track..");extractor.release();return null;}FileOutputStream fosDecoder = new FileOutputStream(outDecodeFile);//your out file pathString mediaMime = mediaFormat.getString(MediaFormat.KEY_MIME);MediaCodec codec = MediaCodec.createDecoderByType(mediaMime);codec.configure(mediaFormat, null, null, 0);codec.start();ByteBuffer[] codecInputBuffers = codec.getInputBuffers();ByteBuffer[] codecOutputBuffers = codec.getOutputBuffers();final long kTimeOutUs = 5000;MediaCodec.BufferInfo info = new MediaCodec.BufferInfo();boolean sawInputEOS = false;boolean sawOutputEOS = false;int totalRawSize = 0;try{while (!sawOutputEOS) {if (!sawInputEOS) {int inputBufIndex = codec.dequeueInputBuffer(kTimeOutUs);if (inputBufIndex >= 0) {ByteBuffer dstBuf = codecInputBuffers[inputBufIndex];int sampleSize = extractor.readSampleData(dstBuf, 0);if (sampleSize < 0) {DLog.i(TAG, "saw input EOS.");sawInputEOS = true;codec.queueInputBuffer(inputBufIndex,0,0,0,MediaCodec.BUFFER_FLAG_END_OF_STREAM );} else {long presentationTimeUs = extractor.getSampleTime();codec.queueInputBuffer(inputBufIndex,0,sampleSize,presentationTimeUs,0);extractor.advance();}}}int res = codec.dequeueOutputBuffer(info, kTimeOutUs);if (res >= 0) { int outputBufIndex = res;// Simply ignore codec config buffers.if ((info.flags & MediaCodec.BUFFER_FLAG_CODEC_CONFIG)!= 0) { DLog.i(TAG, "audio encoder: codec config buffer"); codec.releaseOutputBuffer(outputBufIndex, false); continue; } if(info.size != 0){ByteBuffer outBuf = codecOutputBuffers[outputBufIndex];outBuf.position(info.offset);outBuf.limit(info.offset + info.size);byte[] data = new byte[info.size];outBuf.get(data);totalRawSize += data.length;fosDecoder.write(data);}codec.releaseOutputBuffer(outputBufIndex, false);if ((info.flags & MediaCodec.BUFFER_FLAG_END_OF_STREAM) != 0) {DLog.i(TAG, "saw output EOS.");sawOutputEOS = true;}} else if (res == MediaCodec.INFO_OUTPUT_BUFFERS_CHANGED) {codecOutputBuffers = codec.getOutputBuffers();DLog.i(TAG, "output buffers have changed.");} else if (res == MediaCodec.INFO_OUTPUT_FORMAT_CHANGED) {MediaFormat oformat = codec.getOutputFormat();DLog.i(TAG, "output format has changed to " + oformat);}}}finally{fosDecoder.close();codec.stop();codec.release();extractor.release();}

解压之后，可以用AudioTrack来播放验证一下这些数据是否正确。

音频的混音:

音频混音的原理: 量化的语音信号的叠加等价于空气中声波的叠加。

反应到音频数据上，也就是把同一个声道的数值进行简单的相加，但是这样同时会产生一个问题，那就是相加的结果可能会溢出，当然为了解决这个问题已经有很多方案了，在这里我们采用简单的平均算法(average audio mixing algorithm, 简称V算法)。在下面的演示程序中，我们假设音频文件是的采样率，通道和采样精度都是一样的,这样会便于处理。另外要注意的是，在源音频数据中是按照little-endian的顺序来排放的，PCM值为0表示没声音(振幅为0)。

