为什么我使用 WinAPI C++ 录制的声音无法在 audacity 中正确播放？

Question

我正在尝试通过麦克风录制声音，但越来越难了。我已经尝试了几种方法，但它不起作用。我创建了一个仅用于测试的项目，稍后将在更大的项目中实施。这是相关项目的代码：

#include <iostream>
#include <fstream>
#include <Windows.h>
#include <dshow.h>
#include <mfapi.h>
#include <mfidl.h>
#include <mfreadwrite.h>
#include <ks.h>
#include <ksmedia.h>

#pragma comment(lib, "mfplat")
#pragma comment(lib, "mf")
#pragma comment(lib, "mfreadwrite")
#pragma comment(lib, "mfuuid")
#pragma comment(lib, "strmbase")

int main() {
    HRESULT hr = MFStartup(MF_VERSION);

    IMFMediaSource* pSoundSource = NULL;
    IMFAttributes* pSoundConfig = NULL;
    IMFActivate** ppSoundDevices = NULL;

    hr = MFCreateAttributes(&pSoundConfig, 1);
    if (FAILED(hr)) {
        std::cout << "Failed to create attribute store";
    }

    hr = pSoundConfig->SetGUID(MF_DEVSOURCE_ATTRIBUTE_SOURCE_TYPE, MF_DEVSOURCE_ATTRIBUTE_SOURCE_TYPE_AUDCAP_GUID);


    UINT32 count;
    hr = MFEnumDeviceSources(pSoundConfig, &ppSoundDevices, &count);
    if (FAILED(hr)) {
        std::cout << "Failed to enumerate capture devices";
    }

    hr = ppSoundDevices[0]->ActivateObject(IID_PPV_ARGS(&pSoundSource));
    if (FAILED(hr)) {
        std::cout << "Failed to connect microphone to source";
    }

    IMFSourceReader* pSoundReader;
    hr = MFCreateSourceReaderFromMediaSource(pSoundSource, pSoundConfig, &pSoundReader);
    if (FAILED(hr)) {
        std::cout << "Failed to create source reader";
    }

    /*This part is for getting the audio format that the microphone outputs*/
    /*______________________*/
    IMFMediaType* pSoundType = NULL;
    DWORD dwMediaTypeIndex = 0;
    DWORD dwStreamIndex = 0;
    hr = pSoundReader->GetNativeMediaType(dwStreamIndex, dwMediaTypeIndex, &pSoundType);
    LPVOID soundRepresentation;
    pSoundType->GetRepresentation(AM_MEDIA_TYPE_REPRESENTATION, &soundRepresentation);
    GUID subSoundType = ((AM_MEDIA_TYPE*)soundRepresentation)->subtype;
    BYTE* pbSoundFormat = ((AM_MEDIA_TYPE*)soundRepresentation)->pbFormat;
    GUID soundFormatType = ((AM_MEDIA_TYPE*)soundRepresentation)->formattype;
    if (soundFormatType == FORMAT_WaveFormatEx) { std::cout << 8; }
    WAVEFORMATEXTENSIBLE* soundFormat = (WAVEFORMATEXTENSIBLE*)pbSoundFormat;
    std::cout << std::endl;
    std::cout << soundFormat->Format.wFormatTag << std::endl;
    std::cout << soundFormat->Format.nChannels << std::endl;
    std::cout << soundFormat->Format.nBlockAlign << std::endl;
    std::cout << soundFormat->Format.nSamplesPerSec << std::endl;
    std::cout << soundFormat->Format.wBitsPerSample << std::endl;
    std::cout << soundFormat->Format.cbSize << std::endl;
    if (soundFormat->SubFormat == KSDATAFORMAT_SUBTYPE_IEEE_FLOAT)
        std::cout << "IEEE-FLOAT!" << std::endl;
    /*_____________________*/

    DWORD streamIndex, flags;
    LONGLONG llTimeStamp;
    IMFSample* pSoundSample;
    while (true) {
        hr = pSoundReader->ReadSample(MF_SOURCE_READER_FIRST_AUDIO_STREAM, 0, &streamIndex, &flags, &llTimeStamp, &pSoundSample);
        if (FAILED(hr)) {
            std::cout << "Failed to get sound from microphone";
        }

        if (pSoundSample != NULL) {
            IMFMediaBuffer* pSoundBuffer;
            pSoundSample->ConvertToContiguousBuffer(&pSoundBuffer);
            DWORD soundlength;
            pSoundBuffer->GetCurrentLength(&soundlength);
            unsigned char* sounddata;
            hr = pSoundBuffer->Lock(&sounddata, NULL, &soundlength);
            if (FAILED(hr)) {
                std::cout << "Failed to get sounddata from buffer";
            }

            std::ofstream file;
            file.open("C:\Users\user\Documents\test.raw", std::ios::app);
            for (unsigned int i = 0; i < soundlength; i++)
                file << sounddata[i];
            file.close();
        }
    }
}

应该确定控制台上打印的数据格式的代码部分：

8
65534
1
4
48000
32
22
IEEE-FLOAT!

据此，我确定声音是以 1 声道 32 位 48000Hz IEEE-FLOAT 格式录制的。现在我需要播放这个声音。问题是大多数 API 将采用 16 位 PCM 进行声音播放。

我尝试将声音转换为 16 位 PCM，但效果不佳。如果你知道如何做到这一点，你能展示一些代码吗？此外，在此处提供的代码中，我将声音附加到没有 header 的原始音频文件中。我听说 float 表示在 1 和 -1 之间，所以我尝试了以下代码来进行转换：

void iefloat_to_pcm16(unsigned char* sounddata, std::vector<unsigned char>& newdata, int soundlength) {
    for (int i = 0; i < soundlength && i + 3 < soundlength; i += 4) {
        float f;
        unsigned char b[] = { sounddata[i], sounddata[i + 1], sounddata[i + 2], sounddata[i + 3] };
        memcpy(&f, &b, sizeof(f));
        short pcm16 = f * 32767 + 0.5;
        newdata.push_back((unsigned char)(pcm16 >> 8));
        newdata.push_back((unsigned char)pcm16);
    }
}

此代码似乎无效。

在此之后，我一直在使用 Audacity 的文件 > 导入 > 原始数据，它允许导入原始数据并指定数据的格式。所以我选择了 1 通道 32 位浮点，48kHZ，我尝试了所有字节顺序无济于事。我对“转换”为 16 位 PCM 的数据做了同样的事情。结果只是大胆的随机噪音。我可以看到在我发出声音的地方有尖峰，其余地方没有声音。但尖峰只是噪音。我这里有什么地方做错了吗？

Answer 1

音频文件是二进制格式，但您在文件中放置了文本。

file << sounddata[i];

这是一个格式化的插入运算符，它将数据转换为文本表示形式。而是使用 file.write().

您可能还需要弄乱用于打开流的标志。 C++ 标准 I/O 流不是为二进制数据创建的。由于您已经广泛使用 Windows API 对象，您可能只是切换到 CreateFile / WriteFile，其中表面之下没有活动的转换方面。

为什么我使用 WinAPI C++ 录制的声音无法在 audacity 中正确播放？

Why is my sound recording with WinAPI C++ not played back properly in audacity?

c++

winapi

ms-media-foundation