年初因為工作需要，開始學習WebRTC，就被其復雜的編譯環(huán)境和巨大的代碼量所折服，注定是一塊難啃的骨頭。俗話說萬事開頭難，堅持一個恒心，終究能學習到WebRTC的設計精髓。今天和大家聊聊WebRTC中音頻的那些事。WebRTC由語音引擎，視頻引擎和網絡傳輸三大模塊組成，其中語音引擎是WebRTC中最具價值的技術之一，實現(xiàn)了音頻數(shù)據(jù)的采集、前處理、編碼、發(fā)送、接受、解碼、混音、后處理、播放等一系列處理流程。

音頻引擎主要包含：音頻設備模塊ADM、音頻編碼器工廠、音頻解碼器工廠、混音器Mixer、音頻前處理APM。

?

音頻工作機制

?

想要系統(tǒng)的了解音頻引擎，首先需要了解核心的實現(xiàn)類和音頻數(shù)據(jù)流向，接下來我們將簡單的分析一下。

音頻引擎核心類圖：

?

音頻引擎WebrtcVoiceEngine主要包含音頻設備模塊AudioDeviceModule、音頻混音器AudioMixer、音頻3A處理器AudioProcessing、音頻管理類AudioState、音頻編碼器工廠AudioEncodeFactory、音頻解碼器工廠AudioDecodeFactory、語音媒體通道包含發(fā)送和接受等。

1.音頻設備模塊AudioDeviceModule主要負責硬件設備層，包括音頻數(shù)據(jù)的采集和播放，以及硬件設備的相關操作。

2.音頻混音器AudioMixer主要負責音頻發(fā)送數(shù)據(jù)的混音（設備采集和伴音的混音）、音頻播放數(shù)據(jù)的混音（多路接受音頻和伴音的混音）。

3.音頻3A處理器AudioProcessing主要負責音頻采集數(shù)據(jù)的前處理，包含回聲消除AEC、自動增益控制AGC、噪聲抑制NS。APM分為兩個流，一個近端流，一個遠端流。近端（Near-end）流是指從麥克風進入的數(shù)據(jù)；遠端（Far-end）流是指接收到的數(shù)據(jù)。

4.音頻管理類AudioState包含音頻設備模塊ADM、音頻前處理模塊APM、音頻混音器Mixer以及數(shù)據(jù)流轉中心AudioTransportImpl。

5.音頻編碼器工廠AudioEncodeFactory包含了Opus、iSAC、G711、G722、iLBC、L16等codec。

6.音頻解碼器工廠AudioDecodeFactory包含了Opus、iSAC、G711、G722、iLBC、L16等codec。

?

音頻的工作流程圖：

1.發(fā)起端通過麥克風進行聲音采集

2.發(fā)起端將采集到的聲音信號輸送給APM模塊，進行回聲消除AEC，噪音抑制NS，自動增益控制處理AGC

3.發(fā)起端將處理之后的數(shù)據(jù)輸送給編碼器進行語音壓縮編碼

4.發(fā)起端將編碼后的數(shù)據(jù)通過RtpRtcp傳輸模塊發(fā)送，通過Internet網路傳輸?shù)浇邮斩?/span>

5.接收端接受網絡傳輸過來的音頻數(shù)據(jù)，先輸送給NetEQ模塊進行抖動消除，丟包隱藏解碼等操作

6.接收端將處理過后的音頻數(shù)據(jù)送入聲卡設備進行播放

?

NetEQ模塊是Webrtc語音引擎中的核心模塊

在 NetEQ 模塊中，又被大致分為 MCU模塊和 DSP 模塊。MCU 主要負責做延時及抖動的計算統(tǒng)計，并生成對應的控制命令。而 DSP 模塊負責接收并根據(jù) MCU 的控制命令進行對應的數(shù)據(jù)包處理，并傳輸給下一個環(huán)節(jié)。

?

?

音頻數(shù)據(jù)流向

根據(jù)上面介紹的音頻工作流程圖，我們將繼續(xù)細化一下音頻的數(shù)據(jù)流向。將會重點介紹一下數(shù)據(jù)流轉中心AudioTransportImpl在整個環(huán)節(jié)中扮演的重要角色。

數(shù)據(jù)流轉中心AudioTransportImpl實現(xiàn)了采集數(shù)據(jù)處理接口RecordDataIsAvailbale和播放數(shù)據(jù)處理接口NeedMorePlayData。RecordDataIsAvailbale負責采集音頻數(shù)據(jù)的處理和將其分發(fā)到所有的發(fā)送Streams。NeedMorePlayData負責混音所有接收到的Streams，然后輸送給APM作為一路參考信號處理，最后將其重采樣到請求輸出的采樣率。

?

