2019 WebRtc AudioMixer混音流程

本文简要说明最新版WebRtc AudioMixer混音流程。

本程序使用4个16KHz 单声道时长均大于10秒的Wav文件作为混音源，只合成前10秒的音频，输出也是16KHz单声道音频。

输入和输出的采样率都是16000，每10ms音频长度采样点数为160，每个采样点为16bit，两字节大小。

使用的WebRTC代码日期为2019-05-08。

代码如下：

  1 #include "stdafx.h"
  2 #include <string>
  3 #include <iostream>
  4 #include <memory>
  5 #include <thread>
  6 #include <chrono>
  7 #include "webrtc\modules\audio_mixer\audio_mixer_impl.h"
  8 #include "webrtc\api\audio\audio_frame.h"
  9 #include "webrtc\modules\audio_mixer\output_rate_calculator.h"
 10 
 11 using namespace std::literals::chrono_literals;
 12 
 13 #define WAV_HEADER_SIZE 44
 14 #define SAMPLE_RATE 16000
 15 
 16 int16_t s_buf[160] = { 0 };
 17 
 18 class AudioSrc : public webrtc::AudioMixer::Source
 19 {
 20 public:
 21     AudioSrc(int ssrc, int sample, const std::string& file)
 22         : mSsrc(ssrc)
 23         , mSample(sample)
 24         , mFile(nullptr)
 25     {
 26         fopen_s(&mFile, file.c_str(), "rb");
 27         
 28         if (mFile)
 29         {
 30             fseek(mFile, 44, SEEK_SET);
 31         }
 32     }
 33 
 34     virtual ~AudioSrc()
 35     {
 36         if (mFile)
 37         {
 38             fclose(mFile);
 39             mFile = nullptr;
 40         }
 41     }
 42 
 43     virtual AudioFrameInfo GetAudioFrameWithInfo(int sample_rate_hz,
 44         webrtc::AudioFrame* audio_frame)
 45     {
 46         if (mFile)
 47         {
 48             fread(s_buf, 160 * 2, 1, mFile);//16KHz, 10ms buf
 49         }
 50         
 51         std::thread::id tid = std::this_thread::get_id();
 52         std::cout << "thread id ";
 53         tid._To_text(std::cout);
 54 
 55         //copy s_buf to audio_frame inner buf
 56         audio_frame->UpdateFrame(0, s_buf, 160, SAMPLE_RATE, webrtc::AudioFrame::SpeechType::kNormalSpeech, webrtc::AudioFrame::VADActivity::kVadUnknown, 1);
 57         printf(",ssrc %d get audio frame, muted: %d, n %d, s %d\n", mSsrc, int(audio_frame->muted()), audio_frame->num_channels_, audio_frame->sample_rate_hz_);
 58         
 59         return AudioFrameInfo::kNormal;
 60     }
 61 
 62     // A way for a mixer implementation to distinguish participants.
 63     virtual int Ssrc() const
 64     {
 65         return mSsrc;
 66     }
 67 
 68     // A way for this source to say that GetAudioFrameWithInfo called
 69     // with this sample rate or higher will not cause quality loss.
 70     virtual int PreferredSampleRate() const
 71     {
 72         return mSample;
 73     }
 74 
 75 private:
 76     int mSsrc;
 77     int mSample;
 78     FILE* mFile;
 79 };
 80 
 81 
 82 class AudioOutput : public webrtc::OutputRateCalculator
 83 {
 84     virtual int CalculateOutputRate(
 85         const std::vector<int>& preferred_sample_rates)
 86     {
 87         return SAMPLE_RATE;
 88     }
 89 
 90 };
 91 
 92 int MixText()
 93 {
 94     auto mixptr = webrtc::AudioMixerImpl::Create(std::make_unique<AudioOutput>(), true);
 95     AudioSrc src1(1, SAMPLE_RATE, "e:\\Media\\Audio\\16k_1.wav");
 96     AudioSrc src2(2, SAMPLE_RATE, "e:\\Media\\Audio\\16k_2.wav");
 97     AudioSrc src3(3, SAMPLE_RATE, "e:\\Media\\Audio\\16k_3.wav");
 98     AudioSrc src4(4, SAMPLE_RATE, "e:\\Media\\Audio\\16k_4.wav");
 99 
100     mixptr->AddSource(&src1);
101     mixptr->AddSource(&src2);
102     mixptr->AddSource(&src3);
103     mixptr->AddSource(&src4);
104 
105     std::thread::id tid = std::this_thread::get_id();
106     std::cout << "main thread id: ";
107     tid._To_text(std::cout);
108     std::cout << std::endl;
109 
110     webrtc::AudioFrame frame;
111 
112     FILE* fOut = nullptr;
113     fopen_s(&fOut, "f:/download/outmix.pcm", "wb");
114     
115     for (int i = 0; i < 100*10; ++i) // only mix first 10 seconds audio
116     {
117         mixptr->Mix(1, &frame);
118         if (fOut)
119         {
120             fwrite(frame.data(), 160 * 2, 1, fOut);
121         }
122         std::this_thread::sleep_for(10ms);
123     }
124     
125     fclose(fOut);
126     fOut = nullptr;
127 
128     mixptr->RemoveSource(&src1);
129     mixptr->RemoveSource(&src2);
130     mixptr->RemoveSource(&src3);
131     mixptr->RemoveSource(&src4);
132 
133     tid = std::this_thread::get_id();
134     std::cout << "exit main thread id: ";
135     tid._To_text(std::cout);
136     std::cout << std::endl;
137 
138     return 0;
139 }
140 
141 int main(int argc, char* argv[])
142 {
143     MixText();
144 
145     return 0;
146 }

