音频开发 / 系统课时
拆解声音从采集到播放的链路
拆解声音从采集到播放的链路
音频问题看似发生在“声音”上,真正排查时却要沿数据形态逐段定位。本篇把麦克风、采集设备、PCM 缓冲、处理、编码传输与播放串成一条链,让你知道每一层拿到什么、交出什么,以及故障最可能卡在哪里。
学习目标
- 说清声音从物理振动到扬声器输出经历的主要阶段
- 区分 PCM、缓冲、处理、编码传输各自解决的问题
- 按端到端链路定位无声、卡顿、失真和延迟的故障层级
一条音频链路里到底流动什么
麦克风接收到的是空气压力变化,并把它转换为模拟电信号。采集设备中的 ADC 再按固定采样率把连续信号离散化,得到一帧帧数字样本。进入应用后,这些样本通常以 PCM 形式存放在环形缓冲或块缓冲中,供后续处理模块消费。
处理模块直接面对 PCM,可以做增益、混音、滤波、降噪、回声消除或重采样。若音频需要保存或通过网络发送,PCM 往往还会经过 AAC、Opus 等编码器压缩;接收端执行相反过程,先解码回 PCM,再写入播放缓冲,经 DAC 转成模拟信号,最终由扬声器推动空气发声。

这条链路最重要的认知是:同一个“音频”在不同阶段并不是同一种数据。麦克风前是物理振动,ADC 前是模拟信号,应用处理时通常是 PCM,编码后则是带特定封装或协议的压缩码流。排障时先确认当前层处理的数据形态,能避免把编码问题误判成采样问题。
逐层看输入、输出与典型故障
| 层级 | 主要输入与输出 | 常见故障 |
|---|---|---|
| 麦克风与采集设备 | 空气振动 → 模拟信号 → 数字样本 | 无输入、底噪、削波 |
| PCM 缓冲 | 连续样本块 | underrun、overrun、丢帧 |
| 音频处理 | PCM → PCM | 增益错误、声道错位、重采样失真 |
| 编码与传输 | PCM → 压缩码流 → 压缩码流 | 编码参数不匹配、丢包、抖动 |
| 解码与播放缓冲 | 压缩码流 → PCM | 解码失败、缓冲不足 |
| 播放设备与扬声器 | PCM → 模拟信号 → 空气振动 | 设备选错、静音、硬件输出异常 |
这张表不是为了记名词,而是为了确定检查边界。例如录音文件本身已经能正常解码,说明麦克风、采集和编码至少产生了可用数据;若应用仍无声,排查重点就应转向解码后的 PCM、播放缓冲与输出设备,而不是继续盯着麦克风权限。
缓冲决定实时链路能否稳定
实时音频不会逐个样本调用一次业务代码,而是按一小块一小块数据传递。缓冲过小,线程调度稍有抖动就可能来不及供数,出现爆音或 underrun;缓冲过大虽然更稳,却会直接增加端到端延迟。
可以用“帧数 ÷ 采样率”估算单个缓冲块覆盖的时间。例如 48 kHz 音频每块 480 帧,对应约 10 ms。真实端到端延迟还要叠加采集、处理、编码、网络、解码和播放端的缓冲,因此调低某一个缓冲并不等于整体延迟一定同比下降。
编码不是音频处理本身
增益、滤波、混音这类操作改变的是 PCM 样本;AAC、Opus 等编码器解决的是带宽和存储效率。编码器通常要求明确的采样率、声道数与输入样本格式,解码器则负责把压缩码流还原成可播放或继续处理的 PCM。
因此“文件能播放”与“PCM 参数正确”不是同一个结论,“网络有数据”也不代表播放端一定能解码。后续遇到异常时,优先在各层边界抓取可验证信息:设备是否产出样本、PCM 是否连续、编码器是否接收匹配参数、接收端是否拿到完整码流、解码后是否持续写入播放缓冲。这样就能把一个模糊的“没声音”问题拆成有限的链路检查。