目录

1.  AudioTrack

1.1 简单示例如下

1.2 参数解释

1)  usage

2） contentType

3） Encoding

4）SampleRate

5）ChannelMask

6）Mode

2.  AudioRecord

2.1 简单示例如下：

2.2 AudioRecord.getMinBufferSize(...)

2.3 AudioRecord 构造函数

2.4  audioRecord.read(...)

2.5  生命周期管理

---

在上一章，我们介绍过MediaPlayer/AudioTrack, 以及MediaRecorder和AudioRecord，下面分两个章节分别介绍下AudioTrack以及AudioRecord的使用，以及解释下具体的参数。

下图给出了大概的应用app以及底层模块结构，具体架构参考架构图。

图1  AudioTrack、AudioRecord以及MediaPlayer、MediaRecorder结构

下表描述了AudioTrack、AudioRecord、MediaPlayer以及MediaRecorder差异，不要混淆。MediaPlayer在native层会调用AudioTrack播放解码后的音频PCM；

分类	Audio	Media
Player	AudioTrack： 一般播放PCM原始未压缩的音频，播放格式为PCM	MediaPlayer： 一般指播放压缩编码的音频、视频或者音视频文件，除了文件解包外，还有解码；播放格式音频有wav、mp3、ogg、wma；音视频有mp4、wmv、3gp等
Recorder	AudioRecord： 一般指从外部麦克风录制PCM未压缩的音频	MediaRecorder： 一般指录制麦克风数据以及摄像头视频，录制为音频或音视频格式文件，除了编码外，还需要打包

1.  AudioTrack

图2 AudioTrack

1.1 简单示例如下

// 创建 AudioAttributes（指定 Usage 和 ContentType）

AudioAttributes attributes = new AudioAttributes.Builder()

    .setUsage(AudioAttributes.USAGE_SAFETY)       

    .setContentType(AudioAttributes.CONTENT_TYPE_SONIFICATION)

    .build();

// 配置音频格式

AudioFormat format = new AudioFormat.Builder()

    .setEncoding(AudioFormat.ENCODING_PCM_16BIT)  

    .setSampleRate(48000)                         

    .setChannelMask(AudioFormat.CHANNEL_OUT_MONO) 

    .build();

// 计算最小缓冲区大小

int minBufferSize = AudioTrack.getMinBufferSize(

    48000,

    AudioFormat.CHANNEL_OUT_MONO,

    AudioFormat.ENCODING_PCM_16BIT

);

// 创建 AudioTrack

AudioTrack audioTrack = new AudioTrack.Builder()

    .setAudioAttributes(attributes)

    .setAudioFormat(format)

    .setBufferSizeInBytes(minBufferSize * 2)      

    .build();

// 写入 PCM 数据并播放

short[] pcmData = generateAvasSound();

audioTrack.play();

audioTrack.write(pcmData, 0, pcmData.length, AudioTrack.WRITE_BLOCKING);

// 播放完成后释放资源

audioTrack.release(); // 重要！否则会泄漏音频会话

1.2 参数解释

以上有四个部分需要解释：

• setUsage
• setContentType
• setEncoding
• setSampleRate
• setChannelMask
• MODE

下面对各个参数分开解释：

1)  usage

传统的方式通过StreamType来区分音频类型，但最新Android 5.0开始都是通过Usage来区分，但新的架构也兼容老的方式。常用的有以下几种Usage：

Usage 常量	说明	典型场景
USAGE_MEDIA	普通媒体播放	音乐、视频、游戏背景音
USAGE_VOICE_COMMUNICATION	语音通话	VoIP（微信语音、Zoom）、电话
USAGE_GAME	游戏音效	手机/平板游戏音效
USAGE_ASSISTANT	语音助手	小爱同学、Siri 回答
USAGE_NOTIFICATION	通知提示音	消息、邮件、日历提醒
USAGE_NOTIFICATION_RINGTONE	来电铃声	电话呼入铃声
USAGE_NOTIFICATION_EVENT	系统事件提示	键盘按键音、充电提示
USAGE_ALARM	闹钟	闹钟、定时器
USAGE_EMERGENCY	紧急警报	地震预警、极端天气警报（最高优先级）

2） contentType

内容类型，例如：

常量	说明	典型场景
CONTENT_TYPE_SPEECH	语音对话	电话、VoIP、语音消息、语音助手回答
CONTENT_TYPE_MUSIC	音乐/歌曲	音乐播放器、视频背景音乐、游戏 BGM
CONTENT_TYPE_MOVIE	电影/视频	本地视频、流媒体（Netflix、YouTube）
CONTENT_TYPE_SONIFICATION	提示音/合成音效	键盘按键音、通知提示、AVAS、倒车雷达

3） Encoding

Encoding是指PCM 音频数据的存储格式，决定了每个采样点用多少位、什么方式表示。

一般有：ENCODING_PCM_16BIT 、ENCODING_PCM_FLOAT等等。

4）SampleRate

采样率比较常见的概念，就是在声音模拟信号转换为数字信号时，需要采样，以Hz 赫兹为单位。有8k、16k、44.1k、48k等采样率。

5）ChannelMask

  ChannelMask指定音频通道的布局（即声道配置），它决定了音频数据如何映射到物理扬声器（如左/右/中置/环绕等），一般有：

CHANNEL_OUT_MONO  指单声道

CHANNEL_OUT_STEREO 指立体声，也就是左右双声道

6）Mode

MODE_STATIC

静态模式：一次性将所有的音频数据写入，适合短小的音效（如游戏音效）。这种方式可以减少延迟，但数据必须一次性全部准备好。

MODE_STREAM

流模式：需要不断写入音频数据，适合播放较长的音频流（如音乐播放）。这种模式下，应用程序通过write方法不断将数据写入AudioTrack的缓冲区。

2.  AudioRecord

    

     

图3 AudioRecord

2.1 简单示例如下：

      最基本的AudioRecord的关键函数示例：

    //计算最小缓冲区大小

               int bufferSizeInBytes = AudioRecord.getMinBufferSize(
                          SAMPLE_RATE,

                           CHANNEL_CONFIG,

                           AUDIO_FORMAT);
            

               // 创建 AudioRecord 实例
               audioRecord = new AudioRecord(

                MediaRecorder.AudioSource.MIC, // 音频源：麦克风
                          SAMPLE_RATE,                       // 采样率（Hz）
                          CHANNEL_CONFIG,              // 声道配置
                           AUDIO_FORMAT,                  // 音频格式
                          bufferSizeInBytes              // 缓冲区大小（字节）

               );


               // 启动录音线程读取数据，自行添加
               while (isRecording) {
                   int bytesRead = audioRecord.read(buffer, 0, buffer.length);
                   if (bytesRead > 0) {
                          // 类似处理录取到的音频数据函数
                          processAudioData(buffer, bytesRead);
                    }

               }

                //......
               //停止释放

               audioRecord.stop();
               audioRecord.release();

         

2.2 AudioRecord.getMinBufferSize(...)

public static int getMinBufferSize(int sampleRateInHz,

                                 int channelConfig,

                               int audioFormat)

• 作用：获取满足当前配置所需的最小缓冲区大小（单位：字节）。
• 参数：
  • sampleRateInHz：采样率（如 8000、16000、44100、48000 Hz）
  • channelConfig：声道配置
    • AudioFormat.CHANNEL_IN_MONO（单声道）
    • AudioFormat.CHANNEL_IN_STEREO（立体声）
  • audioFormat：采样精度
    • AudioFormat.ENCODING_PCM_8BIT（8 位，较少用）
    • AudioFormat.ENCODING_PCM_16BIT（16 位，最常用）
    • AudioFormat.ENCODING_PCM_FLOAT（浮点，API 23+）

返回值若为 ERROR 或 ERROR_BAD_VALUE，说明参数不支持。

2.3 AudioRecord 构造函数

public AudioRecord(int audioSource,

                 int sampleRateInHz,

                  int channelConfig,

                 int audioFormat,

                  int bufferSizeInBytes)

• audioSource：音频输入源
  • MediaRecorder.AudioSource.MIC：默认麦克风
  • MediaRecorder.AudioSource.VOICE_RECOGNITION：优化语音识别（降噪）
  • MediaRecorder.AudioSource.CAMCORDER：摄像时录音
  • （其他如 VOICE_COMMUNICATION 等）
• sampleRateInHz：采样率（建议使用设备支持的标准值，如 44100）
• channelConfig & audioFormat：同上
• bufferSizeInBytes：内部缓冲区大小（必须 ≥ getMinBufferSize() 返回值）
  • 越大越不容易丢帧，但延迟越高；越小延迟低但可能不稳定。

2.4  audioRecord.read(...)

public int read(byte[] audioData, int offsetInBytes, int sizeInBytes)

• 从录音缓冲区读取 PCM 数据到 audioData。
• 返回实际读取的字节数。
• 若返回 ERROR_INVALID_OPERATION 或 ERROR_BAD_VALUE，说明状态异常。
• 在 API 23+ 可使用带 READ_BLOCKING / READ_NON_BLOCKING 标志的重载方法。

2.5  生命周期管理

• startRecording()：开始录音（必须调用后才能 read）
• stop()：停止录音（可重复 start/stop）
• release()：释放底层资源（调用后对象不可再用）
• getState()：检查是否初始化成功（STATE_INITIALIZED）

更多内容，请关注后续更新。