Windows 麦克风音频采集 PCM、G711a格式

2024-03-31 18:31:52

一、简介

PCM（脉冲编码调制），它是对连续变化的模拟信号进行抽样、量化和编码产生的，称为PCM（Pulse-code modulation），即脉冲编码调制。这种电的数字信号称为数字基带信号，由PCM电端机产生。数字传输系统都是采用PCM*。PCM最初并非传输计算机数据用的，而是使交换机之间有一条中继线不是只传送一条电话信号。PCM有两个标准（表现形式）即E1和T1。

G.711是一种由国际电信联盟制定的音频编码方式，又称为ITU-T G.711。G711编码的声音清晰度好，语音自然度高，但压缩效率低，数据量大常在32Kbps以上，常用于电话语音(推荐使用64Kbps)。G.711 标准下主要有两种压缩算法，分别为a-law和u-law。a-law也叫g711a，使用在欧洲和其他地区，这种格式是经过特别设计的，便于数字设备进行快速运算。

最近做了一个语音对讲的需求，在这里记录一下，毕竟好记性不如烂笔头。在电脑端这边对讲分为两方面，一方面是收集设备发过来的声音播放，另一方面采集电脑麦克风的音频数据发送给设备。这里主要是对后者的一些API调用的记录，以实现对电脑麦克风的音频数据的采集，主要分为两种比较常用的格式，PCM和G711a。主要使用的是Windows提供的API函数Waveform Audio API，写了个小demo，代码放在下面了：

百度云下载地址提取码：2uqo

CSDN下载地址

二、效果

demo比较简单，就一个设置保存的文件名，可以填比如123.pcm或123.G711a，以及三个按钮，一个采集PCM数据，一个采集G711a数据，采集后的数据会写文件在当前程序的目录下，还有一个停止按钮，停止采集数据。代码比较多，就不贴在下面了，直接在上面下载就可以。

三、Waveform Audio函数介绍

Waveform Audio能提供的主要功能有：

打开 / 关闭 / 查询声音设备 ;
播放波形文件 ;
设置播放速度 ;
播放进度控制 ;
录音 ;
得到当前的播放位置 ;
调节音量 .

下面介绍下麦克风音频采集主要用到的函数：

打开录音设备函数

MMRESULT waveInOpen(
            LPHWAVEIN phwi,                // 输入设备句柄
            UINT uDeviceID,                // 输入设备 ID
            LPWAVEFORMATEX pwfx,           // 录音格式指针
            DWORD dwCallback,              // 处理 MM_WIM_*** 消息的回调函数或窗口句柄，线程ID
            DWORD dwCallbackInstance, 
            DWORD fdwOpen                  // 处理消息方式的符号位
          );

为录音设备准备缓存函数

MMRESULT waveInPrepareHeader(  
            HWAVEIN hwi, 
            PWAVEHDR pwh,
            UINT bwh 
           );

给输入设备增加一个缓存

MMRESULT waveInAddBuffer(
            HWAVEIN hwi,
            LPWAVEHDR pwh,
            UINT cbwh 
           );

开始录音

MMRESULT waveInStart(  HWAVEIN hwi  );

清除缓存

MMRESULT waveInUnprepareHeader( 
            HWAVEIN hwi,
            LPWAVEHDR pwh,
            UINT cbwh
           );

停止录音

MMRESULT waveInReset( HWAVEIN hwi );

关闭录音设备

MMRESULT waveInClose( HWAVEIN hwi );

Wave_audio 数据格式

typedef struct {
            WORD  wFormatTag;            // 数据格式，一般为 WAVE_FORMAT_PCM 即脉冲编码
            WORD  nChannels;             // 声道
            DWORD nSamplesPerSec;        // 采样频率
            DWORD nAvgBytesPerSec;       // 每秒数据量
            WORD  nBlockAlign;
            WORD  wBitsPerSample;        // 样本大小
            WORD  cbSize;
} WAVEFORMATEX;

waveform-audio 缓存格式

typedef struct {
            LPSTR  lpData;                // 内存指针
            DWORD  dwBufferLength;        // 长度
            DWORD  dwBytesRecorded;       // 已录音的字节长度
            DWORD  dwUser;
            DWORD  dwFlags;
            DWORD  dwLoops;               // 循环次数
            struct wavehdr_tag * lpNext;
            DWORD  reserved;
} WAVEHDR;

相关消息

 MM_WIM_OPEN: 打开设备时消息，在此期间我们可以进行一些初始化工作

 MM_WIM_DATA: 当缓存已满或者停止录音时的消息，处理这个消息可以对缓存进行重新分配，实现不限长度录音

 MM_WIM_CLOSE：关闭录音设备时的消息。

四、PCM转G711a

Windows提供的这套API虽然可以很好的实现采集麦克风中的数据，但是我发现好像只能采集到PCM格式的数据，试了很多方法也不能直接采集到G711a格式的数据。所以这里我参考了别的大神的博客，直接把PCM格式的数据转成G711a，参考的博客地址我放在下面了，里面详细的讲解了G711a的编码方式，感兴趣的可以去学习一下。我这里就直接使用了大神的代码把PCM转成G711a。

如果想要看自己采集到的数据有没有问题，可以使用ffplay播放一下，ffplay是一个使用了FFmpeg和sdl库的一个媒体播放工具。

ffmplay百度云下载地址提取码：qx7l

把采集到的G711a和PCM格式的文件放在ffmplay同一目录下，然后在cmd命令行里进入ffmplay所在的路径，输入下面的命令就可以播放了：

播放g711a：
ffplay.exe -f alaw -ar 16000 -ac 1 test.g711a
播放pcm：
ffplay.exe -f s16le -ar 16000 -ac 1 test.pcm

参考博客：https://blog.csdn.net/szfhy/article/details/52448906

https://www.cnblogs.com/huty/p/8518458.html

码农公寓

一、简介

二、效果

三、Waveform Audio函数介绍

四、PCM转G711a

相关文章