Windows音频管理--第一篇 初识Core Audio API

一、前言

        最近由于公司项目需要实现Windows PC端的音频采集播放功能，本人先前的工作重点都是集中在linux或者MCU直接控制Codec；对于windows上如何发现实现录音和播放功能完全没经验，故硬着头皮开始调查研究。

二、入门

        做过linux上的录音播放软件的朋友应该都知道在linux上采用ALSA作为音频接口，实现录音和播放功能只需要打开对应的PCM设备进行读写即可（其中最重要的操作是配置alsa设备，这个属于驱动工程的内容），那在windows上如何实现呢？

        带着这样的疑问，我们开始找资料，既然是查windows音频相关的内容还是直接在MSDN上进行查找来得踏实靠谱。

        根据MSDN上的文档介绍，从windows vista开始使用Core Audio API接口，并在Window 7中进行大量改进。

Core Audio APIs - Win32 apps | Microsoft Learn

                Core Audio API也是DirectSound、DirectMusic、Windows multimedia waveXxx以及mixXxx、Media Foundation的核心。

 

        从Win7开始，Core Audio API做了大量改进，其中流/会话管理API的添加让APP可以有更多的控制。 

   Core Audio API提供了访问音频端点设备（如头戴式耳机和麦克风）的方法。

        什么是音频端点（audio endpoint device）? 

        个人的理解：物理设备录音/播放功能的软件实现，反映的是硬件设备的逻辑实现。但是并不是说音频端点就是物理设备的抽象，高级应用中我们可以自己构造一个虚拟设备端点。 

        下图是我自己PC上的播放设备端点列表

        

        设备端点支持的音频格式：

      

        可以看到支持32/44.1/48KHz的采样率，16/24位量化深度，最大支持双通道。 

  下图是录音端点列表 

 

下面我们正式开始Windows音频应用开发的学习之旅 

      为什么我选用Core Audio API呢？

About the Windows Core Audio APIs - Win32 apps | Microsoft Learn

• 低延迟
• 高可靠（很多音频功能从内核模式移动到用户模式）
• 更安全（受保护的内容的处理是在一个安全的低特权的进程中处理）
• 音频设备可以赋予不同的系统角色（console、multimedia、communications）
• 对被开发者直接操作的音频端点设备进行软件抽象

什么叫Audio Endpoint Devices?

在windows上面音频设备的术语叫audio endpoint device（端点设备）

 图中的端点设备有扬声器、麦克风、AUX音频输入。

我们在代码中操作的就是这些设备的类对象或者类接口，从而实现我们需要的录音、播放功能。

上图介绍了windows上音频架构，虽然图中只是描述下行流（播放），其实上行流也是类似，只是方向变了。

windows对音频设备支持独占访问和共享访问。其中独占访问是指如果当前设备被打开，其他进程或者客户端无法再次打开它；共享模式就是客户多个进程同时访问，也就是图中的Audio Engine，可以简单的理解为就是这个模块承担了混音器的角色，在后面的博文中会针对共享模式进行更加详细的描述。

其他介绍可以参考User-Mode Audio Components - Win32 apps | Microsoft Learn

此处特别需要说明一下，共享模式在某些场景中特别有用，例如回声消除。

本篇作为扫盲贴，暂且介绍这么多，请关注后续博文。