处理音频单元渲染周期中不同数量的样本

Question

这是在推出 iPhone 6s 和 6s+ 后出现在我的应用程序中的一个问题，我几乎肯定这是因为新型号的内置麦克风卡在 48kHz 的录制频率上（您可以在此处阅读更多相关信息） ）。 澄清一下，这对于我测试过的以前的手机型号从来都不是问题。 我将在下面详细介绍我的音频引擎实现以及不同点的不同结果，具体取决于手机型号。

所以这是发生了什么 - 当我的代码在以前的设备上运行时，我在 AVCaptureDevice 返回的每个 CMSampleBuffer 中获得一致数量的音频样本，通常是 1024 个样本。 我的音频单元图的渲染回调提供了一个适合 1024 帧空间的缓冲区。 一切都很好，听起来很棒。

然后 Apple 不得不去制造这个该死的 iPhone 6s（开玩笑，这很棒，这个错误刚刚出现在我的脑海中），现在我得到了一些非常不一致和令人困惑的结果。 AVCaptureDevice 现在在捕获 940 或 941 个样本之间变化，并且渲染回调现在开始在第一次调用时为 940 或 941 个样本帧创建一个缓冲区，但随后立即开始增加它在后续调用中保留的空间，最多可达 1010、1012、或 1024 个样本帧，然后留在那里。 它最终保留的空间因会话而异。 老实说，我不知道这个渲染回调如何确定它为渲染准备了多少帧，但我猜这与渲染回调打开的音频单元的采样率有关。

无论设备是什么，CMSampleBuffer 的格式都以 44.1kHz 采样率出现，所以我猜在我什至在 6s 上从 AVCaptureDevice 接收 CMSampleBuffer 之前发生了某种隐式采样率转换。 唯一的区别是 6s 的首选硬件采样率为 48kHz，而早期版本为 44.1kHz。

我已经读到，使用 6s 时，您必须准备好为返回的不同数量的样本腾出空间，但是我上面描述的那种行为正常吗？ 如果是，如何调整我的渲染周期来处理这个问题？

如果您想进一步研究，下面是处理音频缓冲区的代码：

音频样本缓冲区，即CMSampleBufferRefs ，通过麦克风AVCaptureDevice进入并发送到我的音频处理函数，该函数对捕获的名为 audioBuffer 的 CMSampleBufferRef 执行以下操作

CMBlockBufferRef buffer = CMSampleBufferGetDataBuffer(audioBuffer);
        
CMItemCount numSamplesInBuffer = CMSampleBufferGetNumSamples(audioBuffer);
AudioBufferList audioBufferList;
        
CMSampleBufferGetAudioBufferListWithRetainedBlockBuffer(audioBuffer,
                                                            NULL,
                                                            &audioBufferList,
                                                            sizeof(audioBufferList),
                                                            NULL,
                                                            NULL,
                                                            kCMSampleBufferFlag_AudioBufferList_Assure16ByteAlignment,
                                                            &buffer
                                                            );

self.audioProcessingCallback(&audioBufferList, numSamplesInBuffer, audioBuffer);
CFRelease(buffer);

这是将音频样本放入 AudioBufferList 并将其连同样本数和保留的 CMSampleBuffer 一起发送到我用于音频处理的以下函数。 TL;DR 以下代码设置音频图中的一些音频单元，使用 CMSampleBuffer 的格式设置输入的 ASBD，通过转换器单元、新的时间音调单元和另一个转换器单元运行音频样本。 然后，我使用我从 CMSampleBufferRef 接收到的样本数在输出转换器单元上启动渲染调用，并将渲染的样本放回 AudioBufferList 中，随后写入电影文件，更多关于音频单元渲染回调如下。

movieWriter.audioProcessingCallback = {(audioBufferList, numSamplesInBuffer, CMSampleBuffer) -> () in

        var ASBDSize = UInt32(sizeof(AudioStreamBasicDescription))
        self.currentInputAudioBufferList = audioBufferList.memory
        
        let formatDescription = CMSampleBufferGetFormatDescription(CMSampleBuffer)
        let sampleBufferASBD = CMAudioFormatDescriptionGetStreamBasicDescription(formatDescription!)
        
        if (sampleBufferASBD.memory.mFormatID != kAudioFormatLinearPCM) {
            print("Bad ASBD")
        }
        
        if(sampleBufferASBD.memory.mChannelsPerFrame != self.currentInputASBD.mChannelsPerFrame || sampleBufferASBD.memory.mSampleRate != self.currentInputASBD.mSampleRate){
            
