DirectSound实现声卡录音

DirectSound实现声卡录音 利用DirectSound实现声卡录音 2005-07-11 08:38?作者: 智慧的鱼?出处: 天极网?责任编辑:>方舟 摘要:本文详细讲述了如何利用DirectSound对经过声卡和麦克风的数据进行捕获，进行录音，并保存为wave格式的文件。? 曾经学习过Directshow的开发，对于Dsound一直没有仔细的学习，以前只是知道Dsound是做音频开发的，我一直以为它和Dshow的结构体系差不多，经过仔细学习后，发现，其实他们完全两码事。DirectSound虽然也基于COM，但不象Dshow那样多个的filter组成链。 闲话少说，下面我们看看DirectSound到底能帮我们做些什么。 1、播放WAVE格式的音频文件或者资源。 2、可以同时播放多个音频。 3、Assign high-priority sounds to hardware-controlled buffers 4、播放3D立体声音 5、在声音中添加特技效果，比如回声，动态的改变特技的参数等 6、将麦克风或者其他音频输入设备的声音录制成wave格式的文件 DirectSound就能做这么多事情，到这里，我都有点怀疑DirectSound是不是就是封装了mmio系列和wav系列的函数。因为这些底层的API也能够完成这些事情。这里我们主要讨论一下，如果使用Directsound进行录音，并保存成wave格式的文件。 在开始工作之前，要先介绍DirectSound录音用到的三个非常重要的对象: ?IDirectSoundCapture8 ，设备对象，根据你录音的设备创建的设备对象，利用该对象可以获取设备的属性。? ?IDirectSoundCaptureBuffer8，缓冲区对象，该对象由设备对象创建，主要用来操作音频数据 ?IDirectSoundNotify8 ，事件通知对象，该对象用来通知应用程序从缓冲区中将数据取走，写入文件保存起来。 利用DirectSound录音的主要思路，就是先根据选择的录音设备创建设备对象，然后通过设备对象创建辅助缓冲区对象，开始录音的时候，设备将数据写入缓冲区，应用程序主动的从缓冲区将数据读出来写文件即可，就实现了录音功能。这里简单介绍一下dsound的通知功能，应用程序会创建一个通知对象，然后将通知对象邦定，然后设定通知位置(position)，什么是通知位置呢，比如缓冲区的大小为4000字节，如果你想当数据达到缓冲区一半的时候能得到通知开始copy数据，那么此时你就可以将通知位置设定为2000，通知位置可以任意的设定，当缓冲区的数据达到你设定的位置时，就会通知应用程序将缓冲区的数据copy到文 件中，缓冲区是循环利用的，当缓冲区填充满了以后，就会从头开始充填数据，所以，缓冲区就是一边读，一边写的过程。 下面我讲一下录音的主要步骤，可以使大家的思路更清晰一些 1、枚举录音的设备 2、根据选择的设备创建设备对象 3、利用设备对象创建缓冲区对象 4、设置通知机制 5、创建工作线程，用来将缓冲区的数据写入文件。 先来定义一下用到的数据 LPDIRECTSOUNDCAPTURE8 g_pDSCapture = NULL;//设备对象指针? LPDIRECTSOUNDCAPTUREBUFFER g_pDSBCapture = NULL;//缓冲区对象指针 LPDIRECTSOUNDNOTIFY8 g_pDSNotify = NULL;//用来设置通知的对象接口 GUID g_guidCaptureDevice = GUID_NULL; //设备id BOOL g_bRecording = FALSE; //是否正在录音 WAVEFORMATEX g_wfxInput; //输入的音频格式 DSBPOSITIONNOTIFY g_aPosNotify[ NUM_REC_NOTIFICATIONS + 1 ]; //设置通知标志的数组 HANDLE g_hNotificationEvent; //通知事件? BOOL g_abInputFormatSupported[20]; DWORD g_dwCaptureBufferSize; //录音用缓冲区的大小 DWORD g_dwNextCaptureOffset;//偏移位置 DWORD g_dwNotifySize;// 通知位置 CWaveFile* g_pWaveFile;// 枚举录音的设备 如果你的程序只是想从用户缺省的设备上进行声音的录制，那么就没有必要来枚举出系统中的所有录音的设备，当你调用DirectSoundCaptureCreate8 或者另外一个函数DirectSoundFullDuplexCreate8的时候，其实就默认指定了一个缺省的录音设备。 当然，在下面的情况下，你就必须要枚举系统中所有的设备，例如，你的应用程序并不支持所有的输出设备，或者你的应用程需要两个或者多个设备，或者你希望用户自己来选择输出设备。 