# iOS AVDemo:音频采集 iOS/Android 客户端开发同学如果想要开始学习音视频开发,最丝滑的方式是对[音视频基础概念知识](https://mp.weixin.qq.com/mp/appmsgalbum?__biz=MjM5MTkxOTQyMQ==&action=getalbum&album_id=2140155659944787969#wechat_redirect)有一定了解后,再借助本地平台的音视频能力上手去实践音视频的`采集 → 编码 → 封装 → 解封装 → 解码 → 渲染`过程,并借助[音视频工具](https://mp.weixin.qq.com/mp/appmsgalbum?__biz=MjM5MTkxOTQyMQ==&action=getalbum&album_id=2216997905264082945#wechat_redirect)来分析和理解对应的音视频数据。 在[音视频工程示例](https://mp.weixin.qq.com/mp/appmsgalbum?__biz=MjM5MTkxOTQyMQ==&action=getalbum&album_id=2273301900659851268#wechat_redirect)这个栏目,我们将通过拆解`采集 → 编码 → 封装 → 解封装 → 解码 → 渲染`流程并实现 Demo 来向大家介绍如何在 iOS/Android 平台上手音视频开发。 这里是第一篇:**iOS 音频采集 Demo**。这个 Demo 里包含以下内容: - 1)实现一个音频采集模块; - 2)实现音频采集逻辑并将采集的音频存储为 PCM 数据; - 3)详尽的代码注释,帮你理解代码逻辑和原理。 ## 1、音频采集模块 首先,实现一个 `KFAudioConfig` 类用于定义音频采集参数的配置。这里包括了:采样率、量化位深、声道数这几个参数。这几个参数的含义在前面介绍声音基础的文章[《声音的表示(3):声音的数字化》](https://mp.weixin.qq.com/s?__biz=MjM5MTkxOTQyMQ==&mid=2257484445&idx=1&sn=a1b2f1c71e54ca5c311fedd561fdee4d&scene=21#wechat_redirect)中有过介绍。 ``` KFAudioConfig.h #import NS_ASSUME_NONNULL_BEGIN @interface KFAudioConfig : NSObject + (instancetype)defaultConfig; @property (nonatomic, assign) NSUInteger channels; // 声道数,default: 2。 @property (nonatomic, assign) NSUInteger sampleRate; // 采样率,default: 44100。 @property (nonatomic, assign) NSUInteger bitDepth; // 量化位深,default: 16。 @end NS_ASSUME_NONNULL_END KFAudioConfig.m #import "KFAudioConfig.h" @implementation KFAudioConfig + (instancetype)defaultConfig { KFAudioConfig *config = [[self alloc] init]; config.channels = 2; config.sampleRate = 44100; config.bitDepth = 16; return config; } @end ``` 接下来,我们实现一个 `KFAudioCapture` 类来实现音频采集。 ``` KFAudioCapture.h #import #import #import "KFAudioConfig.h" NS_ASSUME_NONNULL_BEGIN @interface KFAudioCapture : NSObject + (instancetype)new NS_UNAVAILABLE; - (instancetype)init NS_UNAVAILABLE; - (instancetype)initWithConfig:(KFAudioConfig *)config; @property (nonatomic, strong, readonly) KFAudioConfig *config; @property (nonatomic, copy) void (^sampleBufferOutputCallBack)(CMSampleBufferRef sample); // 音频采集数据回调。 @property (nonatomic, copy) void (^errorCallBack)(NSError *error); // 音频采集错误回调。 - (void)startRunning; // 开始采集音频数据。 - (void)stopRunning; // 停止采集音频数据。 @end NS_ASSUME_NONNULL_END ``` 上面是 `KFAudioCapture` 的接口设计,可以看到这里除了`初始化方法`,主要是有`获取音频配置`以及音频采集`数据回调`和`错误回调`的接口,另外就是`开始采集`和`停止采集`的接口。 在上面的音频采集`数据回调`接口中,我们返回的是 **CMSampleBufferRef**[1] 这个数据结构,这里我们重点介绍一下。官方文档对 `CMSampleBufferRef` 描述如下: > A reference to a CMSampleBuffer. A CMSampleBuffer is a Core Foundation object containing zero or more compressed (or uncompressed) samples of a particular media type (audio, video, muxed, and so on). 即 `CMSampleBufferRef` 是对 **CMSampleBuffer**[2] 的一个引用。所里这里核心的数据结构是 `CMSampleBuffer`,关于它有如下几点需要注意: - `CMSampleBuffer` 则是一个 Core Foundation 的对象,这意味着它的接口是 C 语言实现,它的内存管理是非 ARC 的,需要手动管理,它与 Foundation 对象之间需要进行桥接转换。 - `CMSampleBuffer` 是系统用来在音视频处理的 pipeline 中使用和传递媒体采样数据的核心数据结构。你可以认为它是 iOS 音视频处理 pipeline 中的流通货币,摄像头采集的视频数据接口、麦克风采集的音频数据接口、编码和解码数据接口、读取和存储视频接口、视频渲染接口等等,都以它作为参数。 - `CMSampleBuffer` 中包含着零个或多个某一类型(audio、video、muxed 等)的采样数据。比如: - - 要么是一个或多个媒体采样的 **CMBlockBuffer**[3]。其中可以封装:音频采集后、编码后、解码后的数据(如:PCM 数据、AAC 数据);视频编码后的数据(如:H.264 数据)。 - 要么是一个 **CVImageBuffer**[4](也作 **CVPixelBuffer**[5])。其中包含媒体流中 CMSampleBuffers 的格式描述、每个采样的宽高和时序信息、缓冲级别和采样级别的附属信息。缓冲级别的附属信息是指缓冲区整体的信息,比如播放速度、对后续缓冲数据的操作等。采样级别的附属信息是指单个采样的信息,比如视频帧的时间戳、是否关键帧等。其中可以封装:视频采集后、解码后等未经编码的数据(如:YCbCr 数据、RGBA 数据)。 所以,了解完这些,就知道上面的音频采集`数据回调`接口为什么会返回 `CMSampleBufferRef` 这个数据结构了。因为它通用,同时我们也可以从里面获取到我们想要的 PCM 数据。 ``` KFAudioCapture.m #import "KFAudioCapture.h" #import #import @interface KFAudioCapture () @property (nonatomic, assign) AudioComponentInstance audioCaptureInstance; // 音频采集实例。 @property (nonatomic, assign) AudioStreamBasicDescription audioFormat; // 音频采集参数。 @property (nonatomic, strong, readwrite) KFAudioConfig *config; @property (nonatomic, strong) dispatch_queue_t captureQueue; @property (nonatomic, assign) BOOL isError; @end @implementation KFAudioCapture #pragma mark - Lifecycle - (instancetype)initWithConfig:(KFAudioConfig *)config { self = [super init]; if (self) { _config = config; _captureQueue = dispatch_queue_create("com.KeyFrameKit.audioCapture", DISPATCH_QUEUE_SERIAL); } return self; } - (void)dealloc { // 清理音频采集实例。 if (_audioCaptureInstance) { AudioOutputUnitStop(_audioCaptureInstance); AudioComponentInstanceDispose(_audioCaptureInstance); _audioCaptureInstance = nil; } } #pragma mark - Action - (void)startRunning { if (self.isError) { return; } __weak typeof(self) weakSelf = self; dispatch_async(_captureQueue, ^{ if (!weakSelf.audioCaptureInstance) { NSError *error = nil; // 第一次 startRunning 时创建音频采集实例。 [weakSelf setupAudioCaptureInstance:&error]; if (error) { // 捕捉并回调创建音频实例时的错误。 [weakSelf callBackError:error]; return; } } // 开始采集。 OSStatus startStatus = AudioOutputUnitStart(weakSelf.audioCaptureInstance); if (startStatus != noErr) { // 捕捉并回调开始采集时的错误。 [weakSelf callBackError:[NSError errorWithDomain:NSStringFromClass([KFAudioCapture class]) code:startStatus userInfo:nil]]; } }); } - (void)stopRunning { if (self.isError) { return; } __weak typeof(self) weakSelf = self; dispatch_async(_captureQueue, ^{ if (weakSelf.audioCaptureInstance) { // 停止采集。 OSStatus stopStatus = AudioOutputUnitStop(weakSelf.audioCaptureInstance); if (stopStatus != noErr) { // 捕捉并回调停止采集时的错误。 [weakSelf callBackError:[NSError errorWithDomain:NSStringFromClass([KFAudioCapture class]) code:stopStatus userInfo:nil]]; } } }); } #pragma mark - Utility - (void)setupAudioCaptureInstance:(NSError **)error { // 1、设置音频组件描述。 