public void mixAudios(File[] rawAudioFiles){final int fileSize = rawAudioFiles.length;FileInputStream[] audioFileStreams = new FileInputStream[fileSize];File audioFile = null;FileInputStream inputStream;byte[][] allAudioBytes = new byte[fileSize][];boolean[] streamDoneArray = new boolean[fileSize];byte[] buffer = new byte[512];int offset;try {for (int fileIndex = 0; fileIndex < fileSize; ++fileIndex) {audioFile = rawAudioFiles[fileIndex];audioFileStreams[fileIndex] = new FileInputStream(audioFile);}while(true){for(int streamIndex = 0 ; streamIndex < fileSize ; ++streamIndex){inputStream = audioFileStreams[streamIndex];if(!streamDoneArray[streamIndex] && (offset = inputStream.read(buffer)) != -1){allAudioBytes[streamIndex] = Arrays.copyOf(buffer,buffer.length);}else{streamDoneArray[streamIndex] = true;allAudioBytes[streamIndex] = new byte[512];}}byte[] mixBytes = mixRawAudioBytes(allAudioBytes);//mixBytes 就是混合后的数据boolean done = true;for(boolean streamEnd : streamDoneArray){if(!streamEnd){done = false;}}if(done){break;}}} catch (IOException e) {e.printStackTrace();if(mOnAudioMixListener != null)mOnAudioMixListener.onMixError(1);}finally{try {for(FileInputStream in : audioFileStreams){if(in != null)in.close();}} catch (IOException e) {e.printStackTrace();}}}/** * 每一行是一个音频的数据 */byte[] averageMix(byte[][] bMulRoadAudioes) {if (bMulRoadAudioes == null || bMulRoadAudioes.length == 0)return null;byte[] realMixAudio = bMulRoadAudioes[0];if(bMulRoadAudioes.length == 1)return realMixAudio;for(int rw = 0 ; rw < bMulRoadAudioes.length ; ++rw){if(bMulRoadAudioes[rw].length != realMixAudio.length){Log.e("app", "column of the road of audio + " + rw +" is diffrent.");return null;}}int row = bMulRoadAudioes.length;int coloum = realMixAudio.length / 2;short[][] sMulRoadAudioes = new short[row][coloum];for (int r = 0; r < row; ++r) {for (int c = 0; c < coloum; ++c) {sMulRoadAudioes[r][c] = (short) ((bMulRoadAudioes[r][c * 2] & 0xff) | (bMulRoadAudioes[r][c * 2 + 1] & 0xff) << 8);}}short[] sMixAudio = new short[coloum];int mixVal;int sr = 0;for (int sc = 0; sc < coloum; ++sc) {mixVal = 0;sr = 0;for (; sr < row; ++sr) {mixVal += sMulRoadAudioes[sr][sc];}sMixAudio[sc] = (short) (mixVal / row);}for (sr = 0; sr < coloum; ++sr) {realMixAudio[sr * 2] = (byte) (sMixAudio[sr] & 0x00FF);realMixAudio[sr * 2 + 1] = (byte) ((sMixAudio[sr] & 0xFF00) >> 8);}return realMixAudio;}

同样，你可以把混音后的数据用AudioTrack播放出来，验证一下混音的效果。

音频的编码:

对音频进行编码的目的用更少的空间来存储和传输，有有损编码和无损编码，其中我们常见的Mp3和ACC格式就是有损编码。在下面的例子中，我们通过MediaCodec来对混音后的数据进行编码，在这里，我们将采用ACC格式来进行。

ACC音频有ADIF和ADTS两种，第一种适用于磁盘，第二种则可以用于流的传输，它是一种帧序列。我们这里用ADTS这种来进行编码，首先要了解一下它的帧序列的构成:

ADTS的帧结构:

header

body

ADTS帧的Header组成:

Length (bits)	Description
12	syncword 0xFFF, all bits must be 1
1	MPEG Version: 0 for MPEG-4, 1 for MPEG-2
2	Layer: always 0
1	protection absent, Warning, set to 1 if there is no CRC and 0 if there is CRC
2	profile, the MPEG-4 Audio Object Type minus 1
4	MPEG-4 Sampling Frequency Index (15 is forbidden)
1	private bit, guaranteed never to be used by MPEG, set to 0 when encoding, ignore when decoding
3	MPEG-4 Channel Configuration (in the case of 0, the channel configuration is sent via an inband PCE)
1	originality, set to 0 when encoding, ignore when decoding
1	home, set to 0 when encoding, ignore when decoding
1	copyrighted id bit, the next bit of a centrally registered copyright identifier, set to 0 when encoding, ignore when decoding
1	copyright id start, signals that this frame's copyright id bit is the first bit of the copyright id, set to 0 when encoding, ignore when decoding
13	frame length, this value must include 7 or 9 bytes of header length: FrameLength = (ProtectionAbsent == 1 ? 7 : 9) + size(AACFrame)
11	Buffer fullness
2	Number of AAC frames (RDBs) in ADTS frame minus 1, for maximum compatibility always use 1 AAC frame per ADTS frame
16	CRC if protection absent is 0

