[Android Audio] AudioTrack

两种模式：

AudioTrack 处理 音频时会分为两种模式 ： 直通 和 非直通。

AudioTrack 场景下，PCM 数据（8bit /16bit/24bit/32bit）被定义为非直通模式 ，非 pcm 数据 (aac/eac3/ac3/pcma/...) 被定义为直通模式。

直通模式是应用层对于平台层如何处理 audio 数据的要求，潜台词是这些数据不要进行任何后期处理，不管音质好坏，直接解码后送到音频输出设备里播放。并不是说直通模式一定是 非pcm 数据，而非直通模式就一定是 pcm 数据，是否直通只是说 应用层对于数据处理的期望。只不过在 Android AudioTrack 中，PCM 数据被划归为非直通模式，非PCM数据被划归为直通模式。

audio frame 的定义：

一起被处理的数据单元叫做帧，比如因为网络原因导致数据分片不能叫做一个帧，因为不会被昨晚一个单元被处理，而是要聚合到一起被处理。音频帧的数据也适用此定义。

frame = 一个采样的字节数 * channelcnt

1）直通模式下，一个字节或者说 8bit 为一个 frame ；即一个字节是一帧。

2）非直通模式下，channle count * nbit / 8 （字节）是一个 frame，比如 双通道16比特采样深度的 pcm 流的 一个 frame 是 2*16/8 = 4 字节。即最小时间单位(采样率的倒数)播放的字节数为一帧。

例：

44100采样率 / 2 channel /16bit采样深度

44100个采样点，占用时间为 1s

44100个frame，占用时间为0.5s

44100个字节，单通道为 22050字节，每个采样点深度为2字节，因此有 22050/2 = 11025 个采样点，占用时间为 11025/44100 = 0.25s

注意：采样率只表示采样次数，和通道数无关。

如果是2通道，那么44100采样率一秒钟的数据量为 44100*2通道*2字节采样深度 = 176400字节。

如果是4声道，那么每一个采样点有 4*2 = 8字节的数据，因此一秒钟的数据量为 44100 * 8 = 352800 字节。

播放时长的计算方式：

Audio 没有 fps 的概念，因此无法通过 总帧数 除以 fps 来获取当前已经播放了多少秒，那么如何获取 audio 当前的时间戳信息呢？ 可以在 audiosink 处记录播放的总 sample 数或者总字节数来计算，audio 是以采样率 sample rate 来作为采样数和时间的关联标准的。

总播放时长 = 总播放采样个数 / 采样率 / 通道数

比如：双通道，已经通过audiosink 播放了4800000个采样点 / 每秒钟采样48000个采样点 / 2  = 共播放50 秒

由于pcm数据是有采样深度的，比如16bit的pcm的每个采样点为2个字节大小，因此也可以通过已经播放的pcm数据的字节数来计算一共播放了多久的audio。

总播放时长 = 总播放字节数 / pcm采样深度 / 采样率 / 通道数

比如：双通道，audiosink播放了 960000 个字节的 16bit pcm 数据，那么相当于播放了 960000/2/2 = 240000 个采样点。那么就相当于播放了 5 秒的数据。