WINDOWS下對音頻的處理過程
WINDOWS下對音頻的處理，大致可分爲兩部分，即音頻的輸入、輸出，和ACM壓縮處理。
一般情況下在WINDOWS下可以調用諸如sndPlaySound等API(MCI)來播放一個WAV文件，但那顯然不是我們需要做的。必須能夠直接對音頻數據流進行處理。在WINDOWS下，也爲之提供了一系列的API，以waveIn和waveOut開頭的一組API就是幹這個的。
先說輸入吧。常用的相關API爲waveInOpen（打開一個音頻輸入設備）、waveInPrepareHeader（爲一個即將在waveInAddBuffer中調用的輸入緩衝區準備頭部）、waveInAddBuffer（添加一個輸入用的數據緩衝區）、 waveInStart（開始錄音）、waveInClose（關閉音頻輸入設備）等幾個，以及需要在waveInOpen中指定的一個回調函數或者線程，其作用是在一個數據緩衝區被錄滿後被調用，以對這些數據進行處理，和其他一些相關的操作。
首先你得確定一下需要用什麼回調方式，即在某個時間片的音頻數據被錄完後，Windows將通過這個回調來激活對這些數據的處理過程，一般用到的無非是FUNCTION、THREAD和EVENT這幾類，而比較方便簡單的就是FUNCTION和THREAD了。FUNCTION方式是指Windows會調用你這個函數，而THREAD則是由 Windows來激活你所指定的線程。這些都在waveInOpen中指定。其函數原型爲：
MMRESULT waveInOpen( LPHWAVEIN phwi,
UINT uDeviceID,
LPWAVEFORMATEX pwfx,
DWORD dwCallback,
DWORD dwCallbackInstance,
DWORD fdwOpen
);
其中：phwi是返回的句柄存放地址，uDeviceID是要打開的音頻設備ID號，一般都指定爲WAVE_MAPPER。 dwCallback則爲指定的回調函數或線程等的地址，fdwOpen指定回調方式，dwCallbackInstance爲需要向回調 函數或線程送入的用戶參數。至於那個pwfx，則比較關鍵，它指定了要以什麼音頻格式打開音頻輸入設備， 它是一個結構WAVEFORMATEX：
typedef struct { WORD wFormatTag;
WORD nChannels;
DWORD nSamplesPerSec;
DWORD nAvgBytesPerSec;
WORD nBlockAlign;
WORD wBitsPerSample;
WORD cbSize;
} WAVEFORMATEX;
機器上的WIN9X安裝時選擇了音頻壓縮，可以在wFormatTag中指定一些壓縮的音頻格式，如G723.1，TURE DSP，等之類。不過一般都是選用WAVEFORMAT_PCM格式，即未壓縮的音頻格式，至於壓縮，可以在錄完後調用下面將要談到的ACM單獨進行。
nChannels爲聲道數，1或者2。nSamplesPerSec爲每秒採樣數，8000、11025、22050、44100爲幾個標準值，其他的非標準值我倒沒試過行不行。nAvgBytesPerSec爲每秒平均的字節數，在PCM方式中就等於nChannels*nSamplesPerSec*wBitsPerSample/8，但對於其它的壓縮的音頻格式，由於很多壓縮方式是按時間片進行的，如G723.1，就是以30ms爲一個壓縮單位，這樣，nAvgBytesPerSec只是一個大概的數字，並不準確，程序中的計算是不應該以這個量爲準的。這一點在下面的壓縮音頻輸出和ACM音頻壓縮中非常重要。nBlockAlign是一個比較特殊的值，表示對音頻處理時的最小處理單位，對於PCM非壓縮，它就是wBitsPerSample*nChannels/8，而對於非壓縮格式，則表示壓縮/解壓處理的最小單位了，如G723.1，就是30ms的數據大小（20bytes或者24bytes）。wBitsPerSample就是每採樣值的位數，8或者16。 cbSize則是表示該WAVEFORMATEX的結構在標準的頭部之後還有多少字節數，對於很多非PCM的音頻格式，有一些自己的定義格式參數，這些就緊跟在標準的WAVEFORMATEX後面，其大小就由cbSize指定。對於PCM格式而言，爲0，或者忽略不檢查。
這樣，指定了這些參數後，你應該就能夠打開音頻輸入設備了。下面要做的事情就是準備幾個用做錄音的緩衝區。常準備多個緩衝區，並在回調中循環使用。另外，還得考慮好錄得的音頻數據放哪兒，比如一個臨時文件，就得準備好文件的句柄。對於緩衝區，得使用waveInPerpareHeader準備一下頭部，這個API比較簡單，如果你是循環使用緩衝區，對每個緩衝區也只需要調用一次waveInPrepareHeader。
一切準備好之後，就可以調用waveInAddBuffer和waveInStart開始錄音了，只要你一調用這個waveInStart，錄音就開始了，即使這個緩衝區錄滿之後你沒有加入新的緩衝區進去，錄音也不會停，只是這中間的語音數據全都丟了。當通過 waveInAddBuffer送入的緩衝區被錄滿後，Windows就會通過你在waveInOpen中指定的方式進行回調，在回調中把錄好的語音數據取出來，並且，如果還想繼續錄音的話，得將下一個緩衝區添加進去。考慮到這個處理是有時間延遲的，而且音頻對時間很敏感，一般都要先預加入若干個緩衝區，比如，一共定義了8個緩衝區，而爲了保險起見，最好保證任一時刻至少有3個緩衝區可被錄音使用，那麼在開始錄音時，則先加入4個緩衝區，然後在回調中，如果當前錄好的緩衝區第n個，則對第(n+4)%8調用waveInAddBuffer，這時，還有第(n+1)%8,(n+2)%8, (n+3)%8這三個緩衝區可用，即基本上就可以保證所錄得音頻中不會有斷開的間隔。
想結束錄音時，最好在waveInClose之前調用一下waveInReset，這樣可以清掉尚在等待錄音的緩衝區，同時在回調中還必須注意一下送入參數中的消息種類。
音頻輸出部分相對簡單一點。對應的API有waveOutOpen、waveOutPrepareHeader、waveOutWrite以及waveOutClose。如果希望直接輸出壓縮格式的音頻的話，必須注意waveOutOpen中指定的音頻格式參數。你必須很清楚這類格式的具體參數及其含義。不過，你可以通過下面說到的ACM（Audio Compress Manager）得到你需要的音頻格式的具體參數，這個格式參數可以直接用於waveOutOpen。如同音頻的輸入，waveOutPrepareHeader也是必需的。waveOutWrite 則是填入輸出緩衝區，爲了避免間斷，也應該保證某一時刻緩衝區隊列中數目足夠。
如果安裝WIN98時在附件中選擇了音頻壓縮，那麼機器上的ACM就可用了。ACM爲Audio Compress Manager。 WIN98提供了一些常用的音頻壓縮算法程序包，供用戶調用。可以通過ACM獲得本機上所有的音頻壓縮驅動及其所支持的音頻格式。不過，似乎不是每種ACM格式都能被調用來進行壓縮,不過ACM中的壓縮驅動大多都是針對語音頻段，如果用來壓縮頻帶較寬的音頻，如音樂，則效果很差.
本文來自CSDN博客，轉載請標明出處：http://blog.csdn.net/WhiteCloud/archive/2001/08/17/12641.aspx