枚举设备，你首先要定义一个回调函数，这个回调函数可以被系统中的每个设备来调用，你可以在各函数做任何事情，这个函数的命名也没有任何的限制，但是函数应该以DSEnumCallback为原型，如果枚举没有结束，这个回调函数就返回TRUE，如果枚举结束，例 如你找到合适的设备，这个函数就要返回FALSE。 下面是回调函数的一个例子，这个函数将枚举的每一个设备都添加到一个combox中，将设备的GUID保存到一个item 中，这个函数的前三个参数由设备的驱动程序提供，第四个参数有DirectSoundCaptureEnumerate函数提供，这个参数可以是任意的32位值，这个例子里是combox的句柄， BOOL CALLBACK DSEnumProc(LPGUID lpGUID,? LPCTSTR lpszDesc, LPCTSTR lpszDrvName,? LPVOID lpContext ) { HWND hCombo = (HWND)lpContext; LPGUID lpTemp = NULL; if (lpGUID != NULL) // NULL only for "Primary Sound Driver". { if ((lpTemp = (LPGUID)malloc(sizeof(GUID))) == NULL) { return(TRUE); } memcpy(lpTemp, lpGUID, sizeof(GUID)); } //下面的代码主要主要是将设备添加到CComboBox，其实你完全直接将CComboBox指针传递过来，直接的添加，这里采用的是给combox窗口发送消息的方法， ComboBox_AddString(hCombo, lpszDesc); ComboBox_SetItemData(hCombo,? ComboBox_FindString(hCombo, 0, lpszDesc), lpTemp ); free(lpTemp); return(TRUE); } 枚举设备通常都是在对话框初始化的时候才进行的，我们假设hCombo就是combox句柄，hDlg就对话框的句柄，看看我们怎么来枚举设备的吧。 if (FAILED(DirectSoundCaptureEnumerate ((LPDSENUMCALLBACK)DSEnumProc, (VOID*)&hCombo))) { EndDialog(hDlg, TRUE); return(TRUE); } 在这个例子中，combox的句柄作为参数传递到DirectSoundEnumerate函数中，然后又被传递到回调函数中，这个参数你可以是你想传递的任意的32位值。 注:第一个被枚举的设备通常称为Primary sound driver，并且回调函数的lpGUID为NULL，这个设备就是用户通过控制面板设置的缺省的录音声音设备， 创建设备对象 你可以通过DirectSoundCaptureCreate8或者DirectSoundFullDuplexCreate8函数直接创建设备对象，该函数返回一个指向IDirectSoundCapture8接口的指针 if( FAILED( hr = CoInitialize(NULL) ) ) return hr; if(pDeviceGuid) { if(FAILED( hr = DirectSoundCaptureCreate(pDeviceGuid,&g_pDSCapture,NULL))) return hr; } else { if(FAILED(hr= DirectSoundCaptureCreate(&DSDEVID_DefaultCapture ,&g_pDSCapture,NULL))) return hr? } 其中pDeviceGuid是从枚举的combox中选择的设备的ID。 现在创建了设备对象你可以通过IDirectSoundCapture8::GetCaps方法来获取录音设备的性能，这个函数的参数是一个DSCCAPS类型的结构，在传递这个参数之前，一定要初始化该结构的dwSize成员变量。同时，你可以通过这个结构返回设备支持的声道数，以及类似WAVEINCAPS结构的其他设备属性 创建录音的缓冲区对象 我们可以通过IDirectSoundCapture8::CreateCaptureBuffer来创建一个录音的buffer对象，这个函数的一个参数采用DSCBUFFERDESC类型的结构来说明buffer的一些特性，这个结构的最后一个成员变量是一个WAVEFORMATEX结构，这个结构一定要初始化成泥需要的wav格式。 说明一下，如果你的应用程序一边播放的同时进行录制，如果你录制的buffer格式和你的主缓冲buffer不一样，那么你创建录制buffer对象就会失败，原因在于，有些声卡只支持一种时钟，不能同时支持录音和播放同时以两种不同的格式进行。 