API 层实现语音录制

来源：互联网发布：老舍的人品知乎编辑：程序博客网时间：2024/04/25 20:08

其实要实现声音的录制，可以用多种的方式(例如 mci )，我这里介绍的是在 API 的层面来实现，你可以对其中进行更多的控制。比方说，要音频裸数据存到你指定的内存中去。

录音的回调方式:

ValueMeaningCALLBACK_EVENTThe dwCallback parameter is an event handle.CALLBACK_FUNCTIONThe dwCallback parameter is a callback procedure address.CALLBACK_NULLNo callback mechanism. This is the default setting.CALLBACK_THREADThe dwCallback parameter is a thread identifier.CALLBACK_WINDOWThe dwCallback parameter is a window handle.WAVE_FORMAT_DIRECTIf this flag is specified, the ACM driver does not perform conversions on the audio data. WAVE_FORMAT_QUERYThe function queries the device to determine whether it supports the given format, but it does not open the device.WAVE_MAPPED

先说一下要用到的 API ，录音通常都是使用 waveInXXX 一类 API 的，最主要的是 waveInStart (顾名思义就是开始录音)，然后是 waveInStop(它能够在你指定的缓冲满的时候返回) ；如果不用 waveInStop 可以使用 waveInReset(不同于Stop的是该函数不等缓冲满就马上返回那样你才可以终止录音)，不过最好跟 waveInGetPosition 配合使用。

说完这些函数，不得不提的是为以上几个函数做准备工作的函数(注意配对使用)， waveInOpen 和 waveInClose 配对( waveInOpen 里面指定音频的格式，比方说立体声和16位音质等)； waveInPrepareHeader 和 waveInUnprepareHeader 配对( waveInPrepareHeader 里面指定用来录音缓冲的大小和首地址)，紧跟着 waveInPrepareHeader要例行公事调用 waveInAddBuffer( 作用未详，不多说了)。

详细调用过程可以看下面

(之前最好调用 waveInGetNumDevs 看看有没有可用的设备)

waveInOpen (该处用 WAVEFORMATEX 结构指定音频格式)

waveInPrepareHeader (该处用 WAVEHDR 结构的 lpData 成员指定缓冲首地址)

waveInAddBuffer

waveInStart

(录制中....)

waveInStop (warning:一定要缓冲满了才返回)

waveInUnprepareHeader

waveInClose

需要指出的是，上面的代码你不能随心所欲的停止录音过程(如果你指定的缓冲非常大，比方说足够录音一个小时，那么你就要乖乖的等上一个小时)，如果希望马上停止，请使用下面的方法。

waveInStart

(录制中....)

(n 时间后，用户提出停止请求)

waveInGetPosition (保留该值，用来设置 WAVEHDR 结构的 dwBytesRecorded 成员)

waveInReset

(重新设置 WAVEHDR 结构的 dwBytesRecorded 成员)

整个过程就是如此的几句，下面将给出源程序以验证。

需要说明一下，正常情况下录音以后，总共耗费的内存(以字节算) 会保存在WAVEHDR 结构的 dwBytesRecorded 成员中，可用的音频裸数据当然就放进你指定的内存缓冲中去了，你大可不必等 waveInUnprepareHeader 就可以马上拿来用了。

( 补充一个内容，粗略讲解一下 .wav 文件的文件头格式 )

看下面的结构，一开始的八个字节是一个结构，第一个四字节是标志，刚好等于 ascii 的 "RIFF" ，第二个四字节是总的文件长度减去8。你可以验证一下。(参照16进制阅读数字的方法)

跟着是第二个数据结构，占12个字节。如果你是标准的 wave 格式的文件，那么就是紧接着两个标志，第一个四字节的标志是 ascii 的 "WAVE" ，第二个四字节的标志就是 ascii 的 "fmt "(注意，有一个空格)，然后剩下的四字节里面藏的是 WAVEFORMATEX 结构的大小(参照MSDN)，应该是18个字节。

然后，当然就是 18个字节的 WAVEFORMATEX 结构里面的值。详细的就不说了，自己查一下 MSDN。 (需要注意的是，这个 WAVEFORMATEXEX 的末一个成员，讲了可能的长度扩充)

在这 18 个字节后面 (按照旧时候的方法)，应该是跟着一个8字节的结构的，然后就是 "裸数据" 的开始地址了，这八字节结构的开始四字节是标志，应该等于 ascii 的 "data"，然后紧跟着的四字节就是裸数据的大小了，也就是最重要的部分。

好了，如此一来，你就可以得到音频裸数据的起始位置(紧紧跟在含"data"标志的数据结构的后面)，还有就是音频数据的长度了。应该是所有的问题都很容易解决的。

不过，还要注意，就是现在的很多 .wav 文件都会外加一个数据结构(12字节)，就插在 WAVEFORMATEX 的后面和含 "data" 的数据结构前面。这个外加的结构第一个四字节是标志，等于 ascii 码的 "fact"，然后第二个四字节的值在大部分情况下都等于 4，第三个四字节的值也是等于音频裸数据的长度。基本上就是这样了。

下面给出的源程序文件只要加进新建的 VC win32工程中，编译即可，执行效果是录音三秒后自动生成 mytest.wav 文件供播放测试(记得选好默认录音通道)。

废话不多说，给出源程序(该源程序中要包含 RunTimeLog.cpp，见http://www.csdn.net/develop/Read_Article.asp?Id=17477) 希望对大家有用。(全文完)

(全文完 - 2003年03月27日_am: 11时27分)

// ******************* FileName: WinMain.cpp *****************************

// 该源程序需要加入到 VC6 的 Win32 Application 的 empty Project 中

// 请包含我自定义的调试类，见 #include "RunTimeLog.cpp"

// 对于工程的 Link 选项，至少要包含以下库: msvcrt.lib kernel32.lib user32.lib Winmm.lib

#define WIN32_LEAN_AND_MEAN // Say No to MFC !!

