DirectX编程：利用 DirectSound 录音
DirectX编程：利用 DirectSound 录音
转载：http://www.cnblogs.com/stg609/archive/2008/10/24/1318931.html
花了一阵子，把DirectX安装后自带的帮助文件中的那部分关于DirectSound录音这块给看完了，顺便把那部分翻译成了中文，有些地方可能翻译的不是很通顺，不过总体上还是能看得懂的。查看中文翻译，建议大家在进行学习前可以先去看看。
期间也看了些别人的相关文章，感觉有点思路后就开始动手了，很高兴最后能顺利通过测试。不过我这个功能很简单，也不完善，只是最基本的可以录音。还待以后深入学习。
开发平台：VS.NET 2005 ，Windows XP SP2 ，DirectX SDK（June 2008）下载页面 。
必须的硬件设备：麦克风、声卡（集成或独立均可）、音响（能播放声音就行）
首先，我们来温故下声卡和声音的基础知识。
[摘自网络] 声音其实是一种能量波，因此也有频率和振幅的特征，频率对应于时间轴线，振幅对应于电平轴线。波是无限光滑的，弦线其实由无数点组成，由于存储空间是相对有限的，数字编码过程中，必须对弦线的点进行采样。采样的过程就是抽取某点的频率值，很显然，在一秒中内抽取得点越多，获取得频率信息更丰富，为了复原波形，一次振动中，必须有2个点的采样，人耳能够感觉到的最高频率为20kHz，因此要满足人耳的听觉要求，则需要至少每秒进行40k次采样，用40kHz表达，这个40kHz就是采样率。我们常见的CD，采样率为44.1kHz。光有频率信息是不够的，我们还必须获得该频率的能量值并量化，用于表示信号强度。量化值为2的整数次幂，我们常见的CD位16bit的采样大小，即2的16次方。
上图中A线条表示原始信号，而线条B和C表示不同采样率和采样大小的数字信号。采样率和采样大小的值越大，记录的波形更接近原始信号。
采样频率一般分为22.05kHz、44.1kHz、48kHz三个等级，22.05kHz只能达到FM（调频）广播的声音品质，44.1kHz则是理论上的CD音质极限，48kHz则更加精确一些。对于高于48kHz的采样频率，人耳已无法听到，所以在电脑中也没有多少实用价值。
目前的声卡基本都具有输入和输出信号的能力，这也是声卡具有最基本功能（录制声音、播放声音）的基础。如果可以同时输出和输入信号，这块声卡就得支持全双工的工作模式，这便是网络上进行语音通讯的基础。
我们要讲的录音，就是将采集自麦克风的模拟信号转换成数字信号（ADC），一般麦克风只能提供模拟信号。
一般声卡采集到的数据会被存放到缓存区后进行处理，如果是集成声卡，那就是先把数据放在内存中后再处理，你可以通过任务管理器来查看WINDOWS自带的录音机在录音时候内存的变化。
对以上内容有所了解后，我们接着来了解下利用DirectSound录制声音的基本步骤。
1 DirectSound是什么？
DirectSound 是微软提供的DirectX API 的一部分。它使你能以极低的时延播放声音，使应用程序可以高度利用硬件资源。
2 DirectSound能做什么？
2.1 按照WAV格式播放声音。
2.2 可以同时播放多种声音。
2.3 将高优先级的声音分配给由硬件控制的缓冲区。
2.4 将普通的声音融入自定的3D环境中。
2.5 可以给声音添加不同的效果，比如回声，合唱等。
2.6 从麦克风或其它音频输入设备中捕获WAV声音。
3 DirectSound有哪些主要对象？
| 对象 | 说明 | 作用 | .Net中的类或结构体 |
| 设备对象 | 每个应用程序只有一个设备对象 | 用来管理设备，创建辅助缓冲区 | Microsoft.DirectX.DirectSound.Capture |
| 主缓冲区 | 一个应用程序只有一个主缓冲区 | 操控声音捕捉缓冲区和产生混音效果的区域 | Microsoft.DirectX.DirectSound.CaptureBuffer |
| 辅助缓冲区 | 每一个声音对应一个辅助缓冲区，可以有多个辅助缓冲区 | 用来存储要播放的声音文件，可建立多个辅助缓冲区来放多个要播放的声音文 | Microsoft.DirectX.DirectSound.SecondaryBuffer |
| 事件通知对象 | 一个缓冲区可以有多个通知对象 | 用于在缓冲区的特定点触发通知事件，来通知程序执行操作 | Microsoft.DirectX.DirectSound.Notify |
4 其它辅助对象
| 对象 | 作用 | .Net中的类或结构体 |
| 音频格式 | 定义WAV音频格式，如采样频率、量化位数、声道数等 | Microsoft.DirectX.DirectSound.WaveFormat |
| 通知的事件 | 通知正在等待的线程已发生事件 | System.Threading.AutoResetEvent |
5 必需知道的关键点
实在是太不厚道了！！！！！辛苦写了半天，提交前没有事先复制一份，结果提交了半天给我展示了一个“无法显示该页面”，害得我又得从上次保存的地方开始写。真晕呀！！还不知道能不能记起刚才写的。都有点不想写了，可又觉得可惜。可恶！！可恶！！
5.1 WAVE格式
WAVE是录音时用的标准的WINDOWS文件格式，扩展名为“WAV”，
我们使用DirectSound采集的WAV声音，其音频数据是按照PCM（脉冲编码调制，对连续变化的模拟信号进行抽样、量化和编码产生的数据，0和1的组合）调制后放入缓冲区的。
WAVE文件格式采用RIFF文件格式结构，对PCM数据和其它一些音频信息进行相应的编排，从而最终形成的WAVE文件才能被音频播放器识别，才能进行播放。
5.2 缓冲区指针
