背景痛点

在开发实时音频应用（如语音通话、乐器APP）时，开发者常遇到两个核心问题：

1. 音频延迟：从麦克风采集到扬声器播放的端到端延迟超过100ms时，用户会明显感知到声音不同步。实测数据显示，普通Android设备的延迟通常在200-500ms范围
2. 数据丢失：当应用处理不及时时，AudioFlinger的环形缓冲区可能溢出，导致音频卡顿或破音

架构解析

1. 音频管线五层模型

• HAL层：硬件厂商实现的驱动接口，通过audio_hw_device结构体暴露PCM数据
• AudioFlinger：系统服务，管理所有音频流混合:
• 创建PlaybackThread处理输出流
• 通过FastMixer线程实现低延迟路径
• AudioTrack：应用层接口，提供三种数据传输模式：
• MODE_STREAM（常规流式）
• MODE_STATIC（一次性加载）
• MODE_CALLBACK（事件驱动）

2. 共享内存机制

关键数据结构：

// HAL到AudioFlinger的共享内存
struct audio_track_cblk_t {
    volatile uint32_t user;  // 用户写入位置
    volatile uint32_t server; // 服务读取位置
    android::AudioBufferShared memory; // PCM数据区
};

数据流向示例：

1. 应用通过AudioTrack.write()写入数据
2. AudioFlinger的MixerThread从环形缓冲区读取
3. 通过HAL的out_write()输出到声卡

代码实现

Java层基础用法

val minBufferSize = AudioTrack.getMinBufferSize(
    44100,
    AudioFormat.CHANNEL_OUT_STEREO,
    AudioFormat.ENCODING_PCM_16BIT
)

track = AudioTrack.Builder()
    .setAudioAttributes(
        AudioAttributes.Builder()
            .setUsage(AudioAttributes.USAGE_VOICE_COMMUNICATION)
            .build()
    )
    .setAudioFormat(
        AudioFormat.Builder()
            .setSampleRate(44100)
            .setEncoding(AudioFormat.ENCODING_PCM_16BIT)
            .setChannelMask(AudioFormat.CHANNEL_OUT_STEREO)
            .build()
    )
    .setBufferSizeInBytes(minBufferSize * 2) // 双缓冲
    .setPerformanceMode(AudioTrack.PERFORMANCE_MODE_LOW_LATENCY)
    .build()

JNI直接访问（关键代码）

// 获取直接缓冲区指针
JNIEXPORT jlong JNICALL getDirectBufferPtr(JNIEnv* env, jobject thiz, jobject jTrack) {
    AudioTrack* track = reinterpret_cast<AudioTrack*>(...);
    audio_track_cblk_t* cblk = track->cblk();
    return reinterpret_cast<jlong>(cblk->memory.pointer());
}

性能优化

延迟计算公式

总延迟 = 硬件延迟 + HAL缓冲 + AudioFlinger缓冲 + 应用缓冲

推荐配置组合：

• AudioAttributes.USAGE_VOICE_COMMUNICATION
• PERFORMANCE_MODE_LOW_LATENCY
• 采样率48kHz + 缓冲区大小240帧（5ms）

避坑指南

1. 采样率匹配：

2. 使用AudioManager.getProperty(PROPERTY_OUTPUT_SAMPLE_RATE)获取设备最佳采样率

3. 内存泄漏预防：

   override fun onDestroy() {
       track?.stop()
       track?.release() // 必须显式释放
   }

4. 线程同步：

5. 避免在回调中执行耗时操作
6. 使用AtomicInteger更新缓冲区位置

思考题实践

实现实时变声效果的三种方案：

1. AudioEffect链：

   new Visualizer(track.getAudioSessionId())
   new Equalizer(0, track.getAudioSessionId())

2. Native处理：在JNI层修改PCM数据

3. OpenSL ES：直接控制音频管线

通过理解Android音频架构的底层机制，开发者可以更好地优化实时音频应用的性能表现。建议在实际项目中结合Systrace工具分析音频线程调度情况，持续调优缓冲区参数。