Windows使用ffmpeg获取麦克风数据

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

最近突发奇想，既然ffmpeg那么好用，为什么不能拿到Windows上来用呢？由于ffmpeg官方提供的是二进制文件，不是开发库。之前尝试过很多次移植都失败了，当我准备放弃的时候，突然一次意外发现让我重燃希望。所以ffmpeg在windows上到底好不好用呢？让我们拭目以待吧。

OS：WIndows11
ffmpeg：7.0

---

一、安装MSYS2

今天说的这个方法可以说依赖这个环境，而环境的安装我已经在另一篇文章中说过了，这里就不再赘述了。

Windows上MSYS2的安装和使用

二、开始配置

这种方法需要安装ffmpeg，使用mingw64环境。

pacman -S mingw-w64-x86_64-ffmpeg

三、测试代码

绝大多数代码都可以和Linux通用，只有细节部分必须分开来。我们在Linux上可以使用alsa或pulse来获取声音系统；在Windows上可以使用dshow来获取声音系统，windows系统上貌似ffmpeg只支持dshow这一种方式。

ffmpeg_windows.cpp

#include <iostream>
#include <cstdio>

extern "C" {
#include <libavformat/avformat.h>
#include <libavdevice/avdevice.h>
}


/**
 * @author arnold
 * @brief use alsa and default device
 * */
void read_microphone() {
//    av_version_info();
//    av_register_all();//ffmpeg 3.x version
    avdevice_register_all();
    AVFormatContext *fmt_ctx = nullptr;
    auto *input_fmt = const_cast<AVInputFormat *>(av_find_input_format("dshow")); // 音频设备的输入格式，如alsa、pulse等
    const char *dev_name = R"(audio=麦克风阵列 (英特尔® 智音技术))"; // microphone device name
    AVDictionary *format_opts = nullptr;//set stream format options
//    av_dict_set(&format_opts, "sample_rate", "16000", 0);//set audio sample
//    av_dict_set(&format_opts, "sample_size", "16", 0);//set audio sample
//    av_dict_set(&format_opts, "channels", "1", 0);//set audio channel
//    av_dict_set(&format_opts, "fragment_size", "256", 0);//set audio fragment size
    // open audio device
    if (avformat_open_input(&fmt_ctx, dev_name, input_fmt, &format_opts) != 0) {
        printf("can't open input device!\n");
        if (format_opts)
            av_dict_free(&format_opts);
        return;
    }
    if (format_opts)
        av_dict_free(&format_opts);
    //Output Info---
    printf("---------------- File Information ---------------\n");
    av_dump_format(fmt_ctx, 0, dev_name, 0);
    printf("-------------------------------------------------\n");
    // find audio stream info
    if (avformat_find_stream_info(fmt_ctx, nullptr) < 0) {
        printf("can't get audio stream info!\n");
        return;
    }
    int audio_stream_idx = -1;
    // find audio stream index
    for (int i = 0; i < fmt_ctx->nb_streams; i++) {
        if (fmt_ctx->streams[i]->codecpar->codec_type == AVMEDIA_TYPE_AUDIO) {
            audio_stream_idx = i;
            break;
        }
    }
    if (audio_stream_idx == -1) {
        printf("can't find audio stream index!\n");
        return;
    }
    AVPacket packet;
    while (av_read_frame(fmt_ctx, &packet) >= 0) {
        if (packet.stream_index == audio_stream_idx) {
            std::cout << "packet size: " << packet.size << std::endl;
            std::cout << "packet duration: " << packet.duration << std::endl;
        }
        av_packet_unref(&packet);
    }
    avformat_close_input(&fmt_ctx);
}

int main() {
    read_microphone();
    return 0;
}

CmakeLists.txt

cmake_minimum_required(VERSION 3.10)
project(read_microphone)

set(CMAKE_CXX_STANDARD 11)

