1 引言
　　在Win32 APIs基礎上編寫錄音程序繁瑣易錯，使用封裝好的類是個不錯的注意。不幸的是所謂封裝好的類對你而言，往往是代碼羅嗦且功能不足，因此盡管你可能希望在某個項目上因使用封裝好的類而避開Win32 APIs，可最終你發(fā)現(xiàn)你還得面對它。不是為了編寫自己的類，就是為了修改別人的代碼。
　　Win32 APIs中有一組被稱成多媒體控制接口（即MCI）的函數(shù)，該接口提供了多媒體編程所需的系統(tǒng)級APIs。對絕大多數(shù)C/C++程序員而言，這些函數(shù)也就是Windows多媒體編程的最低層接口。
　　由于錄音代碼直接操作真實的錄音設備而非單純的邏輯過程，因此會遇到一些“意外”或與時序有關的困難，從而使編寫健壯的代碼成了一件困難的事。
　　錄音的目的往往是將聲音寫入文件保存下來或是通過網絡發(fā)送，這兩類需求對錄音代碼影響較大。前者無實時性要求，一般也不限制數(shù)據(jù)量，代碼較易編寫，而后者既對實時性又要求，又對數(shù)據(jù)量（也就是音頻格式）有要求，且網絡系統(tǒng)的穩(wěn)定性也難比文件系統(tǒng)。期望在本文中試圖解決所有的問題是不現(xiàn)實的，諸如如何壓縮音頻數(shù)據(jù)以減小網絡帶寬需求或如何通過網絡傳輸音頻數(shù)據(jù)之類的問題，讀者需參閱專業(yè)著作，本文只講述如何獲得適宜某類需求的原始音頻數(shù)據(jù)。
　　本文中的示例代碼均是一個名為CWaveRecord的錄音類的成員函數(shù)，該類是一個網絡電話程序的核心類。為減小篇幅或簡單明了，作了簡化處理等。
　　2 基本過程
　　MCI按打開設備、配置設備、實現(xiàn)功能（或曰發(fā)送命令）、撤銷配置、關閉設備的標準次序組織APIs。對于錄音編程而言，其要點在于根據(jù)音頻格式打開對應的設備、配置錄音所需的參數(shù)（主要是設置數(shù)據(jù)區(qū)以及根據(jù)數(shù)據(jù)接收方式設置回調函數(shù)或消息）、按一定次序發(fā)送命令給設備、接收數(shù)據(jù)并配置參數(shù)以繼續(xù)錄音、停止錄音釋放資源、關閉設備等幾個步驟上。所需的函數(shù)說明于mmsystem.h，引入庫是winmm.lib。
　　2.1 打開設備
　　調用waveInOpen()打開錄音設備，打開成功后函數(shù)返回MMSYSERR_NOERROR，而第一個參數(shù)返回設備句柄。
　　調用該函數(shù)時，必須指定設備表示符（可能有多個設備）、音頻格式以及返回音頻數(shù)據(jù)的方式。
　　你可以將設備表示符，即第二個參數(shù)設為WAVE_MAPPER。這意味著，你不在意具體使用哪個設備，由系統(tǒng)決定。
　　第三個參數(shù)是個WAVEFORMATEX結構指針，對應的結構指定音頻格式。一個音頻格式結構的例子：
　　PCMWAVEFORMAT wf_PCM8S11K =
　　{
　　 {
　　 WAVE_FORMAT_PCM, // PCM格式
　　 1, // 單聲道
　　 11025L, // 11.025KHZ
　　 11025L, // 11025字節(jié)/s
　　 1 // 字節(jié)對齊
　　 },
　　 8 // 8位采樣
　　};
　　后面的三個參數(shù)用于指定獲取音頻數(shù)據(jù)的方式：事件方式、線程方式、窗口方式以及回調函數(shù)方式。最后一個參數(shù)，即第六個參數(shù)指定方式，而第四個參數(shù)和第五個參數(shù)指定該方式所需的信息。
　　調用示例：
　　waveInOpen( &m_hWaveIn, dwDeviceID, m_pwf,
　　(DWORD)waveInProc, (DWORD)this, CALLBACK_FUNCTION );
　　該示例使用回調函數(shù)方式獲取音頻數(shù)據(jù)。其中dwDeviceID通常即為WAVE_MAPPER，m_pwf指向音頻格式結構，缺省值即wf_PCM8S11K的地址，waveInProc是回調函數(shù)（內部細節(jié)后面論述）。值得注意的是，this指針被設為實例數(shù)據(jù)，這是一個編程小技巧，方便waveInProc調用處理函數(shù)。