AudioComponentDescription acd = { .componentType = kAudioUnitType_Output, //.componentSubType = kAudioUnitSubType_VoiceProcessingIO, // 回声消除模式 .componentSubType = kAudioUnitSubType_RemoteIO, .componentManufacturer = kAudioUnitManufacturer_Apple, .componentFlags = 0, .componentFlagsMask = 0, }; // 2、查找符合指定描述的音频组件。 AudioComponent component = AudioComponentFindNext(NULL, &acd); // 3、创建音频组件实例。 OSStatus status = AudioComponentInstanceNew(component, &_audioCaptureInstance); if (status != noErr) { *error = [NSError errorWithDomain:NSStringFromClass(self.class) code:status userInfo:nil]; return; } // 4、设置实例的属性:可读写。0 不可读写,1 可读写。 UInt32 flagOne = 1; AudioUnitSetProperty(_audioCaptureInstance, kAudioOutputUnitProperty_EnableIO, kAudioUnitScope_Input, 1, &flagOne, sizeof(flagOne)); // 5、设置实例的属性:音频参数,如:数据格式、声道数、采样位深、采样率等。 AudioStreamBasicDescription asbd = {0}; asbd.mFormatID = kAudioFormatLinearPCM; // 原始数据为 PCM,采用声道交错格式。 asbd.mFormatFlags = kAudioFormatFlagIsSignedInteger | kAudioFormatFlagsNativeEndian | kAudioFormatFlagIsPacked; asbd.mChannelsPerFrame = (UInt32) self.config.channels; // 每帧的声道数 asbd.mFramesPerPacket = 1; // 每个数据包帧数 asbd.mBitsPerChannel = (UInt32) self.config.bitDepth; // 采样位深 asbd.mBytesPerFrame = asbd.mChannelsPerFrame * asbd.mBitsPerChannel / 8; // 每帧字节数 (byte = bit / 8) asbd.mBytesPerPacket = asbd.mFramesPerPacket * asbd.mBytesPerFrame; // 每个包的字节数 asbd.mSampleRate = self.config.sampleRate; // 采样率 self.audioFormat = asbd; status = AudioUnitSetProperty(_audioCaptureInstance, kAudioUnitProperty_StreamFormat, kAudioUnitScope_Output, 1, &asbd, sizeof(asbd)); if (status != noErr) { *error = [NSError errorWithDomain:NSStringFromClass(self.class) code:status userInfo:nil]; return; } // 6、设置实例的属性:数据回调函数。 AURenderCallbackStruct cb; cb.inputProcRefCon = (__bridge void *) self; cb.inputProc = audioBufferCallBack; status = AudioUnitSetProperty(_audioCaptureInstance, kAudioOutputUnitProperty_SetInputCallback, kAudioUnitScope_Global, 1, &cb, sizeof(cb)); if (status != noErr) { *error = [NSError errorWithDomain:NSStringFromClass(self.class) code:status userInfo:nil]; return; } // 7、初始化实例。 status = AudioUnitInitialize(_audioCaptureInstance); if (status != noErr) { *error = [NSError errorWithDomain:NSStringFromClass(self.class) code:status userInfo:nil]; return; } } - (void)callBackError:(NSError *)error { self.isError = YES; if (error && self.errorCallBack) { dispatch_async(dispatch_get_main_queue(), ^{ self.errorCallBack(error); }); } } + (CMSampleBufferRef)sampleBufferFromAudioBufferList:(AudioBufferList)buffers inTimeStamp:(const AudioTimeStamp *)inTimeStamp inNumberFrames:(UInt32)inNumberFrames description:(AudioStreamBasicDescription)description { CMSampleBufferRef sampleBuffer = NULL; // 待生成的 CMSampleBuffer 实例的引用。 // 1、创建音频流的格式描述信息。 CMFormatDescriptionRef format = NULL; OSStatus status = CMAudioFormatDescriptionCreate(kCFAllocatorDefault, &description, 0, NULL, 0, NULL, NULL, &format); if (status != noErr) { CFRelease(format); return nil; } // 2、处理音频帧的时间戳信息。 