实现纯前端下的音频剪辑处理
原文：https://juejin.im/post/5d91c2d85188251662293adb
前言
最近在做一个项目，需要对webRTC录制的音频进行处理，包括音频的裁剪、多音频合并，甚至要将某个音频的某一部分替换成另一个音频。
原本笔者打算将这件工作交给服务端去完成，但考虑，其实无论是前端还是后台，所做的工作是差不多的，而且交给服务端还需要再额外走一个上传、下载音频的流程，这不仅增添了服务端的压力，而且还有网络流量的开销，于是萌生出一个想法：为什么音频处理这件事不能让前端来做呢？
于是在笔者的半摸索半实践下，产生出了这篇文章。废话少说，先上仓库地址，这是一个开箱即用的前端音频剪辑sdk（点进去了不如就star一下吧）
ffmpeg
ffmpeg是实现前端音频处理的非常核心的模块，当然，不仅是前端，ffmpge作为一个提供了录制、转换以及流化音视频的业界成熟完整解决方案，它也应用在服务端、APP应用等多种场景下。关于ffmpeg的介绍，大家自行google即可，这里不说太多。
由于ffmpeg在处理过程中需要大量的计算，直接放在前端页面上去运行是不可能的，因为我们需要单独开个web worker，让它自己在worker里面运行，而不至于阻塞页面交互。
可喜的是，万能的github上已经有开发者提供了ffmpge.js，并且提供worker版本，可以拿来直接使用。
于是我们便有了大体的思路：当获取到音频文件后，将其解码后传送给worker，让其进行计算处理，并将处理结果以事件的方式返回，这样我们就可以对音频为所欲为了:)
开启美妙之旅前的必要工作
需要提前声明的是，由于笔者的项目需求，是仅需对.mp3格式进行处理的，因此下面的代码示例以及仓库地址里面所涉及的代码，也主要是针对mp3，当然，其实不管是哪种格式，思路是类似的。
创建worker
创建worker的方式非常简单，直接new之，注意的是，由于同源策略的限制，要使worker正常工作，则要与父页面同源，由于这不是重点，所以略过
function createWorker(workerPath: string) { const worker = new Worker(workerPath); return worker; }
postMessage转promise
仔细看ffmpeg.js文档的童鞋都会发现，它在处理音频的不同阶段都会发射事件给父页面，比如stdout，start和done等等，如果直接为这些事件添加回调函数，在回调函数里去区分、处理一个又一个音频的结果，是不大好维护的。个人更倾向于将其转成promise:
function pmToPromise(worker, postInfo) { return new Promise((resolve, reject) => { // 成功回调 const successHandler = function(event) { switch (event.data.type) { case "stdout": console.log("worker stdout: ", event.data.data); break; case "start": console.log("worker receive your command and start to work:)"); break; case "done": worker.removeEventListener("message", successHandler); resolve(event); break; default: break; } }; // 异常捕获 const failHandler = function(error) { worker.removeEventListener("error", failHandler); reject(error); }; worker.addEventListener("message", successHandler); worker.addEventListener("error", failHandler); postInfo && worker.postMessage(postInfo); }); }
通过这层转换，我们就可以将一次postMessage请求，转换成了promise的方式来处理，更易于空间上的拓展
audio、blob与arrayBuffer的互相转换
ffmpeg-worker所需要的数据格式是arrayBuffer，而一般我们能直接使用的，要么是音频文件对象blob，或者音频元素对象audio，甚至有可能仅是一条链接url，因此这几种格式的转换是非常有必要的：
audio转arrayBuffer
function audioToBlob(audio) { const url = audio.src; if (url) { return axios({ url, method: 'get', responseType: 'arraybuffer', }).then(res => res.data); } else { return Promise.resolve(null); } }
笔者暂时想到的audio转blob的方式，就是发起一段ajax请求，将请求类型设置为arraybuffer，即可拿到arrayBuffer.
blob转arrayBuffer
这个也很简单，只需要借助FileReader将blob内容提取出来即可
function blobToArrayBuffer(blob) { return new Promise(resolve => { const fileReader = new FileReader(); fileReader.onload = function() { resolve(fileReader.result); }; fileReader.readAsArrayBuffer(blob); }); }
arrayBuffer转blob
利用File创建出一个blob
function audioBufferToBlob(arrayBuffer) { const file = new File([arrayBuffer], 'test.mp3', { type: 'audio/mp3', }); return file; }
blob转audio
blob转audio是非常简单的，js提供了一个原生API——URL.createObjectURL，借助它我们可以把blob转成本地可访问链接进行播放
function blobToAudio(blob) { const url = URL.createObjectURL(blob); return new Audio(url); }
接下来我们进入正题。
音频裁剪——clip
所谓裁剪，即是指将给定的音频，按给定的起始、结束时间点，提取这部分的内容，形成新的音频，先上代码：
class Sdk { end = "end"; // other code... /** * 将传入的一段音频blob，按照指定的时间位置进行裁剪 * @param originBlob 待处理的音频 * @param startSecond 开始裁剪时间点（秒） * @param endSecond 结束裁剪时间点（秒） */ clip = async (originBlob, startSecond, endSecond) => { const ss = startSecond; // 获取需要裁剪的时长，若不传endSecond，则默认裁剪到末尾 const d = isNumber(endSecond) ? endSecond - startSecond : this.end; // 将blob转换成可处理的arrayBuffer const originAb = await blobToArrayBuffer(originBlob); let resultArrBuf; // 获取发送给ffmpge-worker的指令，并发送给worker，等待其裁剪完成 if (d === this.end) { resultArrBuf = (await pmToPromise( this.worker, getClipCommand(originAb, ss) )).data.data.MEMFS[0].data; } else { resultArrBuf = (await pmToPromise( this.worker, getClipCommand(originAb, ss, d) )).data.data.MEMFS[0].data; } // 将worker处理过后的arrayBuffer包装成blob，并返回 return audioBufferToBlob(resultArrBuf); }; }
