利用DirectSound实现声卡录音

摘要：本文详细讲述了如何利用DirectSound对经过声卡和麦克风的数据进行捕获，进行录音，并保存为wave格式的文件。

　　曾经学习过Directshow的开发，对于Dsound一直没有仔细的学习，以前只是知道Dsound是做音频开发的，我一直以为它和Dshow的结构体系差不多，经过仔细学习后，发现，其实他们完全两码事。DirectSound虽然也基于COM，但不象Dshow那样多个的filter组成链表。
　　闲话少说，下面我们看看DirectSound到底能帮我们做些什么。

　　1、播放WAVE格式的音频文件或者资源。

　　2、可以同时播放多个音频。

　　3、Assign high-priority sounds to hardware-controlled buffers

　　4、播放3D立体声音

　　5、在声音中添加特技效果，比如回声，动态的改变特技的参数等

　　6、将麦克风或者其他音频输入设备的声音录制成wave格式的文件

　　DirectSound就能做这么多事情，到这里，我都有点怀疑DirectSound是不是就是封装了mmio系列和wav系列的函数。因为这些底层的API也能够完成这些事情。这里我们主要讨论一下，如果使用Directsound进行录音，并保存成wave格式的文件。

　　在开始工作之前，要先介绍DirectSound录音用到的三个非常重要的对象：

　　·IDirectSoundCapture8 ，设备对象，根据你录音的设备创建的设备对象，利用该对象可以获取设备的属性。

　　·IDirectSoundCaptureBuffer8，缓冲区对象，该对象由设备对象创建，主要用来操作音频数据

　　·IDirectSoundNotify8 ，事件通知对象，该对象用来通知应用程序从缓冲区中将数据取走，写入文件保存起来。

　　利用DirectSound录音的主要思路，就是先根据选择的录音设备创建设备对象，然后通过设备对象创建辅助缓冲区对象，开始录音的时候，设备将数据写入缓冲区，应用程序主动的从缓冲区将数据读出来写文件即可，就实现了录音功能。这里简单介绍一下dsound的通知功能，应用程序会创建一个通知对象，然后将通知对象邦定，然后设定通知位置（position），什么是通知位置呢，比如缓冲区的大小为4000字节，如果你想当数据达到缓冲区一半的时候能得到通知开始copy数据，那么此时你就可以将通知位置设定为2000，通知位置可以任意的设定，当缓冲区的数据达到你设定的位置时，就会通知应用程序将缓冲区的数据copy到文件中，缓冲区是循环利用的，当缓冲区填充满了以后，就会从头开始充填数据，所以，缓冲区就是一边读，一边写的过程。

　　下面我讲一下录音的主要步骤，可以使大家的思路更清晰一些

　　1、枚举录音的设备

　　2、根据选择的设备创建设备对象

　　3、利用设备对象创建缓冲区对象

　　4、设置通知机制

　　5、创建工作线程，用来将缓冲区的数据写入文件。

　　先来定义一下用到的数据

　　LPDIRECTSOUNDCAPTURE8 g_pDSCapture = NULL;//设备对象指针 
　　LPDIRECTSOUNDCAPTUREBUFFER g_pDSBCapture = NULL;//缓冲区对象指针
　　LPDIRECTSOUNDNOTIFY8 g_pDSNotify = NULL;//用来设置通知的对象接口

　　GUID g_guidCaptureDevice = GUID_NULL; //设备id
　　BOOL g_bRecording = FALSE; //是否正在录音
　　WAVEFORMATEX g_wfxInput; //输入的音频格式

　　DSBPOSITIONNOTIFY g_aPosNotify[ NUM_REC_NOTIFICATIONS + 1 ]; //设置通知标志的数组
　　HANDLE g_hNotificationEvent; //通知事件 
　　BOOL g_abInputFormatSupported[20];
　　DWORD g_dwCaptureBufferSize; //录音用缓冲区的大小
　　DWORD g_dwNextCaptureOffset;//偏移位置
　　DWORD g_dwNotifySize;// 通知位置
　　CWaveFile* g_pWaveFile;//

　　枚举录音的设备

　　如果你的程序只是想从用户缺省的设备上进行声音的录制，那么就没有必要来枚举出系统中的所有录音的设备，当你调用DirectSoundCaptureCreate8 或者另外一个函数DirectSoundFullDuplexCreate8的时候，其实就默认指定了一个缺省的录音设备。

