Winapi 如何实时处理麦克风输入？

我开始为我的想法创建一个概念证明，在这一点上，我需要一些关于如何开始的指导

我需要对麦克风输入进行采样，并实时处理该信号（想想自动调谐，但在现场工作），而不是“录制”一段时间

我正在做的是“一种”麦克风输入到MIDI转换器，所以它需要非常快的响应

我在网上做了一点调查，很明显，我们要么使用DirectSound，要么使用WaveIn*API函数。现在，根据我所读到的，WaveIn API将允许我填充一定大小的缓冲区，这对于录制和后处理来说很好，但我想知道。。。如何进行实时处理

我是否使用10毫秒的缓冲区，自己保留一个50毫秒或100毫秒的圆形阵列，并且我得到一个每10毫秒触发一次分析的函数？（可以访问最新的100ms输入，其中只有10ms是新的）

我是不是遗漏了什么

---

还有，DirectSound是如何做到这一点的？与常规的Win32 API相比，它是否提供了任何改进的功能？

DirectSound和Wave API最终都为您提供了可以处理的音频数据缓冲区。这些缓冲区的大小可以变化，但实际上，您需要将延迟保持在10毫秒以下，以便进行有用的实时处理。这意味着在数据到达缓冲区的10毫秒内处理数据，减去数据到达音频硬件和到达缓冲区之间的时间，这取决于驱动程序。因此，我建议一次处理数据的时间不要超过5mS

两者之间的主要架构差异在于，对于DirectSound，您分配一个循环缓冲区，然后由DirectSound音频驱动程序填充，而Wave API则接收一个预先分配的WAVEHDR缓冲区队列，这些缓冲区被填充，返回到应用程序，然后再回收。这两种API都有各种通知方法，例如窗口消息或事件。然而，对于低延迟处理，可能建议维护一个专用的流线程并等待新数据到达

出于各种原因，我推荐DirectSound而不是Wave API用于新的开发——它肯定更容易实现更低的延迟

无论您选择哪种方法进行捕获，一旦获得数据，您只需将其传递给处理算法，并等待下一个缓冲区准备就绪。只要处理数据的速度比到达数据的速度快，就可以进行（伪）实时分析

---

还有一些替代API可能更合适。看看内核流媒体（仅适用于XP-我不想麻烦）和Vista中新增的。

很好的解释，但我不确定为什么您认为DirectSound在延迟方面优于waveIn*。对于这两种方法，延迟完全是在处理缓冲区之前记录到缓冲区中的时间的函数。然而，我也推荐DirectSound，因为它是一个更现代的API。我不敢相信waveIn*和waveOut*仍然存在（甚至在Windows Mobile中也可以使用，当我发现它时，这让我大吃一惊），DirectSound具有潜在较低延迟的原因是它能够直接向用户的缓冲区进行DMA拷贝—Wave API不这样做，需要在两者之间进行另一个拷贝。此外，当使用WaveAPI时，您不能独占控制硬件，这可能意味着kmixer开始进行采样率转换或位深度转换。所有这些额外的处理加起来，但与固有的缓冲延迟相比，它可能并不重要。这些因素也可能随着操作系统版本的变化而变化。