#include <windows.h>

#include <Mmsystem.h>

#include "RunTimeLog.cpp"

RunTimeLog log;

char lpTemp[256]="";

DWORD FCC(LPSTR lpStr)

{

DWORD Number = lpStr[0] + lpStr[1] *0x100 + lpStr[2] *0x10000 + lpStr[3] *0x1000000 ;

return Number;

}

int WINAPI WinMain( HINSTANCE hInstance, HINSTANCE hPrevInstance,

LPSTR lpCmdLine, int nCmdShow )

{

CreateMutex( NULL, false, "MyMutex");

if ( GetLastError() == ERROR_ALREADY_EXISTS )

{ log.write("Exists and Exit"); log.last(); ExitProcess( NULL); }

log.write("Program Start.");

log.nobuff = true;

DWORD datasize = 48000;

// 最常用法

WAVEFORMATEX waveformat;

waveformat.wFormatTag=WAVE_FORMAT_PCM;

waveformat.nChannels=1;

waveformat.nSamplesPerSec=8000;

waveformat.nAvgBytesPerSec=8000;

waveformat.nBlockAlign=1;

waveformat.wBitsPerSample=8; //指定录音格式

waveformat.cbSize=0;

wsprintf( lpTemp, "WAVEFORMATEX size = %lu", sizeof(WAVEFORMATEX) );

log.write(lpTemp);

HWAVEIN m_hWaveIn;

if ( waveInGetNumDevs() ) log.write("有可以使用的 WaveIn 通道"); else log.write("没有可以使用的 waveIn 通道");

int res=waveInOpen(&m_hWaveIn,WAVE_MAPPER, &waveformat, (DWORD)NULL,0L,CALLBACK_WINDOW); //打开录音设备

if ( res == MMSYSERR_NOERROR ) log.write("打开 waveIn 成功"); // 验证创建是否成功

else {

wsprintf(lpTemp, "打开 waveIn 通道失败，Error_Code = 0x%x", res );

log.write(lpTemp);

} // End of 验证创建是否成功

WAVEHDR m_pWaveHdr;

m_pWaveHdr.lpData = (char *)GlobalLock( GlobalAlloc(GMEM_MOVEABLE|GMEM_SHARE, datasize) );

memset(m_pWaveHdr.lpData, 0, datasize );

m_pWaveHdr.dwBufferLength = datasize;

m_pWaveHdr.dwBytesRecorded = 0;

m_pWaveHdr.dwUser = 0;

m_pWaveHdr.dwFlags = 0;

m_pWaveHdr.dwLoops = 0;

wsprintf( lpTemp, "WAVEHDR size = %lu", sizeof(WAVEHDR) );

log.write(lpTemp);

int resPrepare = waveInPrepareHeader( m_hWaveIn, &m_pWaveHdr, sizeof(WAVEHDR) ); //准备内存块录音

if ( resPrepare == MMSYSERR_NOERROR) log.write("准备录音用头文件成功");

else {

wsprintf(lpTemp, "不能开辟录音头文件，Error_Code = 0x%03X", resPrepare );

log.write(lpTemp);

} // End of 验证开辟缓冲

resPrepare = waveInAddBuffer( m_hWaveIn, &m_pWaveHdr, sizeof(WAVEHDR) );

if ( resPrepare == MMSYSERR_NOERROR) log.write("准备录音用内存成功");

else {

wsprintf(lpTemp, "不能开辟录音用缓冲，Error_Code = 0x%03X", resPrepare );

log.write(lpTemp);

} // End of 验证开辟缓冲

log.write(""); // 写入空字符串可以分行

if (! waveInStart(m_hWaveIn) ) log.write("开始录音"); else log.write("开始录音失败");

Sleep(3200);

MMTIME mmt;

mmt.wType = TIME_BYTES;

log.numberwrite( "sizeof(MMTIME) =", sizeof(MMTIME) );

log.numberwrite( "sizeof(UINT) =", sizeof(UINT) );

if ( waveInGetPosition(m_hWaveIn, &mmt, sizeof(MMTIME)) ) log.write("不能取得音频长度");

else log.numberwrite( "取得现在音频位置 =", mmt.u.cb );

if (mmt.wType == TIME_BYTES) { log.write("得到的 TIME_BYTES 格式的音频长度"); }

else log.write("指定的 TIME_BYTES 格式音频长度不支持");

// if (! waveInStop(m_hWaveIn) ) log.write("停止录音"); else log.write("停止录音失败");

if (! waveInReset(m_hWaveIn) ) log.write("重置内存区成功"); else log.write("重置内存区失败");

m_pWaveHdr.dwBytesRecorded = mmt.u.cb;

DWORD NumToWrite=0; DWORD dwNumber = 0;

HANDLE FileHandle =

CreateFile( "myTest.wav", GENERIC_WRITE, FILE_SHARE_READ, NULL,

CREATE_ALWAYS, FILE_ATTRIBUTE_NORMAL, NULL);

// memset(m_pWaveHdr.lpData, 0, datasize);

dwNumber = FCC("RIFF");