文档章节

安卓手机上 K 歌,声音延迟怎么解决?

编辑部的故事
 编辑部的故事
发布于 07/16 11:50
字数 2136
阅读 1787
收藏 29

这篇文章可以为你提供一个解决录音和播放同步问题的思路,而且解决了声音从手机传输到耳机上有延时的问题。

初识音频

在开始之前,我先简单介绍一下音频相关的基础知识,方便下文理解。

我们知道声明是一种波,经过离散处理后,在程序中我们可以理解为一个无限接近该波形的一个数组,数组下标就是时间轴,对应的值是声音的幅度轴。

音频最基本的特性有:

  1. 采样频率(Sample Rate):每秒采集声音的数量,它用赫兹(Hz)来表示。
  2. 采样精度(Bit Depth):它表示每次采样的精度,位数越多,能记录的范围就越大。
  3. 声音通道(Channel):简单理解就是各个通道有一个独立的声音,它们会同时发出来。

这不是本文的重点,所以不再展开了,这里只是简单说明一下声音跟开发的关系。点击这篇文章可以帮助你更好地了解:音频基础认识

场景描述

我们在 Android 手机上进行 K 歌的时候,是要一边跟着伴奏的声音,一边进行录音的,最后把两个声音合并成一个声音。在实际处理的时候,你会发现录音的音轨和伴奏的音轨是会有个时间差,表现为录出来的声音跑在伴奏的后面了。如果是通过有线耳机或手机扬声器一边听伴奏一边录音,这个延迟会稍微没那么严重,但是人耳也能感受到滞后了;如果是用延时比较大的蓝牙耳机来一边听伴奏一边录,那么延迟问题就会很凸显了。本文的测试音频录音时用的是蓝牙耳机。

一线希望:MediaSyncEvent?

先抛出结论:并不能解决问题~

先从 Android SDK 入手,发现 AudioRecord 里面有个方法 startRecording(MediaSyncEvent syncEvent) , 再看了一遍文档, 仿佛在黑暗中看到了一丝光亮。

The MediaSyncEvent class defines events that can be used to synchronize playback or capture * actions between different players and recorders.

这句话的大概意思就是 MediaSyncEvent 定义了用来处理播放器、录音或者视频录制的同步事件。

然而对于它的使用资料实在太少,stackoverflow 上有个提问是 0 回答:这里。翻了 Google 很久,最终在官方的 CTS (Compatibility Test Suite) 中找到了它的身影:在 AudioRecordTest 的 testSynchronizedRecord 方法中。

这里顺便提一下,这些单元测试是非常好实打实的官方学习资料,如果苦于找不到答案的时候,不妨来这里找找看。

由于 testSynchronizedRecord 的代码太长,大家可以点进上面链接对照看,我们通过它来看看 MediaSyncEvent 究竟可以做什么?

MediaSyncEvent 的文档或源码看,它里面主要定义了两个事件类型变量:一个是 SYNC_EVENT_NONE,另外一个是 SYNC_EVENT_PRESENTATION_COMPLETE。

SYNC_EVENT_NONE 就相当于没有同步事件,常规的 AudioRecord.startRecording() 方法就是用的这个参数。从 AudioRecordTest.testSynchronizedRecord 的测试用例中可以得知 SYNC_EVENT_PRESENTATION_COMPLETE 的作用其实是等 AudioTrack (Andriod SDK 中用来播放音频字节流的类)播放完的瞬间才触发 AudioRecord 的录音,这明显和我们的需求是不通的,没想明白在哪些场景会有这个需求,Google 要专门提供这个一个参数,如果有想法的朋友可以给我留言。

CyclicBarrier 来帮忙

此路不通之后,我们需要另辟蹊径。在运动员比赛前,我们需要先让大家在同一线上等待,直到看到信号发出再一起出发。在这里,我们也需要让 AudioTrackAudioRecord 先在同一起跑线上等着,然后一起出发,各奔东西。Java 世界里面的 CyclicBarrier 就很合适做这件事情。

// play 和 record 两个同步线程

CyclicBarrier recordBarrier = new CyclicBarrier(2);

AudioTrack audioTrack;

AudioRecord audioRecord;

// UI Thread

public void start(){

    recordBarrier.reset();

    audioTrack.play();

    audioRecord.startRecording();

    new RecordThread().start();

    new PlayThread().start();

}

class RecordThread extends Thread{

    public void run(){

        //等play线程开始写的时候read

        recordBarrier.await();

        audioRecord.read();

    }

}

class PlayThread extends Thread{

    public void run(){

        //等reacord线程开始读的时候write

        recordBarrier.await();

        audioTrack.write();

    }

}

上面通过 CyclicBarrier 让 AudioTrack的 write 和 AudioRecord 的 read 在同一起跑线上,似乎事情已经解决了,然而并没有。虽然你开始往耳机 write 数据,但是耳机接收到信号真正发出声音还要一段时间。

处理录音延时问题

我们回到用户真实的使用场景中,来看看问题是如何发生的?