缓冲区是存放音频数据的地方，并且它还提供了我们两个指针：读指针和捕捉指针。它们的位置按照相对于缓冲区起始位置的偏移量计算。读指针位于当前已经被完全捕捉到缓冲区的数据末尾。捕捉指针位于当前将要从硬件中复制的数据块的末尾。如果你想从缓冲区中读取数据，则只能从已经完全写入缓冲区的数据中读取，也就是说我们只能从偏移量小于读指针的地方读取。
5.3 缓冲区通知
大家应该都知道时间相同的音频文件，WAVE文件会比其它格式的音频文件大得多，这是因为WAVE文件没有对数据进行压缩。如果录音的时候，不限制缓冲区大小，那么你录制很短的时间可能就会占用很多内存，说不定不过多久，你的1G内存就不够用了。因此我们必须对缓冲区的大小进行限制，而且当缓冲区满了之后，还可以重新从缓冲区起始处开始，用新的数据覆盖旧的数据。那旧的数据怎么办呢？如果你不想丢失旧的数据，那就得在旧的数据被覆盖之前，将它转移到其它地方。
如何才能在旧的数据没有被覆盖之前，将它转移走呢？如果是你，你会采用什么办法？
有人提出通过轮询的办法，经常询问缓冲区是否满，满了则进行转移操作。可是这样做会相当耗费性能。微软提供了我们一个解决办法：“通知”。我们可以在缓冲区中的某些位置处设置通知，当读指针到达通知位置的时候，就会触发相应的事件执行转移操作。是不是有点像操作系统中的“响应中断”呢？
6 录音大致过程
6.1 设置PCM格式（很多人喜欢说是设置WAVE格式，但是个人觉得这样说并不恰当，因为PCM才是用来描述数据采集的，而WAVE只是一种文件格式。），设置相关的参数，如：采样频率、量化位数等。
6.2 创建WAVE文件，有没有搞错呀？数据还没开始采集，怎么就先创建文件了呢？我可以很明确得告诉你没有错。因为RIFF结构的WAVE文件除了音频数据之外，还有其它数据，比如音频格式、格式长度等类似于文件头的数据。有了文件头后，接下来就只需要把接收到的数据添加在这个后面就好了。当然你一定要最后写的话，也不是不可以。
6.3 建立设备对象，建立缓冲区对象。
6.4 设置缓冲区通知，设置通知被触发后的事件。
6.5 准备就绪后，就可以开始录音了。
6.6 当通知被触发后，建立一个新的线程来处理数据转移的事件。（建立一个新的线程，就是为了防止录音过程被中断）。
6.7 录音结束，写入WAV文件尾。这样一个可以播放的WAVE文件就OK了。
具体代码
不知道怎么形容现在的感觉了，真得很高兴大部分内容还记得。不知道你现在是何心情，是否已经没什么热情看下去了？本来想分两篇写的，但后来想想还是不浪费首面原创区的空间了。如果你前面的已经看懂了，那下面对你来说可能只是写写代码的事了。
1.需要引用的命名空间和外部dll。
两个外部DLL为：Microsoft.DirectX.dll 和 Microsoft.DirectX.DirectSound.dll
using System.IO;
using Microsoft.DirectX.DirectSound;
using Microsoft.DirectX;
2.用户变量
private string strRecSaveFile = string.Empty;//文件保存路径
private Notify myNotify = null;//缓冲区提示事件
private FileStream fsWav = null;//保存的文件流
private int iNotifyNum = 16;//通知的个数
private int iBufferOffset = 0;//本次数据起始点， 上一次数据的终点。
private int iSampleSize = 0;//所采集到的数据大小
private int iNotifySize = 0;//通知所在区域大小
private int iBufferSize = 0;//缓冲区大小
private BinaryWriter mWriter;
private Capture capture = null;//捕捉设备对象
private CaptureBuffer capturebuffer = null;//捕捉缓冲区
private AutoResetEvent notifyevent = null;
private Thread notifythread = null;
private WaveFormat mWavFormat;//PCM格式
3.设置PCM格式
{
WaveFormat format = new WaveFormat();
format.FormatTag = WaveFormatTag.Pcm; // 设置音频类型
format.SamplesPerSecond = 22050 ; // 采样率（单位：赫兹）典型值：11025、22050、44100Hz
format.BitsPerSample = 16 ; // 采样位数
format.Channels = 1 ; // 声道
format.BlockAlign = ( short )(format.Channels * (format.BitsPerSample / 8 )); // 单位采样点的字节数
format.AverageBytesPerSecond = format.BlockAlign * format.SamplesPerSecond;
return format;
// 按照以上采样规格，可知采样1秒钟的字节数为22050*2=55100B 约为 53K
}
4.创建WAVE文件
private void CreateWaveFile(string strFileName)
{
fsWav = new FileStream(strFileName, FileMode.CreateNew);
mWriter = new BinaryWriter(fsWav);