　　当然，在下面的情况下，你就必须要枚举系统中所有的设备，例如，你的应用程序并不支持所有的输出设备，或者你的应用程需要两个或者多个设备，或者你希望用户自己来选择输出设备。

　　枚举设备，你首先要定义一个回调函数，这个回调函数可以被系统中的每个设备来调用，你可以在各函数做任何事情，这个函数的命名也没有任何的限制，但是函数应该以DSEnumCallback为原型，如果枚举没有结束，这个回调函数就返回TRUE，如果枚举结束，例如你找到合适的设备，这个函数就要返回FALSE。

　　下面是回调函数的一个例子，这个函数将枚举的每一个设备都添加到一个combox中，将设备的GUID保存到一个item 中，这个函数的前三个参数由设备的驱动程序提供，第四个参数有DirectSoundCaptureEnumerate函数提供，这个参数可以是任意的32位值，这个例子里是combox的句柄，

　　BOOL CALLBACK DSEnumProc(LPGUID lpGUID, 
　　LPCTSTR lpszDesc,
　　LPCTSTR lpszDrvName, 
　　LPVOID lpContext )
　　{
　　HWND hCombo = (HWND)lpContext;
　　LPGUID lpTemp = NULL;

　　if (lpGUID != NULL) // NULL only for "Primary Sound Driver".
　　{
　　if ((lpTemp = (LPGUID)malloc(sizeof(GUID))) == NULL)
　　{
　　return(TRUE);
　　}
　　memcpy(lpTemp, lpGUID, sizeof(GUID));
　　}
　　//下面的代码主要主要是将设备添加到CComboBox，其实你完全直接将CComboBox指针传递过来，直接的添加，这里采用的是给combox窗口发送消息的方法，
　　ComboBox_AddString(hCombo, lpszDesc);
　　ComboBox_SetItemData(hCombo, 
　　ComboBox_FindString(hCombo, 0, lpszDesc),
　　lpTemp );
　　free(lpTemp);
　　return(TRUE);
　　}

　　枚举设备通常都是在对话框初始化的时候才进行的，我们假设hCombo就是combox句柄，hDlg就对话框的句柄，看看我们怎么来枚举设备的吧。

　　if (FAILED(DirectSoundCaptureEnumerate ((LPDSENUMCALLBACK)DSEnumProc,
　　(VOID*)&hCombo)))
　　{
　　EndDialog(hDlg, TRUE);
　　return(TRUE);
　　}

　　在这个例子中，combox的句柄作为参数传递到DirectSoundEnumerate函数中，然后又被传递到回调函数中，这个参数你可以是你想传递的任意的32位值。

　　注：第一个被枚举的设备通常称为Primary sound driver，并且回调函数的lpGUID为NULL，这个设备就是用户通过控制面板设置的缺省的录音声音设备，创建设备对象

　　你可以通过DirectSoundCaptureCreate8或者DirectSoundFullDuplexCreate8函数直接创建设备对象，该函数返回一个指向IDirectSoundCapture8接口的指针

　　if( FAILED( hr = CoInitialize(NULL) ) )
　　return hr;
　　if(pDeviceGuid)
　　{
　　　if(FAILED( hr = DirectSoundCaptureCreate(pDeviceGuid,&g_pDSCapture,NULL)))
　　　　return hr;
　　}
　　else
　　{
　　　if(FAILED(hr= DirectSoundCaptureCreate(&DSDEVID_DefaultCapture ,&g_pDSCapture,NULL)))
　　　　return hr 
　　}

　　其中pDeviceGuid是从枚举的combox中选择的设备的ID。

　　现在创建了设备对象你可以通过IDirectSoundCapture8::GetCaps方法来获取录音设备的性能，这个函数的参数是一个DSCCAPS类型的结构，在传递这个参数之前，一定要初始化该结构的dwSize成员变量。同时，你可以通过这个结构返回设备支持的声道数，以及类似WAVEINCAPS结构的其他设备属性

　　创建录音的缓冲区对象

　　我们可以通过IDirectSoundCapture8::CreateCaptureBuffer来创建一个录音的buffer对象，这个函数的一个参数采用DSCBUFFERDESC类型的结构来说明buffer的一些特性，这个结构的最后一个成员变量是一个WAVEFORMATEX结构，这个结构一定要初始化成泥需要的wav格式。说明一下，如果你的应用程序一边播放的同时进行录制，如果你录制的buffer格式和你的主缓冲buffer不一样，那么你创建录制buffer对象就会失败，原因在于，有些声卡只支持一种时钟，不能同时支持录音和播放同时以两种不同的格式进行。