我们的思路就很明确了，把编码后的每一帧数据加上header写到文件中，保存后的.acc文件应该是可以被播放器识别播放的。为了简单，我们还是假设之前生成的混音数据源的采样率是44100Hz，通道数是2，采样精度是16Bit。

把音频源数据编码成ACC格式完成源代码:

class AACAudioEncoder{private final static String TAG = "AACAudioEncoder";private final static String AUDIO_MIME = "audio/mp4a-latm";private final static long audioBytesPerSample = 44100*16/8;private String rawAudioFile；AACAudioEncoder(String rawAudioFile) {this.rawAudioFile = rawAudioFile;}@Overridepublic void encodeToFile(String outEncodeFile) {FileInputStream fisRawAudio = null;FileOutputStream fosAccAudio = null;try {fisRawAudio = new FileInputStream(rawAudioFile);fosAccAudio = new FileOutputStream(outEncodeFile);final MediaCodec audioEncoder = createACCAudioDecoder();audioEncoder.start();ByteBuffer[] audioInputBuffers = audioEncoder.getInputBuffers();ByteBuffer[] audioOutputBuffers = audioEncoder.getOutputBuffers();boolean sawInputEOS = false;        boolean sawOutputEOS = false;        long audioTimeUs = 0 ;BufferInfo outBufferInfo = new BufferInfo();boolean readRawAudioEOS = false;byte[] rawInputBytes = new byte[4096];int readRawAudioCount = 0;int rawAudioSize = 0;long lastAudioPresentationTimeUs = 0;int inputBufIndex, outputBufIndex;        while(!sawOutputEOS){        if (!sawInputEOS) {         inputBufIndex = audioEncoder.dequeueInputBuffer(10000);     if (inputBufIndex >= 0) {           ByteBuffer inputBuffer = audioInputBuffers[inputBufIndex];           inputBuffer.clear();           int bufferSize = inputBuffer.remaining();           if(bufferSize != rawInputBytes.length){           rawInputBytes = new byte[bufferSize];           }           if(!readRawAudioEOS){           readRawAudioCount = fisRawAudio.read(rawInputBytes);           if(readRawAudioCount == -1){           readRawAudioEOS = true;           }           }           if(readRawAudioEOS){           audioEncoder.queueInputBuffer(inputBufIndex,0 , 0 , 0 ,MediaCodec.BUFFER_FLAG_END_OF_STREAM);           sawInputEOS = true;           }else{           inputBuffer.put(rawInputBytes, 0, readRawAudioCount);           rawAudioSize += readRawAudioCount;           audioEncoder.queueInputBuffer(inputBufIndex, 0, readRawAudioCount, audioTimeUs, 0);           audioTimeUs = (long) (1000000 * (rawAudioSize / 2.0) / audioBytesPerSample);           }     }        }        outputBufIndex = audioEncoder.dequeueOutputBuffer(outBufferInfo, 10000);        if(outputBufIndex >= 0){        // Simply ignore codec config buffers.        if ((outBufferInfo.flags & MediaCodec.BUFFER_FLAG_CODEC_CONFIG)!= 0) {                     DLog.i(TAG, "audio encoder: codec config buffer");                     audioEncoder.releaseOutputBuffer(outputBufIndex, false);                     continue;                 }        if(outBufferInfo.size != 0){         ByteBuffer outBuffer = audioOutputBuffers[outputBufIndex];         outBuffer.position(outBufferInfo.offset);         outBuffer.limit(outBufferInfo.offset + outBufferInfo.size);         DLog.i(TAG, String.format(" writing audio sample : size=%s , presentationTimeUs=%s", outBufferInfo.size, outBufferInfo.presentationTimeUs));         if(lastAudioPresentationTimeUs < outBufferInfo.presentationTimeUs){         lastAudioPresentationTimeUs = outBufferInfo.presentationTimeUs;         