怎么在Android中實現音頻合成功能

這期內容當中小編將會給大家帶來有關怎么在Android中實現音頻合成功能，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

情景一

假設A音頻40秒，B音頻20秒，B音頻數據拼接到A音頻后面，得到60秒的C音頻文件。

這種情況最簡單了，新建音頻文件C，將A音頻的PCM數據復制到C音頻文件上，再將B音頻的PCM數據復制到C音頻文件上，然后為C音頻寫上wav文件頭信息，得到可播放的WAV文件。

情景二

假設A音頻40秒，B音頻20秒，B音頻數據插入到A音頻10秒的地方，得到60秒的C音頻文件。

這種情況稍微復雜點，新建音頻文件C，將A音頻前10秒的PCM數據復制到C音頻文件上，再將B音頻的PCM數據復制到C音頻文件上，再將A音頻后30秒的PCM數據復制到C音頻文件上，最后為C音頻寫上wav文件頭信息，得到可播放的WAV文件。

情景三

假設A音頻40秒，B音頻20秒，B音頻5至15秒的數據插入到A音頻10秒的地方，得到50秒的C音頻文件。

這種情況更復雜，也是最常見的插入場景，裁剪B音頻并插入到A音頻的某個位置，這里涉及到B音頻數據的裁剪，當然原理其實也是簡單的，計算出B音頻5秒和10秒對應的文件數據位置，然后復制這個區間的數據到C上，針對A文件的數據，也是同樣道理。

情景四

A音頻和B音頻中多段數據相互拼接

這種情況，原理同上面一樣，只要知道指定時間對應的數據是什么，就可以實現自由拼接了。

音頻拼接的實現參考我的Github項目 AudioEdit，這里我就不貼具體代碼了。

音頻混合

音頻混合是指一段音頻和另一段音頻合在一起，能夠同時播放，比如最常見的人聲錄音和背景音樂的合成，可以得到一首人聲歌曲。
音頻混合的原理是

音頻混合原理: 量化的語音信號的疊加等價于空氣中聲波的疊加。

也就是說將輸入的每段音頻的某個時間點的采樣點數值進行相加，即可將聲音信號加入到輸出的音頻中。

音頻采樣點數值的大小是（-32768，32767），對應short的最小值和最大值，音頻采樣點數據就是由一個個數值組成的的。如果單純疊加，可能會造成相加后的值會大于32767，超出short的表示范圍，也就是溢出，所以在音頻混合上回采用一些算法進行處理。下面列舉下簡單的混合方式。

直接疊加法

A（A1,A2,A3,A4）和B（B1,B2,B3,B4）疊加后求平均值，得到C（（A1+B1）,（A2+B2）,（A3+B3）,（A4+B4））
這種情況，輸出的音頻中A和B音頻數據都可以以相同聲音大小播放，但是可能出現溢出的情況。假設A音頻指定時間點的某段采樣數據是（23,67,511,139,307），B音頻對應該時間點的采樣數據是（1101,300,47,600,22），那么兩者直接疊加的話，得到的采樣數據是（1124,367,558,739,329），這個短采樣數據就是兩者聲音混合的數據了。

疊加后求平均值

A（A1,A2,A3,A4）和B（B1,B2,B3,B4）疊加后求平均值，得到C（（A1+B1）/2,（A2+B2）/2,（A3+B3）/2,（A4+B4）/2）
這樣可以避免出現溢出的情況，但是會出現兩者聲音會比之前單獨的聲音小了一半，比如人聲和背景音樂混合，導致輸出的音頻中，人聲小了一半，背景音樂也小了一半，這種情況可能就不是想要的效果，特別是多段音頻混合的情況。

權值疊加法

A（A1,A2,A3,A4）和B（B1,B2,B3,B4）權值疊加，A權值為x，B權值為y，得到C（（A1 * x+B1 * y）,（A2 * x+B2 * y）,（A3 * x+B3 * y）,（A4 * x+B4 * y））
這樣可以更方便條件A和B的音量的大小，比如A的權值為1.2，B的權值為0.8，那么A的聲音相對提高了，B的聲音相對減弱了。嚴格來說，直接疊加法和疊加求平均值法都屬于該類型。

