AudioRecord + AudioTrack + AudioFormat，通过pcm文件合并并转wav实现录音、暂停、播放、停止、重录、计时等功能
微信公众号：IT小顽童 最近公司的一个需求，集合了录音、暂停、停止、完成、播放、重录、计时等功能，没找到合适的资源，大部分都不支持暂停，就自己整理并整合了一个，参考官方文档和一些资料后，撸了个库，现在做一些说明和解析。
官方文档地址：https://developer.android.google.cn/reference/android/media/AudioRecord
之前除了搞FFmpeg那段时间，音频这块接触的也不多，最近用Android原生去实现，并做下笔记，配合着已经上传 GitHub 上的代码，观赏性会更好一点，目前上传了 java 和 kotlin 版本，功能都已实现，并在实际项目中运行。本篇主要采用java去讲解，kotlin版本可自行参照，注释和实现方式都一样。
AudioRecord和MediaRecorder两种都可以录制音频，MediaRecorder基于文件录音，系统已实现大量的封装，集成了录音、编码、压缩等，支持少量的音频格式文件，操作起来更加简单，而AudioRecord基于字节流录音，AudioTrack更接近底层，使用起来更加灵活，能实现更多的功能。因为考虑到需要对音频进行一系列处理，所以嘛，最后选择了AudioRecord。如下是简单的对比：
优点：可以实现语音的实时处理，进行边录边播，对音频的实时处理，AudioTrack更接近底层。
缺点：输出的是PCM的语音数据，如果保存成音频文件是不能被播放器播放的，需要用AudioTrack来播放。API还有待完善，常见的暂停功能都不支持。
优点：系统封装的完整，直接调用即可，操作简单，录制的音频文件可以用系统自带的播放器播放。
缺点：无法实现实时处理音频，输出的音频格式少。录制的音频文件是经过压缩后的，需要设置编码器。
今天只做AudioRecord的一些说明，MediaRecorder不做过多说明。
- 采样率：采样率即采样频率，指每秒钟取得声音样本的次数，采样频率越高，能表现的频率范围就越大，音质就会越好，声音的还原度也更真实，但此同时带来的弊端是占有的内存资源也会越大。因为人耳的分辨率有限，并不是频率越高越好，44KHz已相当于CD音质了，目前的常用采样频率都不超过48KHz。
- 声道：这个好理解，生活中也经常听到单声道、双声道等，在Android系统中，可以通过设置音频的录制的声道CHANNEL_IN_STEREO为双声道，CHANNEL_CONFIGURATION_MONO为单声道，双声道音质更加，但同样伴随着内存资源消耗更大的弊端。
- 采样位深：位深度也叫采样位深，音频的位深度决定动态范围，它是用来衡量声音波动变化的一个参数，也可以说是声卡的分辨率。它的数值越大，分辨率也就越高，所发出声音的能力越强。在计算机中采样位数一般有8位和16位之分，即分成2的8次方和2的16次方之分，PCM 16位每个样本，保证设备支持。PCM 8位每个样本，不一定能得到设备支持。
public AudioRecord(int audioSource, int sampleRateInHz, int channelConfig, int audioFormat,
int bufferSizeInBytes)
audioSource：录音源，指定声音是从哪里录制的，官网文档参考戳此
sampleRateInHz：采样率
channelConfig：声道数
audioFormat：采样位深
bufferSizeInBytes：最小缓冲大小，可以通过getMinBufferSize获取。
补充：存储量= 采样率 * 采样时间 * 采样位深 / 8 * 声道数（Bytes）。以采样率为44.1kHZ、采样位深为16位、双声道计算，一分钟消耗的内存为10.335M。
/**
* 创建默认的录音对象
*
* @param fileName 文件名
*/
public void createDefaultAudio(String fileName) {
// 获得缓冲区字节大小
bufferSizeInBytes = AudioRecord.getMinBufferSize(AUDIO_SAMPLE_RATE, AUDIO_CHANNEL, AUDIO_ENCODING);
audioRecord = new AudioRecord(AUDIO_INPUT, AUDIO_SAMPLE_RATE, AUDIO_CHANNEL, AUDIO_ENCODING, bufferSizeInBytes);
this.fileName = fileName;
status = AudioStatus.STATUS_READY;
AudioAttributes audioAttributes = new AudioAttributes.Builder().setUsage(AudioAttributes.USAGE_MEDIA)
.setContentType(AudioAttributes.CONTENT_TYPE_MUSIC).build();
AudioFormat audioFormat = new AudioFormat.Builder().setSampleRate(AUDIO_SAMPLE_RATE)
.setEncoding(AUDIO_ENCODING).setChannelMask(AudioFormat.CHANNEL_OUT_MONO).build();
audioTrack = new AudioTrack(audioAttributes, audioFormat, bufferSizeInBytes,
AudioTrack.MODE_STREAM, AudioManager.AUDIO_SESSION_ID_GENERATE);
}
以上参数已经介绍完，此处不做多余解释。
/**
* 开始录音
*/
public void startRecord() {