            
            // Set currentInputASBD to format of data coming IN from camera
            self.currentInputASBD = sampleBufferASBD.memory
            print("New IN ASBD: \(self.currentInputASBD)")
            
            // set the ASBD for converter in's input to currentInputASBD
            var err = AudioUnitSetProperty(self.converterInAudioUnit,
                kAudioUnitProperty_StreamFormat,
                kAudioUnitScope_Input,
                0,
                &self.currentInputASBD,
                UInt32(sizeof(AudioStreamBasicDescription)))
            self.checkErr(err, "Set converter in's input stream format")
            
            // Set currentOutputASBD to the in/out format for newTimePitch unit
            err = AudioUnitGetProperty(self.newTimePitchAudioUnit,
                kAudioUnitProperty_StreamFormat,
                kAudioUnitScope_Input,
                0,
                &self.currentOutputASBD,
                &ASBDSize)
            self.checkErr(err, "Get NewTimePitch ASBD stream format")
            
            print("New OUT ASBD: \(self.currentOutputASBD)")
            
            //Set the ASBD for the convert out's input to currentOutputASBD
            err = AudioUnitSetProperty(self.converterOutAudioUnit,
                kAudioUnitProperty_StreamFormat,
                kAudioUnitScope_Input,
                0,
                &self.currentOutputASBD,
                ASBDSize)
            self.checkErr(err, "Set converter out's input stream format")
            
            //Set the ASBD for the converter out's output to currentInputASBD
            err = AudioUnitSetProperty(self.converterOutAudioUnit,
                kAudioUnitProperty_StreamFormat,
                kAudioUnitScope_Output,
                0,
                &self.currentInputASBD,
                ASBDSize)
            self.checkErr(err, "Set converter out's output stream format")
            
            //Initialize the graph
            err = AUGraphInitialize(self.auGraph)
            self.checkErr(err, "Initialize audio graph")
            
            self.checkAllASBD()
            
        }
        
        self.currentSampleTime += Double(numSamplesInBuffer)
        
        var timeStamp = AudioTimeStamp()
        memset(&timeStamp, 0, sizeof(AudioTimeStamp))
        timeStamp.mSampleTime = self.currentSampleTime
        timeStamp.mFlags = AudioTimeStampFlags.SampleTimeValid
        
        var flags = AudioUnitRenderActionFlags(rawValue: 0)
        
        err = AudioUnitRender(self.converterOutAudioUnit,
            &flags,
            &timeStamp,
            0,
            UInt32(numSamplesInBuffer),
            audioBufferList)
        self.checkErr(err, "Render Call on converterOutAU")
        
    }

AudioUnitRender 调用到达输入转换器单元后调用的音频单元渲染回调如下

func pushCurrentInputBufferIntoAudioUnit(inRefCon : UnsafeMutablePointer<Void>, ioActionFlags : UnsafeMutablePointer<AudioUnitRenderActionFlags>, inTimeStamp : UnsafePointer<AudioTimeStamp>, inBusNumber : UInt32, inNumberFrames : UInt32, ioData : UnsafeMutablePointer<AudioBufferList>) -> OSStatus {

let bufferRef = UnsafeMutablePointer<AudioBufferList>(inRefCon)
ioData.memory = bufferRef.memory
print(inNumberFrames);

return noErr
}

废话，这是一个巨大的大脑转储，但我真的很感激任何帮助。 如果您需要任何其他信息，请告诉我。

Answer 1

通常，您可以通过将传入样本放入无锁循环 fifo 中来处理缓冲区大小的细微变化（但输入和输出恒定的采样率），并且在拥有完整大小的块之前不要从该圆形 fifo 中移除任何样本块加上潜在的一些安全填充来覆盖未来的尺寸抖动。

大小的变化可能与不是简单倍数的采样率转换器比率、所需的重采样滤波器以及重采样过程所需的任何缓冲有关。

1024 * (44100/48000) = 940.8

因此，速率转换可以解释 940 和 941 样本之间的抖动。 如果硬件总是以 48 kHz 的固定速率输出 1024 个样本块，并且您需要尽快将该块重新采样到 44100 以用于回调，那么有一小部分转换后的样本最终只需要在某些输出回调上输出.