此外還有各種更復雜的混合算法，如動態權值法，A和B的權值會根據當前時刻采樣點數值的大小進行動態變化，得到一個動態增益和衰減的混合方式。

下面是直接疊加法的實現，需要注意short值要按大端存儲的方式計算，存儲時按大端方式存儲。

 /**
 * 疊加合成器
 * @author Darcy
 */
 private static class AddAudioMixer extends MultiAudioMixer{

 @Override
 public byte[] mixRawAudioBytes(byte[][] bMulRoadAudioes) {

  if (bMulRoadAudioes == null || bMulRoadAudioes.length == 0)
  return null;

  byte[] realMixAudio = bMulRoadAudioes[0];

  if(bMulRoadAudioes.length == 1)
  return realMixAudio;

  for(int rw = 0 ; rw < bMulRoadAudioes.length ; ++rw){
  if(bMulRoadAudioes[rw].length != realMixAudio.length){
   Log.e("app", "column of the road of audio + " + rw +" is diffrent.");
   return null;
  }
  }

  //row 代表參與合成的音頻數量
  //column 代表一段音頻的采樣點數，這里所有參與合成的音頻的采樣點數都是相同的
  int row = bMulRoadAudioes.length;
  int coloum = realMixAudio.length / 2;
  short[][] sMulRoadAudioes = new short[row][coloum];

  //PCM音頻16位的存儲是大端存儲方式，即低位在前，高位在后，例如(X1Y1, X2Y2, X3Y3)數據，它代表的采樣點數值就是(（Y1 * 256 + X1）, （Y2 * 256 + X2）, （Y3 * 256 + X3）)
  for (int r = 0; r < row; ++r) {
  for (int c = 0; c < coloum; ++c) {
   sMulRoadAudioes[r][c] = (short) ((bMulRoadAudioes[r][c * 2] & 0xff) | (bMulRoadAudioes[r][c * 2 + 1] & 0xff) << 8);
  }
  }

  short[] sMixAudio = new short[coloum];
  int mixVal;
  int sr = 0;
  for (int sc = 0; sc < coloum; ++sc) {
  mixVal = 0;
  sr = 0;
  //這里采取累加法
  for (; sr < row; ++sr) {
   mixVal += sMulRoadAudioes[sr][sc];
  }
  //最終值不能大于short最大值，因此可能出現溢出
  sMixAudio[sc] = (short) (mixVal);
  }

  //short值轉為大端存儲的雙字節序列
  for (sr = 0; sr < coloum; ++sr) {
  realMixAudio[sr * 2] = (byte) (sMixAudio[sr] & 0x00FF);
  realMixAudio[sr * 2 + 1] = (byte) ((sMixAudio[sr] & 0xFF00) >> 8);
  }

  return realMixAudio;
 }

 }

注意事項

音頻的拼接和混音，有一些是需要注意和處理的。

1. 需要確保A音頻和B音頻的采樣位數一致。例如A音頻是16位采樣位數，B音頻是8位采樣位數，那么這時是不能直接拼接的，需要轉換成相同的采樣位數，才能做后續操作。

2. 需要確保A音頻和B音頻的采樣率一致。這個在錄音和歌曲拼接時要特別注意，假如錄音的音頻頻率是16000，歌曲的音頻是44100，那么兩者也是不能直接拼接的，需要轉換成相同的采樣率，轉換采樣率可以使用resample庫。

3. 需要確保A音頻和B音頻的聲道數一致。當然這個并不是指單聲道和雙聲道的音頻不能合成了，事實上錄音音頻通常是單聲道的，而歌曲通常是雙聲道的。單聲道和雙聲道音頻合成，一般是按雙聲道為基準，需要將單聲道音頻轉換成雙聲道音頻，轉換原理也簡單，將單聲道的采樣點數據多復制一份，比如將單聲道的ABCD數據轉換成雙聲道的AABBCCDD數據。

那么我們可能會有疑問，如果A音頻和B音頻的采樣率位數，采樣率，聲道數不一樣的話，合成后是有效的音頻文件嗎？這個其實是有效的，同樣可以播放，但是會造成合成后的音頻不同部分的音頻播放速度不一樣，例如單聲道的A和雙聲道的B拼接，會造成A部分的播放速度比B的播放速度快一倍，而B的播放速度是正常的。

Android是什么

Android是一種基于Linux內核的自由及開放源代碼的操作系統，主要使用于移動設備，如智能手機和平板電腦，由美國Google公司和開放手機聯盟領導及開發。

上述就是小編為大家分享的怎么在Android中實現音頻合成功能了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。