if (status == AudioStatus.STATUS_NO_READY || TextUtils.isEmpty(fileName)) {
throw new IllegalStateException("请检查录音权限");
}
if (status == AudioStatus.STATUS_START) {
throw new IllegalStateException("正在录音");
}
audioRecord.startRecording();
cachedThreadPool.execute(new Runnable() {
@Override
public void run() {
writeDataTOFile();
}
});
}
/**
* 将音频信息写入文件
*/
private void writeDataTOFile() {
// new一个byte数组用来存一些字节数据，大小为缓冲区大小
byte[] audioData = new byte[bufferSizeInBytes];
FileOutputStream fos = null;
int readSize = 0;
try {
String currentFileName = fileName;
if (status == AudioStatus.STATUS_PAUSE) {
//假如是暂停录音 将文件名后面加个数字,防止重名文件内容被覆盖
currentFileName += filesName.size();
}
filesName.add(currentFileName);
File file = new File(FileUtils.getPcmFileAbsolutePath(currentFileName));
if (file.exists()) {
file.delete();
}
// 建立一个可存取字节的文件
fos = new FileOutputStream(file);
} catch (IllegalStateException e) {
e.printStackTrace();
throw new IllegalStateException(e.getMessage());
} catch (FileNotFoundException e) {
e.printStackTrace();
}
//将录音状态设置成正在录音状态
status = AudioStatus.STATUS_START;
while (status == AudioStatus.STATUS_START) {
readSize = audioRecord.read(audioData, 0, bufferSizeInBytes);
if (AudioRecord.ERROR_INVALID_OPERATION != readSize && fos != null) {
try {
fos.write(audioData);
} catch (IOException e) {
e.printStackTrace();
}
}
}
try {
if (fos != null) {
fos.close();// 关闭写入流
}
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 暂停录音
*/
public void pauseRecord() {
if (status != AudioStatus.STATUS_START) {
throw new IllegalStateException("没有在录音");
} else {
audioRecord.stop();
status = AudioStatus.STATUS_PAUSE;
}
}
说明：为啥说好的是暂停，此处确实停止？上文也曾提到过，AudioRecord没有提供暂停的API，目前所实现的的暂停，就是不断的使用停止和再次录制，形成多个文件，然后在合并成一个文件并转码成wav，最终形成 AudioFormat 可读取的文件，以此来达到暂停和在录制的功能。
/**
* 停止录音
*/
public void stopRecord() {
if (status == AudioStatus.STATUS_NO_READY || status == AudioStatus.STATUS_READY) {
throw new IllegalStateException("录音尚未开始");
} else {
audioRecord.stop();
status = AudioStatus.STATUS_STOP;
release();
}
}
执行此方法后，便赋值给status，以此来改变状态。
/**
* 释放资源
*/
public void release() {
//假如有暂停录音
try {
if (filesName.size() > 0) {
List<String> filePaths = new ArrayList<>();
for (String fileName : filesName) {
filePaths.add(FileUtils.getPcmFileAbsolutePath(fileName));
}
//清除
filesName.clear();
if (isReset) {
isReset = false;
FileUtils.clearFiles(filePaths);
} else {
//将多个pcm文件转化为wav文件
pcmFilesToWavFile(filePaths);
}
}
} catch (IllegalStateException e) {
throw new IllegalStateException(e.getMessage());
}
if (audioRecord != null) {
audioRecord.release();
audioRecord = null;
}
status = AudioStatus.STATUS_NO_READY;
}
/**
* Created by ZhouMeng on 2018/8/31.
