C++ 如何在Qt中混合音频输入设备

我是Qt多媒体库的新手，在我的应用程序中，我希望混合来自多个输入设备（例如麦克风）的音频，以便通过TCP传输

据我所知，我必须首先获得所有所需设备的特定

qaudioviceinfo

，以及相应的

QAudioFormat

对象，并将其与

QAudioInput

一起使用。然后，我只需为每个创建的

QAudioInput

对象调用

start（）

，并使用

readLine（）

读取挂起的字节

---

但是如何将多个设备的音频数据混合到一个缓冲区？

我不确定是否有任何特定于Qt的方法/类可以做到这一点。不过，自己动手做很简单

最基本的方法（假设您使用的是PCM），您可以简单地将两个流/缓冲区逐字添加到一起（如果我记得它们是16位PCM字）

因此，如果您有两个输入缓冲区：

int16 buff1[10];
int16 buff2[10];
int16 mixBuff[10];

// Fill them...
//... code goes here to read from the buffers ....

// Add them (effectively mix them)

for (int i = 0; i < 10; i++)
{
   mixBuff[i] = buff1[i] + buff2[i];
}

int16 buff1[10]；
int16-buff2[10]；
int16混合buff[10]；
//填满它们。。。
//... 这里的代码用于从缓冲区读取。。。。
//添加它们（有效地混合它们）
对于（int i=0；i<10；i++）
{
mixBuff[i]=buff1[i]+buff2[i]；
}

现在，这是非常粗糙的，没有考虑任何缩放。因此，假设buff1和buff2都使用80%的动态范围（称之为完整音量，超过该音量会产生失真），那么当您将它们相加时，将出现数字溢出（即16位最大值为65535，因此50000+50000将是一个溢出）

每次混合时，有效地需要两个输入的一半（因此65535/2+65535/2=65535…也就是说，当你将它们相加时，你不能超支）。因此，您的混合代码如下所示：

for (int i = 0; i < 10; i++)
{
   mixBuff[i] = (buff1[i] >> 1) + (buff2[i] >> 1);
}

for（int i=0；i<10；i++）
{
mixBuff[i]=（buff1[i]>>1）+（buff2[i]>>1）；
}

你可以做的还有很多（噪音消除等），但是数学开始变得有点毛茸茸的。这很简单。如果需要，您可以使用shift来增加/减少音量，作为简单的音量控制

编辑

---

有一件事需要注意。。。您使用的是readline（）（文档称它以ASCII格式读取数据）。我总是使用read（），它没有说明读取的“格式”，但我假设是二进制的。因此，如果使用readline（），此代码可能不起作用，但我从未尝试过。它适用于read（），如果您想处理数据，您并不想使用ASCII。

好吧，仔细阅读您的答案后，它看起来非常简单。肯定会很快尝试的。有什么建议我应该选择什么缓冲区大小吗？我需要实时流，没有任何延迟（如果可能的话）。我发现这是延迟（等待大量数据的延迟）和处理/效率之间的折衷。因此，如果您想要低延迟，那么可以使用缓冲区大小约10个字（20字节）。在每秒16kbps 16000/8=2000字节的速度下，这大约是10ms，因此延迟时间很短，但处理器将经常被唤醒。我假设您正在使用readReady（）信号，因此它仅在有数据时才会唤醒（即您没有轮询）？是的，我会轮询，并且我正在使用

read（）

。每次音频设备有可用字节时，我都会将数据附加到主缓冲区，但我只是获取足够的数据来完全填充缓冲区，然后再发出相应的信号，通知其他类新的数据块可用。如果主缓冲区仍处于最大容量，但有来自音频设备的挂起数据，我会在开始时丢弃足够的数据，以便为新数据腾出空间。说到音频质量，我总是需要使用

2个通道

，

24位深度

和

48kHz采样率

来传输音频数据。我做了一个小计算来确定所需的带宽

2个通道

x

24位

x

48kHz

是

281,25kbyte/s

的数据量。对于实时流，我选择了

10ms延迟

，因此我需要每个周期获得最少

2,81 kbytes

的数据。这样更好吗？最好将

QIODevice signal readyRead（）

连接到插槽。然后，无论何时收到任何消息，都会调用您的插槽（比轮询更有效）。然后在插槽中，您总是读取所有内容并将其放入您自己的缓冲区，然后当您有足够的数据时发送。我会避免在实时应用程序中填满缓冲区，因为你经常需要一些回旋余地。假设您的数据包是2000字节，那么您可以将缓冲区设置为4000字节。一旦>2000，则发送数据包。代码仍然可以非常简单。如果空间是个问题，那就把一切都缩小。