陆其明:用DirectShow实现音频采集
现在的所谓多媒体电脑一般都会有声卡（软声卡或硬声卡），有声卡就能进行音频的捕
捉。大家一定熟悉Windows自带的附件“录音机”程序，可以通过麦克风进行录音，最终
生成一个Wave文件。读完本文之后，你就会发现，自己使用DirectShow写一个音频捕捉
的应用程序，原来也是这么的容易！
大家知道，DirectShow对硬件的支持是通过特定的包装Filter来实现的。声卡使用的是A
udio Capture Filter，Filter内部使用以waveIn开头的一套API实现（如waveInOpen等
）。运行GraphEdit，插入Filter时，在“Audio Capture Sources”目录下，我们就能
看到所有代表本地机器上的声卡的各个Filter（有的机器装了几张声卡，这里就会有几
个Filter）。在Filter Graph中加入这个Filter，我们发现这个Filter有很多Input pin
，如Line In、CD Audio、Microphone、Stereo Mix等等；有一个Capture output pin。
需要说明的是，在Filter Graph中，这些Input pin并没有真正的数据流入，它们只是声
卡的各个输入端子的象征性表示；所以这些Input pin永远也不用连接。下面我们来看一
下如何创建一个音频捕捉程序。首先，当然是加入一个Audio Capture Filter。大家知
道，DirectShow加入一个硬件Filter，都是要靠“枚举”；声卡Filter也不例外。代表
声卡的Filter都注册在CLSID_AudioInputDeviceCategory目录下，使用系统设备枚举器
枚举这个目录，就能发现我们想要创建的声卡对象。（如何枚举这里就不再赘述了。）
当成功加入声卡Filter后，接下去的问题就是要将这个Filter与其他Filter相连。比如
，我们想捕捉生成一个Wave文件，那么我们还需加入一个Wave Dest Filter和一个File
Writer Filter，然后依次将它们相连。需要说明的是，Wave Dest Filter是微软Direct
X SDK带的一个例子，在samples\Multimedia\DirectShow\Filters\WavDest目录下，我
们必须首先编译这个例子并且注册这个Filter；这个Filter的功能是，当我们结束捕捉
时，往Wave文件中写入一个文件头信息。下图是在GraphEdit中的Filter连接图：
下面是一段创建音频捕捉程序的框架代码，可供参考：
void BuildAudioCaptureGraph(void) // Warning! No error checking here.
{
IBaseFilter *pSrc = NULL, *pWaveDest = NULL, *pWriter = NULL;
IFileSinkFilter *pSink= NULL;
IGraphBuilder *pGraph;
// Create the Filter Graph Manager.
CoCreateInstance(CLSID_FilterGraph, NULL, CLSCTX_INPROC_SERVER,
IID_IGraphBuilder, (void**)&pGraph);
// Add the audio capture filter.
FindAudioCapture(&pSrc); // Assume that this function enumerates
// audio capture devices and picks one.
pGraph->AddFilter(pSrc, L"Capture");
// Add the WavDest and the File Writer.
AddFilterByClsid(pGraph, L"WavDest", CLSID_WavDest, &pWavDest);
AddFilterByClsid(pGraph, L"File Writer", CLSID_FileWriter, &pWriter);
// Set the file name.
pWriter->QueryInterface(IID_IFileSinkFilter, (void**)&pSink);
pSink->SetFileName(L"C:\\MyWackyWav.wav", NULL);
// Hook everything up.