/**************************************************************************
Here is where the file will be created. A
wave file is a RIFF file, which has chunks
of data that describe what the file contains.
A wave RIFF file is put together like this:
The 12 byte RIFF chunk is constructed like this:
Bytes 0 - 3 : 'R' 'I' 'F' 'F'
Bytes 4 - 7 : Length of file, minus the first 8 bytes of the RIFF description.
(4 bytes for "WAVE" + 24 bytes for format chunk length +
8 bytes for data chunk description + actual sample data size.)
Bytes 8 - 11: 'W' 'A' 'V' 'E'
The 24 byte FORMAT chunk is constructed like this:
Bytes 0 - 3 : 'f' 'm' 't' ' '
Bytes 4 - 7 : The format chunk length. This is always 16.
Bytes 8 - 9 : File padding. Always 1.
Bytes 10- 11: Number of channels. Either 1 for mono, or 2 for stereo.
Bytes 12- 15: Sample rate.
Bytes 16- 19: Number of bytes per second.
Bytes 20- 21: Bytes per sample. 1 for 8 bit mono, 2 for 8 bit stereo or
16 bit mono, 4 for 16 bit stereo.
Bytes 22- 23: Number of bits per sample.
The DATA chunk is constructed like this:
Bytes 0 - 3 : 'd' 'a' 't' 'a'
Bytes 4 - 7 : Length of data, in bytes.
Bytes 8 -
: Actual sample data.***************************************************************************/
char[] ChunkRiff = { 'R', 'I', 'F', 'F' };
char[] ChunkType = { 'W', 'A', 'V', 'E' };
char[] ChunkFmt = { 'f', 'm', 't', ' ' };
char[] ChunkData = { 'd', 'a', 't', 'a' };
short shPad = 1; // File padding
int nFormatChunkLength = 0x10; // Format chunk length.
int nLength = 0; // File length, minus first 8 bytes of RIFF description. This will be filled in later.
short shBytesPerSample = 0; // Bytes per sample.
// 一个样本点的字节数目
if (8 == mWavFormat.BitsPerSample && 1 == mWavFormat.Channels)
shBytesPerSample = 1;
else if ((8 == mWavFormat.BitsPerSample && 2 == mWavFormat.Channels) || (16 == mWavFormat.BitsPerSample && 1 == mWavFormat.Channels))
shBytesPerSample = 2;
else if (16 == mWavFormat.BitsPerSample && 2 == mWavFormat.Channels)
shBytesPerSample = 4;
// RIFF 块
mWriter.Write(ChunkRiff);
mWriter.Write(nLength);
mWriter.Write(ChunkType);
// WAVE块
mWriter.Write(ChunkFmt);
mWriter.Write(nFormatChunkLength);
mWriter.Write(shPad);
mWriter.Write(mWavFormat.Channels);
mWriter.Write(mWavFormat.SamplesPerSecond);
mWriter.Write(mWavFormat.AverageBytesPerSecond);
mWriter.Write(shBytesPerSample);
mWriter.Write(mWavFormat.BitsPerSample);
// 数据块
mWriter.Write(ChunkData);
mWriter.Write((int)0); // The sample length will be written in later.