　　2.2 配置設備
　　按指定音頻格式成功打開錄音設備之后，需要配置錄音設備，也即為音頻數(shù)據(jù)分配數(shù)據(jù)區(qū)。需要考慮的第一個問題是數(shù)據(jù)塊的個數(shù)和大小。
　　系統(tǒng)一般在填滿一個數(shù)據(jù)塊后將其返回，這意味著大的數(shù)據(jù)塊導致獲取數(shù)據(jù)的頻率降低。如果試圖通過網絡傳輸這些數(shù)據(jù)，這意味著傳輸次數(shù)降低，但每次傳輸?shù)臄?shù)據(jù)量較大，這將導致音頻的實時性降低。另外，在網絡傳輸過程中，數(shù)據(jù)包（指每次發(fā)送的UDP或TCP數(shù)據(jù)包）的開始一般需設置一個信息頭，紀錄本數(shù)據(jù)包所含音頻數(shù)據(jù)的長度、錄制起始時間、錄制時間、發(fā)送時間、識別用的標識符以及其他一些信息，方便接受者處理。如果設置的音頻數(shù)據(jù)塊太小，比如100字節(jié)，將導致低的網絡傳輸效率。這意味著網絡將為小量數(shù)據(jù)啟動傳輸過程，而這小量數(shù)據(jù)中又有相當一部分屬于附加信息，這是不合算的。
　　數(shù)據(jù)塊的個數(shù)相對來說要好處理的多。較多的數(shù)據(jù)塊只有一個問題，那就是浪費，但這對Windows這樣的操作系統(tǒng)而言，浪費幾百K的內存根本不是問題。數(shù)據(jù)塊個數(shù)不能太少，這是因為在你處理上次返回的數(shù)據(jù)塊時，錄音設備正在工作，需要內存。如果在某一段時間內，比如說網絡傳輸變壞，你處理數(shù)據(jù)的速度也將變慢，而錄音設備卻如常工作。這導致你無法迅速地返回當前內存供下一次錄音使用，因此需要一些備用的內存塊以備不時之需。
　　調用waveInAddBuffer為錄音設備配置數(shù)據(jù)塊，而在此之前需調用waveInPrepareHeader準備數(shù)據(jù)塊。
　　WaveInPrepareHeader的參數(shù)有三個，就是錄音設備句柄、一個描述數(shù)據(jù)塊的結構WAVEHDR和該結構的大小。
　　WAVEHDR結構是錄音編程的常用數(shù)據(jù)結構，不同的使用環(huán)境設置不同的參數(shù)，具體內容參見MSDN。
　　下面的示例為錄音設備添加4個大小為4096字節(jié)的數(shù)據(jù)塊：
　　 for( i=0; i<4; i++ )
　　 {
　　 pwh = (WAVEHDR*)malloc( 4096 + sizeof(WAVEHDR) )
　　 ZeroMemory( pwh, sizeof(WAVEHDR) );
　　 pwh->dwBufferLength = 4096;
　　 pwh->lpData = (LPSTR)(pwh + 1);
　　 waveInPrepareHeader( hWaveIn, pwh, sizeof(WAVEHDR) );
　　 waveInAddBuffer( hWaveIn, pwh, sizeof(WAVEHDR) );
　　}
　　每次添加數(shù)據(jù)塊都需一個WAVEHDR（其他操作也如此），能否讓這些數(shù)據(jù)塊共用一個WAVEHDR或使用局部變量以減少內存消耗呢？最好不要這么做，因為你是在與實際設備打交道。很可能當調用返回時，系統(tǒng)內部卻還在使用WAVEHDR結構。如果共用或使用局部變量將導致信息混亂或非法內存操作。這一點MSDN沒有強調，我花了一星期才得到如此教訓。其他錄音操作也類似于此，切記！
　　配置好內存以后就可啟動錄音了：
　　waveInStart( hWaveIn );
　　如果所有操作均正確，很快你將得到第一塊音頻數(shù)據(jù)。
　　2.3 處理音頻數(shù)據(jù)塊
　　獲取音頻數(shù)據(jù)塊的方式有多種（詳見MSDN），處理方式大同小異，本文以回調函數(shù)方式為例說明處理過程。如上所述，waveInProc在waveInOpen調用中被設置為回調函數(shù)。