下面的函数，演示了如何创建一个录音的buffer对象，这个buffer对象能够处理1秒的数据，注意，这里传递的录音设备对象参数一定要通过DirectSoundCaptureCreate8来创建，而不是早期的DirectSoundCaptureCreate接口，否则，buffer对象不支持IDirectSoundCaptureBuffer8接口。 HRESULT CreateCaptureBuffer(LPDIRECTSOUNDCAPTURE8 pDSC,? LPDIRECTSOUNDCAPTUREBUFFER8* ppDSCB8) { HRESULT hr; DSCBUFFERDESC dscbd; LPDIRECTSOUNDCAPTUREBUFFER pDSCB; WAVEFORMATEX wfx ={WAVE_FORMAT_PCM, 2, 44100, 176400, 4, 16, 0}; // wFormatTag, nChannels, nSamplesPerSec, mAvgBytesPerSec, // nBlockAlign, wBitsPerSample, cbSize if ((NULL == pDSC) || (NULL == ppDSCB8)) return E_INVALIDARG; dscbd.dwSize = sizeof(DSCBUFFERDESC); dscbd.dwFlags = 0; dscbd.dwBufferBytes = wfx.nAvgBytesPerSec; dscbd.dwReserved = 0; dscbd.lpwfxFormat = &wfx; //设置录音用的wave格式 dscbd.dwFXCount = 0; dscbd.lpDSCFXDesc = NULL; if (SUCCEEDED(hr = pDSC->CreateCaptureBuffer(&dscbd, &pDSCB, NULL))) { hr = pDSCB->QueryInterface(IID_IDirectSoundCaptureBuffer8, (LPVOID*)ppDSCB8); pDSCB->Release();? } return hr; } 你可以通过IDirectSoundCaptureBuffer8::GetCaps方法来获取录音buffer的大小，但一定要记得初始化DSCBCAPS结构类型参数的dwSize成员变量。 为了获取buffer中数据的格式，你可以通过IDirectSoundCaptureBuffer8::GetFormat. 方法来获取buffer中的数据格式，这个函数通过WAVEFORMATEX结构返回音频数据的信息，如果我们想知道一个录音buffer目前的状态如何，可以通过 IDirectSoundCaptureBuffer8::GetStatus来获取，这个函数通过一个DWORD类型的参数来表示该buffer是否正在录音， IDirectSoundCaptureBuffer8::GetCurrentPosition方法可以获取buffer中read指针和录制指针的偏差。Read指针指向填充到该buffer中的数据的最末端，capture指针则指向复制到硬件的数据的末端，你read指针指向的前段数据都是安全数据，你都可以安全的复制。 录音buffer对象通知机制 为了安全的定期的从录音buffer中copy数据，你的应用程序就要知道，什么时候read指针指向了特定的位置，一个方法是通过 IDirectSoundCaptureBuffer8::GetCurrentPosition.方法来获取read指针的位置，另外一个更有效的方法采用通知机制，通过IDirectSoundNotify8::SetNotificationPositions方法，你可以设置任何一个小于buffer的位置来触发一个事件，切记，当buffer正在running的时候，不要设置。? 如何来设置一个触发事件呢，首先要得到IDirectSoundNotify8接口指针，你可以通过buffer对象的QuerInterface来获取这个指针接口，对于你指定的任何一个position，你都要通过CreateEvent方法，创建一个win32内核对象， 然后将内核对象的句柄赋给 DSBPOSITIONNOTIFY结构的hEventNotify成员，通过该结构的dwOffset来设置需要通知的位置在buffer中的偏移量。 最后将这个结构或者结构数组，传递给SetNotificationPositions函数，下面的例子设置了NUM_REC_NOTIFICATIONS个通知，当position达到g_dwNotifySize时会触发一个通知，依次类推。 