　　下面的函数，演示了如何创建一个录音的buffer对象，这个buffer对象能够处理1秒的数据，注意，这里传递的录音设备对象参数一定要通过DirectSoundCaptureCreate8来创建，而不是早期的DirectSoundCaptureCreate接口，否则，buffer对象不支持IDirectSoundCaptureBuffer8接口。

　　HRESULT CreateCaptureBuffer(LPDIRECTSOUNDCAPTURE8 pDSC, 
　　LPDIRECTSOUNDCAPTUREBUFFER8* ppDSCB8)
　　{
　　　HRESULT hr;
　　　DSCBUFFERDESC dscbd;
　　　LPDIRECTSOUNDCAPTUREBUFFER pDSCB;
　　　WAVEFORMATEX wfx ={WAVE_FORMAT_PCM, 2, 44100, 176400, 4, 16, 0};
　　　// wFormatTag, nChannels, nSamplesPerSec, mAvgBytesPerSec,
　　　// nBlockAlign, wBitsPerSample, cbSize

　　　if ((NULL == pDSC) || (NULL == ppDSCB8)) return E_INVALIDARG;
　　　dscbd.dwSize = sizeof(DSCBUFFERDESC);
　　　dscbd.dwFlags = 0;
　　　dscbd.dwBufferBytes = wfx.nAvgBytesPerSec;
　　　dscbd.dwReserved = 0;
　　　dscbd.lpwfxFormat = &wfx; //设置录音用的wave格式
　　　dscbd.dwFXCount = 0;
　　　dscbd.lpDSCFXDesc = NULL;

　　　if (SUCCEEDED(hr = pDSC->CreateCaptureBuffer(&dscbd, &pDSCB, NULL)))
　　　{
　　　　hr = pDSCB->QueryInterface(IID_IDirectSoundCaptureBuffer8, (LPVOID*)ppDSCB8);
　　　　pDSCB->Release(); 
　　　}
　　　return hr;
　　}

　　你可以通过IDirectSoundCaptureBuffer8::GetCaps方法来获取录音buffer的大小，但一定要记得初始化DSCBCAPS结构类型参数的dwSize成员变量。

　　为了获取buffer中数据的格式，你可以通过IDirectSoundCaptureBuffer8::GetFormat.方法来获取buffer中的数据格式，这个函数通过WAVEFORMATEX结构返回音频数据的信息，如果我们想知道一个录音buffer目前的状态如何，可以通过IDirectSoundCaptureBuffer8::GetStatus来获取，这个函数通过一个DWORD类型的参数来表示该buffer是否正在录音，
　　IDirectSoundCaptureBuffer8::GetCurrentPosition方法可以获取buffer中read指针和录制指针的偏差。Read指针指向填充到该buffer中的数据的最末端，capture指针则指向复制到硬件的数据的末端，你read指针指向的前段数据都是安全数据，你都可以安全的复制。

　　录音buffer对象通知机制

　　为了安全的定期的从录音buffer中copy数据，你的应用程序就要知道，什么时候read指针指向了特定的位置，一个方法是通过IDirectSoundCaptureBuffer8::GetCurrentPosition.方法来获取read指针的位置，另外一个更有效的方法采用通知机制，通过IDirectSoundNotify8::SetNotificationPositions方法，你可以设置任何一个小于buffer的位置来触发一个事件，切记，当buffer正在running的时候，不要设置。

　　如何来设置一个触发事件呢，首先要得到IDirectSoundNotify8接口指针，你可以通过buffer对象的QuerInterface来获取这个指针接口，对于你指定的任何一个position，你都要通过CreateEvent方法，创建一个win32内核对象， 然后将内核对象的句柄赋给DSBPOSITIONNOTIFY结构的hEventNotify成员，通过该结构的dwOffset来设置需要通知的位置在buffer中的偏移量。

　　最后将这个结构或者结构数组，传递给SetNotificationPositions函数，下面的例子设置了NUM_REC_NOTIFICATIONS个通知，当position达到g_dwNotifySize时会触发一个通知，依次类推。