　　waveInProc通過處理WIM_OPEN（打開設備）、WIM_DATA（音頻數(shù)據(jù)）、WIM_CLOSE（設備關閉）消息的方式與系統(tǒng)交互，通常只需處理WIM_DATA消息，其他兩條消息可以忽略。
　　當系統(tǒng)返回一個音頻數(shù)據(jù)塊時，系統(tǒng)調用回調函數(shù)。此時，回調函數(shù)第一個參數(shù)被設置為錄音設備句柄；第二個參數(shù)是消息，即WIM_DATA；第三個參數(shù)則是在waveInOpen第五個參數(shù)中給出的實例數(shù)據(jù)；其他參數(shù)是與消息有關的參數(shù)，參見MSDN。
　　 處理WIM_DATA的任務由成員函數(shù)OnWaveInData完成，因此waveInProc及其簡單：
　　 CWaveRecord *pObject = (CWaveRecord *)dwInstance;
　　 if( uMsg == WIM_DATA )
　　 pObject->OnWaveInData( (WAVEHDR*)dwParam1 );
　　 在OnWaveInData中需要完成兩件事：一是保存系統(tǒng)返回的音頻數(shù)據(jù)，二是給錄音設備添加數(shù)據(jù)塊以繼續(xù)錄音，否則會因數(shù)據(jù)塊耗盡而停止錄音。
　　在保存系統(tǒng)返回的音頻數(shù)據(jù)塊之前，需要調用waveInUnprepareHeader發(fā)送一個通知告訴設備驅動程序該數(shù)據(jù)塊已不能用于錄音。保存音頻數(shù)據(jù)塊是個單純的數(shù)據(jù)保存問題，不需多說，只是有三個要點需要特別關注：
　　一是MSDN中注明在回調函數(shù)中嚴格限制系統(tǒng)調用，因此你不能隨心所欲地設計方案，比如說直接將音頻數(shù)據(jù)寫入文件是不允許的。通常，你需要設計一個數(shù)據(jù)塊鏈表結構進行緩沖，這多半涉及多線程編程。特別是如果你使用MFC中的CSocket類，那么必須清楚CSocket依賴一個名為CSocketWnd的內部類，而該類與TLS（線程局部存貯）有關，這意味著CSocket類是不支持多線程共享的。然而，Win32的SOCKET句柄是全局性。因此，獲取CSocketWnd類對象的窗口句柄之后，我通過直接調用Win32 APIs使用CSocket::m_hSocket避開這個由MFC封裝引起的問題。
　　二是系統(tǒng)是在另一個線程（不是你自己創(chuàng)建的線程）中調用回調函數(shù)，這會給使用TLS機制的程序帶來一些微妙的影響。如果你使用MFC，AfxGetApp之類的函數(shù)返回值不正確。
　　三是盡可能地快速。
　　至于給錄音設備添加數(shù)據(jù)塊以繼續(xù)錄音，其步驟與初始化過程一樣：
　　waveInPrepareHeader( hWaveIn, pwh, sizeof(WAVEHDR));
　　waveInAddBuffer( hWaveIn, pwh, sizeof(WAVEHDR) );
　　2.4 關閉設備釋放資源
　　簡單的調用waveInClose即可關閉設備。不過，在關閉時必須保證所有錄音數(shù)據(jù)塊已全部返回，這有點麻煩。我的解決方法是設置一個停止錄音標志和一個錄音數(shù)據(jù)塊計數(shù)。當用戶發(fā)出停止錄音的命令后，該標志置為TRUE，而OnWaveInData（在回調函數(shù)中被調用）檢查該標志，在標志置位的情況下，OnWaveInData不添加錄音數(shù)據(jù)塊。每添加一個錄音數(shù)據(jù)塊計數(shù)增加，每返回一個則減少（均在OnWaveInData中實現(xiàn)）。執(zhí)行停止錄音命令時，先將停止標志值位，等待計數(shù)變?yōu)榱?#xff0c;然后才調用waveInClose。需要注意的是，計數(shù)涉及多線程數(shù)據(jù)共享，應使用線程互斥機制，在單CPU的機子上使用InterlockedIncrement和InterlockedDecrement是個簡單的選擇。
　　3 編程技巧
　　3.1 簡單的聲音檢測
