混音播放

前言

公司今年开始设置了创新奖，分享奖等各种大奖，不由得动力满满的，是时候拿些压箱底来冲击下奖项了。

正所谓，博一博，单车变摩托。

安卓sdk里，播放音频有 SoundPool，MediaPlayer， AudioTrack 三种方案。

SoundPool，明显不适合技术选型，因为它比较适合播放短促音效，文件小的音频。

MediaPlayer，使用频繁的方案，自带解码，支持mp3，wav等音频文件，但只支持单一音频播放。同样不适合。

AudioTrack，偏底层的音频播放方案，只支持pcm文件。所以，需要将音频文件解码成PCM（byte[] ），再将数据读取到固定的buffer缓存块里，然后再写入 AudioTrack ，就可以播放声音。

由于前面两个选项已被否决。那么，AudioTrack适不适合混和播放呢？暂不做确认，先看看什么是混和播放。

混和播放，也就是多音轨同时播放，暂停，seekTo 等操作。

MediaPlayer 也不是不行。新建多个MediaPlayer实例，然后同时操作，该方案其实也是项目里Loop最初的实现方案，曲谱的实现方案。

虽然项目里的重点模块-曲谱都用上该方案，说明可行性还是有的。但终究不是终极方案。

比如所有音轨播放之前，播放一段前置节拍。此时会出现衔接间断的问题。

由于MediaPlayer是对AudioTrack的封装，所以，这个方案的逻辑，其实是系统针对多应用同时播放声音的方案。

所以，简单的将MediaPlayer替换成AudioTrack，通过多个AudioTrack实例来实现，原理上是一模一样的。

那还有没有其他方案呢。

这里就不得不探讨下声音的数字化的原理：在单位时间内对声波进行采样，最后量化成pcm数据。

同理，混音的原理是是：各个声音波形的叠加，也就是pcm数据的叠加。

而安卓sdk提供的音频API里，唯一能够针对pcm数据进行播放的，就只有AudioTrack。

结合上述的分析，具体的方案如下图：

所以，该方案可行？

这里抛开其他一些额外处理（比如不同采样率的音频混音，混音后的溢出），理论上是可行的，但其实有个致命的问题。

那就是多音轨时，jvm内存可能会爆掉。

这笔帐是可以算清楚的，

假如采样率为 44100HZ，位深为 16bit，声道数为 2 的 pcm，60 秒大小应为

44100×16bit×2×60s÷8bit=10,584,000Byte=10.0936889648MB

而 Loop 单轨最高录制 5分钟，即单轨大小为 50M，8轨共计 400M

对于一些低端机型，怕是要承受不来的。

但实际场景并没有这么极限。所以，应该是可行的。

实际上，恩雅APP采用了Google Oboe的方案，比AudioTrack更加底层，更加高效以及低延迟。

但混音原理是一样的，至于不同采样率的音频混音，混音后的溢出同样是存在的，这些还未完善。

而内存溢出方面，由于JNI 没有内存限制，所以比AudioTrack更加放心。实测录制8条5分钟的音轨，整个应用占用的将近1G，1+3机型也不会出现内存溢出的问题。

至于为何一开始没有在AudioTrack下功夫，只是项目前期已经接入Google Oboe，也就不再考虑范围。

所以，接下来，则是重头戏 Oboe 的混音实现了。由于篇幅太长，只能下集解说了。