　　HRESULT InitNotifications() 
　　{
　　　HRESULT hr ;
　　　g_hNotificationEvent = CreateEvent(NULL,FALSE,FALSE,NULL); //创建事件
　　　if(g_pDSBCapture == NULL)
　　　　return E_FAIL;
　　　if(FAILED(hr = g_pDSBCapture ->QueryInterface(IID_IDirectSoundNotify,(VOID**)&g_pDSNotify)))
　　　　return hr;

　　　for( INT i = 0; i < NUM_REC_NOTIFICATIONS; i++ )
　　　{
　　　　g_aPosNotify[i].dwOffset = (g_dwNotifySize * i) + g_dwNotifySize - 1;
　　　　g_aPosNotify[i].hEventNotify = g_hNotificationEvent; 
　　　}

　　　if(FAILED( hr =g_pDSNotify->SetNotificationPositions( NUM_REC_NOTIFICATIONS, g_aPosNotify ) ) )
　　　　return hr;
　　　return S_OK;
　　} 

　　创建工作线程，用来将缓冲区的数据写入文件

　　::CreateThread(NULL,0,ThreadRecord,this,0,NULL);

　　看看线程内的工作吧

　　DWORD WINAPI ThreadRecord(LPVOID lpParameter) 
　　{ 
　　　DWORD dwResult =0;
　　　g_bRecording = TRUE;
　　　while(g_bRecording)
　　　{
　　　　dwResult = WaitForMultipleObjects(1, &g_hNotificationEvent,FALSE,INFINITE );
　　　　switch( dwResult )
　　　　{
　　　　　case WAIT_OBJECT_0 + 0:
　　　　　　RecordCapturedData();
　　　　} 
　　　}
　　　return 0;
　　}

　　这个线程一直在等待通知事件的触发，当缓冲区的数据填充到设定的位置时就会触发线程，这里主要有一个函数RecordCaptureedData（）。这个函数主要做了下面的事情：

　　1) 调用IDirectSoundCaptureBuffer8::Start使buffer对象开始工作，通过你要给这个函数dwFlags传递一个DSCBSTART_LOOPING参数，注意，buffer就会不停工作，而不是当buffer填充满了就停止工作，当缓冲区满了后，就会从头重新填充。

　　2) 等待你期望的事件通知，当buffer被填充到某个你期望的位置时，会触发通知。

　　3) 当你收到通知的时，你就要调用IDirectSoundCaptureBuffer8::Lock来锁住bufer的一部份，切记，不要将capture指针指向的内存锁住，你可以调用IDirectSoundCaptureBuffer8::GetCurrentPosition方法来获取read指针的位置。在传递给Lock函数的参数中，你一定要指定内存的大小和偏移量，这个函数会返回你锁住的内存的起始地址，以及block的大小。

　　4) 在锁住的内存中复制data。

　　5) 复制完成后要记得IDirectSoundCaptureBuffer8::Unlock方法来解锁内存。

　　6)在你停止录音之前，你可以反复的重复2~5步骤，如果你想停止录音了，你可以调用IDirectSoundCaptureBuffer8::Stop方法。 将录音写入wav文件WAV文件是采用RIFF格式的文件，在文件中包含一系列的chunks，来描述头信息和数据信息，win32API提供一套mmio系列函数用来操作RIFF格式的文件，但是Directsound并没有提供读写wav格式文件的函数，但是，Directsound里封装了一个CWaveFile类用来操作wav文件，可以通过open来写入文件的头信息，write来写入文件的数据，close函数写入文件的长度，关闭文件。你可以在DirectSound的路径下找到这个类的定义(SDK root)\samples\C++\Common\Src\Dsutil.cpp。

　　下面是代码，如何创建一个wav格式的文件

　　CWaveFile g_pWaveFile;
　　WAVEFORMATEX wfxInput;

　　ZeroMemory( &wfxInput, sizeof(wfxInput));
　　wfxInput.wFormatTag = WAVE_FORMAT_PCM;
　　wfxInput.nSamplesPerSec = 22050
　　wfxInput.wBitsPerSample = 8; 
　　wfxInput.nChannels = 1;
　　wfxInput.nBlockAlign = 
　　wfxInput.nChannels * (wfxInput.wBitsPerSample / 8);
　　wfxInput.nAvgBytesPerSec = 
　　wfxInput.nBlockAlign * wfxInput.nSamplesPerSec;

　　g_pWaveFile = new CWaveFile;
　　if (FAILED(g_pWaveFile->Open("mywave.wav", &wfxInput,
　　WAVEFILE_WRITE)))
　　{
　　g_pWaveFile->Close();
　　}