ConnectTwoFilters(pGraph, pSrc, pWavDest);
ConnectTwoFilters(pGraph, pWavDest, pWriter);
}
当然，在进行音频捕捉的同时，我们还可以实时监听音频源的输入。如下示意图：
我们在Audio Capture Filter后面接了一个Infinite Pin Tee，这个Filter能够将一个I
nput pin输入的数据，复制成多份，分别通过各个Output pin发送出去。（这个Filter
也是微软DirectX SDK带的一个例子，在samples\Multimedia\DirectShow\Filters\
InfTee目录下。）我们看到Tee Filter的一支连到了DirectSound Renderer，可以将声
音放在声卡上输出。 创建音频捕捉的应用程序很简单吧！下面，我们还要来讨论一下音
频捕捉前可能用到的一些参数设置。在声卡Filter的每个Input pin上，我们都可以得到
IAMAudioInputMixer这个接口。通过这个接口，我们可以设置各个输入端子的音频属性
，如进行音频合成时是否允许某个输入端子的音频参与混合、音频输入的音量，还有Tre
ble、Bass等等。另外，在Filter上也可以得到IAMAudioInputMixer接口，这时调用接口
方法就可以统一控制各个输入端子的属性。音频捕捉，还可以设置的是音频的采样频率
以及声音的具体格式（8Bits或16Bits，单声道或双声道）。我们可以通过Capture
output pin的IAMStreamConfig来完成。下面的代码可供参考：
HRESULT hr = pCapturePin->QueryInterface(IID_IAMStreamConfig, (void
**)&pCfg);
// Read current media type/format
AM_MEDIA_TYPE *pmt={0};
hr = pCfg->GetFormat(&pmt);
if (SUCCEEDED(hr))
{
// Fill in values for the new format
WAVEFORMATEX *pWF = (WAVEFORMATEX *) pmt->pbFormat;
pWF->nChannels = (WORD) nChannels;
pWF->nSamplesPerSec = nFrequency;
pWF->nAvgBytesPerSec = lBytesPerSecond;
pWF->wBitsPerSample = (WORD) (nBytesPerSample * 8);
pWF->nBlockAlign = (WORD) (nBytesPerSample * nChannels);
// Set the new formattype for the output pin
hr = pCfg->SetFormat(pmt);
DeleteMediaType(pmt);
}
// Release interfaces
pCfg->Release();
最后，还要提到的一点，也是音频捕捉比较特殊的地方：我们可以通过Capture
output pin上的IAMBufferNegotiation接口，改变音频捕捉缓冲的大小，以减少声音播
放的延迟。默认情况下，Audio Capture Filter使用0.5秒钟的缓冲。对于一些特殊的应
用，这么大的缓冲是没有必要的，带来的延迟也比较大。一般，缓冲设置成能够容纳80
毫秒的数据已经很可靠；甚至30-40毫秒也已经足够了。但是也不能太小，否则会影响到
音频捕捉的效率，使音质受到损害。下面的代码设置音频捕捉的缓冲大小，可供参考：
pCapturePin->QueryInterface(IID_IAMBufferNegotiation, (void **)&pNeg);
// Set the buffer size based on selected settings
ALLOCATOR_PROPERTIES prop={0};
prop.cbBuffer = lBufferSize;
prop.cBuffers = 6;
prop.cbAlign = nBytesPerSample * nChannels;
hr = pNeg->SuggestAllocatorProperties(&prop);
pNeg->Release();
以上，我们讲述了音频捕捉程序的创建过程，以及一些捕捉参数的设置方法。相信大家
对于如何写音频捕捉程序已经有了自己的认识。音频捕捉直接得到的是PCM数据，根据需
要，我们还可以对其进行压缩，比如用Mp3格式（微软提供了一个免费的Mp3 Encoder）
、AC3格式等等；压缩后数据量更少，可以符合很多场合的应用。
捉。大家一定熟悉Windows自带的附件“录音机”程序，可以通过麦克风进行录音，最终
生成一个Wave文件。读完本文之后，你就会发现，自己使用DirectShow写一个音频捕捉
的应用程序，原来也是这么的容易！
大家知道，DirectShow对硬件的支持是通过特定的包装Filter来实现的。声卡使用的是A
udio Capture Filter，Filter内部使用以waveIn开头的一套API实现（如waveInOpen等
）。运行GraphEdit，插入Filter时，在“Audio Capture Sources”目录下，我们就能
看到所有代表本地机器上的声卡的各个Filter（有的机器装了几张声卡，这里就会有几
个Filter）。在Filter Graph中加入这个Filter，我们发现这个Filter有很多Input pin
，如Line In、CD Audio、Microphone、Stereo Mix等等；有一个Capture output pin。
需要说明的是，在Filter Graph中，这些Input pin并没有真正的数据流入，它们只是声
卡的各个输入端子的象征性表示；所以这些Input pin永远也不用连接。下面我们来看一
下如何创建一个音频捕捉程序。首先，当然是加入一个Audio Capture Filter。大家知
道，DirectShow加入一个硬件Filter，都是要靠“枚举”；声卡Filter也不例外。代表
声卡的Filter都注册在CLSID_AudioInputDeviceCategory目录下，使用系统设备枚举器
枚举这个目录，就能发现我们想要创建的声卡对象。（如何枚举这里就不再赘述了。）
当成功加入声卡Filter后，接下去的问题就是要将这个Filter与其他Filter相连。比如
，我们想捕捉生成一个Wave文件，那么我们还需加入一个Wave Dest Filter和一个File
Writer Filter，然后依次将它们相连。需要说明的是，Wave Dest Filter是微软Direct
X SDK带的一个例子，在samples\Multimedia\DirectShow\Filters\WavDest目录下，我
们必须首先编译这个例子并且注册这个Filter；这个Filter的功能是，当我们结束捕捉
时，往Wave文件中写入一个文件头信息。下图是在GraphEdit中的Filter连接图：
下面是一段创建音频捕捉程序的框架代码，可供参考：
void BuildAudioCaptureGraph(void) // Warning! No error checking here.
