安卓手机上 K 歌，声音延迟怎么解决？

这篇文章可以为你提供一个解决录音和播放同步问题的思路，而且解决了声音从手机传输到耳机上有延时的问题。

初识音频

在开始之前，我先简单介绍一下音频相关的基础知识，方便下文理解。

我们知道声明是一种波，经过离散处理后，在程序中我们可以理解为一个无限接近该波形的一个数组，数组下标就是时间轴，对应的值是声音的幅度轴。

音频最基本的特性有:

采样频率(Sample Rate)：每秒采集声音的数量，它用赫兹(Hz)来表示。
采样精度(Bit Depth)：它表示每次采样的精度，位数越多，能记录的范围就越大。
声音通道(Channel)：简单理解就是各个通道有一个独立的声音，它们会同时发出来。

这不是本文的重点，所以不再展开了，这里只是简单说明一下声音跟开发的关系。点击这篇文章可以帮助你更好地了解：音频基础认识。

场景描述

我们在 Android 手机上进行 K 歌的时候，是要一边跟着伴奏的声音，一边进行录音的，最后把两个声音合并成一个声音。在实际处理的时候，你会发现录音的音轨和伴奏的音轨是会有个时间差，表现为录出来的声音跑在伴奏的后面了。如果是通过有线耳机或手机扬声器一边听伴奏一边录音，这个延迟会稍微没那么严重，但是人耳也能感受到滞后了；如果是用延时比较大的蓝牙耳机来一边听伴奏一边录，那么延迟问题就会很凸显了。本文的测试音频录音时用的是蓝牙耳机。

一线希望：MediaSyncEvent?

先抛出结论：并不能解决问题～

先从 Android SDK 入手，发现 AudioRecord 里面有个方法 startRecording(MediaSyncEvent syncEvent) , 再看了一遍文档，仿佛在黑暗中看到了一丝光亮。

The MediaSyncEvent class defines events that can be used to synchronize playback or capture * actions between different players and recorders.

这句话的大概意思就是 MediaSyncEvent 定义了用来处理播放器、录音或者视频录制的同步事件。

然而对于它的使用资料实在太少，stackoverflow 上有个提问是 0 回答：这里。翻了 Google 很久，最终在官方的 CTS (Compatibility Test Suite) 中找到了它的身影：在 AudioRecordTest 的 testSynchronizedRecord 方法中。

这里顺便提一下，这些单元测试是非常好实打实的官方学习资料，如果苦于找不到答案的时候，不妨来这里找找看。

由于 testSynchronizedRecord 的代码太长，大家可以点进上面链接对照看，我们通过它来看看 MediaSyncEvent 究竟可以做什么？

从 MediaSyncEvent 的文档或源码看，它里面主要定义了两个事件类型变量：一个是 SYNC_EVENT_NONE，另外一个是 SYNC_EVENT_PRESENTATION_COMPLETE。

SYNC_EVENT_NONE 就相当于没有同步事件，常规的 AudioRecord.startRecording() 方法就是用的这个参数。从 AudioRecordTest.testSynchronizedRecord 的测试用例中可以得知 SYNC_EVENT_PRESENTATION_COMPLETE 的作用其实是等 AudioTrack （Andriod SDK 中用来播放音频字节流的类）播放完的瞬间才触发 AudioRecord 的录音，这明显和我们的需求是不通的，没想明白在哪些场景会有这个需求，Google 要专门提供这个一个参数，如果有想法的朋友可以给我留言。

CyclicBarrier 来帮忙

此路不通之后，我们需要另辟蹊径。在运动员比赛前，我们需要先让大家在同一线上等待，直到看到信号发出再一起出发。在这里，我们也需要让 AudioTrack 和 AudioRecord 先在同一起跑线上等着，然后一起出发，各奔东西。Java 世界里面的 CyclicBarrier 就很合适做这件事情。

// play 和 record 两个同步线程

CyclicBarrier recordBarrier = new CyclicBarrier(2);

