
聲音本質上是波,頻率與振幅是描述波的兩個關鍵屬性:頻率對應我們平常說的音高,振幅則決定音量大小。頻率單位是赫茲(Hz),也就是每秒的循環次數。人耳可聽的範圍大約是 20Hz 到 20000Hz,低於此為次聲波,高於此為超聲波。
數位錄音最關鍵的一步,是把類比訊號轉成數位訊號——對電腦來說,就是把類比聲音錄製成音訊檔。
描述一個音訊檔主要有兩個指標:採樣頻率(簡稱採樣率)與採樣精度(也就是位元率)。
採樣指的是把時間或空間上的連續量轉成離散量的過程,每秒取樣的次數就是採樣頻率。採樣率越高,數位化後的波形越接近原始聲音、保真度越好,但資料量也越大。依採樣定理,只有當採樣率高於訊號最高頻率的兩倍時,才能把離散訊號唯一地還原成原本的聲音。最常用的是 44.1kHz,代表每秒取樣 44100 次。
位元率則是每秒傳輸的 bit 數,單位是 bps。位元率越高,傳輸越快。在音訊裡,位元率代表把類比聲音轉成數位後單位時間的二進位資料量;它其實對應振幅表現,位元率越大,能表達的響度層次就越細緻。
接著整體看一下 iOS 提供的核心音訊技術。
Core Audio 是 iOS 與 Mac 進行數位音訊處理的基礎,提供了一組供 App 處理音訊的框架。可以說,iOS 上所有音訊開發介面,不是由 Core Audio 直接提供,就是對它進行封裝。官方說法是集播放、音訊處理與錄製於一體的專業技術:我們的程式能同時錄製與播放一個或多個音訊流,自動適配耳機、藍牙耳機等硬體,回應來電、靜音、震動等各種中斷,甚至能做出 3D 效果的音樂播放。
Core Audio 底下有五個框架:
Core Audio.framework
AudioToolbox.framework
AudioUnit.framework
AVFoundation.framework
OpenAL.framework
其中 Core Audio.framework 本身不提供服務,只提供其他框架要用的標頭檔與資料型別。而 AVFoundation 提供了一組用 Objective-C 類別來播放、錄製與管理聲音及影片內容的 API,下面我們就聚焦在它。
錄製與播放主要牽涉三個類別:AVAudioSession、AVAudioRecorder、AVAudioPlayer。
AVAudioSession 由 AVFoundation 引入。每個 iOS App 都有一個音訊工作階段,可以透過類別方法取得:
AVAudioSession *audioSession = [AVAudioSession sharedInstance];
拿到實例之後,呼叫 setCategory:error: 就能從 iOS 提供的各種類別中挑一個合適的行為模式。
使用 AVAudioRecorder 錄音前需要先設定一組參數,下面的程式碼把常用參數都註解清楚了:
// 音訊開始錄制
- (void)startRecordWithFilePath:(NSString *)path {
[[AVAudioSession sharedInstance] setCategory:AVAudioSessionCategoryPlayAndRecord error:nil];
[[AVAudioSession sharedInstance] setActive:YES error:nil];
/**
* AVFormatIDKey 音樂格式,這裡採用 PCM
* AVSampleRateKey 採樣率
* AVNumberOfChannelsKey 通道數
* AVLinearPCMBitDepthKey 採樣位數,預設 16
* AVLinearPCMIsFloatKey 採樣信號是整數還是浮點數
* AVLinearPCMIsBigEndianKey 大端還是小端,即記憶體的組織方式
* AVEncoderAudioQualityKey 音訊編碼品質
*/
NSDictionary *recordSetting = @{
AVFormatIDKey : @(kAudioFormatLinearPCM),
AVSampleRateKey : @(8000.f),
AVNumberOfChannelsKey : @(1),
AVLinearPCMBitDepthKey : @(16),
AVLinearPCMIsNonInterleaved : @NO,
AVLinearPCMIsFloatKey : @NO,
AVLinearPCMIsBigEndianKey : @NO
};
// 初始化錄音
self.recorder = [[AVAudioRecorder alloc] initWithURL:[NSURL URLWithString:path]
settings:recordSetting
error:nil];
_recorder.delegate = self;
_recorder.meteringEnabled = YES;
[_recorder prepareToRecord];
[_recorder record];
}
// 音訊停止錄制
- (void)stopRecord {
[self.recorder stop];
self.recorder = nil;
}AVAudioPlayer 負責播放,一個實例只能播一個音訊檔。想混音就建立多個實例,每個相當於混音軌上的一軌:
// 音訊開始播放
- (void)startPlayAudioFile:(NSString *)fileName {
// 初始化播放器
player = [[AVAudioPlayer alloc] init];
player = [player initWithContentsOfURL:[NSURL URLWithString:fileName] error:nil];
self.player.delegate = self;
[player play];
}
// 音訊停止播放
- (void)stopPlay {
if (self.player) {
[self.player stop];
self.player.delegate = nil;
self.player = nil;
}
}上面我們在 iOS 錄出了一個 WAV 檔,但問題來了:Android 不支援 WAV,而 Apple 的格式 Android 幾乎全不支援;反過來,Android 的格式 Apple 基本上也不支援。
一種解法是讓伺服器轉碼,但這會增加伺服器負擔。另一種更划算的做法是讓客戶端自己轉。AMR 是 Android 系統預設的錄音格式,也是 Android 支援得最順手的音訊格式之一,所以我們把 iOS 錄出的 WAV 轉成 AMR,這裡用的是 libopencore 框架。
關於 libopencore,Jeans 做了一個很不錯的 Demo,有興趣可以參考他的「iOS 音訊格式 AMR 和 WAV 互轉(支援 64 位)」。在 AmrWavConverter 這份程式碼裡,兩個方向的轉換都封裝好了:
// 轉換 amr 到 wav
+ (int)ConvertAmrToWav:(NSString *)aAmrPath wavSavePath:(NSString *)aSavePath {
if (! DecodeAMRFileToWAVEFile([aAmrPath cStringUsingEncoding:NSASCIIStringEncoding],
[aSavePath cStringUsingEncoding:NSASCIIStringEncoding])) {
return 0;
}
return 1;
}
// 轉換 wav 到 amr
+ (int)ConvertWavToAmr:(NSString *)aWavPath amrSavePath:(NSString *)aSavePath {
if (! EncodeWAVEFileToAMRFile([aWavPath cStringUsingEncoding:NSASCIIStringEncoding],
[aSavePath cStringUsingEncoding:NSASCIIStringEncoding], 1, 16)) {
return 0;
}
return 1;
}我也照著這篇寫了一個 Demo:PLAudio。轉載請附上原文位址 https://www.coderyi.com/archives/722 。