　　下面的代码就演示了是RecordCapturedData（）函数的完整定义

　　HRESULT CCaptureSoundDlg::RecordCapturedData() 
　　{
　　　HRESULT hr;
　　　VOID *pbCaptureData = NULL;
　　　DWORD dwCaptureLength;
　　　VOID *pbCaptureData2 = NULL;
　　　DWORD dwCaptureLength2;
　　　UINT dwDataWrote;
　　　DWORD dwReadPos;
　　　DWORD dwCapturePos;
　　　LONG lLockSize;

　　　if(g_pDSBCapture == NULL )
　　　　return S_FALSE;

　　　if( NULL == g_pWaveFile )
　　　　return S_FALSE;

　　　if(FAILED( hr = g_pDSBCapture->GetCurrentPosition(&dwCapturePos,&dwReadPos)))
　　　　return hr;

　　　lLockSize = dwReadPos -g_dwNextCaptureOffset;

　　　if( lLockSize < 0 )
　　　　lLockSize += g_dwCaptureBufferSize;

　　　//锁住内存的大小
　　　//这里取模是为了使得我们读取的数据大小为g_dwNotifySize整数倍，这样buffer里剩下的也是notify的倍数
　　　lLockSize -= (lLockSize % g_dwNotifySize);

　　　if( lLockSize == 0 )
　　　　return S_FALSE;

　　　//锁住内存
　　　if( FAILED( hr = g_pDSBCapture->Lock( g_dwNextCaptureOffset, lLockSize, 
　　　　　　&pbCaptureData, &dwCaptureLength, 
　　　　　　&pbCaptureData2, &dwCaptureLength2, 0L ) ) )
　　　　return hr;

　　　// 将内存中的数据拷贝到wave文件中
　　　if( FAILED( hr = g_pWaveFile->Write( dwCaptureLength, (BYTE*)pbCaptureData, 
　　　　　　&dwDataWrote ) ) )
　　　　return hr;

　　　// 移动偏移标志,循环移动
　　　g_dwNextCaptureOffset += dwCaptureLength; 
　　　g_dwNextCaptureOffset %= g_dwCaptureBufferSize; // Circular buffer

　　　if( pbCaptureData2 != NULL )
　　　{
　　　　// 将内存中的数据拷贝到wave文件中
　　　　if( FAILED( hr = g_pWaveFile->Write( dwCaptureLength2, (BYTE*)pbCaptureData2, 
　　　　　　&dwDataWrote ) ) )
　　　　　return hr;

　　　　// 移动偏移标志
　　　　g_dwNextCaptureOffset += dwCaptureLength2; 
　　　　g_dwNextCaptureOffset %= g_dwCaptureBufferSize; // Circular buffer
　　　}

　　　//内存解锁
　　　g_pDSBCapture->Unlock( pbCaptureData, dwCaptureLength, pbCaptureData2, dwCaptureLength2 );

　　　return S_OK;
　　}

　　这里解释一下，IDirectSoundBuffer8：：Lock可能返回两个地址的原因在于你锁定内存的数量是随机的，有时你锁定的区域正好包含buffer的起始点，这时，就会给你返回两个地址，举个例子吧。

　　假设你锁定了30,000字节，偏移位置为20，000字节，也就是开始位置，如果你的缓冲区的大小为40，000字节，此时就会给你返回四个数据：

　　·内存地址的偏移位置20，000，

　　·从偏移位置到buffer的最末端的字节数，也是20，000，你要在第一个地址读取20，000个字节的内容

　　·偏移量为0的地址

　　·从起始点开始的字节数，也就是10，000字节，你要从第二个地址，也就是从0点开始读取10，000字节。

　　如果不包含零点，最后两个数值返回为NULL和0，

　　关于DirectSound对声卡录音就简单介绍介绍到这里，留下msn ：aooang@hotmail.com，欢迎和大家交流，我在天机的blog， 里面有关于DirectSound和DirectShow的不少资料，我翻译了DirectShow和DirectSound的SDK文档，欢迎来信索取，共同学习。

转自http://www.cppblog.com/cyin8/archive/2008/01/18/41404.aspx