}
5.建立两个对象
private bool CreateCaputerDevice()
{
//首先要玫举可用的捕捉设备
CaptureDevicesCollection capturedev = new CaptureDevicesCollection();
Guid devguid;
if (capturedev.Count > 0)
{
devguid = capturedev[0].DriverGuid;
}
else
{
MessageBox.Show("当前没有可用于音频捕捉的设备", "系统提示");
return false;
}
//利用设备GUID来建立一个捕捉设备对象
capture = new Capture(devguid);
return true;
}
private void CreateCaptureBuffer()
{//想要创建一个捕捉缓冲区必须要两个参数：缓冲区信息（描述这个缓冲区中的格式等），缓冲设备。
CaptureBufferDescription bufferdescription = new CaptureBufferDescription();
bufferdescription.Format = mWavFormat;//设置缓冲区要捕捉的数据格式
iNotifySize = 1024;//设置通知大小
iBufferSize = iNotifyNum * iNotifySize;
bufferdescription.BufferBytes = iBufferSize;
capturebuffer = new CaptureBuffer(bufferdescription, capture);//建立设备缓冲区对象
}
6.设置通知以及相应的事件
//设置通知
private void CreateNotification()
{
BufferPositionNotify[] bpn = new BufferPositionNotify[iNotifyNum];//设置缓冲区通知个数
//设置通知事件
notifyevent = new AutoResetEvent(false);
notifythread = new Thread(RecoData);
notifythread.Start();
for (int i = 0; i < iNotifyNum; i++)
{
bpn[i].Offset = iNotifySize + i * iNotifySize-1;//设置具体每个的位置
bpn[i].EventNotifyHandle = notifyevent.Handle;
}
myNotify = new Notify(capturebuffer);
myNotify.SetNotificationPositions(bpn);
}
//线程中的事件
private void RecoData()
{
while (true)
{
// 等待缓冲区的通知消息
notifyevent.WaitOne(Timeout.Infinite, true);
// 录制数据
RecordCapturedData();
}
}
//真正转移数据的事件，其实就是把数据转移到WAV文件中。
private void RecordCapturedData()
{
byte[] capturedata = null;
int readpos = 0, capturepos = 0, locksize = 0;
capturebuffer.GetCurrentPosition(out capturepos, out readpos);
locksize = readpos - iBufferOffset;//这个大小就是我们可以安全读取的大小
if (locksize == 0)
{
return;
}
if (locksize < 0)
{//因为我们是循环的使用缓冲区，所以有一种情况下为负：当文以载读指针回到第一个通知点，而Ibuffeoffset还在最后一个通知处
locksize += iBufferSize;
}
capturedata = (byte[])capturebuffer.Read(iBufferOffset, typeof(byte), LockFlag.FromWriteCursor, locksize);
mWriter.Write(capturedata, 0, capturedata.Length);//写入到文件
iSampleSize += capturedata.Length;
iBufferOffset += capturedata.Length;
iBufferOffset %= iBufferSize;//取模是因为缓冲区是循环的。
}
7.开始捕捉
调用缓冲区的START方法就可以开始捕捉了。
8.结束捕捉并写入WAV文件尾
private void stoprec()
{
capturebuffer.Stop();//调用缓冲区的停止方法。停止采集声音
if (notifyevent != null)
notifyevent.Set();//关闭通知
notifythread.Abort();//结束线程
RecordCapturedData();//将缓冲区最后一部分数据写入到文件中
//写WAV文件尾
mWriter.Seek(4, SeekOrigin.Begin);
mWriter.Write((int)(iSampleSize + 36)); // 写文件长度
mWriter.Seek(40, SeekOrigin.Begin);
mWriter.Write(iSampleSize); // 写数据长度
mWriter.Close();
fsWav.Close();
mWriter = null;
fsWav = null;
}
这样， 基本就完成了。但是并没有进行完善。这个还待日后改善。
感叹呀~~写这篇，真得好不容易，感觉卡得就像个...。
参考：http://blog.donews.com/uplook/archive/2005/12/14/657145.aspx
http://www.cnblogs.com/onlytiancai/archive/2008/08/02/p2p_sound_chat.html