mach_timebase_info_data_t info = {0, 0}; mach_timebase_info(&info); uint64_t time = inTimeStamp->mHostTime; // 转换为纳秒。 time *= info.numer; time /= info.denom; // PTS。 CMTime presentationTime = CMTimeMake(time, 1000000000.0f); // 对于音频,PTS 和 DTS 是一样的。 CMSampleTimingInfo timing = {CMTimeMake(1, description.mSampleRate), presentationTime, presentationTime}; // 3、创建 CMSampleBuffer 实例。 status = CMSampleBufferCreate(kCFAllocatorDefault, NULL, false, NULL, NULL, format, (CMItemCount) inNumberFrames, 1, &timing, 0, NULL, &sampleBuffer); if (status != noErr) { CFRelease(format); return nil; } // 4、创建 CMBlockBuffer 实例。其中数据拷贝自 AudioBufferList,并将 CMBlockBuffer 实例关联到 CMSampleBuffer 实例。 status = CMSampleBufferSetDataBufferFromAudioBufferList(sampleBuffer, kCFAllocatorDefault, kCFAllocatorDefault, 0, &buffers); if (status != noErr) { CFRelease(format); return nil; } CFRelease(format); return sampleBuffer; } #pragma mark - Capture CallBack static OSStatus audioBufferCallBack(void *inRefCon, AudioUnitRenderActionFlags *ioActionFlags, const AudioTimeStamp *inTimeStamp, UInt32 inBusNumber, UInt32 inNumberFrames, AudioBufferList *ioData) { @autoreleasepool { KFAudioCapture *capture = (__bridge KFAudioCapture *) inRefCon; if (!capture) { return -1; } // 1、创建 AudioBufferList 空间,用来接收采集回来的数据。 AudioBuffer buffer; buffer.mData = NULL; buffer.mDataByteSize = 0; // 采集的时候设置了数据格式是 kAudioFormatLinearPCM,即声道交错格式,所以即使是双声道这里也设置 mNumberChannels 为 1。 // 对于双声道的数据,会按照采样位深 16 bit 每组,一组接一组地进行两个声道数据的交错拼装。 buffer.mNumberChannels = 1; AudioBufferList buffers; buffers.mNumberBuffers = 1; buffers.mBuffers[0] = buffer; // 2、获取音频 PCM 数据,存储到 AudioBufferList 中。 // 这里有几个问题要说明清楚: // 1)每次回调会过来多少数据? // 按照上面采集音频参数的设置:PCM 为声道交错格式、每帧的声道数为 2、采样位深为 16 bit。这样每帧的字节数是 4 字节(左右声道各 2 字节)。 // 返回数据的帧数是 inNumberFrames。这样一次回调回来的数据字节数是多少就是:mBytesPerFrame(4) * inNumberFrames。 // 2)这个数据回调的频率跟音频采样率有关系吗? // 这个数据回调的频率与音频采样率(上面设置的 mSampleRate 44100)是没关系的。声道数、采样位深、采样率共同决定了设备单位时间里采样数据的大小,这些数据是会缓冲起来,然后一块一块的通过这个数据回调给我们,这个回调的频率是底层一块一块给我们数据的速度,跟采样率无关。 // 3)这个数据回调的频率是多少? // 这个数据回调的间隔是 [AVAudioSession sharedInstance].preferredIOBufferDuration,频率即该值的倒数。我们可以通过 [[AVAudioSession sharedInstance] setPreferredIOBufferDuration:1 error:nil] 设置这个值来控制回调频率。 OSStatus status = AudioUnitRender(capture.audioCaptureInstance, ioActionFlags, inTimeStamp, inBusNumber, inNumberFrames, &buffers); // 3、数据封装及回调。 if (status == noErr) { // 使用工具方法将数据封装为 CMSampleBuffer。 CMSampleBufferRef sampleBuffer = [KFAudioCapture sampleBufferFromAudioBufferList:buffers inTimeStamp:inTimeStamp inNumberFrames:inNumberFrames description:capture.audioFormat]; // 回调数据。 if (capture.sampleBufferOutputCallBack) { capture.sampleBufferOutputCallBack(sampleBuffer); } if (sampleBuffer) { CFRelease(sampleBuffer); } } return status; } } @end ``` 上面是 `KFAudioCapture` 的实现,从代码上可以看到主要有这几个部分: - 1)创建音频采集实例。