在win32 apis基礎(chǔ)上編寫錄音程序繁瑣易錯，使用封裝好的類是個不錯的注意。不幸的是所謂封裝好的類對你而言，往往是代碼羅嗦且功能不足，因此盡管你可能希望在某個項目上因使用封裝好的類而避開win32 apis，可最終你發(fā)現(xiàn)你還得面對它。不是為了編寫自己的類，就是為了修改別人的代碼。

win32 apis中有一組被稱成多媒體控制接口（即mci）的函數(shù)，該接口提供了多媒體編程所需的系統(tǒng)級apis。對絕大多數(shù)c/c++程序員而言，這些函數(shù)也就是windows多媒體編程的最低層接口。

由于錄音代碼直接操作真實的錄音設(shè)備而非單純的邏輯過程，因此會遇到一些“意外”或與時序有關(guān)的困難，從而使編寫健壯的代碼成了一件困難的事。

錄音的目的往往是將聲音寫入文件保存下來或是通過網(wǎng)絡(luò)發(fā)送，這兩類需求對錄音代碼影響較大。前者無實時性要求，一般也不限制數(shù)據(jù)量，代碼較易編寫，而后者既對實時性又要求，又對數(shù)據(jù)量（也就是音頻格式）有要求，且網(wǎng)絡(luò)系統(tǒng)的穩(wěn)定性也難比文件系統(tǒng)。期望在本文中試圖解決所有的問題是不現(xiàn)實的，諸如如何壓縮音頻數(shù)據(jù)以減小網(wǎng)絡(luò)帶寬需求或如何通過網(wǎng)絡(luò)傳輸音頻數(shù)據(jù)之類的問題，讀者需參閱專業(yè)著作，本文只講述如何獲得適宜某類需求的原始音頻數(shù)據(jù)。

本文中的示例代碼均是一個名為cwaverecord的錄音類的成員函數(shù)，該類是一個網(wǎng)絡(luò)電話程序的核心類。為減小篇幅或簡單明了，作了簡化處理等。

mci按打開設(shè)備、配置設(shè)備、實現(xiàn)功能（或曰發(fā)送命令）、撤銷配置、關(guān)閉設(shè)備的標(biāo)準(zhǔn)次序組織apis。對于錄音編程而言，其要點在于根據(jù)音頻格式打開對應(yīng)的設(shè)備、配置錄音所需的參數(shù)（主要是設(shè)置數(shù)據(jù)區(qū)以及根據(jù)數(shù)據(jù)接收方式設(shè)置回調(diào)函數(shù)或消息）、按一定次序發(fā)送命令給設(shè)備、接收數(shù)據(jù)并配置參數(shù)以繼續(xù)錄音、停止錄音釋放資源、關(guān)閉設(shè)備等幾個步驟上。所需的函數(shù)說明于mmsystem.h，引入庫是winmm.lib。

調(diào)用waveinopen()打開錄音設(shè)備，打開成功后函數(shù)返回mmsyserr_noerror，而第一個參數(shù)返回設(shè)備句柄。

調(diào)用該函數(shù)時，必須指定設(shè)備表示符（可能有多個設(shè)備）、音頻格式以及返回音頻數(shù)據(jù)的方式。

你可以將設(shè)備表示符，即第二個參數(shù)設(shè)為wave_mapper。這意味著，你不在意具體使用哪個設(shè)備，由系統(tǒng)決定。

第三個參數(shù)是個waveformatex結(jié)構(gòu)指針，對應(yīng)的結(jié)構(gòu)指定音頻格式。一個音頻格式結(jié)構(gòu)的例子：

pcmwaveformat wf_pcm8s11k =

{

       {

                     wave_format_pcm, // pcm格式

                     1,                                       // 單聲道

              11025l,                              // 11.025khz

                     11025l,                              // 11025字節(jié)/s

                     1                                        // 字節(jié)對齊

       },

              8                                                 // 8位采樣

};

后面的三個參數(shù)用于指定獲取音頻數(shù)據(jù)的方式：事件方式、線程方式、窗口方式以及回調(diào)函數(shù)方式。最后一個參數(shù)，即第六個參數(shù)指定方式，而第四個參數(shù)和第五個參數(shù)指定該方式所需的信息。

調(diào)用示例：

waveinopen( &m_hwavein, dwdeviceid, m_pwf,

 (dword)waveinproc, (dword)this, callback_function );

該示例使用回調(diào)函數(shù)方式獲取音頻數(shù)據(jù)。其中dwdeviceid通常即為wave_mapper，m_pwf指向音頻格式結(jié)構(gòu)，缺省值即wf_pcm8s11k的地址，waveinproc是回調(diào)函數(shù)（內(nèi)部細(xì)節(jié)后面論述）。值得注意的是，this指針被設(shè)為實例數(shù)據(jù)，這是一個編程小技巧，方便waveinproc調(diào)用處理函數(shù)。

按指定音頻格式成功打開錄音設(shè)備之后，需要配置錄音設(shè)備，也即為音頻數(shù)據(jù)分配數(shù)據(jù)區(qū)。需要考慮的第一個問題是數(shù)據(jù)塊的個數(shù)和大小。

系統(tǒng)一般在填滿一個數(shù)據(jù)塊后將其返回，這意味著大的數(shù)據(jù)塊導(dǎo)致獲取數(shù)據(jù)的頻率降低。如果試圖通過網(wǎng)絡(luò)傳輸這些數(shù)據(jù)，這意味著傳輸次數(shù)降低，但每次傳輸?shù)臄?shù)據(jù)量較大，這將導(dǎo)致音頻的實時性降低。另外，在網(wǎng)絡(luò)傳輸過程中，數(shù)據(jù)包（指每次發(fā)送的udp或tcp數(shù)據(jù)包）的開始一般需設(shè)置一個信息頭，紀(jì)錄本數(shù)據(jù)包所含音頻數(shù)據(jù)的長度、錄制起始時間、錄制時間、發(fā)送時間、識別用的標(biāo)識符以及其他一些信息，方便接受者處理。如果設(shè)置的音頻數(shù)據(jù)塊太小，比如100字節(jié)，將導(dǎo)致低的網(wǎng)絡(luò)傳輸效率。這意味著網(wǎng)絡(luò)將為小量數(shù)據(jù)啟動傳輸過程，而這小量數(shù)據(jù)中又有相當(dāng)一部分屬于附加信息，這是不合算的。

數(shù)據(jù)塊的個數(shù)相對來說要好處理的多。較多的數(shù)據(jù)塊只有一個問題，那就是浪費，但這對windows這樣的操作系統(tǒng)而言，浪費幾百k的內(nèi)存根本不是問題。數(shù)據(jù)塊個數(shù)不能太少，這是因為在你處理上次返回的數(shù)據(jù)塊時，錄音設(shè)備正在工作，需要內(nèi)存。如果在某一段時間內(nèi)，比如說網(wǎng)絡(luò)傳輸變壞，你處理數(shù)據(jù)的速度也將變慢，而錄音設(shè)備卻如常工作。這導(dǎo)致你無法迅速地返回當(dāng)前內(nèi)存供下一次錄音使用，因此需要一些備用的內(nèi)存塊以備不時之需。

調(diào)用waveinaddbuffer為錄音設(shè)備配置數(shù)據(jù)塊，而在此之前需調(diào)用waveinprepareheader準(zhǔn)備數(shù)據(jù)塊。

waveinprepareheader的參數(shù)有三個，就是錄音設(shè)備句柄、一個描述數(shù)據(jù)塊的結(jié)構(gòu)wavehdr和該結(jié)構(gòu)的大小。

wavehdr結(jié)構(gòu)是錄音編程的常用數(shù)據(jù)結(jié)構(gòu)，不同的使用環(huán)境設(shè)置不同的參數(shù)，具體內(nèi)容參見msdn。

下面的示例為錄音設(shè)備添加4個大小為4096字節(jié)的數(shù)據(jù)塊：

       for( i=0; i<4; i++ )

       {

              pwh = (wavehdr*)malloc( 4096 + sizeof(wavehdr) )

              zeromemory( pwh, sizeof(wavehdr) );

       pwh->dwbufferlength       = 4096;

       pwh->lpdata                   = (lpstr)(pwh + 1);

              waveinprepareheader( hwavein, pwh, sizeof(wavehdr) );

              waveinaddbuffer( hwavein, pwh, sizeof(wavehdr) );

