WASAPI的核心优势

WASAPI（Windows Audio Session API）是微软在Vista系统引入的现代音频架构，相比传统的WaveOut/DirectSound，它提供了更低的延迟和更精确的音频控制。主要特点包括：

• 共享/独占模式：独占模式绕过系统混音器直接访问硬件，延迟可低至5ms
• 事件驱动机制：避免轮询造成的CPU浪费
• 硬件级格式转换：自动处理采样率/位深转换

开发者常见痛点

1. 延迟问题：默认共享模式可能产生100ms以上延迟
2. 设备占用冲突：独占模式下其他应用无法访问音频设备
3. 格式兼容性：采集的PCM格式与应用需求不匹配

FFmpeg参数配置详解

通过-f dshow调用WASAPI时关键参数：

// 示例：捕获44.1kHz立体声，使用事件缓冲模式
AVDictionary *options = NULL;
av_dict_set(&options, "sample_rate", "44100", 0);
av_dict_set(&options, "channels", "2", 0);
av_dict_set(&options, "audio_buffer_size", "50", 0); // 单位ms

主要参数说明：

• sample_rate：强制指定采样率
• use_wallclock_as_timestamps：解决时间戳漂移
• thread_queue_size：增大可缓解丢帧

性能优化实战

缓冲区黄金法则

1. 测试设备支持的最小缓冲区（通常20-50ms）
2. 独占模式比共享模式减少30%-50%延迟
3. 使用ffmpeg -list_devices true -f dshow -i dummy列出设备能力

线程模型建议

// 推荐设置独立音频线程
av_dict_set(&options, "threads", "1", 0);
av_dict_set(&options, "thread_type", "slice", 0);

生产环境避坑指南

• 热插拔处理：监听IAudioSessionControl事件
• 内存泄漏预防：每次采集后调用av_dict_free(&options)
• 格式转换技巧：优先使用硬件支持的S16LE格式

实战命令示例

# 基础捕获命令（保存为WAV）
ffmpeg -f dshow -audio_buffer_size 20 -i "audio=麦克风阵列" output.wav

# 高级参数调试（实时推流）
ffmpeg -f dshow -thread_queue_size 1024 -i "audio=线路输入" -c:a aac -b:a 192k -f flv rtmp://server/live

建议尝试调整audio_buffer_size（20-200ms）和thread_queue_size（512-2048）观察延迟变化，使用工具如LatencyMon测量系统级延迟。