HRESULT InitNotifications()? { HRESULT hr ; g_hNotificationEvent = CreateEvent(NULL,FALSE,FALSE,NULL); //创建事件 if(g_pDSBCapture == NULL) return E_FAIL; if(FAILED(hr = g_pDSBCapture ->QueryInterface(IID_IDirectSoundNotify,(VOID**)&g_pDSNotify))) return hr; for( INT i = 0; i < NUM_REC_NOTIFICATIONS; i++ ) { g_aPosNotify[i].dwOffset = (g_dwNotifySize * i) + g_dwNotifySize - 1; g_aPosNotify[i].hEventNotify = g_hNotificationEvent;? } if(FAILED( hr =g_pDSNotify->SetNotificationPositions( NUM_REC_NOTIFICATIONS, g_aPosNotify ) ) ) return hr; return S_OK; }创建工作线程，用来将缓冲区的数据写入文件 ::CreateThread(NULL,0,ThreadRecord,this,0,NULL); 看看线程内的工作吧 DWORD WINAPI ThreadRecord(LPVOID lpParameter)? {? DWORD dwResult =0; g_bRecording = TRUE; while(g_bRecording) { dwResult = WaitForMultipleObjects(1, &g_hNotificationEvent,FALSE,INFINITE ); switch( dwResult ) { case WAIT_OBJECT_0 + 0: RecordCapturedData(); }? } return 0; } 这个线程一直在等待通知事件的触发，当缓冲区的数据填充到设定的位置时就会触发线程，这里主要有一个函数RecordCaptureedData()。这个函数主要做了下面的事情: 1) 调用IDirectSoundCaptureBuffer8::Start使buffer对象开始工作，通过你要给这个函数dwFlags传递一个DSCBSTART_LOOPING参数，注意，buffer就会不停工作，而不是当buffer填充满了就停止工作，当缓冲区满了后，就会从头重新填充。 2) 等待你期望的事件通知，当buffer被填充到某个你期望的位置时，会触发通知。 3) 当你收到通知的时，你就要调用IDirectSoundCaptureBuffer8::Lock来锁住bufer的一部份，切记，不要将capture指针指向的内存锁住，你可以调用IDirectSoundCaptureBuffer8::GetCurrentPosition方法来获取read指针的位置。在传递给Lock函数的参数中，你一定要指定内存的大小和偏移量，这个函数会返回你锁住的内存的起始地址，以及block的大小。 4) 在锁住的内存中复制data。 5) 复制完成后要记得IDirectSoundCaptureBuffer8::Unlock方法来解锁内存。 6)在你停止录音之前，你可以反复的重复2~5步骤，如果你想停止录音了，你可以调用IDirectSoundCaptureBuffer8::Stop方法。 将录音写入wav文件WAV文件是采用RIFF格式的文件，在文件中包含一系列的chunks，来描述头信息和数据信息，win32API提供一套mmio系列函数用来操作RIFF格式的文件，但是Directsound并没有提供读写wav格式文件的函数，但是，Directsound里封装了一个CWaveFile类用来操作wav文件，可以通过open来写入文件的头信息，write来写入文件的数据，close函数写入文件的长度，关闭文件。你可以在DirectSound的路径下找到这个类的定义(SDK root)\samples\C++\Common\Src\Dsutil.cpp。 下面是代码，如何创建一个wav格式的文件 CWaveFile g_pWaveFile; WAVEFORMATEX wfxInput; ZeroMemory( &wfxInput, sizeof(wfxInput)); wfxInput.wFormatTag = WAVE_FORMAT_PCM; wfxInput.nSamplesPerSec = 22050 wfxInput.wBitsPerSample = 8;? wfxInput.nChannels = 1; wfxInput.nBlockAlign =? wfxInput.nChannels * (wfxInput.wBitsPerSample / 8); wfxInput.nAvgBytesPerSec =? wfxInput.nBlockAlign * wfxInput.nSamplesPerSec; g_pWaveFile = new