RecordDataIsAvailbale內部主要流程：

由硬件采集過來的音頻數(shù)據(jù)，直接重采樣到發(fā)送采樣率

由音頻前處理針對重采樣之后的音頻數(shù)據(jù)進行3A處理

VAD處理

數(shù)字增益調整采集音量

音頻數(shù)據(jù)回調外部進行外部前處理

混音發(fā)送端所有需要發(fā)送的音頻數(shù)據(jù)，包括采集的數(shù)據(jù)和伴音的數(shù)據(jù)

計算音頻數(shù)據(jù)的能量值

將其分發(fā)到所有的發(fā)送Streams

?

NeedMorePlayData內部主要流程：

混音所有接收到的Streams的音頻數(shù)據(jù)

?? 1.1 計算輸出采樣率CalculateOutputFrequency()

?? 1.2 從Source收集音頻數(shù)據(jù)GetAudioFromSources(),選取沒有mute，且能量最大的三路進行混音

?? 1.3 執(zhí)行混音操作FrameCombiner::Combine()

特定條件下，進行噪聲注入，用于采集側作為參考信號

對本地伴音進行混音操作

數(shù)字增益調整播放音量

音頻數(shù)據(jù)回調外部進行外部前處理

計算音頻數(shù)據(jù)的能量值

將音頻重采樣到請求輸出的采樣率

將音頻數(shù)據(jù)輸送給APM作為一路參考信號處理

由上圖的數(shù)據(jù)流向發(fā)現(xiàn)，為什么需要FineAudioBuffer和AudioDeviceBuffer？因為WebRTC 的音頻流水線只支持處理 10 ms 的數(shù)據(jù)，不同的操作系統(tǒng)平臺提供了不同的采集和播放時長的音頻數(shù)據(jù)，不同的采樣率也會提供不同時長的數(shù)據(jù)。例如iOS上，16K采樣率會提供8ms的音頻數(shù)據(jù)128幀；8K采樣率會提供16ms的音頻數(shù)據(jù)128幀；48K采樣率會提供10.67ms的音頻數(shù)據(jù)512幀。

AudioDeviceModule 播放和采集的數(shù)據(jù)，總會通過 AudioDeviceBuffer 拿進來或者送出去 10 ms 的音頻數(shù)據(jù)。對于不支持采集和播放 10 ms 音頻數(shù)據(jù)的平臺，在平臺的 AudioDeviceModule 和 AudioDeviceBuffer 還會插入一個 FineAudioBuffer，用于將平臺的音頻數(shù)據(jù)格式轉換為 10 ms 的 WebRTC 能處理的音頻幀。在AudioDeviceBuffer 中，還會10s定時統(tǒng)計一下當前硬件設備過來的音頻數(shù)據(jù)對應的采樣點個數(shù)和采樣率，可以用于檢測當前硬件的一個工作狀態(tài)。

?

音頻相關改動

1.音頻Profile的實現(xiàn)，支持Voip和Music 2種場景，實現(xiàn)了采樣率、編碼碼率、編碼模式、聲道數(shù)的綜合性技術策略。

iOS實現(xiàn)了采集和播放線程的分離，支持雙聲道的播放。

2. 音頻3A參數(shù)的兼容性下發(fā)適配方案。

3.耳機場景的適配，藍牙耳機和普通耳機的適配，動態(tài)3A切換適配。

4.Noise_Injection噪聲注入算法，作為一路參考信號，在耳機場景的回聲消除中的作用特別明顯。

5.支持本地伴音文件file和網絡伴音文件http&https。

6.Audio Nack的實現(xiàn)，提高音頻的抗丟包能力，目前正在進行In-band FEC。

7.音頻處理在單講和雙講方面的優(yōu)化。

8.iOS在Built-In AGC方面的研究：

Built-In AGC對于Speech和Music有效，對于noise和環(huán)境底噪不會產生作用。

不同機型的麥克風硬件的增益不同，iPhone 7 Plus > iPhone 8 > iPhone X;因此會在軟件AGC和硬件AGC都關閉的情況下，遠端聽到的聲音大小表現(xiàn)不一樣。

iOS除了提供的可開關的AGC以外，還有一個AGC會一直工作，對信號的level進行微調；猜想這個一直工作的AGC是iOS自帶的analog AGC，可能和硬件有關，且沒有API可以開關，而可開關的AGC是一個digital AGC。

在大部分iOS機型上，外放模式“耳機再次插入后”，input的音量會變小。當前的解決方案是在耳機再次插入后，增加一個preGain來把輸入的音量拉回正常值。

?

音頻問題排查

和大家分享一下音頻最常見的一些現(xiàn)象以及原因：

更多技術干貨，歡迎關注vx公眾號“網易智慧企業(yè)技術+”。系列課程提前看，精品禮物免費得，還可直接對話CTO。

聽網易CTO講述前沿觀察，看最有價值技術干貨，學網易最新實踐經驗。網易智慧企業(yè)技術+，陪你從思考者成長為技術專家。

總結

以上是生活随笔為你收集整理的WebRTC系列之音频的那些事的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。