{
IBaseFilter *pSrc = NULL, *pWaveDest = NULL, *pWriter = NULL;
IFileSinkFilter *pSink= NULL;
IGraphBuilder *pGraph;
// Create the Filter Graph Manager.
CoCreateInstance(CLSID_FilterGraph, NULL, CLSCTX_INPROC_SERVER,
IID_IGraphBuilder, (void**)&pGraph);
// Add the audio capture filter.
FindAudioCapture(&pSrc); // Assume that this function enumerates
// audio capture devices and picks one.
pGraph->AddFilter(pSrc, L"Capture");
// Add the WavDest and the File Writer.
AddFilterByClsid(pGraph, L"WavDest", CLSID_WavDest, &pWavDest);
AddFilterByClsid(pGraph, L"File Writer", CLSID_FileWriter, &pWriter);
// Set the file name.
pWriter->QueryInterface(IID_IFileSinkFilter, (void**)&pSink);
pSink->SetFileName(L"C:\\MyWackyWav.wav", NULL);
// Hook everything up.
ConnectTwoFilters(pGraph, pSrc, pWavDest);
ConnectTwoFilters(pGraph, pWavDest, pWriter);
}
当然，在进行音频捕捉的同时，我们还可以实时监听音频源的输入。如下示意图：
我们在Audio Capture Filter后面接了一个Infinite Pin Tee，这个Filter能够将一个I
nput pin输入的数据，复制成多份，分别通过各个Output pin发送出去。（这个Filter
也是微软DirectX SDK带的一个例子，在samples\Multimedia\DirectShow\Filters\
InfTee目录下。）我们看到Tee Filter的一支连到了DirectSound Renderer，可以将声
音放在声卡上输出。 创建音频捕捉的应用程序很简单吧！下面，我们还要来讨论一下音
频捕捉前可能用到的一些参数设置。在声卡Filter的每个Input pin上，我们都可以得到
IAMAudioInputMixer这个接口。通过这个接口，我们可以设置各个输入端子的音频属性
，如进行音频合成时是否允许某个输入端子的音频参与混合、音频输入的音量，还有Tre
ble、Bass等等。另外，在Filter上也可以得到IAMAudioInputMixer接口，这时调用接口
方法就可以统一控制各个输入端子的属性。音频捕捉，还可以设置的是音频的采样频率
以及声音的具体格式（8Bits或16Bits，单声道或双声道）。我们可以通过Capture
output pin的IAMStreamConfig来完成。下面的代码可供参考：
HRESULT hr = pCapturePin->QueryInterface(IID_IAMStreamConfig, (void
**)&pCfg);
// Read current media type/format
AM_MEDIA_TYPE *pmt={0};
hr = pCfg->GetFormat(&pmt);
if (SUCCEEDED(hr))
{
// Fill in values for the new format
WAVEFORMATEX *pWF = (WAVEFORMATEX *) pmt->pbFormat;
pWF->nChannels = (WORD) nChannels;
pWF->nSamplesPerSec = nFrequency;
pWF->nAvgBytesPerSec = lBytesPerSecond;
pWF->wBitsPerSample = (WORD) (nBytesPerSample * 8);
pWF->nBlockAlign = (WORD) (nBytesPerSample * nChannels);
// Set the new formattype for the output pin
hr = pCfg->SetFormat(pmt);
DeleteMediaType(pmt);
}
// Release interfaces
pCfg->Release();
最后，还要提到的一点，也是音频捕捉比较特殊的地方：我们可以通过Capture
output pin上的IAMBufferNegotiation接口，改变音频捕捉缓冲的大小，以减少声音播
放的延迟。默认情况下，Audio Capture Filter使用0.5秒钟的缓冲。对于一些特殊的应
用，这么大的缓冲是没有必要的，带来的延迟也比较大。一般，缓冲设置成能够容纳80
毫秒的数据已经很可靠；甚至30-40毫秒也已经足够了。但是也不能太小，否则会影响到
音频捕捉的效率，使音质受到损害。下面的代码设置音频捕捉的缓冲大小，可供参考：
pCapturePin->QueryInterface(IID_IAMBufferNegotiation, (void **)&pNeg);
// Set the buffer size based on selected settings
ALLOCATOR_PROPERTIES prop={0};
prop.cbBuffer = lBufferSize;
prop.cBuffers = 6;
prop.cbAlign = nBytesPerSample * nChannels;
hr = pNeg->SuggestAllocatorProperties(&prop);
pNeg->Release();
以上，我们讲述了音频捕捉程序的创建过程，以及一些捕捉参数的设置方法。相信大家
对于如何写音频捕捉程序已经有了自己的认识。音频捕捉直接得到的是PCM数据，根据需
要，我们还可以对其进行压缩，比如用Mp3格式（微软提供了一个免费的Mp3 Encoder）
、AC3格式等等；压缩后数据量更少，可以符合很多场合的应用。