CWaveFile; if (FAILED(g_pWaveFile->Open("mywave.wav", &wfxInput, WAVEFILE_WRITE))) { g_pWaveFile->Close(); } 下面的代码就演示了是RecordCapturedData()函数的完整定义 HRESULT CCaptureSoundDlg::RecordCapturedData()? { HRESULT hr; VOID *pbCaptureData = NULL; DWORD dwCaptureLength; VOID *pbCaptureData2 = NULL; DWORD dwCaptureLength2; UINT dwDataWrote; DWORD dwReadPos; DWORD dwCapturePos; LONG lLockSize; if(g_pDSBCapture == NULL ) return S_FALSE; if( NULL == g_pWaveFile ) return S_FALSE; if(FAILED( hr = g_pDSBCapture->GetCurrentPosition(&dwCapturePos,&dwReadPos))) return hr; lLockSize = dwReadPos -g_dwNextCaptureOffset; if( lLockSize < 0 ) lLockSize += g_dwCaptureBufferSize; //锁住内存的大小 //这里取模是为了使得我们读取的数据大小为g_dwNotifySize整数倍，这样buffer里剩下的也是notify的倍数 lLockSize -= (lLockSize % g_dwNotifySize); if( lLockSize == 0 ) return S_FALSE; //锁住内存 if( FAILED( hr = g_pDSBCapture->Lock( g_dwNextCaptureOffset, lLockSize,? &pbCaptureData, &dwCaptureLength,? &pbCaptureData2, &dwCaptureLength2, 0L ) ) ) return hr; // 将内存中的数据拷贝到wave文件中 if( FAILED( hr = g_pWaveFile->Write( dwCaptureLength, (BYTE*)pbCaptureData,? &dwDataWrote ) ) ) return hr; // 移动偏移标志,循环移动 g_dwNextCaptureOffset += dwCaptureLength;? g_dwNextCaptureOffset %= g_dwCaptureBufferSize; // Circular buffer if( pbCaptureData2 != NULL ) { // 将内存中的数据拷贝到wave文件中 if( FAILED( hr = g_pWaveFile->Write( dwCaptureLength2, (BYTE*)pbCaptureData2,? &dwDataWrote ) ) ) return hr; // 移动偏移标志 g_dwNextCaptureOffset += dwCaptureLength2;? g_dwNextCaptureOffset %= g_dwCaptureBufferSize; // Circular buffer } //内存解锁 g_pDSBCapture->Unlock( pbCaptureData, dwCaptureLength, pbCaptureData2, dwCaptureLength2 ); return S_OK; } 这里解释一下，IDirectSoundBuffer8::Lock可能返回两个地址的原因在于你锁定内存的数量是随机的，有时你锁定的区域正好包含buffer的起始点，这时，就会给你返回两个地址，举个例子吧。 假设你锁定了30,000字节，偏移位置为20，000字节，也就是开始位置，如果你的缓冲区的大小为40，000字节，此时就会给你返回四个数据: ?内存地址的偏移位置20，000， ?从偏移位置到buffer的最末端的字节数，也是20，000，你要在第一个地址读取20，000个字节的内容 ?偏移量为0的地址 ?从起始点开始的字节数，也就是10，000字节，你要从第二个地址，也就是从0点开始读取10，000字节。 如果不包含零点，最后两个数值返回为NULL和0， 关于DirectSound对声卡录音就简单介绍介绍到这里，留下msn :aooang@hotmail.com，欢迎和大家交流，我在天机的blog， 里面有关于DirectSound和DirectShow的不少资料，我翻译了DirectShow和DirectSound的SDK文档，欢迎来信索取，共同学习。