Question

我正在构建一个相当简单的Android应用程序（sdk版本14：ICS），允许用户一次选择两个音频剪辑（所有都是RIFF / WAV格式，小端，带符号的PCM-16位编码）和以各种方式组合它们以创建新的声音。我用于此组合的最基本方法如下：

//...sound samples are read in to memory as raw byte arrays elsewhere
//...offset is currently set to 45 so as to skip the 44 byte header of basic
//RIFF/WAV files
...
//Actual combination method
public byte[] makeChimeraAll(int offset){
    for(int i=offset;i<bigData.length;i++){
        if(i < littleData.length){
            bigData[i] = (byte) (bigData[i] + littleData[i]);
        }
        else{
            //leave bigData alone
        }
    } 
    return bigData;
}

然后可以通过AudioTrack类播放返回的字节数组：

....
hMain.setBigData(hMain.getAudioTransmutation().getBigData()); //set the shared bigData
// to the bigData in AudioTransmutation object
hMain.getAudioProc().playWavFromByteArray(hMain.getBigData(), 22050 + (22050*
(freqSeekSB.getProgress()/100)), 1024); //a SeekBar allows the user to adjust the freq
//ranging from 22050 hz to 44100 hz
....
public void playWavFromByteArray(byte[] audio,int sampleRate, int bufferSize){
    int minBufferSize = AudioTrack.getMinBufferSize(sampleRate, 
            AudioFormat.CHANNEL_CONFIGURATION_MONO, AudioFormat.ENCODING_PCM_16BIT);
        AudioTrack at = new AudioTrack(AudioManager.STREAM_MUSIC, sampleRate, 
            AudioFormat.CHANNEL_CONFIGURATION_MONO, AudioFormat.ENCODING_PCM_16BIT,
            minBufferSize, AudioTrack.MODE_STREAM);

        int i = 0;

        at.play();
        at.write(audio, 0, audio.length);     
        at.stop();
        at.release();

       for(i=0;i<audio.length;i++){
           Log.d("me","the byte value at audio index " + i + " is " + audio[i]);
       }

}

使用上面的代码组合和回放的结果接近我想要的（两个样本在产生的混合声音中仍然可以辨别）但是也存在许多裂缝，爆裂声和其他噪声。

所以，有三个问题：首先，我正确使用AudioTrack吗？其次，在AudioTrack配置中，endianness在哪里？这些声音本身发挥得很好，声音几乎就像我期望的那样，因此RIFF / WAV格式的小端性质似乎在某处传达，但我不知道在哪里。最后，对于带符号的16位PCM编码，我应该看到的字节值范围是多少？我希望从上面的Log.d（...）调用看到logcat中的-32768到32767的值，但结果往往在-100到100的范围内（超出该范围的一些异常值）。可能超出16位范围的组合字节值会产生噪声吗？

感谢， CCJ

更新：主要感谢Bjorne Roche和William the Coderer！我现在在音频数据中读取short []结构，使用William的EndianInputStream（http://stackoverflow.com/questions/8028094/java-datainputstream-replacement-for-endianness）来计算DataInputStream的字节顺序。组合方法已改为：

//Audio Chimera methods!
public short[] makeChimeraAll(int offset){
    //bigData and littleData are each short arrays, populated elsewhere
    int intBucket = 0;
    for(int i=offset;i<bigData.length;i++){
        if(i < littleData.length){
            intBucket = bigData[i] + littleData[i];
            if(intBucket > SIGNED_SHORT_MAX){
                intBucket = SIGNED_SHORT_MAX;
            }
            else if (intBucket < SIGNED_SHORT_MIN){
                intBucket = SIGNED_SHORT_MIN;
            }
            bigData[i] = (short) intBucket;
        }
        else{
            //leave bigData alone
        }
    } 
    return bigData;
}

这些改进的混合音频输出质量非常棒！

Answer 1

我对Android音频不熟悉，所以我无法回答你的所有问题，但我可以告诉你基本问题是什么：逐字节添加音频数据是行不通的。由于它是有效的，从查看你的代码，以及它最常见的事实，我将假设你有16位PCM数据。然而在任何地方，你都在处理字节。字节不适合处理音频（除非音频恰好是8位）

字节是aprox +/- 128.你说“我希望看到logcat中的-32768到32767的值来自上面的Log.d（...）调用，但结果往往是在-100到100的范围（超出范围的一些异常值）“嗯，当你从字节数组打印值时，你怎么可能去那个范围？ 16位带符号数据的正确数据类型很短，而不是字节。如果您打印的是短值，则会看到预期的范围。

您必须将您的字节转换为短片并对短片求和。这将照顾您听到的大部分混音噪音。既然你正在阅读文件，那么为什么还要转换呢？为什么不用这样的东西把它作为简短的文件读出来 http://docs.oracle.com/javase/1.4.2/docs/api/java/io/DataInputStream.html#readShort（）

下一个问题是你必须处理超出范围的值，而不是让它们“环绕”。最简单的解决方案是简单地将求和作为整数，“剪辑”到短程，然后存储剪切的输出。这将消除您的点击和弹出。

在伪代码中，整个过程看起来像这样：

file1 = Open file 1
file2 = Open file 2
output = Open output for writing

numSampleFrames1 = file1.readHeader()
numSampleFrames2 = file2.readHeader()
numSampleFrames = min( numSampleFrames1, numSampleFrames2 )
output.createHeader( numSampleFrames )

for( int i=0; i<numSampleFrames * channels; ++i ) {
    //read data from file 1
    int a = file1.readShort();
    //read data from file 2, and add it to data we read from file 1
    a += file2.readShort();
    //clip into range
    if( a > Short.MAX_VALUE )
       a = Short.MAX_VALUE;
    if( a < Short.MIN_VALUE )
       a = Short.MIN_VALUE;
    //write it to the output
    output.writeShort( (Short) a );
}

你会从“裁剪”步骤中得到一点失真，但是没有简单的方法，裁剪比环绕更好。（也就是说，除非你的音轨非常“热”，而且在低频时很重，否则失真不应太明显。如果有问题，你可以做其他事情：例如乘以.5并跳过裁剪，但那么你的输出会更安静，这在手机上可能不是你想要的。）

使用Android的AudioTrack组合声音样本的字节会产生噪音

1 个答案: