Android音频开发入门：从AudioRecord录制到WAV文件生成，保姆级教程带你搞定PCM转码

Android音频开发实战：从PCM采集到WAV生成的完整解决方案

在移动应用开发中，音频处理一直是个既基础又复杂的话题。很多开发者第一次接触Android音频采集时，往往会被PCM原始数据和各种音频格式搞得一头雾水。本文将带你从零开始，完整实现一个能够录制并生成标准WAV文件的音频采集模块，解决"为什么录制的音频无法直接播放"这个初学者常见痛点。

1. 音频采集基础与AudioRecord核心机制

Android平台提供了两套截然不同的音频采集API：面向简单场景的MediaRecorder和提供底层控制的AudioRecord。理解它们的区别是选择合适工具的第一步。

MediaRecorder适合"一键式"录音需求，它会自动完成音频采集、编码和文件保存。但当你需要对音频数据进行实时处理或自定义存储时，AudioRecord才是正确的选择。它提供的是未经压缩的PCM原始数据流，这给了开发者最大的灵活性，但也带来了更多挑战。

AudioRecord的工作流程可以概括为四个关键步骤：

1. 配置参数：确定音频源、采样率、声道数和采样精度
2. 初始化缓冲区：根据参数计算最小缓冲区大小
3. 启动采集线程：持续从硬件读取音频数据
4. 处理数据：对原始PCM数据进行处理或存储

其中最容易出错的环节是参数配置。以下是一组经过验证的推荐参数组合：

在实现采集逻辑时，缓冲区大小的计算至关重要。AudioRecord.getMinBufferSize()方法会根据你的参数返回最小缓冲区大小，但实际使用时，建议在此基础上适当增加缓冲区（通常是2-4倍），以避免因系统调度导致的音频丢失。

2. 构建健壮的音频采集模块

一个生产级的音频采集模块需要考虑权限管理、状态控制和异常处理等多个方面。下面我们逐步构建一个可靠的AudioRecord封装类。

首先，确保在AndroidManifest.xml中声明录音权限：

<uses-permission android:name="android.permission.RECORD_AUDIO" />

从Android 6.0开始，还需要在运行时申请该权限。这里给出一个完整的封装类实现：

public class AudioRecorder { private static final String TAG = "AudioRecorder"; private AudioRecord audioRecord; private Thread recordingThread; private boolean isRecording = false; private int bufferSize; private final AudioDataCallback callback; public interface AudioDataCallback { void onAudioDataAvailable(byte[] data); } public AudioRecorder(AudioDataCallback callback) { this.callback = callback; } public boolean startRecording(int sampleRate, int channelConfig, int audioFormat) { if (isRecording) { Log.w(TAG, "Recording already started"); return false; } bufferSize = AudioRecord.getMinBufferSize(sampleRate, channelConfig, audioFormat) * 2; if (bufferSize == AudioRecord.ERROR_BAD_VALUE) { Log.e(TAG, "Invalid audio parameters"); return false; } try { audioRecord = new AudioRecord( MediaRecorder.AudioSource.MIC, sampleRate, channelConfig, audioFormat, bufferSize ); if (audioRecord.getState() != AudioRecord.STATE_INITIALIZED) { Log.e(TAG, "AudioRecord initialization failed"); return false; } audioRecord.startRecording(); isRecording = true; startRecordingThread(); return true; } catch (SecurityException e) { Log.e(TAG, "Recording permission not granted", e); return false; } } private void startRecordingThread() { recordingThread = new Thread(() -> { byte[] buffer = new byte[bufferSize]; while (isRecording) { int read = audioRecord.read(buffer, 0, buffer.length); if (read > 0 && callback != null) { callback.onAudioDataAvailable(Arrays.copyOf(buffer, read)); } } }); recordingThread.start(); } public void stopRecording() { if (!isRecording) return; isRecording = false; try { recordingThread.join(500); } catch (InterruptedException e) { Thread.currentThread().interrupt(); } if (audioRecord.getRecordingState() == AudioRecord.RECORDSTATE_RECORDING) { audioRecord.stop(); } audioRecord.release(); audioRecord = null; } }

这个实现有几个关键改进点：

• 使用独立的回调接口处理音频数据，避免与UI线程耦合
• 增加了更完善的错误检查和状态管理
• 采用更安全的线程控制方式
• 提供合理的缓冲区大小计算

3. PCM到WAV的转换原理与实现

原始PCM数据无法直接播放的原因是缺少描述音频特征的头部信息。WAV文件本质上就是在PCM数据前加上特定的文件头。理解WAV文件格式是完成转换的关键。

WAV文件采用RIFF（Resource Interchange File Format）格式，主要由三部分组成：

1. RIFF块：文件标识和总大小
2. FMT块：音频格式详细信息
3. DATA块：实际的PCM音频数据

每个块都遵循"ID + Size + Data"的结构。以下是各部分的详细说明：

RIFF块结构（12字节）：

• 4字节：'RIFF'标识
• 4字节：文件总大小（不包括前8字节）
• 4字节：'WAVE'格式标识

FMT块结构（24字节）：

• 4字节：'fmt '标识（注意末尾空格）
• 4字节：子块大小（对于PCM是16）
• 2字节：音频格式（PCM为1）
• 2字节：声道数
• 4字节：采样率
• 4字节：字节率（采样率×帧大小）
• 2字节：块对齐（帧大小）
• 2字节：位深度