代码大体介绍：

 class AudioSrc : public webrtc::AudioMixer::Source 定义了混音音频源的类，

AudioSrc必须实现基类的三个virtual函数，

 virtual int Ssrc() const;  返回混音源的ID, AudioMixer调用此函数用于区分每个音频源，每个音频源的Ssrc必须返回不同的值。

 virtual int PreferredSampleRate() const; 返回混音源的音频采样率，这里都是16000，AudioMixer调用此函数得到每个音频源的音频采样率。

 virtual AudioFrameInfo GetAudioFrameWithInfo(int sample_rate_hz, webrtc::AudioFrame* audio_frame) 获取混音源的10ms长度音频，混音时AudioMixer依次对混音源调用此函数，

AudioSrc先从wav文件读取10ms音频到s_buf中，用AudioFrame的UpdateFrame函数把刚获取的s_buf中内容更新到AudioFrame中，AudioMixer内部完成混音。

 

 class AudioOutput : public webrtc::OutputRateCalculator  是用于计算混音输出音频采样率的类，必须实现虚函数CalculateOutputRate，

参数const std::vector<int>& preferred_sample_rates中元素为每个混音源的音频采样率，返回值为输出音频采样率，这里输出和输入的采样率一样，返回16000。

 

函数MixText是调用的代码

auto mixptr = webrtc::AudioMixerImpl::Create(std::make_unique<AudioOutput>(), true);

创建了一个AudioMixer智能指针对象mixptr ，

AudioSrc src1(1, SAMPLE_RATE, "e:\\Media\\Audio\\16k_1.wav");
AudioSrc src2(2, SAMPLE_RATE, "e:\\Media\\Audio\\16k_2.wav");
AudioSrc src3(3, SAMPLE_RATE, "e:\\Media\\Audio\\16k_3.wav");
AudioSrc src4(4, SAMPLE_RATE, "e:\\Media\\Audio\\16k_4.wav");

创建了4个混音源。

mixptr->AddSource(&src1);
mixptr->AddSource(&src2);
mixptr->AddSource(&src3);
mixptr->AddSource(&src4);

把4个混音源添加到AudioMixer中，

webrtc::AudioFrame frame;

创建一个AudioFrame 对象，用于接收混音输出。

FILE* fOut = nullptr;
fopen_s(&fOut, "f:/download/outmix.pcm", "wb");

打开一个文件，用于写入混音输出。

    for (int i = 0; i < 100*10; ++i) // only mix first 10 seconds audio
    {
        mixptr->Mix(1, &frame);
        if (fOut)
        {
            fwrite(frame.data(), 160 * 2, 1, fOut);
        }
        std::this_thread::sleep_for(10ms);
    }

此循环调用1000次，每次混音10毫秒长度音频，总共混音10秒钟长度的音频，

mixptr->Mix(1, &frame);

Mix是实际执行混音的函数，
它内部再依次调用AudioSrc::GetAudioFrameWithInfo再完成混音，把混音输出到frame中。

然后用fwrite再把frame.data()中的混音输出写入到输出文件。

std::this_thread::sleep_for(10ms);

sleep等待10毫秒。

混音完成再调用

    mixptr->RemoveSource(&src1);
    mixptr->RemoveSource(&src2);
    mixptr->RemoveSource(&src3);
    mixptr->RemoveSource(&src4);

移除混音源。

以上就是混音流程。

注意：由于混音输出写的是PCM文件，没有文件头，一般播放器不能播放，必须用 CoolEdit 或 Audacity 打开PCM播放。

 

posted @ 2019-06-29 07:26  YinKaisheng  阅读(4127)  评论(0)  编辑  收藏  举报