编码与格式 / 系统课时

音频设备播放

音频设备播放

本课实现一条稳定的 PCM 播放链路:普通线程持续生产音频块,播放回调按设备节拍从有界队列取数,数据不足时用静音补齐并记录欠载。完成后,你能用可运行程序听到测试音,并理解阻塞、缓冲和播放延迟之间的关系。

学习目标

  • 区分生产线程、播放回调和硬件缓冲区各自的职责
  • 使用预缓冲降低启动抖动,并正确处理播放欠载
  • 根据块大小和队列深度估算播放延迟,选择合适参数

播放链路与两种写入方式

播放方向与采集相反:应用先准备 PCM,操作系统音频接口周期性向应用索取下一块数据,再由声卡完成数模转换并驱动扬声器。播放回调的时间由设备时钟决定,应用必须按时交付固定帧数,不能要求设备等待业务线程。

阻塞写入适合离线工具和简单播放器。调用方把 PCM 交给设备后等待空间可用,代码容易理解,但业务处理、解码和设备写入耦合在同一线程,调度抖动更难隔离。回调模式更适合实时通话、游戏和互动音频:生产线程提前准备数据,设备线程只负责按时取块。

PCM 播放缓冲、预缓冲与欠载机制

预缓冲、欠载与延迟

播放启动前先积累少量 PCM,称为预缓冲。它能吸收线程启动、解码首帧和短时调度抖动,但会直接增加听感延迟。预缓冲时长可估算为:

Tpre=K×BFsT_{pre} = \frac{K \times B}{F_s}

K 是预先积累的块数,B 是每块帧数,F_s 是采样率。本例使用 5 块、每块 960 帧、48 kHz,因此预缓冲为 100 毫秒。实际总延迟还包括操作系统和声卡内部缓冲,不能只看应用队列。

当回调到来而队列为空时,就发生欠载。实时播放不能在回调里等待生产线程,否则会阻塞设备线程。常见处理是立即输出同样帧数的静音,并递增欠载计数;语音场景还可使用丢包隐藏或重复上一小段波形,但那属于更高层的音频修复策略。

块越小,单次等待时间越短,交互延迟通常越低;但回调次数会增加,对调度和代码效率要求更高。块越大,系统更稳定,却会增加启动和控制响应延迟。应先满足无欠载,再逐步减小块大小,而不是一开始追求极端低延迟。

完整播放示例

示例生成 3 秒、440 Hz 的 16 位单声道 PCM 测试音,不依赖外部音频文件。它使用生产线程填充队列,预存 5 块后启动设备回调。先安装依赖:

bash
python -m pip install numpy sounddevice

预期结果:

text
Requirement already satisfied: <PACKAGE>
或
Successfully installed <PACKAGE_LIST>

运行下面的程序时,请先降低系统音量,避免耳机音量过高。程序中的振幅仅使用 16 位满量程的 20%,仍应根据实际设备调整。

python
import queue
import threading
import time

import numpy as np
import sounddevice as sd

SAMPLE_RATE = 48_000
CHANNELS = 1
BLOCK_FRAMES = 960
DURATION_SECONDS = 3
FREQUENCY_HZ = 440.0
QUEUE_BLOCKS = 10
PREBUFFER_BLOCKS = 5

audio_queue = queue.Queue(maxsize=QUEUE_BLOCKS)
producer_done = threading.Event()
playback_done = threading.Event()
underflows = 0
status_events = 0

def produce_pcm():
    amplitude = 0.2 * np.iinfo(np.int16).max
    total_blocks = DURATION_SECONDS * SAMPLE_RATE // BLOCK_FRAMES
    sample_index = 0

    for _ in range(total_blocks):
        # 使用连续样本序号,避免音频块边界产生相位跳变。
        indexes = sample_index + np.arange(BLOCK_FRAMES)
        wave_block = amplitude * np.sin(
            2 * np.pi * FREQUENCY_HZ * indexes / SAMPLE_RATE
        )
        pcm_block = wave_block.astype(np.int16).reshape(-1, 1)
        audio_queue.put(pcm_block)
        sample_index += BLOCK_FRAMES

    # None 是播放结束标记,必须排在最后一个 PCM 块之后。
    audio_queue.put(None)
    producer_done.set()

def on_playback(outdata, frames, time_info, status):
    global underflows, status_events

    if status:
        status_events += 1

    try:
        block = audio_queue.get_nowait()
    except queue.Empty:
        # 欠载时立刻补静音,不能在实时回调内阻塞等待。
        outdata.fill(0)
        underflows += 1
        return

    if block is None:
        outdata.fill(0)
        raise sd.CallbackStop

    outdata[:] = block

def main():
    producer = threading.Thread(target=produce_pcm, daemon=True)
    producer.start()

    # 等待达到预缓冲水位,避免设备一启动就把队列读空。
    while (
        audio_queue.qsize() < PREBUFFER_BLOCKS
        and not producer_done.is_set()
    ):
        time.sleep(0.005)

    prebuffer_ms = PREBUFFER_BLOCKS * BLOCK_FRAMES / SAMPLE_RATE * 1000
    print(
        f"开始播放:{FREQUENCY_HZ:.1f} Hz 测试音,"
        f"预缓冲 {prebuffer_ms:.0f} ms"
    )

    with sd.OutputStream(
        samplerate=SAMPLE_RATE,
        channels=CHANNELS,
        dtype="int16",
        blocksize=BLOCK_FRAMES,
        callback=on_playback,
        finished_callback=playback_done.set,
    ):
        playback_done.wait()

    producer.join()
    print(f"播放完成,欠载次数 {underflows},状态事件 {status_events}")

if __name__ == "__main__":
    main()

预期输出:

text
开始播放:440.0 Hz 测试音,预缓冲 100 ms
播放完成,欠载次数 0,状态事件 0

正常情况下会听到持续 3 秒的稳定测试音。若机器繁忙,欠载次数可能大于 0,并伴随短暂静音;这正是计数器要捕获的现象。

参数调整与验证顺序

先保持 20 毫秒块和 100 毫秒预缓冲,确认无欠载。随后把预缓冲从 5 块降到 3 块,再观察欠载次数和听感;若仍稳定,才考虑把块大小从 960 帧降到 480 帧。每次只改一个参数,否则无法判断是哪项调整引入问题。

若声音速度或音调异常,通常是 PCM 参数解释错误,例如把 44.1 kHz 数据按 48 kHz 播放、把双声道当单声道、把浮点样本当 16 位整数。爆音常见于块边界不连续、整数溢出或欠载恢复;完全无声则应检查默认输出设备、系统音量和应用权限。

生产线程长期慢于设备消费速度时,增大队列只能延迟欠载发生,不能消除根因。应测量解码、混音或网络取流耗时,保证平均生产速率不低于实时消费速率,并为短时抖动预留合理缓冲。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

音频设备播放

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通