9、SDL2音频播放：从解码到出声的完整链路

音频播放这块，说实话，是音视频开发里最容易让人「听个响就以为完事了」的环节。但真正做过播放器的人都知道——音频的同步、缓冲、回调，才是考验功力的地方。

这一章，我们聚焦一个核心目标：把FFmpeg解码出来的PCM数据，通过SDL2实时播放出去。我会带着你一步步搭建音频播放管线，顺便聊聊我踩过的那些坑。

9.1 SDL音频设备管理

SDL2的音频子系统，说白了就是一套跨平台的音频设备抽象层。你不需要关心是ALSA、WASAPI还是Core Audio，SDL帮你搞定。

9.1.1 打开音频设备

核心函数就一个：SDL_OpenAudioDevice。但参数配置很关键。

SDL_AudioSpec desired, obtained;
SDL_memset(&desired, 0, sizeof(desired));

desired.freq     = 44100;          // 采样率
desired.format   = AUDIO_S16SYS;   // 16位有符号，系统字节序
desired.channels = 2;              // 双声道
desired.samples  = 1024;           // 缓冲区大小（样本数）
desired.callback = audio_callback; // 回调函数
desired.userdata = &audio_ctx;     // 用户数据

SDL_AudioDeviceID dev = SDL_OpenAudioDevice(
    NULL, 0, &desired, &obtained,
    SDL_AUDIO_ALLOW_ANY_CHANGE
);

if (dev == 0) {
    // 处理错误
    SDL_Log("打开音频设备失败: %s", SDL_GetError());
}

9.1.2 设备参数匹配

你指定的参数，SDL不一定完全满足。它会尽量匹配，然后把实际参数写回 obtained。我曾经遇到过指定44100Hz，结果设备只支持48000Hz的情况。所以一定要检查 obtained。

参数	说明	常见值
freq	采样率，决定音调	44100, 48000
format	采样格式，决定位深	AUDIO_S16SYS, AUDIO_F32SYS
channels	声道数	1(单声道), 2(立体声)
samples	缓冲区大小	512, 1024, 2048

9.2 音频回调函数：SDL的「喂食」机制

SDL2播放音频，不是你去「推」数据，而是SDL来「拉」数据。它通过回调函数，定期向你要音频数据。

9.2.1 回调函数签名

void audio_callback(void *userdata, Uint8 *stream, int len) {
    // userdata: 你传入的自定义数据
    // stream:   SDL提供的缓冲区，你要往里面填数据
    // len:      期望填充的字节数
    
    AudioContext *ctx = (AudioContext *)userdata;
    
    // 从你的音频队列里取出数据，拷贝到stream
    int copied = fill_audio_buffer(ctx, stream, len);
    
    // 如果数据不够，SDL会静音处理剩余部分
    if (copied < len) {
        SDL_memset(stream + copied, 0, len - copied);
    }
}

9.2.2 回调的触发时机

SDL内部维护了一个环形缓冲区。当缓冲区里的数据被消耗到一定程度，就会触发回调，让你补充数据。这个机制有点像——你想想看，就像一个水桶，水位低了就自动加水。

回调的频率取决于 samples 参数。samples=1024，采样率44100，那么大约每23ms触发一次回调（1024/44100 ≈ 0.023秒）。

9.3 音频缓冲区管理

这是最容易出问题的地方。FFmpeg解码出来的数据，和SDL要的数据，节奏往往不一致。你需要一个中间缓冲区来解耦。

9.3.1 环形缓冲区（Ring Buffer）

我个人推荐用环形缓冲区。它适合生产者-消费者模型：FFmpeg解码线程往里面写，SDL回调线程从里面读。

typedef struct {
    Uint8 *data;
    int    size;
    int    write_pos;
    int    read_pos;
    SDL_mutex *mutex;
} RingBuffer;

