windows音频处理

WINDOWS下对音频的处理，大致可分为两部分，即音频的输入、输出，和ACM压缩处理。

　　一般情况下在WINDOWS下可以调用诸如sndPlaySound等API(MCI)来播放一个WAV文件，但那显然不是我们需要做的。必须能够直接对音频数据流进行处理。在WINDOWS下，也为之提供了一系列的API，以waveIn和waveOut开头的一组API就是干这个的。

 

 

WINDOWS下对音频的处理，大致可分为两部分，即音频的输入、输出，和ACM压缩处理。

　　一般情况下在WINDOWS下可以调用诸如sndPlaySound等API(MCI)来播放一个WAV文件，但那显然不是我们需要做的。必须能够直接对音频数据流进行处理。在WINDOWS下，也为之提供了一系列的API，以waveIn和waveOut开头的一组API就是干这个的。

　　先说输入吧。常用的相关API为waveInOpen（打开一个音频输入设备）、waveInPrepareHeader（为一个即将在waveInAddBuffer中调用的输入缓冲区准备头部）、waveInAddBuffer（添加一个输入用的数据缓冲区）、 waveInStart（开始录音）、waveInClose（关闭音频输入设备）等几个，以及需要在waveInOpen中指定的一个回调函数或者线程，其作用是在一个数据缓冲区被录满后被调用，以对这些数据进行处理，和其他一些相关的操作。

　　首先你得确定一下需要用什么回调方式，即在某个时间片的音频数据被录完后，Windows将通过这个回调来激活对这些数据的处理过程，一般用到的无非是FUNCTION、THREAD和EVENT这几类，而比较方便简单的就是FUNCTION和THREAD了。FUNCTION方式是指Windows会调用你这个函数，而THREAD则是由 Windows来激活你所指定的线程。这些都在waveInOpen中指定。其函数原型为：

MMRESULT waveInOpen( LPHWAVEIN phwi,
UINT uDeviceID,
LPWAVEFORMATEX pwfx,
DWORD dwCallback,
DWORD dwCallbackInstance,
DWORD fdwOpen
);

　　其中：phwi是返回的句柄存放地址，uDeviceID是要打开的音频设备ID号，一般都指定为WAVE_MAPPER。 dwCallback则为指定的回调函数或线程等的地址，fdwOpen指定回调方式，dwCallbackInstance为需要向回调 函数或线程送入的用户参数。至于那个pwfx，则比较关键，它指定了要以什么音频格式打开音频输入设备， 它是一个结构WAVEFORMATEX：
typedef struct { WORD wFormatTag;
WORD nChannels;
DWORD nSamplesPerSec;
DWORD nAvgBytesPerSec;
WORD nBlockAlign;
WORD wBitsPerSample;
WORD cbSize;
} WAVEFORMATEX;
　　机器上的WIN9X安装时选择了音频压缩，可以在wFormatTag中指定一些压缩的音频格式，如G723.1，TURE DSP，等之类。不过一般都是选用WAVEFORMAT_PCM格式，即未压缩的音频格式，至于压缩，可以在录完后调用下面将要谈到的ACM单独进行。
　　nChannels为声道数，1或者2。nSamplesPerSec为每秒采样数，8000、11025、22050、44100为几个标准值，其他的非标准值我倒没试过行不行。nAvgBytesPerSec为每秒平均的字节数，在PCM方式中就等于nChannels*nSamplesPerSec*wBitsPerSample/8，但对于其它的压缩的音频格式，由于很多压缩方式是按时间片进行的，如G723.1，就是以30ms为一个压缩单位，这样，nAvgBytesPerSec只是一个大概的数字，并不准确，程序中的计算是不应该以这个量为准的。这一点在下面的压缩音频输出和ACM音频压缩中非常重要。nBlockAlign是一个比较特殊的值，表示对音频处理时的最小处理单位，对于PCM非压缩，它就是wBitsPerSample*nChannels/8，而对于非压缩格式，则表示压缩/解压处理的最小单位了，如G723.1，就是30ms的数据大小（20bytes或者24bytes）。wBitsPerSample就是每采样值的位数，8或者16。 cbSize则是表示该WAVEFORMATEX的结构在标准的头部之后还有多少字节数，对于很多非PCM的音频格式，有一些自己的定义格式参数，这些就紧跟在标准的WAVEFORMATEX后面，其大小就由cbSize指定。对于PCM格式而言，为0，或者忽略不检查。

　　这样，指定了这些参数后，你应该就能够打开音频输入设备了。下面要做的事情就是准备几个用做录音的缓冲区。常准备多个缓冲区，并在回调中循环使用。另外，还得考虑好录得的音频数据放哪儿，比如一个临时文件，就得准备好文件的句柄。对于缓冲区，得使用waveInPerpareHeader准备一下头部，这个API比较简单，如果你是循环使用缓冲区，对每个缓冲区也只需要调用一次waveInPrepareHeader。

　　一切准备好之后，就可以调用waveInAddBuffer和waveInStart开始录音了，只要你一调用这个waveInStart，录音就开始了，即使这个缓冲区录满之后你没有加入新的缓冲区进去，录音也不会停，只是这中间的语音数据全都丢了。当通过 waveInAddBuffer送入的缓冲区被录满后，Windows就会通过你在waveInOpen中指定的方式进行回调，在回调中把录好的语音数据取出来，并且，如果还想继续录音的话，得将下一个缓冲区添加进去。考虑到这个处理是有时间延迟的，而且音频对时间很敏感，一般都要先预加入若干个缓冲区，比如，一共定义了8个缓冲区，而为了保险起见，最好保证任一时刻至少有3个缓冲区可被录音使用，那么在开始录音时，则先加入4个缓冲区，然后在回调中，如果当前录好的缓冲区第n个，则对第(n+4)%8调用waveInAddBuffer，这时，还有第(n+1)%8,(n+2)%8, (n+3)%8这三个缓冲区可用，即基本上就可以保证所录得音频中不会有断开的间隔。

　　想结束录音时，最好在waveInClose之前调用一下waveInReset，这样可以清掉尚在等待录音的缓冲区，同时在回调中还必须注意一下送入参数中的消息种类。

　　音频输出部分相对简单一点。对应的API有waveOutOpen、waveOutPrepareHeader、waveOutWrite以及waveOutClose。如果希望直接输出压缩格式的音频的话，必须注意waveOutOpen中指定的音频格式参数。你必须很清楚这类格式的具体参数及其含义。不过，你可以通过下面说到的ACM（Audio Compress Manager）得到你需要的音频格式的具体参数，这个格式参数可以直接用于waveOutOpen。如同音频的输入，waveOutPrepareHeader也是必需的。waveOutWrite 则是填入输出缓冲区，为了避免间断，也应该保证某一时刻缓冲区队列中数目足够。



　　如果安装WIN98时在附件中选择了音频压缩，那么机器上的ACM就可用了。ACM为Audio Compress Manager。 WIN98提供了一些常用的音频压缩算法程序包，供用户调用。可以通过ACM获得本机上所有的音频压缩驱动及其所支持的音频格式。不过，似乎不是每种ACM格式都能被调用来进行压缩,不过ACM中的压缩驱动大多都是针对语音频段，如果用来压缩频带较宽的音频，如音乐，则效果很差.