* 将pcm文件转化为wav文件
* pcm是无损wav文件中音频数据的一种编码方式，pcm加上wav文件头就可以转为wav格式，但wav还可以用其它方式编码。
* 此类就是通过给pcm加上wav的文件头，来转为wav格式
*/
public class PcmToWav {
/**
* 合并多个pcm文件为一个wav文件
* @param filePathList pcm文件路径集合
* @param destinationPath 目标wav文件路径
* @return true|false
*/
public static boolean mergePCMFilesToWAVFile(List<String> filePathList, String destinationPath) {
File[] file = new File[filePathList.size()];
byte buffer[] = null;
int TOTAL_SIZE = 0;
int fileNum = filePathList.size();
for (int i = 0; i < fileNum; i++) {
file[i] = new File(filePathList.get(i));
TOTAL_SIZE += file[i].length();
}
// 填入参数，比特率等等。这里用的是16位单声道 8000 hz
WaveHeader header = new WaveHeader();
// 长度字段 = 内容的大小（TOTAL_SIZE) + 头部字段的大小(不包括前面4字节的标识符RIFF以及fileLength本身的4字节)
header.fileLength = TOTAL_SIZE + (44 - 8);
header.FmtHdrLeth = 16;
header.BitsPerSample = 16;
header.Channels = 2;
header.FormatTag = 0x0001;
header.SamplesPerSec = 8000;
header.BlockAlign = (short) (header.Channels * header.BitsPerSample / 8);
header.AvgBytesPerSec = header.BlockAlign * header.SamplesPerSec;
header.DataHdrLeth = TOTAL_SIZE;
byte[] h = null;
try {
h = header.getHeader();
} catch (IOException e1) {
Log.e("PcmToWav", e1.getMessage());
return false;
}
// WAV标准，头部应该是44字节,如果不是44个字节则不进行转换文件
if (h.length != 44) {
return false;
}
//先删除目标文件
File destFile = new File(destinationPath);
if (destFile.exists()) {
destFile.delete();
}
//合成所有的pcm文件的数据，写到目标文件
try {
buffer = new byte[1024 * 4]; // Length of All Files, Total Size
InputStream inStream = null;
OutputStream ouStream = null;
ouStream = new BufferedOutputStream(new FileOutputStream(
destinationPath));
ouStream.write(h, 0, h.length);
for (int j = 0; j < fileNum; j++) {
inStream = new BufferedInputStream(new FileInputStream(file[j]));
int size = inStream.read(buffer);
while (size != -1) {
ouStream.write(buffer);
size = inStream.read(buffer);
}
inStream.close();
}
ouStream.close();
} catch (IOException ioe) {
ioe.getMessage();
return false;
}
FileUtils.clearFiles(filePathList);
// File wavFile = new File(new File(destinationPath).getParent());
// if (wavFile.exists()) {
// FileUtils.deleteFile(wavFile);
// }
return true;
}
}
/**
* Created by ZhouMeng on 2018/8/31.
