为啥我使用 WinAPI C++ 录制的声音无法正常播放？

Posted 2023-02-16

【中文标题】为啥我使用 WinAPI C++ 录制的声音无法正常播放？

【英文标题】：Why is my sound recording with WinAPI C++ not played back properly in audacity?为什么我使用 WinAPI C++ 录制的声音无法正常播放？

【发布时间】：2021-02-02 17:02:34

【问题描述】：

我正在尝试从麦克风录制声音，但它变得越来越困难。我已经尝试了几种方法，但它不起作用。我创建了一个仅用于测试的项目，稍后将在更大的项目中实施。以下是相关项目的代码：

#include <iostream>
#include <fstream>
#include <Windows.h>
#include <dshow.h>
#include <mfapi.h>
#include <mfidl.h>
#include <mfreadwrite.h>
#include <ks.h>
#include <ksmedia.h>

#pragma comment(lib, "mfplat")
#pragma comment(lib, "mf")
#pragma comment(lib, "mfreadwrite")
#pragma comment(lib, "mfuuid")
#pragma comment(lib, "strmbase")

int main() 
    HRESULT hr = MFStartup(MF_VERSION);

    IMFMediaSource* pSoundSource = NULL;
    IMFAttributes* pSoundConfig = NULL;
    IMFActivate** ppSoundDevices = NULL;

    hr = MFCreateAttributes(&pSoundConfig, 1);
    if (FAILED(hr)) 
        std::cout << "Failed to create attribute store";
    

    hr = pSoundConfig->SetGUID(MF_DEVSOURCE_ATTRIBUTE_SOURCE_TYPE, MF_DEVSOURCE_ATTRIBUTE_SOURCE_TYPE_AUDCAP_GUID);


    UINT32 count;
    hr = MFEnumDeviceSources(pSoundConfig, &ppSoundDevices, &count);
    if (FAILED(hr)) 
        std::cout << "Failed to enumerate capture devices";
    

    hr = ppSoundDevices[0]->ActivateObject(IID_PPV_ARGS(&pSoundSource));
    if (FAILED(hr)) 
        std::cout << "Failed to connect microphone to source";
    

    IMFSourceReader* pSoundReader;
    hr = MFCreateSourceReaderFromMediaSource(pSoundSource, pSoundConfig, &pSoundReader);
    if (FAILED(hr)) 
        std::cout << "Failed to create source reader";
    

    /*This part is for getting the audio format that the microphone outputs*/
    /*______________________*/
    IMFMediaType* pSoundType = NULL;
    DWORD dwMediaTypeIndex = 0;
    DWORD dwStreamIndex = 0;
    hr = pSoundReader->GetNativeMediaType(dwStreamIndex, dwMediaTypeIndex, &pSoundType);
    LPVOID soundRepresentation;
    pSoundType->GetRepresentation(AM_MEDIA_TYPE_REPRESENTATION, &soundRepresentation);
    GUID subSoundType = ((AM_MEDIA_TYPE*)soundRepresentation)->subtype;
    BYTE* pbSoundFormat = ((AM_MEDIA_TYPE*)soundRepresentation)->pbFormat;
    GUID soundFormatType = ((AM_MEDIA_TYPE*)soundRepresentation)->formattype;
    if (soundFormatType == FORMAT_WaveFormatEx)  std::cout << 8; 
    WAVEFORMATEXTENSIBLE* soundFormat = (WAVEFORMATEXTENSIBLE*)pbSoundFormat;
    std::cout << std::endl;
    std::cout << soundFormat->Format.wFormatTag << std::endl;
    std::cout << soundFormat->Format.nChannels << std::endl;
    std::cout << soundFormat->Format.nBlockAlign << std::endl;
    std::cout << soundFormat->Format.nSamplesPerSec << std::endl;
    std::cout << soundFormat->Format.wBitsPerSample << std::endl;
    std::cout << soundFormat->Format.cbSize << std::endl;
    if (soundFormat->SubFormat == KSDATAFORMAT_SUBTYPE_IEEE_FLOAT)
        std::cout << "IEEE-FLOAT!" << std::endl;
    /*_____________________*/

    DWORD streamIndex, flags;
    LONGLONG llTimeStamp;
    IMFSample* pSoundSample;
    while (true) 
        hr = pSoundReader->ReadSample(MF_SOURCE_READER_FIRST_AUDIO_STREAM, 0, &streamIndex, &flags, &llTimeStamp, &pSoundSample);
        if (FAILED(hr)) 
            std::cout << "Failed to get sound from microphone";
        

        if (pSoundSample != NULL) 
            IMFMediaBuffer* pSoundBuffer;
            pSoundSample->ConvertToContiguousBuffer(&pSoundBuffer);
            DWORD soundlength;
            pSoundBuffer->GetCurrentLength(&soundlength);
            unsigned char* sounddata;
            hr = pSoundBuffer->Lock(&sounddata, NULL, &soundlength);
            if (FAILED(hr)) 
                std::cout << "Failed to get sounddata from buffer";
            

            std::ofstream file;
            file.open("C:\\Users\\user\\Documents\\test.raw", std::ios::app);
            for (unsigned int i = 0; i < soundlength; i++)
                file << sounddata[i];
            file.close();
        
    

应该确定控制台上打印数据格式的代码部分：

8
65534
1
4
48000
32
22
IEEE-FLOAT!

由此，我确定声音是以 1 通道 32bits 48000Hz IEEE-FLOAT 格式录制的。现在我需要播放这个声音。问题是大多数 API 需要 16 位 PCM 来播放声音。

我尝试将声音转换为 16 位 PCM，但效果不佳。如果你知道如何做到这一点，你能展示一些代码吗？此外，在此处提供的代码中，我将声音附加到没有标题的原始音频文件中。我听说浮点表示介于 1 和 -1 之间，所以我尝试了以下代码进行转换：

void iefloat_to_pcm16(unsigned char* sounddata, std::vector<unsigned char>& newdata, int soundlength) 
    for (int i = 0; i < soundlength && i + 3 < soundlength; i += 4) 
        float f;
        unsigned char b[] =  sounddata[i], sounddata[i + 1], sounddata[i + 2], sounddata[i + 3] ;
        memcpy(&f, &b, sizeof(f));
        short pcm16 = f * 32767 + 0.5;
        newdata.push_back((unsigned char)(pcm16 >> 8));
        newdata.push_back((unsigned char)pcm16);
    

此代码似乎不起作用。

在此之后，我一直在使用 Audacity 和 File > Import > Raw Data，它允许导入原始数据并指定数据的格式。所以我选择了 1 通道 32 位浮点数，48kHZ 并尝试了所有字节序徒劳无功。我对“转换”为 16 位 PCM 的数据做了同样的事情。结果只是大胆的随机噪音。我可以看到我发出噪音的地方有尖峰，其余的都是无声的。但尖峰只是噪音。我在这里做错了吗？

【参考方案1】：

音频文件是二进制格式，但您在文件中放置了文本。

file << sounddata[i];

这是一个格式化的插入运算符，它将数据转换为文本表示。请改用file.write()。

您可能还需要弄乱用于打开流的标志。 C++ 标准 I/O 流不适用于二进制数据。由于您已经在广泛使用 Windows API 对象，您可能只需切换到 CreateFile / WriteFile ，其中表面下没有活动的转换方面。

【讨论】：

谢谢，是的，我不得不使用：HANDLE file = CreateFile(L"c:\\users\\user\\documents\\test.raw", GENERIC_READ | GENERIC_WRITE, FILE_SHARE_READ | FILE_SHARE_WRITE, NULL, CREATE_NEW, FILE_ATTRIBUTE_NORMAL, NULL); 和 WriteFile(file, sounddata, soundlength, bytesWritten, NULL);。我现在可以大胆地正确获得声音。我要测试我的转换功能。

我的转换功能似乎可以工作，但我需要指定大端序。这可能是我一直试图修复的 SDL_mixer 的罪魁祸首。再次感谢您的回答。