int outBufSize   = outBufferInfo.size;         int outPacketSize = outBufSize + 7;         outBuffer.position(outBufferInfo.offset);         outBuffer.limit(outBufferInfo.offset + outBufSize);         byte[] outData = new byte[outBufSize + 7];         addADTStoPacket(outData, outPacketSize);         outBuffer.get(outData, 7, outBufSize);         fosAccAudio.write(outData, 0, outData.length);                 DLog.i(TAG, outData.length + " bytes written.");         }else{         DLog.e(TAG, "error sample! its presentationTimeUs should not lower than before.");         }        }        audioEncoder.releaseOutputBuffer(outputBufIndex, false);                 if ((outBufferInfo.flags & MediaCodec.BUFFER_FLAG_END_OF_STREAM) != 0) {           sawOutputEOS = true;     }        }else if (outputBufIndex == MediaCodec.INFO_OUTPUT_BUFFERS_CHANGED) {        audioOutputBuffers = audioEncoder.getOutputBuffers();    } else if (outputBufIndex == MediaCodec.INFO_OUTPUT_FORMAT_CHANGED) {    MediaFormat audioFormat = audioEncoder.getOutputFormat();    DLog.i(TAG, "format change : "+ audioFormat);    }        }} catch (FileNotFoundException e) {e.printStackTrace();} catch (IOException e) {e.printStackTrace();} finally {try {if (fisRawAudio != null)fisRawAudio.close();if(fosAccAudio != null)fosAccAudio.close();} catch (IOException e) {e.printStackTrace();}}}private MediaCodec createACCAudioDecoder() throws IOException {MediaCodeccodec = MediaCodec.createEncoderByType(AUDIO_MIME);MediaFormat format = new MediaFormat();format.setString(MediaFormat.KEY_MIME, AUDIO_MIME);format.setInteger(MediaFormat.KEY_BIT_RATE, 128000);format.setInteger(MediaFormat.KEY_CHANNEL_COUNT, 2);format.setInteger(MediaFormat.KEY_SAMPLE_RATE, 44100);format.setInteger(MediaFormat.KEY_AAC_PROFILE,MediaCodecInfo.CodecProfileLevel.AACObjectLC);codec.configure(format, null, null, MediaCodec.CONFIGURE_FLAG_ENCODE);return codec;}/**     *  Add ADTS header at the beginning of each and every AAC packet.     *  This is needed as MediaCodec encoder generates a packet of raw     *  AAC data.     *     *  Note the packetLen must count in the ADTS header itself.     **/    private void addADTStoPacket(byte[] packet, int packetLen) {        int profile = 2;  //AAC LC        //39=MediaCodecInfo.CodecProfileLevel.AACObjectELD;        int freqIdx = 4;  //44.1KHz        int chanCfg = 2;  //CPE        // fill in ADTS data        packet[0] = (byte)0xFF;        packet[1] = (byte)0xF9;        packet[2] = (byte)(((profile-1)<<6) + (freqIdx<<2) +(chanCfg>>2));        packet[3] = (byte)(((chanCfg&3)<<6) + (packetLen>>11));        packet[4] = (byte)((packetLen&0x7FF) >> 3);        packet[5] = (byte)(((packetLen&7)<<5) + 0x1F);        packet[6] = (byte)0xFC;    }}

参考资料:

数字音频: http://en.flossmanuals.net/pure-data/ch003_what-is-digital-audio/

WAV文件格式: http://soundfile.sapp.org/doc/WaveFormat/

ACC文件格式: http://www.cnblogs.com/caosiyang/archive/2012/07/16/2594029.html

有关Android Media编程的一些CTS:https://android.googlesource.com/platform/cts/+/jb-mr2-release/tests/tests/media/src/android/media/cts

WAV转ACC相关问题: http://stackoverflow.com/questions/18862715/how-to-generate-the-aac-adts-elementary-stream-with-android-mediacodec

认识数字音频:

音频的解码:

音频的混音:

音频的编码:

更多相关文章

随机推荐