我们定义了该接口的三个参数：需要被剪裁的音频blob，以及裁剪的开始、结束时间点，值得注意的是这里的getClipCommand函数，它负责将传入的arrayBuffer、时间包装成ffmpeg-worker约定的数据格式
/** * 按ffmpeg文档要求，将带裁剪数据转换成指定格式 * @param arrayBuffer 待处理的音频buffer * @param st 开始裁剪时间点（秒） * @param duration 裁剪时长 */ function getClipCommand(arrayBuffer, st, duration) { return { type: "run", arguments: `-ss ${st} -i input.mp3 ${ duration ? `-t ${duration} ` : "" }-acodec copy output.mp3`.split(" "), MEMFS: [ { data: new Uint8Array(arrayBuffer), name: "input.mp3" } ] }; }
多音频合成——concat
多音频合成很好理解，即将多个音频按数组先后顺序合并成一个音频
class Sdk { // other code... /** * 将传入的一段音频blob，按照指定的时间位置进行裁剪 * @param blobs 待处理的音频blob数组 */ concat = async blobs => { const arrBufs = []; for (let i = 0; i < blobs.length; i++) { arrBufs.push(await blobToArrayBuffer(blobs[i])); } const result = await pmToPromise( this.worker, await getCombineCommand(arrBufs), ); return audioBufferToBlob(result.data.data.MEMFS[0].data); }; }
上述代码中，我们是通过for循环来将数组里的blob一个个解码成arrayBuffer，可能有童鞋会好奇：为什么不直接使用数组自带的forEach方法去遍历呢？写for循环未免麻烦了点。其实是有原因的：我们在循环体里使用了await，是期望这些blob一个个解码完成后，才执行后面的代码，for循环是同步执行的，但forEach的每个循环体是分别异步执行的，我们无法通过await的方式等待它们全部执行完成，因此使用forEach并不符合我们的预期。
同样，getCombineCommand函数的职责与上述getClipCommand类似：
async function getCombineCommand(arrayBuffers) { // 将arrayBuffers分别转成ffmpeg-worker指定的数据格式 const files = arrayBuffers.map((arrayBuffer, index) => ({ data: new Uint8Array(arrayBuffer), name: `input${index}.mp3`, })); // 创建一个txt文本，用于告诉ffmpeg我们所需进行合并的音频文件有哪些（类似这些文件的一个映射表） const txtContent = [files.map(f => `file '${f.name}'`).join('\n')]; const txtBlob = new Blob(txtContent, { type: 'text/txt' }); const fileArrayBuffer = await blobToArrayBuffer(txtBlob); // 将txt文件也一并推入到即将发送给ffmpeg-worker的文件列表中 files.push({ data: new Uint8Array(fileArrayBuffer), name: 'filelist.txt', }); return { type: 'run', arguments: `-f concat -i filelist.txt -c copy output.mp3`.split(' '), MEMFS: files, }; }
在上面代码中，与裁剪操作不同的是，被操作的音频对象不止一个，而是多个，因此需要创建一个“映射表”去告诉ffmpeg-worker一共需要合并哪些音频以及它们的合并顺序。
音频裁剪替换——splice
它有点类似clip的升级版，我们从指定的位置删除音频A，并在此处插入音频B：
class Sdk { end = "end"; // other code... /** * 将一段音频blob，按指定的位置替换成另一端音频 * @param originBlob 待处理的音频blob * @param startSecond 起始时间点（秒） * @param endSecond 结束时间点（秒） * @param insertBlob 被替换的音频blob */ splice = async (originBlob, startSecond, endSecond, insertBlob) => { const ss = startSecond; const es = isNumber(endSecond) ? endSecond : this.end; // 若insertBlob不存在，则仅删除音频的指定内容 insertBlob = insertBlob ? insertBlob : endSecond && !isNumber(endSecond) ? endSecond : null; const originAb = await blobToArrayBuffer(originBlob); let leftSideArrBuf, rightSideArrBuf; // 将音频先按指定位置裁剪分割 if (ss === 0 && es === this.end) { // 裁剪全部 return null; } else if (ss === 0) { // 从头开始裁剪 rightSideArrBuf = (await pmToPromise( this.worker, getClipCommand(originAb, es) )).data.data.MEMFS[0].data; } else if (ss !== 0 && es === this.end) { // 裁剪至尾部 leftSideArrBuf = (await pmToPromise( this.worker, getClipCommand(originAb, 0, ss) )).data.data.MEMFS[0].data; } else { // 局部裁剪 leftSideArrBuf = (await pmToPromise( this.worker, getClipCommand(originAb, 0, ss) )).data.data.MEMFS[0].data; rightSideArrBuf = (await pmToPromise( this.worker, getClipCommand(originAb, es) )).data.data.MEMFS[0].data; } // 将多个音频重新合并 const arrBufs = []; leftSideArrBuf && arrBufs.push(leftSideArrBuf); insertBlob && arrBufs.push(await blobToArrayBuffer(insertBlob)); rightSideArrBuf && arrBufs.push(rightSideArrBuf); const combindResult = await pmToPromise( this.worker, await getCombineCommand(arrBufs) ); return audioBufferToBlob(combindResult.data.data.MEMFS[0].data); }; }
上述代码有点类似clip和concat的复合使用。
到这里，就基本实现了我们的需求，仅需借助worker，前端自己也能处理音频，岂不美哉？
上述这些代码只是为了更好的说明讲解，所以做了些简化，有兴趣的童鞋可直接源码，欢迎交流、拍砖:)