* wav文件头
*/
public class WaveHeader {
public final char fileID[] = {'R', 'I', 'F', 'F'};
public int fileLength;
public char wavTag[] = {'W', 'A', 'V', 'E'};
public char FmtHdrID[] = {'f', 'm', 't', ' '};
public int FmtHdrLeth;
public short FormatTag;
public short Channels;
public int SamplesPerSec;
public int AvgBytesPerSec;
public short BlockAlign;
public short BitsPerSample;
public char DataHdrID[] = {'d','a','t','a'};
public int DataHdrLeth;
public byte[] getHeader() throws IOException {
ByteArrayOutputStream bos = new ByteArrayOutputStream();
WriteChar(bos, fileID);
WriteInt(bos, fileLength);
WriteChar(bos, wavTag);
WriteChar(bos, FmtHdrID);
WriteInt(bos,FmtHdrLeth);
WriteShort(bos,FormatTag);
WriteShort(bos,Channels);
WriteInt(bos,SamplesPerSec);
WriteInt(bos,AvgBytesPerSec);
WriteShort(bos,BlockAlign);
WriteShort(bos,BitsPerSample);
WriteChar(bos,DataHdrID);
WriteInt(bos,DataHdrLeth);
bos.flush();
byte[] r = bos.toByteArray();
bos.close();
return r;
}
private void WriteShort(ByteArrayOutputStream bos, int s) throws IOException {
byte[] myByte = new byte[2];
myByte[1] =(byte)( (s << 16) >> 24 );
myByte[0] =(byte)( (s << 24) >> 24 );
bos.write(myByte);
}
private void WriteInt(ByteArrayOutputStream bos, int n) throws IOException {
byte[] buf = new byte[4];
buf[3] =(byte)( n >> 24 );
buf[2] =(byte)( (n << 8) >> 24 );
buf[1] =(byte)( (n << 16) >> 24 );
buf[0] =(byte)( (n << 24) >> 24 );
bos.write(buf);
}
private void WriteChar(ByteArrayOutputStream bos, char[] id) {
for (char c : id) {
bos.write(c);
}
}
}
4字节数据，内容为“RIFF”，表示资源交换文件标识
4字节数据，内容为一个整数，表示从下个地址开始到文件尾的总字节数
4字节数据，内容为“WAVE”，表示WAV文件标识
4字节数据，内容为“fmt ”，表示波形格式标识（fmt ），最后一位空格。
4字节数据，内容为一个整数，表示PCMWAVEFORMAT的长度
2字节数据，内容为一个短整数，表示格式种类（值为1时，表示数据为线性PCM编码）
2字节数据，内容为一个短整数，表示通道数，单声道为1，双声道为2
4字节数据，内容为一个整数，表示采样率，比如44100
4字节数据，内容为一个整数，表示波形数据传输速率（每秒平均字节数），大小为 采样率 * 通道数 * 采样位深
2字节数据，内容为一个短整数，表示DATA数据块长度，大小为 通道数 * 采样位深
2字节数据，内容为一个短整数，表示采样位数，即PCM位宽，通常为8位或16位
4字节数据，内容为“data”，表示数据标记符
4字节数据，内容为一个整数，表示接下来声音数据的总大小
/**
* 播放合成后的wav文件
*
* @param filePath 文件的绝对路径
*/
public void play(final String filePath) {
audioTrack.play();
cachedThreadPool.execute(new Runnable() {
@Override
public void run() {
File file = new File(filePath);
FileInputStream fis = null;
try {
fis = new FileInputStream(file);
} catch (FileNotFoundException e) {
e.printStackTrace();
}
byte[] buffer = new byte[bufferSizeInBytes];
while (fis != null) {
try {
int readCount = fis.read(buffer);
if (readCount == AudioTrack.ERROR_INVALID_OPERATION || readCount == AudioTrack.ERROR_BAD_VALUE) {
continue;
}
if (readCount != 0 && readCount != -1) {
audioTrack.write(buffer, 0, readCount);
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
});
}
/**
* 释放audioTrack
*/
public void releaseAudioTrack(){
if (audioTrack == null) {
return;
}
if (audioTrack.getPlayState() != AudioTrack.PLAYSTATE_STOPPED) {
audioTrack.stop();
}
audioTrack.release();
audioTrack = null;
}
此处释放的资源，主要是audioTrack对象，在这之前已经释放过一次资源，上一次释放的为audioRecord对象相关。
/**
* 重置，删除所有的pcm文件
*/
private boolean isReset = false;
public void setReset() {
isReset = true;
}
主要通过设置 isReset 参数来实现重置，此操作就是执行停止的操作，在停止的过程中做判断，把录制好的文件都删除，不在走合并和转码的过程，以此来达到重置的效果。
本篇就先到这里，后续还会有一篇讲解这过程中遇到的问题和解决方式。
微信扫我
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent