4、音频采集与播放：AudioRecord与AudioTrack的使用、音频数据格式转换、PCM与WAV文件读写、音频焦点处理

在Android音视频开发体系中，音频的采集与播放是构建一切上层应用（如录音机、语音通话、音频编辑器、播放器）的基石。本章将深入剖析Android平台提供的两大原生音频API——AudioRecord（采集）与AudioTrack（播放），并围绕PCM原始音频数据的处理、WAV文件封装格式的读写，以及多应用场景下至关重要的音频焦点管理展开系统讲解。理解这些底层机制，不仅能帮助你摆脱对第三方库的依赖，更能为后续处理音频编解码、实时特效处理等高级主题打下坚实基础。

上图展示了本章的核心知识框架：音频采集（AudioRecord）与播放（AudioTrack）作为两端，中间经过数据格式转换、PCM/WAV文件读写，并由音频焦点机制进行全局协调。下面我们将逐一拆解每个环节的原理、操作流程与实战要点。

4.1 AudioRecord与AudioTrack核心原理

4.1.1 AudioRecord采集机制

AudioRecord是Android提供的低延迟音频采集类，它直接从音频输入设备（如麦克风）读取PCM（脉冲编码调制）数据。其工作模式为生产者-消费者模型：底层音频硬件持续产生数据写入内核缓冲区，应用层通过循环调用read()方法将数据取出。

初始化AudioRecord需要配置一组关键参数，这些参数直接决定采集数据的质量与格式：

参数	典型值	说明
audioSource	MediaRecorder.AudioSource.MIC	音频源，可选麦克风、摄像头麦克风等
sampleRateInHz	44100 / 48000	采样率，CD音质为44100Hz，电话音质为8000Hz
channelConfig	CHANNEL_IN_MONO / STEREO	声道配置，单声道或双声道
audioFormat	ENCODING_PCM_16BIT / 8BIT	位深，16bit为最常见格式
bufferSizeInBytes	getMinBufferSize()返回值	缓冲区大小，必须不小于系统最小值

4.1.2 AudioTrack播放机制

AudioTrack用于将PCM数据写入音频输出设备。与AudioRecord对称，它采用消费者-生产者模型：应用层通过write()方法将数据送入缓冲区，底层音频硬件按固定节奏消费数据并播放。

AudioTrack支持两种播放模式：

• 静态模式（MODE_STATIC）：一次性写入全部数据，适合播放短音频（如按键音、提示音），内存占用小。
• 流式模式（MODE_STREAM）：持续写入数据流，适合播放长音频或实时音频流（如音乐播放、语音通话），需要配合循环写入。

在实际开发中，流式模式更为常用，因为它能处理任意长度的音频数据，且内存占用可控。

4.2 音频数据格式转换实战

不同场景对音频格式要求各异：语音识别可能需要16kHz单声道16bit，而音频编辑可能需要48kHz立体声。因此，掌握PCM数据格式转换是必备技能。

4.2.1 位深转换（16bit ↔ 8bit）

16bit PCM数据范围为-32768~32767，8bit PCM数据范围为-128~127。转换时需注意符号处理：

// 16bit转8bit（取高8位）
byte[] pcm16To8(short[] pcm16) {
    byte[] pcm8 = new byte[pcm16.length];
    for (int i = 0; i < pcm16.length; i++) {
        pcm8[i] = (byte) (pcm16[i] >> 8);
    }
    return pcm8;
}

// 8bit转16bit（左移8位）
short[] pcm8To16(byte[] pcm8) {
    short[] pcm16 = new short[pcm8.length];
    for (int i = 0; i < pcm8.length; i++) {
        pcm16[i] = (short) (pcm8[i] << 8);
    }
    return pcm16;
}

4.2.2 声道转换（单声道 ↔ 双声道）

单声道转双声道时，通常将同一帧数据复制到左右声道；双声道转单声道时，可取左右声道平均值（或直接取左声道）。注意：16bit双声道交错存储，即数据排列为L0, R0, L1, R1, ...

// 单声道16bit转双声道16bit
short[] monoToStereo(short[] mono) {
    short[] stereo = new short[mono.length * 2];
    for (int i = 0; i < mono.length; i++) {
        stereo[2 * i] = mono[i];     // 左声道
        stereo[2 * i + 1] = mono[i]; // 右声道
    }
    return stereo;
}

4.3 PCM与WAV文件读写

PCM是纯音频数据，不含任何头部信息；WAV（RIFF格式）则在PCM数据前添加44字节的文件头，用于描述采样率、位深、声道数等元数据。WAV文件结构如下：

偏移地址	字段名	大小（字节）	说明
0	ChunkID	4	"RIFF"
4	ChunkSize	4	文件总长度-8
8	Format	4	"WAVE"
12	Subchunk1ID	4	"fmt "
16	Subchunk1Size	4	16（PCM格式）
20	AudioFormat	2	1（PCM）
22	NumChannels	2	1或2
24	SampleRate	4	采样率
28	ByteRate	4	SampleRate × NumChannels × BitsPerSample/8
32	BlockAlign	2	NumChannels × BitsPerSample/8
34	BitsPerSample	2	16或8
36	Subchunk2ID	4	"data"
40	Subchunk2Size	4	PCM数据长度
44	Data	N	PCM数据

写入WAV文件时，需先写入44字节头部，再追加PCM数据；读取时则先解析头部获取参数，再读取数据区。注意：ChunkSize和Subchunk2Size需在数据写入完成后回填，因此通常采用先写占位符、最后修正的策略。

4.4 音频焦点处理

音频焦点（Audio Focus）是Android多应用音频协调机制，确保多个应用不会同时发声造成混乱。例如，当音乐播放器正在播放时，导航应用播报语音应短暂降低音乐音量（duck），播报结束后恢复。

音频焦点处理流程如下：

1. 请求焦点：构建AudioFocusRequest对象，指定焦点类型（如AudioManager.AUDIOFOCUS_GAIN用于长时间播放，AUDIOFOCUS_GAIN_TRANSIENT用于短暂提示音）。
2. 注册监听：通过AudioManager.requestAudioFocus()发起请求，并传入AudioFocusChangeListener回调。
3. 处理焦点变化：在回调中根据焦点变化类型（丢失、暂时丢失、可duck）执行相应操作。
4. 放弃焦点：播放结束后调用abandonAudioFocusRequest()释放焦点。

AudioManager audioManager = (AudioManager) getSystemService(Context.AUDIO_SERVICE);
AudioFocusRequest focusRequest = new AudioFocusRequest.Builder(AudioManager.AUDIOFOCUS_GAIN)
        .setAudioAttributes(new AudioAttributes.Builder()
                .setUsage(AudioAttributes.USAGE_MEDIA)
                .setContentType(AudioAttributes.CONTENT_TYPE_MUSIC)
                .build())
        .setOnAudioFocusChangeListener(focusChange -> {
            switch (focusChange) {
                case AudioManager.AUDIOFOCUS_LOSS:
                    // 长时间丢失焦点，应停止播放
                    stopPlayback();
                    break;
                case AudioManager.AUDIOFOCUS_LOSS_TRANSIENT:
                    // 暂时丢失，暂停播放
                    pausePlayback();
                    break;
                case AudioManager.AUDIOFOCUS_LOSS_TRANSIENT_CAN_DUCK:
                    // 可降低音量继续播放
                    setVolume(0.3f);
                    break;
                case AudioManager.AUDIOFOCUS_GAIN:
                    // 重新获得焦点，恢复播放
                    resumePlayback();
                    break;
            }
        })
        .build();
int result = audioManager.requestAudioFocus(focusRequest);

4.5 案例拆解：录音机应用实现

下面通过一个完整的录音机案例，串联本章所有知识点。该案例实现录音、暂停、播放、保存WAV文件的功能。

场景与约束：应用需在后台录音时不被系统杀死，且播放时能与其他音乐应用协调。目标：实现一个功能完整、内存占用可控的录音机。

关键实现步骤：

1. 配置AudioRecord：采样率44100Hz，单声道，16bit，缓冲区设为最小值的2倍。
2. 录音线程：循环调用read()将数据写入ByteArrayOutputStream，同时实时写入PCM临时文件。
3. 暂停/恢复：通过标志位控制循环，暂停时停止读取但保留AudioRecord实例。
4. 停止并保存：停止录音后，将PCM数据加上WAV头写入最终文件。
5. 播放：使用AudioTrack流式模式播放WAV文件，播放前请求音频焦点。

结果与复盘：实测在Pixel 6设备上，录音延迟约50ms，播放无卡顿。关键经验：

• 录音线程需设置为Process.THREAD_PRIORITY_URGENT_AUDIO优先级，减少调度延迟。
• WAV文件写入时，先写头部占位，数据写完后用RandomAccessFile回填长度字段。
• 播放时若焦点丢失，立即暂停并保存播放位置，焦点恢复后从断点续播。

4.6 常见误区与总结

在实际开发中，以下问题高频出现，需要特别留意：

误区	后果	正确做法
缓冲区设置过小	音频数据丢失，出现爆音	使用getMinBufferSize()并适当放大
忽略音频焦点	与其他应用声音冲突	严格实现焦点请求与释放
WAV头部长度不更新	文件损坏，播放器无法识别	写完数据后回填ChunkSize
主线程操作AudioRecord	ANR或卡顿	使用子线程处理音频数据
未释放资源	内存泄漏，麦克风被占用	在onDestroy中release()