if (UNIX)
	message(STATUS "OS is UNiX")
	find_package(PkgConfig REQUIRED)
	pkg_check_modules(ffmpeg_lib REQUIRED IMPORTED_TARGET libavformat libavutil libavdevice libavcodec)
	add_executable(ffmpeg_unix ffmpeg_unix.cpp)
	target_link_libraries(ffmpeg_unix PkgConfig::ffmpeg_lib)
	pkg_check_modules(alsa_lib REQUIRED IMPORTED_TARGET alsa)
	add_executable(alsa_bin alsa_lib.cpp)
	target_link_libraries(alsa_bin PkgConfig::alsa_lib)
	add_executable(pcm_2_wav pcm_2_wav.cpp)
	target_link_libraries(pcm_2_wav PkgConfig::alsa_lib PkgConfig::ffmpeg_lib)
elseif (WIN32)
	message(STATUS "OS is Windows")
	find_package(PkgConfig REQUIRED)
	pkg_check_modules(ffmpeg_lib REQUIRED IMPORTED_TARGET libavformat libavutil libavdevice)
	add_executable(ffmpeg_windows ffmpeg_windows.cpp)
	target_link_libraries(ffmpeg_windows PkgConfig::ffmpeg_lib)
endif ()

这种模式下Cmake不需要进行任何更改，和Linux上是一模一样的。唯二的差别就是input_format必须选dshow，device必须是确切的名字才行。这一点和Linux不一样，Linux上可以选default，就是你勾选的默认麦克风，这一点差别还蛮大的。

至于怎么查看Windows上的麦克风设备，请执行以下的命令：

ffmpeg -f dshow -list_devices true -i dummy


[dshow @ 000001765c475840] "HP HD Camera" (video)
[dshow @ 000001765c475840]   Alternative name "@device_pnp_\\?\usb#vid_30c9&pid_0009&mi_00#6&23fdf108&1&0000#{65e8773d-8f56-11d0-a3b9-00a0c9223196}\global"
[dshow @ 000001765c475840] "麦克风阵列 (英特尔® 智音技术)" (audio)
[dshow @ 000001765c475840]   Alternative name "@device_cm_{33D9A762-90C8-11D0-BD43-00A0C911CE86}\wave_{8730737C-26AF-44E6-A535-1A478CFB2509}"
[dshow @ 000001765c475840] "麦克风 (ToDesk Virtual Audio)" (audio)
[dshow @ 000001765c475840]   Alternative name "@device_cm_{33D9A762-90C8-11D0-BD43-00A0C911CE86}\wave_{C8461EAB-1635-4144-BE61-6BDC555C9B16}"

括号里带(audio)都是麦克风设备，带(video)的都是摄像头设备。

命令行测试麦克风：

ffmpeg -f dshow -i audio="麦克风阵列 (英特尔® 智音技术)" -f null -

#或
ffmpeg -f dshow -i audio="@device_cm_{33D9A762-90C8-11D0-BD43-00A0C911CE86}\wave_{8730737C-26AF-44E6-A535-1A478CFB2509}" -f null -

同样的代码里填这两种名字都行，就是不能用default。

四、缺陷

感觉也不算缺陷，但是它就是不支持，看我代码里注释掉的代码。sample_rate可以设置但是不能随便设置，比如32000HZ，44100HZ和48000HZ都是可以的，但是有些需要的16000HZ就不行。

下面的命令报错：

ffmpeg -sample_rate 16000 -f dshow -i audio="@device_cm_{33D9A762-90C8-11D0-BD43-00A0C911CE86}\wave_{8730737C-26AF-44E6-A535-1A478CFB2509}" -f null -

下面的命令可以：

ffmpeg -sample_rate 32000-f dshow -i audio="@device_cm_{33D9A762-90C8-11D0-BD43-00A0C911CE86}\wave_{8730737C-26AF-44E6-A535-1A478CFB2509}" -f null -

实际上WIndows原生的获取麦克风声音的方法也不是都支持随便设置采样率的，感兴趣的可以试试。

问题是同样的硬件alsa和pulse都支持设置16000的采样率，会给出警告但不会报错。虽说，16000的采样率绝大多数场景用不到，但是有些声音识别的算法就用16000的采样率，真的是头疼。如果你知道方法，麻烦你在回复里告诉我，我感激不尽。

当然，也可以通过后期处理来转化解决。毕竟转换声音没有转换图像那么消耗性能。

---

总结

1、美中不足，但是对于快速开发足够了，毕竟我觉得ffmpeg还是比自带的好用一些，不知道是不是错觉。