windows音频处理

 

WINDOWS下对音频的处理过程

WINDOWS 下对音频的处理，大致可分为两部分，即音频的输入、输出，和 ACM 压缩处理。

　　一般情况下在 WINDOWS 下可以调用诸如 sndPlaySound 等 API(MCI) 来播放一个 WAV 文件，但那显然不是我们需要做的。必须能够直接对音频数据流进行处理。在 WINDOWS 下，也为之提供了一系列的 API ，以 waveIn 和 waveOut 开头的一组 API 就是干这个的。

　　先说输入吧。常用的相关 API 为 waveInOpen （打开一个音频输入设备）、 waveInPrepareHeader （为一个即将在 waveInAddBuffer 中调用的输入缓冲区准备头部）、 waveInAddBuffer （添加一个输入用的数据缓冲区）、 waveInStart （开始录音）、 waveInClose （关闭音频输入设备）等几个，以及需要在 waveInOpen 中指定的一个回调函数或者线程，其作用是在一个数据缓冲区被录满后被调用，以对这些数据进行处理，和其他一些相关的操作。

　　首先你得确定一下需要用什么回调方式，即在某个时间片的音频数据被录完后， Windows 将通过这个回调来激活对这些数据的处理过程，一般用到的无非是 FUNCTION 、 THREAD 和 EVENT 这几类，而比较方便简单的就是 FUNCTION 和 THREAD 了。 FUNCTION 方式是指 Windows 会调用你这个函数，而 THREAD 则是由 Windows 来激活你所指定的线程。这些都在 waveInOpen 中指定。其函数原型为：

MMRESULT waveInOpen( LPHWAVEIN phwi,
UINT uDeviceID,
LPWAVEFORMATEX pwfx,
DWORD dwCallback,
DWORD dwCallbackInstance,
DWORD fdwOpen
);

　　其中： phwi 是返回的句柄存放地址， uDeviceID 是要打开的音频设备 ID 号，一般都指定为 WAVE_MAPPER 。 dwCallback 则为指定的回调函数或线程等的地址， fdwOpen 指定回调方式， dwCallbackInstance 为需要向回调 函数或线程送入的用户参数。至于那个 pwfx ，则比较关键，它指定了要以什么音频格式打开音频输入设备， 它是一个结构 WAVEFORMATEX ：
typedef struct { WORD wFormatTag;
WORD nChannels;
DWORD nSamplesPerSec;
DWORD nAvgBytesPerSec;
WORD nBlockAlign;
WORD wBitsPerSample;
WORD cbSize;
} WAVEFORMATEX;
　　机器上的 WIN9X 安装时选择了音频压缩，可以在 wFormatTag 中指定一些压缩的音频格式，如 G723.1 ， TURE DSP ，等之类。不过一般都是选用 WAVEFORMAT_PCM 格式，即未压缩的音频格式，至于压缩，可以在录完后调用下面将要谈到的 ACM 单独进行。
　　 nChannels 为声道数， 1 或者 2 。 nSamplesPerSec 为每秒采样数， 8000 、 11025 、 22050 、 44100 为几个标准值，其他的非标准值我倒没试过行不行。 nAvgBytesPerSec 为每秒平均的字节数，在 PCM 方式中就等于 nChannels*nSamplesPerSec*wBitsPerSample/8 ，但对于其它的压缩的音频格式，由于很多压缩方式是按时间片进行的，如 G723.1 ，就是以 30ms 为一个压缩单位，这样， nAvgBytesPerSec 只是一个大概的数字，并不准确，程序中的计算是不应该以这个量为准的。这一点在下面的压缩音频输出和 ACM 音频压缩中非常重要。 nBlockAlign 是一个比较特殊的值，表示对音频处理时的最小处理单位，对于 PCM 非压缩，它就是 wBitsPerSample*nChannels/8 ，而对于非压缩格式，则表示压缩 / 解压处理的最小单位了，如 G723.1 ，就是 30ms 的数据大小（ 20bytes 或者 24bytes ）。 wBitsPerSample 就是每采样值的位数， 8 或者 16 。 cbSize 则是表示该 WAVEFORMATEX 的结构在标准的头部之后还有多少字节数，对于很多非 PCM 的音频格式，有一些自己的定义格式参数，这些就紧跟在标准的 WAVEFORMATEX 后面，其大小就由 cbSize 指定。对于 PCM 格式而言，为 0 ，或者忽略不检查。

　　这样，指定了这些参数后，你应该就能够打开音频输入设备了。下面要做的事情就是准备几个用做录音的缓冲区。常准备多个缓冲区，并在回调中循环使用。另外，还得考虑好录得的音频数据放哪儿，比如一个临时文件，就得准备好文件的句柄。对于缓冲区，得使用 waveInPerpareHeader 准备一下头部，这个 API 比较简单，如果你是循环使用缓冲区，对每个缓冲区也只需要调用一次 waveInPrepareHeader 。

　　一切准备好之后，就可以调用 waveInAddBuffer 和 waveInStart 开始录音了，只要你一调用这个 waveInStart ，录音就开始了，即使这个缓冲区录满之后你没有加入新的缓冲区进去，录音也不会停，只是这中间的语音数据全都丢了。当通过 waveInAddBuffer 送入的缓冲区被录满后， Windows 就会通过你在 waveInOpen 中指定的方式进行回调，在回调中把录好的语音数据取出来，并且，如果还想继续录音的话，得将下一个缓冲区添加进去。考虑到这个处理是有时间延迟的，而且音频对时间很敏感，一般都要先预加入若干个缓冲区，比如，一共定义了 8 个缓冲区，而为了保险起见，最好保证任一时刻至少有 3 个缓冲区可被录音使用，那么在开始录音时，则先加入 4 个缓冲区，然后在回调中，如果当前录好的缓冲区第 n 个，则对第 (n+4)%8 调用 waveInAddBuffer ，这时，还有第 (n+1)%8,(n+2)%8, (n+3)%8 这三个缓冲区可用，即基本上就可以保证所录得音频中不会有断开的间隔。

　　想结束录音时，最好在 waveInClose 之前调用一下 waveInReset ，这样可以清掉尚在等待录音的缓冲区，同时在回调中还必须注意一下送入参数中的消息种类。

　　音频输出部分相对简单一点。对应的 API 有 waveOutOpen 、 waveOutPrepareHeader 、 waveOutWrite 以及 waveOutClose 。如果希望直接输出压缩格式的音频的话，必须注意 waveOutOpen 中指定的音频格式参数。你必须很清楚这类格式的具体参数及其含义。不过，你可以通过下面说到的 ACM （ Audio Compress Manager ）得到你需要的音频格式的具体参数，这个格式参数可以直接用于 waveOutOpen 。如同音频的输入， waveOutPrepareHeader 也是必需的。 waveOutWrite 则是填入输出缓冲区，为了避免间断，也应该保证某一时刻缓冲区队列中数目足够。



　　如果安装 WIN98 时在附件中选择了音频压缩，那么机器上的 ACM 就可用了。 ACM 为 Audio Compress Manager 。 WIN98 提供了一些常用的音频压缩算法程序包，供用户调用。可以通过 ACM 获得本机上所有的音频压缩驱动及其所支持的音频格式。不过，似乎不是每种 ACM 格式都能被调用来进行压缩 , 不过 ACM 中的压缩驱动大多都是针对语音频段，如果用来压缩频带较宽的音频，如音乐，则效果很差 .