}

每次添加數(shù)據(jù)塊都需一個wavehdr（其他操作也如此），能否讓這些數(shù)據(jù)塊共用一個wavehdr或使用局部變量以減少內(nèi)存消耗呢？最好不要這么做，因為你是在與實際設(shè)備打交道。很可能當(dāng)調(diào)用返回時，系統(tǒng)內(nèi)部卻還在使用wavehdr結(jié)構(gòu)。如果共用或使用局部變量將導(dǎo)致信息混亂或非法內(nèi)存操作。這一點msdn沒有強調(diào)，我花了一星期才得到如此教訓(xùn)。其他錄音操作也類似于此，切記！

配置好內(nèi)存以后就可啟動錄音了：

waveinstart( hwavein );

如果所有操作均正確，很快你將得到第一塊音頻數(shù)據(jù)。

獲取音頻數(shù)據(jù)塊的方式有多種（詳見msdn），處理方式大同小異，本文以回調(diào)函數(shù)方式為例說明處理過程。如上所述，waveinproc在waveinopen調(diào)用中被設(shè)置為回調(diào)函數(shù)。

waveinproc通過處理wim_open（打開設(shè)備）、wim_data（音頻數(shù)據(jù)）、wim_close（設(shè)備關(guān)閉）消息的方式與系統(tǒng)交互，通常只需處理wim_data消息，其他兩條消息可以忽略。

當(dāng)系統(tǒng)返回一個音頻數(shù)據(jù)塊時，系統(tǒng)調(diào)用回調(diào)函數(shù)。此時，回調(diào)函數(shù)第一個參數(shù)被設(shè)置為錄音設(shè)備句柄；第二個參數(shù)是消息，即wim_data；第三個參數(shù)則是在waveinopen第五個參數(shù)中給出的實例數(shù)據(jù)；其他參數(shù)是與消息有關(guān)的參數(shù)，參見msdn。

       處理wim_data的任務(wù)由成員函數(shù)onwaveindata完成，因此waveinproc及其簡單：

       cwaverecord *pobject = (cwaverecord *)dwinstance;

       if( umsg == wim_data )

              pobject->onwaveindata( (wavehdr*)dwparam1 );

       在onwaveindata中需要完成兩件事：一是保存系統(tǒng)返回的音頻數(shù)據(jù)，二是給錄音設(shè)備添加數(shù)據(jù)塊以繼續(xù)錄音，否則會因數(shù)據(jù)塊耗盡而停止錄音。

在保存系統(tǒng)返回的音頻數(shù)據(jù)塊之前，需要調(diào)用waveinunprepareheader發(fā)送一個通知告訴設(shè)備驅(qū)動程序該數(shù)據(jù)塊已不能用于錄音。保存音頻數(shù)據(jù)塊是個單純的數(shù)據(jù)保存問題，不需多說，只是有三個要點需要特別關(guān)注：

一是msdn中注明在回調(diào)函數(shù)中嚴(yán)格限制系統(tǒng)調(diào)用，因此你不能隨心所欲地設(shè)計方案，比如說直接將音頻數(shù)據(jù)寫入文件是不允許的。通常，你需要設(shè)計一個數(shù)據(jù)塊鏈表結(jié)構(gòu)進(jìn)行緩沖，這多半涉及多線程編程。特別是如果你使用mfc中的csocket類，那么必須清楚csocket依賴一個名為csocketwnd的內(nèi)部類，而該類與tls（線程局部存貯）有關(guān)，這意味著csocket類是不支持多線程共享的。然而，win32的socket句柄是全局性。因此，獲取csocketwnd類對象的窗口句柄之后，我通過直接調(diào)用win32 apis使用csocket::m_hsocket避開這個由mfc封裝引起的問題。

二是系統(tǒng)是在另一個線程（不是你自己創(chuàng)建的線程）中調(diào)用回調(diào)函數(shù)，這會給使用tls機制的程序帶來一些微妙的影響。如果你使用mfc，afxgetapp之類的函數(shù)返回值不正確。

三是盡可能地快速。

至于給錄音設(shè)備添加數(shù)據(jù)塊以繼續(xù)錄音，其步驟與初始化過程一樣：

waveinprepareheader( hwavein, pwh, sizeof(wavehdr));

waveinaddbuffer( hwavein, pwh, sizeof(wavehdr) );

簡單的調(diào)用waveinclose即可關(guān)閉設(shè)備。不過，在關(guān)閉時必須保證所有錄音數(shù)據(jù)塊已全部返回，這有點麻煩。我的解決方法是設(shè)置一個停止錄音標(biāo)志和一個錄音數(shù)據(jù)塊計數(shù)。當(dāng)用戶發(fā)出停止錄音的命令后，該標(biāo)志置為true，而onwaveindata（在回調(diào)函數(shù)中被調(diào)用）檢查該標(biāo)志，在標(biāo)志置位的情況下，onwaveindata不添加錄音數(shù)據(jù)塊。每添加一個錄音數(shù)據(jù)塊計數(shù)增加，每返回一個則減少（均在onwaveindata中實現(xiàn)）。執(zhí)行停止錄音命令時，先將停止標(biāo)志值位，等待計數(shù)變?yōu)榱�，然后才調(diào)用waveinclose。需要注意的是，計數(shù)涉及多線程數(shù)據(jù)共享，應(yīng)使用線程互斥機制，在單cpu的機子上使用interlockedincrement和interlockeddecrement是個簡單的選擇。

如果你通過網(wǎng)絡(luò)發(fā)送音頻數(shù)據(jù)，自然需要進(jìn)行音頻處理。專業(yè)級的處理難度相當(dāng)高，如果你是在一個局域網(wǎng)上進(jìn)行通話，那么無需進(jìn)行音頻壓縮也可以將就使用（性能自然不高）。但如果你不說話，程序還不停地發(fā)送音頻數(shù)據(jù)（靜音或噪音），那就太說不過去了。

你可以定義一個靜音區(qū)間，一旦音頻強度進(jìn)入該區(qū)間就意味著沒有聲音。統(tǒng)計音頻數(shù)據(jù)塊中不是靜音采樣點的個數(shù)，當(dāng)總數(shù)超過預(yù)設(shè)的限制時，才發(fā)送該數(shù)據(jù)塊。

對于8位采樣，127是靜音點。簡單的代碼如下：

       for( i=0; i<nmax; i++ )

       {

              uvalue = (uchar)data[i];

              if( uvalue<=125 || uvalue>=129 )

                     uhascnt++;

 

              if( uhascnt >= ulestnum )

                     return true;

       }

return false;

創(chuàng)建任意格式的音頻文件在編程上不是一件輕松的事，但對于8位單聲道音頻數(shù)據(jù)而言較容易。定義文件信息頭結(jié)構(gòu)：

// wav文件頭結(jié)構(gòu), 對齊方式為1字節(jié)

typedef struct

{

char       riffid[4];                                   // "riff"

       dword       dwfiledatasize;           // file size - 8

       char       waveid[4];                            // "wave"

       char       fmtid[4];                            // "fmt "

       dword  dwfmtsize;                     // 16

       word       wformattag;                  // wave_format_pcm

       word    wchannels;                     // 1

       dword       dwsamplespersec;          // 11025

       dword       dwavgbytespersec; // 11025

       word       wblockalign;                  // 1

       word       wbitspersample;             // 8

       char       dataid[4];                            // "data"

       dword       dwdatasize;

} wavefilehdr, *pwavefilehdr;

打開文件時，預(yù)留該結(jié)構(gòu)大小的空間：

setfilepointer(hfile,sizeof(wavefilehdr), null, file_begin );

然后就如寫一般文件一樣將接收的音頻數(shù)據(jù)寫入文件：

       writefile(hfile,pwh->lpdata,pwh->dwbytesrecorded,&n, null );

       m_dwsizewrite += dwsize;

最后一行代碼是將寫入的數(shù)據(jù)量統(tǒng)計下來用于信息頭填寫。

在關(guān)閉音頻文件時填寫信息頭：

       wavefilehdr wfd =

       {

              'r', 'i', 'f', 'f', 0,

             'w', 'a', 'v', 'e',

             'f', 'm', 't', ' ', 16,

              wave_format_pcm, 1, 11025, 11025, 1, 8,

              'd', 'a', 't', 'a', 0

       };

       wfd.dwfiledatasize = dwbytes + sizeof(wavefilehdr)- 8;

       wfd.dwdatasize             = dwbytes;

       ::setfilepointer( hfile, 0, null, file_begin );

       ::writefile( hfile, &wfd, sizeof(wfd), &dwsize, null );