第一次调用 `-startRunning` 才会创建音频采集实例。 - - 在 `-setupAudioCaptureInstance:` 方法中实现。 - 2)处理音频采集实例的数据回调,并在回调中将数据封装到 `CMSampleBufferRef` 结构中,抛给 KFAudioCapture 的对外数据回调接口。 - - 在 `audioBufferCallBack(...)` 方法中实现回调处理逻辑。 - 其中封装 `CMSampleBufferRef` 用到了 `+sampleBufferFromAudioBufferList:inTimeStamp:inNumberFrames:description:` 方法。 - 3)实现开始采集和停止采集逻辑。 - - 分别在 `-startRunning` 和 `-stopRunning` 方法中实现。注意,这里是开始和停止操作都是放在串行队列中通过 `dispatch_async` 异步处理的,这里主要是为了防止主线程卡顿。 - 4)捕捉音频采集开始和停止操作中的错误,抛给 KFAudioCapture 的对外错误回调接口。 - - 在 `-startRunning` 和 `-stopRunning` 方法中捕捉错误,在 `-callBackError:` 方法向外回调。 - 5)清理音频采集实例。 - - 在 `-dealloc` 方法中实现。 更具体细节见上述代码及其注释。 ## 2、采集音频存储为 PCM 文件 我们在一个 ViewController 中来实现音频采集逻辑并将采集的音频存储为 PCM 数据。 ``` KFAudioCaptureViewController.m #import "KFAudioCaptureViewController.h" #import #import "KFAudioCapture.h" @interface KFAudioCaptureViewController () @property (nonatomic, strong) KFAudioConfig *audioConfig; @property (nonatomic, strong) KFAudioCapture *audioCapture; @property (nonatomic, strong) NSFileHandle *fileHandle; @end @implementation KFAudioCaptureViewController #pragma mark - Property - (KFAudioConfig *)audioConfig { if (!_audioConfig) { _audioConfig = [KFAudioConfig defaultConfig]; } return _audioConfig; } - (KFAudioCapture *)audioCapture { if (!_audioCapture) { __weak typeof(self) weakSelf = self; _audioCapture = [[KFAudioCapture alloc] initWithConfig:self.audioConfig]; _audioCapture.errorCallBack = ^(NSError* error) { NSLog(@"KFAudioCapture error: %zi %@", error.code, error.localizedDescription); }; // 音频采集数据回调。在这里将 PCM 数据写入文件。 _audioCapture.sampleBufferOutputCallBack = ^(CMSampleBufferRef sampleBuffer) { if (sampleBuffer) { // 1、获取 CMBlockBuffer,这里面封装着 PCM 数据。 CMBlockBufferRef blockBuffer = CMSampleBufferGetDataBuffer(sampleBuffer); size_t lengthAtOffsetOutput, totalLengthOutput; char *dataPointer; // 2、从 CMBlockBuffer 中获取 PCM 数据存储到文件中。 CMBlockBufferGetDataPointer(blockBuffer, 0, &lengthAtOffsetOutput, &totalLengthOutput, &dataPointer); [weakSelf.fileHandle writeData:[NSData dataWithBytes:dataPointer length:totalLengthOutput]]; } }; } return _audioCapture; } - (NSFileHandle *)fileHandle { if (!_fileHandle) { NSString *audioPath = [[NSSearchPathForDirectoriesInDomains(NSDocumentDirectory, NSUserDomainMask, YES) lastObject] stringByAppendingPathComponent:@"test.pcm"]; NSLog(@"PCM file path: %@", audioPath); [[NSFileManager defaultManager] removeItemAtPath:audioPath error:nil]; [[NSFileManager defaultManager] createFileAtPath:audioPath contents:nil attributes:nil]; _fileHandle = [NSFileHandle fileHandleForWritingAtPath:audioPath]; } return _fileHandle; } #pragma mark - Lifecycle - (void)viewDidLoad { [super viewDidLoad]; [self setupAudioSession]; [self setupUI]; // 完成音频采集后,可以将 App Document 文件夹下面的 