// 写入数据
int ring_buffer_write(RingBuffer *rb, const Uint8 *src, int len) {
    SDL_LockMutex(rb->mutex);
    
    int available = rb->size - (rb->write_pos - rb->read_pos);
    if (len > available) {
        len = available; // 空间不够就丢弃
    }
    
    // 处理环形回绕
    int end = rb->write_pos + len;
    if (end <= rb->size) {
        SDL_memcpy(rb->data + rb->write_pos, src, len);
    } else {
        int first = rb->size - rb->write_pos;
        SDL_memcpy(rb->data + rb->write_pos, src, first);
        SDL_memcpy(rb->data, src + first, len - first);
    }
    
    rb->write_pos = end % rb->size;
    
    SDL_UnlockMutex(rb->mutex);
    return len;
}

9.3.2 缓冲区大小的选择

缓冲区太小，容易欠载（underrun），导致声音卡顿。太大，延迟高，不适合实时场景。

我的经验公式：缓冲区大小 = 采样率 × 声道数 × 位深 × 0.5秒。比如44100Hz、立体声、16位：44100 × 2 × 2 × 0.5 ≈ 88KB。这个大小能扛住大部分网络抖动和解码波动。

9.4 整合FFmpeg解码与SDL播放

好了，现在我们把所有零件组装起来。核心流程是这样的：

9.4.1 完整代码骨架

// 主循环：解码 + 喂数据
while (av_read_frame(fmt_ctx, &pkt) >= 0) {
    if (pkt.stream_index == audio_stream_index) {
        // 发送到解码器
        avcodec_send_packet(codec_ctx, &pkt);
        
        while (avcodec_receive_frame(codec_ctx, frame) == 0) {
            // 重采样到SDL期望的格式
            uint8_t *out_data = NULL;
            int out_samples = swr_convert(
                swr_ctx, &out_data, frame->nb_samples,
                (const uint8_t **)frame->data, frame->nb_samples
            );
            
            // 写入环形缓冲区
            int out_size = av_samples_get_buffer_size(
                NULL, out_channels, out_samples,
                AV_SAMPLE_FMT_S16, 1
            );
            ring_buffer_write(&rb, out_data, out_size);
        }
    }
    av_packet_unref(&pkt);
}

// SDL回调：从环形缓冲区读取
void audio_callback(void *userdata, Uint8 *stream, int len) {
    RingBuffer *rb = (RingBuffer *)userdata;
    ring_buffer_read(rb, stream, len);
}

9.5 实战中的坑与对策

嗯，这里我集中说一下我实际项目中遇到过的几个典型问题。

9.5.1 爆音问题

爆音通常是因为缓冲区欠载。回调来了，但环形缓冲区里没数据，SDL只能填静音。然后下一帧数据突然来了，音量从0跳到正常，就产生了「啪」的一声。

对策： 增大环形缓冲区，或者在播放前先预填一定量的数据（比如500ms）。

9.5.2 格式不匹配

FFmpeg解码出来的可能是AV_SAMPLE_FMT_FLTP（32位浮点，平面格式），但SDL可能只支持AUDIO_S16SYS（16位有符号，交错格式）。不转换直接播放，出来的声音就是噪音。

对策： 用 swr_convert 做重采样和格式转换。这是标准做法，别偷懒。

9.5.3 延迟问题

缓冲区越大，延迟越高。如果你做的是直播或实时通话，延迟很关键。我一般把缓冲区控制在200ms以内，人耳基本感觉不到。

9.6 小结

这一章我们走通了从FFmpeg解码到SDL播放的完整链路。核心就三件事：打开设备、实现回调、管理缓冲区。听起来简单，但每个环节都有细节。

我个人觉得，音频播放最难的不是API调用，而是理解「生产者-消费者」这个异步模型。一旦你理解了回调机制和环形缓冲区，剩下的就是体力活了。

最后提醒一句：调试音频问题时，先确认数据对不对。把PCM数据保存成文件，用Audacity打开看看波形。很多时候，问题出在解码或重采样阶段，而不是SDL播放本身。

---