6、音频播放深入：AudioTrack原理、PCM数据播放、音频格式转换与重采样
音频播放，说白了就是让手机喇叭发出声音。但声音在数字世界里怎么存、怎么传、怎么还原成我们能听到的波形？这背后就是 AudioTrack 和 PCM 数据在干活。
我刚开始做音频开发时，以为 MediaPlayer 能搞定一切。后来发现，很多场景下 MediaPlayer 太重了——比如你要做语音聊天、实时音频处理、或者播放一段自己合成的音效。这时候，AudioTrack 才是你的好兄弟。
AudioTrack 是什么？
AudioTrack 是 Android 提供的底层音频播放 API。它直接操作音频缓冲区，把 PCM 数据喂给音频硬件。你可以把它理解成一个「音频管道」——你把数据塞进去，它负责播放出来。
我个人习惯把 AudioTrack 和 MediaPlayer 做个对比：
| 对比项 | MediaPlayer | AudioTrack |
|---|---|---|
| 数据源 | 文件/网络流 | PCM 裸数据 |
| 解码能力 | 内置解码器 | 无解码能力 |
| 控制粒度 | 粗粒度（播放/暂停/跳转） | 细粒度（逐帧写入） |
| 适用场景 | 音乐播放、视频播放 | 实时音频、语音通话、音效处理 |
你看，AudioTrack 不负责解码，它只负责播放。所以你要喂给它的数据，必须是已经解码好的 PCM 裸数据。
PCM 数据播放：从零开始
PCM 是脉冲编码调制，说白了就是声音的「数字底片」。它记录了每个采样点的振幅值。播放 PCM 数据，就是把这些数值按顺序送给 AudioTrack。
来看一个最简单的例子：
// 配置 AudioTrack
int sampleRate = 44100; // 采样率
int channelConfig = AudioFormat.CHANNEL_OUT_STEREO; // 双声道
int audioFormat = AudioFormat.ENCODING_PCM_16BIT; // 16位采样
int bufferSize = AudioTrack.getMinBufferSize(sampleRate, channelConfig, audioFormat);
AudioTrack audioTrack = new AudioTrack(
AudioManager.STREAM_MUSIC,
sampleRate,
channelConfig,
audioFormat,
bufferSize,
AudioTrack.MODE_STREAM
);
// 读取 PCM 文件并播放
byte[] buffer = new byte[bufferSize];
FileInputStream fis = new FileInputStream("test.pcm");
audioTrack.play();
int bytesRead;
while ((bytesRead = fis.read(buffer)) != -1) {
audioTrack.write(buffer, 0, bytesRead);
}
audioTrack.stop();
audioTrack.release();
fis.close();
嗯，这里要注意几个点：
- getMinBufferSize 返回的是系统建议的最小缓冲区大小。别自己瞎猜，用这个值最稳。
- MODE_STREAM 表示流式写入，适合实时数据。还有 MODE_STATIC 模式，适合一次性写入的短音频。
- write 方法 是阻塞的，如果缓冲区满了，它会等。所以不要在 UI 线程里写。
音频格式转换：为什么需要？
你想想看，从网络上下载的音频文件，可能是 MP3、AAC、FLAC 等各种格式。但 AudioTrack 只认 PCM。所以第一步，你得把压缩格式解码成 PCM。
Android 提供了 MediaCodec 来做这件事。但如果你不想自己写解码器，也可以用 MediaExtractor + MediaCodec 的组合：
MediaExtractor extractor = new MediaExtractor();
extractor.setDataSource(filePath);
MediaFormat format = extractor.getTrackFormat(0);
String mime = format.getString(MediaFormat.KEY_MIME);
MediaCodec codec = MediaCodec.createDecoderByType(mime);
codec.configure(format, null, null, 0);
codec.start();
// 然后循环读取、解码、写入 AudioTrack
// 代码略长，这里不展开了
解码出来的数据就是 PCM 了。但这里又有个问题——解码后的 PCM 参数可能和 AudioTrack 不匹配。
重采样：让数据对上号
AudioTrack 创建时指定了采样率、声道数、位深。如果解码出来的 PCM 参数和这些不一致，直接播放就会出问题——要么声音变调，要么只有一边响，要么干脆没声音。
举个例子：你下载了一个 48000Hz 的音频，但你的 AudioTrack 配置的是 44100Hz。这时候就需要重采样。
重采样的核心思路很简单：
- 降采样：从 48000Hz 降到 44100Hz，相当于每 48000 个点里取 44100 个。说白了就是插值。
- 升采样：反过来，需要补点。
Android 没有直接提供重采样 API，但你可以用 AudioRecord 的 getNativeOutputSampleRate 来获取硬件支持的采样率。或者用第三方库，比如 libresample、soxr。
我个人习惯用 Sonic 库来做重采样和变速变调，它轻量、纯 C 实现，NDK 集成很方便：
// 伪代码示意
sonicStream stream = sonicCreateStream(sourceSampleRate, sourceChannels);
sonicSetSpeed(stream, 1.0f);
sonicSetPitch(stream, 1.0f);
sonicSetRate(stream, (float)targetSampleRate / sourceSampleRate);
// 写入源数据，读出重采样后的数据
sonicWriteShortToStream(stream, inputBuffer, inputSize);
int samplesRead = sonicReadShortFromStream(stream, outputBuffer, outputSize);
知识体系总览
下面这张图，是我梳理的本章核心脉络：
核心要点：
- AudioTrack 只认 PCM 裸数据，不负责解码
- 播放前必须确保采样率、声道数、位深三者匹配
- 重采样是音频开发中绕不开的坎，建议提前集成好库
- 缓冲区大小用 getMinBufferSize 获取，别自己拍脑袋
音频播放这块，说白了就是「数据格式对齐」的问题。你只要把 PCM 数据准备好，参数设置对，AudioTrack 就能老老实实帮你播出来。但实际项目中，格式不匹配、缓冲区溢出、线程安全问题，每一个都能让你折腾半天。
嗯，今天就先聊到这儿。下一节我们继续深入音频处理的其他环节。
公众号:蓝海资料掘金营，微信deep3321