test.pcm 文件拷贝到电脑上,使用 ffplay 播放: // ffplay -ar 44100 -channels 2 -f s16le -i test.pcm } - (void)dealloc { if (_fileHandle) { [_fileHandle closeFile]; } } #pragma mark - Setup - (void)setupUI { self.edgesForExtendedLayout = UIRectEdgeAll; self.extendedLayoutIncludesOpaqueBars = YES; self.title = @"Audio Capture"; self.view.backgroundColor = [UIColor whiteColor]; // Navigation item. UIBarButtonItem *startBarButton = [[UIBarButtonItem alloc] initWithTitle:@"Start" style:UIBarButtonItemStylePlain target:self action:@selector(start)]; UIBarButtonItem *stopBarButton = [[UIBarButtonItem alloc] initWithTitle:@"Stop" style:UIBarButtonItemStylePlain target:self action:@selector(stop)]; self.navigationItem.rightBarButtonItems = @[startBarButton, stopBarButton]; } - (void)setupAudioSession { NSError *error = nil; // 1、获取音频会话实例。 AVAudioSession *session = [AVAudioSession sharedInstance]; // 2、设置分类和选项。 [session setCategory:AVAudioSessionCategoryPlayAndRecord withOptions:AVAudioSessionCategoryOptionMixWithOthers | AVAudioSessionCategoryOptionDefaultToSpeaker error:&error]; if (error) { NSLog(@"AVAudioSession setCategory error."); error = nil; return; } // 3、设置模式。 [session setMode:AVAudioSessionModeVideoRecording error:&error]; if (error) { NSLog(@"AVAudioSession setMode error."); error = nil; return; } // 4、激活会话。 [session setActive:YES error:&error]; if (error) { NSLog(@"AVAudioSession setActive error."); error = nil; return; } } #pragma mark - Action - (void)start { [self.audioCapture startRunning]; } - (void)stop { [self.audioCapture stopRunning]; } @end ``` 上面是 `KFAudioCaptureViewController` 的实现,这里需要注意的是在采集音频前需要设置 **AVAudioSession**[6] 为正确的采集模式。 ## 3、用工具播放 PCM 文件 完成音频采集后,可以将 App Document 文件夹下面的 `test.pcm` 文件拷贝到电脑上,使用 `ffplay` 播放来验证一下音频采集是效果是否符合预期: ``` $ ffplay -ar 44100 -channels 2 -f s16le -i test.pcm ``` 注意这里的参数要对齐在工程代码中设置的`采样率`、`声道数`、`采样位深`。 关于播放 PCM 文件的工具,可以参考[《FFmpeg 工具》第 2 节 ffplay 命令行工具](https://mp.weixin.qq.com/s?__biz=MjM5MTkxOTQyMQ==&mid=2257484831&idx=1&sn=6bab905a5040c46b971bab05f787788b&scene=21#wechat_redirect)和[《可视化音视频分析工具》第 1.1 节 Adobe Audition](https://mp.weixin.qq.com/s?__biz=MjM5MTkxOTQyMQ==&mid=2257484834&idx=1&sn=5dd9768bfc0d01ca1b036be8dd2f5fa1&scene=21#wechat_redirect)。 ## 4、参考资料 [1]CMSampleBufferRef: *https://developer.apple.com/documentation/coremedia/cmsamplebufferref/* [2]CMSampleBuffer: *https://developer.apple.com/documentation/coremedia/cmsamplebuffer-u71* [3]CMBlockBuffer: *https://developer.apple.com/documentation/coremedia/cmblockbuffer-u9i* [4]CVImageBuffer: *https://developer.apple.com/documentation/corevideo/cvimagebuffer-q40* [5]CVPixelBuffer: *https://developer.apple.com/documentation/corevideo/cvpixelbuffer-q2e* [6]AVAudioSession: *https://developer.apple.com/documentation/avfaudio/avaudiosession/* 原文链接:https://mp.weixin.qq.com/s/FDR_5cMfAJQgZhSvjgeWYA