Android 实现边听伴奏边K歌探究

这篇文章可以为你提供一个解决录音和播放的同步的思路,而且解决了声音从手机传输到耳机上的延时的问题。

你需要有一些关于音频的基本认识,如果你还不是很了解,建议先阅读前面两篇文章。

  1. 写给小白的音频认识基础
  2. Android上一种效果奇好的混音方法介绍

场景描述

音乐中只有一种声音有时候很单薄的,我们经常希望把不同的声音加在一起,但是在录制的时候我们需要严格同步起来,把两种声音的时差控制在听觉允许的范围内,才可能获得我们想要的结果。另外一点,在录制的时候,为了不把播放的声音和人声或者器乐声混到一块,通常都需要录制者带着耳机边听边录。

为了实现最终两个或者多个声音能非常好的契合到一起,除了要解决录音和播放的同步,还需要考虑到声音从手机传输到耳机上的延时。这个场景除了会出现在一些比较专业的音乐软件上,常用的 K 歌软件也不可避免会遇到这个问题。

一线希望:MediaSyncEvent?

先抛出结论:并不能解决问题~

肯定先从 SDK 入手,发现 AudioRecord 里面有个方法 startRecording(MediaSyncEvent syncEvent) , 再看了一遍文档, 仿佛在黑暗中看到了一丝光亮。

The MediaSyncEvent class defines events that can be used to synchronize playback or capture * actions between different players and recorders.

然而对于它的使用资料实在太少,stackoverflow 上有个提问是 0 回答:这里。翻了 Google 很久,最终在官方的 CTS (Compatibility Test Suite) 中找到了它的身影:在 AudioRecordTesttestSynchronizedRecord方法中。这里顺便提一下,这些单元测试是非常好实打实的官方学习资料,如果苦于找不到答案的时候,不妨来这里找找看。

研究完testSynchronizedRecord我们回来看看MediaSyncEvent它究竟是用来干嘛的?

MediaSycEvent 可以通过 MediaSyncEvent.createEvent() 进行构造,它支持两种事件类型。

1
2
3
4
5
6
7
8
9
10
11
12
13
/**
* No sync event specified. When used with a synchronized playback or capture method, the
* behavior is equivalent to calling the corresponding non synchronized method.
*/
public static final int SYNC_EVENT_NONE = AudioSystem.SYNC_EVENT_NONE;
/**
* The corresponding action is triggered only when the presentation is completed
* (meaning the media has been presented to the user) on the specified session.
* A synchronization of this type requires a source audio session ID to be set via
* {@link #setAudioSessionId(int) method.
*/
public static final int SYNC_EVENT_PRESENTATION_COMPLETE = AudioSystem.SYNC_EVENT_PRESENTATION_COMPLETE;

其实就只有一种,SYNC_EVENT_NONE 就相当于没有同步事件,常规的 AudioRecord.startRecording() 方法就是用的这个参数。从AudioRecordTest.testSynchronizedRecord 的测试用例中可以得知SYNC_EVENT_PRESENTATION_COMPLETE的作用其实是等AudioTrack播放完的瞬间才触发AudioRecord的录音,这明显和我们的需求是不通的,没想明白在哪些场景会有这个需求,Google 要专门提供这个一个参数,如果有想法的朋友可以给我留言。

CyclicBarrier 来帮忙

此路不通之后,我们需要另辟蹊径。在运动员比赛前,我们需要先让大家在同一线上等待,直到看到信号发出再一起出发。在这里,我们也需要让 AudioTrackAudioRecord 先在同一起跑线上等着,然后一起出发,各奔东西。Java 世界里面的CyclicBarrier就很合适做这件事情。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
// play 和 record 两个同步线程
CyclicBarrier recordBarrier = new CyclicBarrier(2);
AudioTrack audioTrack;
AudioRecord audioRecord;
// UI Thread
public void start(){
recordBarrier.reset();
audioTrack.play();
audioRecord.startRecording();
new RecordThread().start();
new PlayThread().start();
}
class RecordThread extends Thread{
public void run(){
//等play线程开始写的时候read
recordBarrier.await();
audioRecord.read();
}
}
class PlayThread extends Thread{
public void run(){
//等reacord线程开始读的时候write
recordBarrier.await();
audioTrack.write();
}
}

上面通过CyclicBarrierAudioTrackwriteAudioRecordread 在同一起跑线上,似乎事情已经解决了,然而并没有。虽然你开始往耳机write数据,但是耳机接收到信号真正发出声音还要一段时间。

处理录音延时问题

我们回到用户真实的使用场景中,来看看问题是如何发生的?