AudioTrack audioTrack;

AudioRecord audioRecord;

// UI Thread

public void start(){

    recordBarrier.reset();

    audioTrack.play();

    audioRecord.startRecording();

    new RecordThread().start();

    new PlayThread().start();

}

class RecordThread extends Thread{

    public void run(){

        //等play线程开始写的时候read

        recordBarrier.await();

        audioRecord.read();

    }

}

class PlayThread extends Thread{

    public void run(){

        //等reacord线程开始读的时候write

        recordBarrier.await();

        audioTrack.write();

    }

}

上面通过 CyclicBarrier 让 AudioTrack的 write 和 AudioRecord 的 read 在同一起跑线上，似乎事情已经解决了，然而并没有。虽然你开始往耳机 write 数据，但是耳机接收到信号真正发出声音还要一段时间。

处理录音延时问题

我们回到用户真实的使用场景中，来看看问题是如何发生的？

播放源是真实的数据源，比如位于 1ms 的伴奏数据块从写入 AudioTrack 开始到耳机播放可能已经是 100ms 后的事情了，而用户这个时候才开始录入自己的声音，这里还可能会有从设备开始采集声音到缓冲区的一个延时，如果是使用蓝牙耳机的话，那延时的问题就会更加突出了。

我们来感受一下延时的情况，在咖啡馆录的音，杂音比较多，但是不难听出来录音是比原来的声音要延迟了。

http://ohb4y25jk.bkt.clouddn.com/audio-sync-test-1.mp3

看下声波图：

解决方案：

当录音和播放开始之后，它们就会在同一时域中平行演绎，根据延时的特点，我们不难得出：

录音时长 = 延迟时长 + 播放时长 + 额外时长(播放完之后的自由录音)

只要我们能知道延迟的时长，在读取录音数据的时候，我们只要截取掉 AudioRecord 前面的延迟数据就可以让问题得到解决了。那怎么才能知道应该截掉多少个 byte 的数据呢？在这里我想到了一个巧妙的解决方法，给大家分享一下思路。

从上面的节拍器的声波图我们可以看到，波峰对应的就是哒的那一声，录音音轨和节拍器音轨上的波峰差就是我们想知道的延迟时长。根据这个特点，我们可以设计出获取这个延迟时长的一个思路：

让用户带上耳机，根据固定节奏的节拍器(要有一定时间间隔)声音进行录音，简单的啦..啦..啦..就好。
根据获取到的录音数据和原始的节拍器声音进行比较, 我取的是 8 个波峰区间数据进行比较，如果延迟误差都在一个小范围内，那就认为是正确的。

具体的算法大概如下：

//ANALYZE\_BEAT\_LEN = 8

int\[\] maxPositions = new int\[ANALYZE\_BEAT\_LEN\];

for(i = 0; i != maxPositions.length; i++){

    byte\[\] segBytes = getSegBytes(); //获取一拍时长的数据

    maxPositions\[i\] = getMaxSamplePos(segBytes);// 获取拍中波峰所在的大致位置

}

//按小到大排序

Arrays.sort(maxPositions);

//取中间一半的值，如果平均值误差在 10 毫秒内，就认为是正确的

int sampleTotalValue = 0;

int sampleLen = ANALYZE\_BEAT\_LEN / 2;

int\[\] sampleValues = new int\[sampleLen\];

for(int beginIndex = sampleLen / 2, i=0; i != sampleLen; i++){

    sampleValues\[i\] = maxPositions\[ i + beginIndex\];

    sampleTotalValue += sampleValues\[i\];

}

int averSampleValue = sampleTotalValue / sampleLen;

boolean isValid = true;

for(int sampleValue : sampleValues){

    //errorRangeByteLen : 10 毫秒的 byte 长度

    if(Math.abs(averSampleValue - sampleValue) > errorRangeByteLen){

        isValid = false;

    }

}

if(isValid){

    stopPlay = true;

    // 结果

    int result = averSampleValue;

}

结果展示

波形图：