播放源是真实的数据源,比如位于 1ms 的伴奏数据块从写入 AudioTrack 开始到耳机播放可能已经是 100ms 后的事情了,而用户这个时候才开始录入自己的声音,这里还可能会有从设备开始采集声音到缓冲区的一个延时,如果是使用蓝牙耳机的话,那延时的问题就会更加突出了。

我们来感受一下延时的情况,在咖啡馆录的音,杂音比较多,但是不难听出来录音是比原来的声音要延迟了。

http://ohb4y25jk.bkt.clouddn.com/audio-sync-test-1.mp3

看下声波图:



解决方案:

当录音和播放开始之后,它们就会在同一时域中平行演绎,根据延时的特点,我们不难得出:

录音时长 = 延迟时长 + 播放时长 + 额外时长(播放完之后的自由录音)

只要我们能知道延迟的时长,在读取录音数据的时候,我们只要截取掉 AudioRecord 前面的延迟数据就可以让问题得到解决了。那怎么才能知道应该截掉多少个 byte 的数据呢?在这里我想到了一个巧妙的解决方法,给大家分享一下思路。

从上面的节拍器的声波图我们可以看到,波峰对应的就是哒的那一声,录音音轨和节拍器音轨上的波峰差就是我们想知道的延迟时长。根据这个特点,我们可以设计出获取这个延迟时长的一个思路:

  1. 让用户带上耳机,根据固定节奏的节拍器(要有一定时间间隔)声音进行录音,简单的啦..啦..啦..就好。
  2. 根据获取到的录音数据和原始的节拍器声音进行比较, 我取的是 8 个波峰区间数据进行比较,如果延迟误差都在一个小范围内,那就认为是正确的。



具体的算法大概如下:

//ANALYZE\_BEAT\_LEN = 8

int\[\] maxPositions = new int\[ANALYZE\_BEAT\_LEN\];

for(i = 0; i != maxPositions.length; i++){

    byte\[\] segBytes = getSegBytes(); //获取一拍时长的数据

    maxPositions\[i\] = getMaxSamplePos(segBytes);// 获取拍中波峰所在的大致位置

}

//按小到大排序

Arrays.sort(maxPositions);

//取中间一半的值,如果平均值误差在 10 毫秒内,就认为是正确的

int sampleTotalValue = 0;

int sampleLen = ANALYZE\_BEAT\_LEN / 2;

int\[\] sampleValues = new int\[sampleLen\];

for(int beginIndex = sampleLen / 2, i=0; i != sampleLen; i++){

    sampleValues\[i\] = maxPositions\[ i + beginIndex\];

    sampleTotalValue += sampleValues\[i\];

}

int averSampleValue = sampleTotalValue / sampleLen;

boolean isValid = true;

for(int sampleValue : sampleValues){

    //errorRangeByteLen : 10 毫秒的 byte 长度

    if(Math.abs(averSampleValue - sampleValue) > errorRangeByteLen){

        isValid = false;

    }

}

if(isValid){

    stopPlay = true;

    // 结果

    int result = averSampleValue;

}

结果展示

波形图:



声音结果:

http://ohb4y25jk.bkt.clouddn.com/audio-sync-test-2.mp3

调整之后情况就改善多了,听觉上基本感受不到延迟了。但是这样会给用户带来一些不方便,换耳机的时候需要重新调整。个人的认知实在有限,虽然这可能是个有效的方法,但肯定不是最佳的做法,同时好奇像唱吧这种软件是如何处理的?欢迎大牛们交流一下想法~