DATA块结构：

• 4字节：'data'标识
• 4字节：数据大小（字节数）
• N字节：PCM音频数据

基于这些知识，我们可以实现一个WAV文件写入工具类：

public class WavFileWriter { private static final String RIFF_HEADER = "RIFF"; private static final String WAVE_FORMAT = "WAVE"; private static final String FMT_SUBCHUNK = "fmt "; private static final String DATA_SUBCHUNK = "data"; private final int sampleRate; private final int channels; private final int bitsPerSample; private ByteArrayOutputStream outputStream; public WavFileWriter(int sampleRate, int channels, int bitsPerSample) { this.sampleRate = sampleRate; this.channels = channels; this.bitsPerSample = bitsPerSample; this.outputStream = new ByteArrayOutputStream(); } public void write(byte[] pcmData) { outputStream.write(pcmData, 0, pcmData.length); } public boolean saveToFile(String filePath) { try (FileOutputStream fileOut = new FileOutputStream(filePath)) { // RIFF头 writeString(fileOut, RIFF_HEADER); writeInt(fileOut, 36 + outputStream.size()); // 文件总大小-8 writeString(fileOut, WAVE_FORMAT); // fmt子块 writeString(fileOut, FMT_SUBCHUNK); writeInt(fileOut, 16); // fmt块大小 writeShort(fileOut, (short) 1); // PCM格式 writeShort(fileOut, (short) channels); writeInt(fileOut, sampleRate); writeInt(fileOut, sampleRate * channels * bitsPerSample / 8); // 字节率 writeShort(fileOut, (short) (channels * bitsPerSample / 8)); // 块对齐 writeShort(fileOut, (short) bitsPerSample); // data子块 writeString(fileOut, DATA_SUBCHUNK); writeInt(fileOut, outputStream.size()); outputStream.writeTo(fileOut); return true; } catch (IOException e) { e.printStackTrace(); return false; } } private void writeString(FileOutputStream out, String value) throws IOException { out.write(value.getBytes(StandardCharsets.US_ASCII)); } private void writeInt(FileOutputStream out, int value) throws IOException { out.write(value & 0xff); out.write((value >> 8) & 0xff); out.write((value >> 16) & 0xff); out.write((value >> 24) & 0xff); } private void writeShort(FileOutputStream out, short value) throws IOException { out.write(value & 0xff); out.write((value >> 8) & 0xff); } }

这个实现有几个值得注意的技术点：

• 使用小端字节序（Intel格式）写入数值，这是WAV文件的标准要求
• 精确计算了各种头部字段，特别是字节率和块对齐
• 采用内存缓冲方式收集PCM数据，最后一次性写入文件

4. 完整实现与性能优化

现在我们将前两部分的组件整合，创建一个完整的录音到WAV文件的解决方案。以下是Activity中的使用示例：

public class MainActivity extends AppCompatActivity { private static final int SAMPLE_RATE = 44100; private static final int CHANNEL_CONFIG = AudioFormat.CHANNEL_IN_MONO; private static final int AUDIO_FORMAT = AudioFormat.ENCODING_PCM_16BIT; private AudioRecorder audioRecorder; private WavFileWriter wavFileWriter; private String outputPath; @Override protected void onCreate(Bundle savedInstanceState) { super.onCreate(savedInstanceState); setContentView(R.layout.activity_main); outputPath = new File(getExternalFilesDir(null), "recording.wav").getAbsolutePath(); wavFileWriter = new WavFileWriter(SAMPLE_RATE, CHANNEL_CONFIG == AudioFormat.CHANNEL_IN_MONO ? 1 : 2, 16); audioRecorder = new AudioRecorder(data -> { wavFileWriter.write(data); }); findViewById(R.id.btn_start).setOnClickListener(v -> startRecording()); findViewById(R.id.btn_stop).setOnClickListener(v -> stopRecording()); } private void startRecording() { if (checkPermission()) { audioRecorder.startRecording(SAMPLE_RATE, CHANNEL_CONFIG, AUDIO_FORMAT); } } private void stopRecording() { audioRecorder.stopRecording(); wavFileWriter.saveToFile(outputPath); Toast.makeText(this, "File saved to " + outputPath, Toast.LENGTH_SHORT).show(); } private boolean checkPermission() { if (ContextCompat.checkSelfPermission(this, Manifest.permission.RECORD_AUDIO) != PackageManager.PERMISSION_GRANTED) { ActivityCompat.requestPermissions(this, new String[]{Manifest.permission.RECORD_AUDIO}, 1); return false; } return true; } @Override protected void onDestroy() { super.onDestroy(); audioRecorder.stopRecording(); } }

在实际项目中，还需要考虑以下优化点：

内存优化：

• 对于长时间录音，不应将所有PCM数据保存在内存中
• 可以改为直接写入文件，或定期将内存缓冲区写入临时文件

性能优化：

• 音频采集线程的优先级应适当提高
• 避免在回调中进行复杂计算或IO操作
• 考虑使用双缓冲技术减少数据拷贝

兼容性处理：

• 不同设备支持的采样率可能不同
• 某些设备在录音时会有特定的延迟问题
• 需要处理热插拔耳机的情况

一个改进后的采集线程实现可能如下：

private void startRecordingThread() { recordingThread = new Thread(() -> { Process.setThreadPriority(Process.THREAD_PRIORITY_URGENT_AUDIO); byte[] buffer = new byte[bufferSize]; File tempFile = createTempFile(); try (FileOutputStream fileOut = new FileOutputStream(tempFile)) { while (isRecording) { int read = audioRecord.read(buffer, 0, buffer.length); if (read > 0) { fileOut.write(buffer, 0, read); if (callback != null) { runOnUiThread(() -> callback.onAudioDataAvailable(Arrays.copyOf(buffer, read))); } } } // 录音结束后将临时文件转换为WAV convertPcmToWav(tempFile, new File(outputPath)); } catch (IOException e) { Log.e(TAG, "File writing error", e); } }); recordingThread.start(); }

这种实现方式解决了内存占用问题，特别适合长时间录音场景。同时，通过设置线程优先级，可以降低音频丢失的概率。