11｜Android 平台音频采集：如何使用 AudioRecord 和 Oboe 采集音频？

展晓凯

你好，我是展晓凯。今天我们来一起学习 Android 平台的音频采集。
视频播放器是将一个视频文件通过解封装、解码、渲染等工作，让用户可以听到声音、看到画面，而视频录制器恰恰是一个逆向的过程，是将麦克风采集到的声音、摄像头采集到的画面通过编码、封装，最终得到一个视频文件。所以整个项目的前置知识包括音视频的采集、编码还有音视频同步等，上一节课我们一起学习了 iOS 平台的音频采集方法，这节课我们就一起来看 Android 平台给我们提供了哪些音频采集的方法吧。
Android 平台的音频采集技术选型
SDK 层提供的采集方法Android SDK 提供了两套音频采集的 API 接口，分别是 MediaRecorder 和 AudioRecord。前者是一个端到端的 API，它可以直接把手机麦克风录入的音频数据进行编码压缩（如 AMR、MP3 等）并存储成文件；而后者则更底层一些，可以让开发者更加灵活地控制麦克风采集到的 PCM 数据。
如果想简单地做一个录音机，并且录制出一个音频文件，首选肯定是 MediaRecorder，而如果需要对音频做进一步的算法处理，或者需要采用第三方的编码库进行编码压缩，那么就需要使用 AudioRecord 了。我们的视频录制器场景显然更适合选用第二种方式，使用 AudioRecord 来采集音频。

公开

同步至部落

取消

完成

0/2000

荧光笔

直线

曲线

笔记

复制

AI

深入了解
翻译
英语
中文简体
中文繁体
法语
德语
日语
韩语
俄语
西班牙语
阿拉伯语
解释
总结

Android平台音频采集技术涵盖了SDK层和NDK层提供的方法。SDK层提供了MediaRecorder和AudioRecord两种API接口，适用于简单录音和对PCM数据进行灵活控制的场景。而NDK层提供了OpenSL ES和AAudio接口，具有更低延迟和更高性能，适合实时耳返和VOIP场景。建议构建音频采集框架的工程同时支持SDK层和NDK层的采集方法。在Native层，使用Google开源的Oboe框架是一个不错的选择，它提供了统一的API接口，屏蔽了底层实现细节。文章内容涵盖了Android平台音频采集的技术选型、权限获取和PCM数据处理，适合开发人员快速了解Android音频采集的方法和注意事项。在实现实时耳返功能时，关键在于低延迟的处理。为了实现这一功能，可以采用立即播放采集到的音频的方法。通过合理的音频处理和播放策略，可以减少延迟，提高用户体验。欢迎在评论区分享你的思考，也欢迎你把这节课分享给更多对音视频感兴趣的朋友，我们一起交流、共同进步。

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《快手 · 移动端音视频开发实战》，新⼈⾸单¥59

立即购买

登录后留言

全部留言(2)

最新
精选

peter
请教老师几个问题： Q1：SDK层的MediaRecorder是对AudioRecord的封装吗？ Q2：NDK层的AAudio是基于OpenSL ES吗？（或者说，AAudio是对OpenSL ES的封装吗） Q3：SDK层的方法，都是基于NDK层的方法吗？比如SDK层的MediaRecorder是基于NDK层的AAudio或OpenSL ES。 Q4：默认的麦克风等于主麦克风吗? Q5：AEC是什么意思？文中有一句“在 VOIP 场景下如果使用硬件 AEC 的话”，其中的AEC什么意思？ Q6：单声道采集，转换为立体声，也是伪立体声吧。是把单声道的数据拷贝一份变成另外一个声道吗？ Q7：read函数的数组类型，需要根据audioFormat来确定吧。如果audioFormat是8位，应该用byte[], 如果audioFormat是16位，则应该用short[]，是这样吗？ Q8：播放PCM的命令中，哪一项是表示PCM？ ffplay -f s16le -sample_rate 44100 -channels 1 -i vocal.pcm，s16le表示什么意思？表示PCM吗？ Q9：PCM转WAV的命令中，哪一项是表示WAV？ ffmpeg -f s16le -sample_rate 44100 -channels 1 -i vocal.pcm -acodec pcm_s16le vocal.wav，哪一项是表示wav？pcm_s16se吗？ Q10：用两种采集方法，是播放器项目会同时采用这两种吗？选取了 SDK 层的 AudioRecord 和 Native 层的 Oboe 采集音频的方法，只是为了分别说明这两种方法吗？还是说播放器项目会同时采用这两种方法来采集音频？（同时用两种，好像没有道理）
作者回复: A1: 是的； A2:不是 A3:我觉得不是，没有了解过特别细节； A4:是的，一般是手机硬件底部的麦克风； A5:回声消除，可以自行搜索； A6：一般通过混响或者其他的效果器变为双声道，否则没意义； A7：不是，audioFormat是16位，仍然可以使用byte数组的读出方式； A8：vocal.pcm是那个pcm文件，s16le代表Sint16 little endian A9:vocal.wav是目标文件 A10:播放器项目是不会开启路引起的，一般选用一种就可以了，不过看场景，比如K歌场景在项目中会同时集成多种的，根据一些配置来选择使用哪一种。
2022-08-17归属地：北京


Loy
老师，你好。低延时耳返需要底层特殊定制吗？
2023-04-06归属地：福建



收起评论