录音延时

播放源是真实的数据源,比如位于 1ms 的伴奏数据块从写入AudioTrack开始到耳机播放可能已经是 100ms 后的事情了,而用户这个时候才开始录入自己的声音,这里还可能会有从设备开始采集声音到缓冲区的一个延时,如果是使用蓝牙耳机的话,那延时的问题就会更加突出了。

我们来感受一下延时的情况,在咖啡馆录的音,杂音比较多,但是不难听出来录音是比原来的声音要延迟了。

看下声波图:

延迟声波图

解决方案:

当录音和播放开始之后,它们就会在同一时域中平行演绎,根据延时的特点,我们不难得出:

录音时长 = 延迟时长 + 播放时长 + 额外时长(播放完之后的自由录音)

只要我们能知道延迟的时长,在读取录音数据的时候,我们只要截取掉 AudioRecord 前面的延迟数据就可以让问题得到解决了。那怎么才能知道应该截掉多少个 byte 的数据呢?在这里我想到了一个巧妙的解决方法,给大家分享一下思路。

从上面的节拍器的声波图我们可以看到,波峰对应的就是的那一声,录音音轨和节拍器音轨上的波峰差就是我们想知道的延迟时长。根据这个特点,我们可以设计出获取这个延迟时长的一个思路:

  1. 让用户带上耳机,根据固定节奏的节拍器(要有一定时间间隔)声音进行录音,简单的啦..啦..啦..就好。
  2. 根据获取到的录音数据和原始的节拍器声音进行比较, 我取的是 8 个波峰区间数据进行比较,如果延迟误差都在一个小范围内,那就认为是正确的。

具体的算法大概如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
//ANALYZE_BEAT_LEN = 8
int[] maxPositions = new int[ANALYZE_BEAT_LEN];
for(i = 0; i != maxPositions.length; i++){
byte[] segBytes = getSegBytes(); //获取一拍时长的数据
maxPositions[i] = getMaxSamplePos(segBytes);// 获取拍中波峰所在的大致位置
}
//按小到大排序
Arrays.sort(maxPositions);
//取中间一半的值,如果平均值误差在 10 毫秒内,就认为是正确的
int sampleTotalValue = 0;
int sampleLen = ANALYZE_BEAT_LEN / 2;
int[] sampleValues = new int[sampleLen];
for(int beginIndex = sampleLen / 2, i=0; i != sampleLen; i++){
sampleValues[i] = maxPositions[ i + beginIndex];
sampleTotalValue += sampleValues[i];
}
int averSampleValue = sampleTotalValue / sampleLen;
boolean isValid = true;
for(int sampleValue : sampleValues){
//errorRangeByteLen : 10 毫秒的 byte 长度
if(Math.abs(averSampleValue - sampleValue) > errorRangeByteLen){
isValid = false;
}
}
if(isValid){
stopPlay = true;
// 结果
int result = averSampleValue;
}

结果展示

波形图:

声音结果:

调整之后情况就改善多了,听觉上基本感受不到延迟了。但是这样会给用户带来一些不方便,换耳机的时候需要重新调整。个人的认知实在有限,虽然这可能是个有效的方法,但肯定不是最佳的做法,同时好奇像唱吧这种软件是如何处理的?欢迎大牛们交流一下想法~

参考资料

  1. 无线音频的延时问题:http://www.memchina.cn/News/9733.html

  2. MediaSyncEvent TestCase:

技术交流群:70948803,大部分时间群里都是安静的,只交流技术相关,很少发言,不欢迎广告喷子。

不玩音乐的看到这里可以关闭了。

色彩浓重的广告时间:

如果你有玩音乐,我做了一个音乐学习和记录的辅助工具。终于可以在 App 市场下载了: 声音笔记+,虽然还比较粗糙,期待你的支持~

还有这些好用的工具:

坚持原创分享,您的支持将鼓励我继续创作!