参考资料

  1. 无线音频的延时问题:http://www.memchina.cn/News/9733.html
  2. MediaSyncEvent TestCase

作者介绍

叶大侠,会玩吉他的产品程序员,不著名开源工具 JApiDocs 作者,C 大调音乐网 创始人。自由职业中,在折腾和音乐相关的产品。

© 著作权归作者所有

共有 人打赏支持
编辑部的故事

编辑部的故事

粉丝 1142
博文 248
码字总数 430631
作品 0
深圳
运营/编辑
加载中

评论(6)

OSC_UdsDpB
OSC_UdsDpB
japidoc?
金拱门
金拱门
不止安卓,电脑也存在这个问题。 楼主这个方法应该需要进行硬件采样吧? 我觉得解决这个办法,最好直接从硬件入手最好。 彻底让录进去的声音和播放声音 一起。。。
LeoXu
LeoXu
SYNC_EVENT_PRESENTATION_COMPLETE 好像是为了应对语音助手这类场景用的
DANCELION
DANCELION
唱吧也是有延迟,但是用户可以手动调整,零点几秒的调整,往前或者往后
宇林木风
还是上外置声卡吧……
叶大侠
叶大侠
谢谢小编推荐!:smile:
当遇到百度和谷歌都不知道的技术问题时改怎么办

当遇到百度和谷歌都不知道的技术问题时改怎么办 写给Google的android开发者 当越来越多的人开始关注android,越来越多的Java开发人员开始有冲动转向android开发的时候,一个值得深思的问题出现...

王帅
2010/08/27
0
2
常见的移动端H5页面开发遇到的坑和解决办法

手机共通问题 问题一:用同等比例的图片在PC机上很清楚,但是手机上很模糊,原因是什么呢? 经研究发现是devicePixelRatio作怪,因为手机分辨率太小,如果按照分辨率来显示网页字会非常小,所以苹果...

webmirror
05/02
0
0
蓝牙学习笔记二(Android连接问题)

可以通过以下两点加速蓝牙连接: 1、更新连接参数 interval:连接间隔(connection intervals ),范围在 7.5 毫秒 到 4 秒。 latency:连接延迟 。。。 还有一些其它参数. Android API不提供...

小小情意
07/11
0
0
Android手机直播系统开发介绍

近两年直播热的兴起也带动了直播开发行业的崛起,每个人都想要去吃直播开发这块蛋糕。但这块蛋糕也不是这么容易吃到的,在激烈的市场竞争下,有几个大的直播平台始终占据着市场中较大的份额,...

直播开发
09/07
0
0
Android 系统乱象:安全更新就改个日期 根本没装补丁

《连线》杂志最近做了一篇报道,揭开了Android系统在安全补丁方面的乱象,很多谷歌发布的安全补丁不仅延迟推送,甚至还有厂商告诉用户已经最新,却偷偷地跳过了该有的安全补丁。 “这些家伙只...

局长
04/16
0
0

没有更多内容

加载失败,请刷新页面

加载更多

Shiro | 实现权限验证完整版

写在前面的话 提及权限,就会想到安全,是一个十分棘手的话题。这里只是作为学校Shiro的一个记录,而不是,权限就应该这样设计之类的。 Shiro框架 1、Shiro是基于Apache开源的强大灵活的开源...

冯文议
今天
1
0
linux 系统的运行级别

运行级别 运行级别 | 含义 0 关机 1 单用户模式,可以想象为windows 的安全模式,主要用于修复系统 2 不完全的命令模式,不含NFS服务 3 完全的命令行模式,就是标准的字符界面 4 系统保留 5 ...

Linux学习笔记
今天
2
0
学习设计模式——命令模式

任何模式的出现,都是为了解决一些特定的场景的耦合问题,以达到对修改封闭,对扩展开放的效果。命令模式也不例外: 命令模式是为了解决命令的请求者和命令的实现者之间的耦合关系。 解决了这...

江左煤郎
今天
3
0
字典树收集(非线程安全,后续做线程安全改进)

将500W个单词放进一个数据结构进行存储,然后进行快速比对,判断一个单词是不是这个500W单词之中的;来了一个单词前缀,给出500w个单词中有多少个单词是该前缀. 1、这个需求首先需要设计好数据结...

算法之名
昨天
15
0
GRASP设计模式

此文参考了这篇博客,建议读者阅读原文。 面向对象(Object-Oriented,OO)是当下软件开发的主流方法。在OO分析与设计中,我们首先从问题领域中抽象出领域模型,在领域模型中以适当的粒度归纳...

克虏伯
昨天
1
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部