　　如果你通過網絡發(fā)送音頻數(shù)據(jù)，自然需要進行音頻處理。專業(yè)級的處理難度相當高，如果你是在一個局域網上進行通話，那么無需進行音頻壓縮也可以將就使用（性能自然不高）。但如果你不說話，程序還不停地發(fā)送音頻數(shù)據(jù)（靜音或噪音），那就太說不過去了。
　　你可以定義一個靜音區(qū)間，一旦音頻強度進入該區(qū)間就意味著沒有聲音。統(tǒng)計音頻數(shù)據(jù)塊中不是靜音采樣點的個數(shù)，當總數(shù)超過預設的限制時，才發(fā)送該數(shù)據(jù)塊。
　　對于8位采樣，127是靜音點。簡單的代碼如下：
　　 for( i=0; i<nMax; i++ )
　　 {
　　 uValue = (UCHAR)data[i];
　　 if( uValue<=125 || uValue>=129 )
　　 uHasCnt++;
　　 if( uHasCnt >= uLestNum )
　　 return TRUE;
　　 }
　　return FALSE;
　　3.2 創(chuàng)建音頻文件
　　創(chuàng)建任意格式的音頻文件在編程上不是一件輕松的事，但對于8位單聲道音頻數(shù)據(jù)而言較容易。定義文件信息頭結構：
　　// wav文件頭結構, 對齊方式為1字節(jié)
　　typedef struct
　　{
　　char RiffId[4]; // "RIFF"
　　 DWORD dwFileDataSize; // file size - 8
　　 char WaveId[4]; // "WAVE"
　　 char FMTId[4]; // "fmt "
　　 DWORD dwFmtSize; // 16
　　 WORD wFormatTag; // WAVE_FORMAT_PCM
　　 WORD wChannels; // 1
　　 DWORD dwSamplesPerSec; // 11025
　　 DWORD dwAvgBytesPerSec; // 11025
　　 WORD wBlockAlign; // 1
　　 WORD wBitsPerSample; // 8
　　 char DataId[4]; // "data"
　　 DWORD dwDataSize;
　　} WAVEFILEHDR, *PWAVEFILEHDR;
　　打開文件時，預留該結構大小的空間：
　　SetFilePointer(hFile,sizeof(WAVEFILEHDR), NULL, FILE_BEGIN );
　　然后就如寫一般文件一樣將接收的音頻數(shù)據(jù)寫入文件：
　　 WriteFile(hFile,pwh->lpData,pwh->dwBytesRecorded,&n, NULL );
　　 m_dwSizeWrite += dwSize;
　　最后一行代碼是將寫入的數(shù)據(jù)量統(tǒng)計下來用于信息頭填寫。
　　在關閉音頻文件時填寫信息頭：
　　 WAVEFILEHDR wfd =
　　 {
　　 'R', 'I', 'F', 'F', 0,
　　 'W', 'A', 'V', 'E',
　　 'f', 'm', 't', ' ', 16,
　　 WAVE_FORMAT_PCM, 1, 11025, 11025, 1, 8,
　　 'd', 'a', 't', 'a', 0
　　 };
　　 wfd.dwFileDataSize = dwBytes + sizeof(WAVEFILEHDR)- 8;
　　 wfd.dwDataSize = dwBytes;
　　 ::SetFilePointer( hFile, 0, NULL, FILE_BEGIN );
　　 ::WriteFile( hFile, &wfd, sizeof(wfd), &dwSize, NULL );
　　參考文獻
　　1 Visual C++ 6.0 MSDN
　　2 Win32程序員開發(fā)指南（二）
　　3 Visual C++ 6.0附帶MFC源碼

總結

以上是生活随笔為你收集整理的Win32下的录音编程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。