ROS中的声音设置 audio_play

原文链接

ROS中提供了audio_common软件包用于处理声音。其中audio_play是用于声音播放的程序。其参数较多，如果对于音频格式没有一些了解就会比较懵。下面是简单的介绍。

<node name="audio_play" pkg="audio_play" type="audio_play" output="screen" respawn="true" respawn_delay="5"
  >
    <param name="device" value=""/>
    <param name="do_timestamp" value="true"/>
    <param name="format" value="wave"/>
    <param name="channels" value="1"/>
    <param name="sample_rate" value="48000"/>
    <param name="sample_format" value="S16LE" />
    <param name="depth" value="16" />
    <remap from="audio" to="audio/audio_raw" />
    <remap from="voice" to="audio/voice_raw" />
</node>

先从声音格式说起，

format 声音的格式，分为wave和mp3，在程序中这个参数实际上wave并不对应着wav文件格式。如果你直接读取一个wav文件，然后把内容作为消息发布过来是没办法正常播放声音的。wave实际上是PCM格式，mp3是MP3格式。

我们知道声音实际上是震动，声音文件就是把振幅按时间顺序记录下来的文件。其中 channels 是声道。sample_rate 是采样率，就是1秒记录多少个数据，采样率越高声音的质量也对应越高。sample_format是采样数据的记录格式。对于振幅信息，我们可以用int去存储，也可以用float去存储，可以16位存储也可以32位存储。上面的sample_format=S16LE就是说采用S有符号的，16位，LE 小端存储数据。这样记录下来的一串数据就是PCM格式。也就是最原始的音频数据。对于wav文件，需要在这些数据的基础上增加文件头，说明当前的数据格式。比如声道，采样率，采样格式等等。而mp3文件就是把PCM数据进行mp3编码之后的文件。

然后是声音的播放设备
更详细的说明可以参照这里的文档
这也是一个比较麻烦的话题。

设置完成后怎么播放声音呢？

假如我们有一个音频文件，怎么通过audio_play播放出来呢？这时候就需要用gstreamer了。我们需要把音频文件转换成我们设置的pcm格式。下面是使用gstreamer的转换指令

gst-launch-1.0 filesrc location=xxx.wav ! decodebin ! audioconvert ! audio/x-raw, format=S16LE, channels=1 ! audioresample ! audio/x-raw, rate=48000 ! filesink location=/tmp/tts_temp.pcm

xxx.wav是我们的音频文件的名称。上面的指令把xxx.wav音频文件转换成 S16LE, 48000采样率，单声道的pcm文件。文件保存在/tmp/tts_temp.pcm

具体的指令学习可以参照这里的gstreamer教程

设置完成后一般使用已经没有什么问题了，但是当我们把audio_play通过robot_upstart包作为开机启动服务时，有时会出现没有声音的情况。这是audio_play本身的bug。原因就是在启动过程中可能声音设备还没有准备好，这时候播放声音会导致程序错误，而audio_play没有正确的处理这个错误。可以采用这里的修改版本来解决这个问题。