3、Android AudioRecord与音频采集：AudioRecord基础用法、音频数据格式与缓冲区、音频采集实战

音频采集，是音视频传输的起点。你想想看，如果源头的声音数据都拿不好，后面编码、推流全是白搭。这一章，我们就来啃下 Android 上最核心的音频采集 API——AudioRecord。

说实话，我早年刚接触音视频开发时，也踩过不少 AudioRecord 的坑。比如缓冲区设太小导致丢帧，或者采样率不匹配导致声音变调。嗯，今天咱们就把这些经验一次性说透。

3.1 AudioRecord 是什么？

AudioRecord 是 Android 提供的原生音频采集类。它直接从硬件麦克风读取 PCM 裸数据，不经过任何编码。说白了，它给你的就是最原始的声音样本。

为什么不用 MediaRecorder？因为 MediaRecorder 直接输出编码后的文件（如 MP3、AAC），你拿不到原始数据。而做 RTMP 推流，我们需要自己控制编码和封装，所以必须用 AudioRecord。

3.2 AudioRecord 基础用法

使用 AudioRecord 其实就三步：初始化、启动采集、读取数据。但每一步都有讲究。

3.2.1 初始化参数

构造函数长这样：

AudioRecord(
    int audioSource,      // 音频源，一般用 MediaRecorder.AudioSource.MIC
    int sampleRateInHz,   // 采样率，如 44100、48000
    int channelConfig,    // 声道配置，如 CHANNEL_IN_MONO
    int audioFormat,      // 音频格式，如 ENCODING_PCM_16BIT
    int bufferSizeInBytes // 缓冲区大小
)

这里我重点说一下几个参数的选择：

• audioSource：大部分场景用 MIC 就行。如果需要消除回声，可以用 VOICE_COMMUNICATION，它会启用内置的 AEC（声学回声消除）。
• sampleRateInHz：44100Hz 是 CD 音质，48000Hz 是专业级。我个人习惯用 44100，兼容性最好。但如果你要做高清语音，48000 更合适。
• channelConfig：手机麦克风通常是单声道，所以用 CHANNEL_IN_MONO。双声道采集需要两个麦克风，大部分手机不支持。
• audioFormat：ENCODING_PCM_16BIT 是主流，每个采样点占 2 字节。16 位精度足够，再高意义不大。

3.2.2 缓冲区大小

缓冲区大小不能随便设。Android 提供了一个工具方法：

int minBufferSize = AudioRecord.getMinBufferSize(
    44100,
    AudioFormat.CHANNEL_IN_MONO,
    AudioFormat.ENCODING_PCM_16BIT
);

这个 getMinBufferSize 返回的是系统建议的最小缓冲区。你实际使用时，可以取这个值的 2 倍或 4 倍。为什么？

我曾经在一个低端设备上遇到过问题：缓冲区设得太小，导致读取线程频繁阻塞，最终丢帧。后来我把缓冲区放大到 4 倍，问题就解决了。说白了，缓冲区大一点，抗抖动能力更强，但延迟也会增加。你需要根据场景权衡。

3.3 音频数据格式：PCM 详解

AudioRecord 输出的 PCM 数据，本质上就是一堆字节。但你要理解它的结构，才能正确处理。

以 16 位单声道为例：

• 每个采样点用 2 个字节表示（小端序）
• 每秒有 44100 个采样点
• 所以每秒数据量 = 44100 × 2 = 88200 字节

如果是双声道 16 位：

• 每个采样点用 4 个字节（左声道 2 字节 + 右声道 2 字节）
• 每秒数据量 = 44100 × 4 = 176400 字节

你想想看，如果缓冲区大小是 4096 字节，那么一次 read() 最多能读到 4096 字节，也就是约 46 毫秒的音频数据（单声道 44100Hz）。这个时间窗口很重要，后面做实时推流时会用到。

3.4 音频采集实战：完整代码

下面是一个完整的 AudioRecord 采集示例。我把它封装成了一个工具类，方便复用。

public class AudioCapturer {
    private AudioRecord audioRecord;
    private boolean isRecording = false;
    private int bufferSize;
    private int sampleRate = 44100;

    public void startCapture() {
        bufferSize = AudioRecord.getMinBufferSize(
            sampleRate,
            AudioFormat.CHANNEL_IN_MONO,
            AudioFormat.ENCODING_PCM_16BIT
        ) * 2;  // 我习惯用 2 倍缓冲区

        audioRecord = new AudioRecord(
            MediaRecorder.AudioSource.MIC,
            sampleRate,
            AudioFormat.CHANNEL_IN_MONO,
            AudioFormat.ENCODING_PCM_16BIT,
            bufferSize
        );

        if (audioRecord.getState() != AudioRecord.STATE_INITIALIZED) {
            throw new RuntimeException("AudioRecord 初始化失败");
        }

        audioRecord.startRecording();
        isRecording = true;

        new Thread(new Runnable() {
            @Override
            public void run() {
                byte[] audioData = new byte[bufferSize];
                while (isRecording) {
                    int bytesRead = audioRecord.read(audioData, 0, bufferSize);
                    if (bytesRead > 0) {
                        // 这里拿到 PCM 数据，可以送去编码或推流
                        onAudioData(audioData, bytesRead);
                    }
                }
            }
        }).start();
    }

    public void stopCapture() {
        isRecording = false;
        if (audioRecord != null) {
            audioRecord.stop();
            audioRecord.release();
            audioRecord = null;
        }
    }

    private void onAudioData(byte[] data, int size) {
        // 回调给上层处理
    }
}

这段代码有几个关键点：

• 读取操作放在子线程，不能阻塞主线程
• read() 是阻塞的，直到有数据或超时
• 每次读取后要判断 bytesRead，可能小于缓冲区大小

3.5 知识体系图

下面这张图展示了 AudioRecord 音频采集的完整流程和关键参数：

3.6 常见问题与避坑

最后，我总结几个实际开发中容易踩的坑：

1. 权限问题：Android 6.0 以上需要动态申请 RECORD_AUDIO 权限。我见过不少新手在真机上跑不起来，就是因为忘了这个。
2. 设备兼容性：有些低端设备不支持 48000Hz 采样率。建议先用 getMinBufferSize 测试一下，如果返回负数，说明不支持。
3. 内存泄漏：AudioRecord 使用完后一定要 release()，否则会一直占用麦克风资源。最好在 onPause() 或 onDestroy() 中释放。
4. 数据对齐：PCM 数据是连续的字节流，没有帧边界。如果你要分片处理，必须自己维护缓冲区，确保数据完整。

好了，这一章的内容就到这里。AudioRecord 虽然基础，但它是整个音视频传输的基石。把这一章吃透，后面编码和推流才能走得稳。

---

公众号:蓝海资料掘金营，微信deep3321