2019 WebRtc AudioMixer混音流程

本文简要说明最新版WebRtc AudioMixer混音流程。

本程序使用4个16KHz 单声道时长均大于10秒的Wav文件作为混音源，只合成前10秒的音频，输出也是16KHz单声道音频。

输入和输出的采样率都是16000，每10ms音频长度采样点数为160，每个采样点为16bit，两字节大小。

使用的WebRTC代码日期为2019-05-08。

代码如下：

#include "stdafx.h"
#include <string>
#include <iostream>
#include <memory>
#include <thread>
#include <chrono>
#include "webrtcmodulesaudio_mixeraudio_mixer_impl.h"
#include "webrtcapiaudioaudio_frame.h"
#include "webrtcmodulesaudio_mixeroutput_rate_calculator.h"

using namespace std::literals::chrono_literals;

#define WAV_HEADER_SIZE 44
#define SAMPLE_RATE 16000

int16_t s_buf[160] = { 0 };

class AudioSrc : public webrtc::AudioMixer::Source
{
public:
    AudioSrc(int ssrc, int sample, const std::string& file)
        : mSsrc(ssrc)
        , mSample(sample)
        , mFile(nullptr)
    {
        fopen_s(&mFile, file.c_str(), "rb");
        
        if (mFile)
        {
            fseek(mFile, 44, SEEK_SET);
        }
    }

    virtual ~AudioSrc()
    {
        if (mFile)
        {
            fclose(mFile);
            mFile = nullptr;
        }
    }

    virtual AudioFrameInfo GetAudioFrameWithInfo(int sample_rate_hz,
        webrtc::AudioFrame* audio_frame)
    {
        if (mFile)
        {
            fread(s_buf, 160 * 2, 1, mFile);//16KHz, 10ms buf
        }
        
        std::thread::id tid = std::this_thread::get_id();
        std::cout << "thread id ";
        tid._To_text(std::cout);

        //copy s_buf to audio_frame inner buf
        audio_frame->UpdateFrame(0, s_buf, 160, SAMPLE_RATE, webrtc::AudioFrame::SpeechType::kNormalSpeech, webrtc::AudioFrame::VADActivity::kVadUnknown, 1);
        printf(",ssrc %d get audio frame, muted: %d, n %d, s %d
", mSsrc, int(audio_frame->muted()), audio_frame->num_channels_, audio_frame->sample_rate_hz_);
        
        return AudioFrameInfo::kNormal;
    }

    // A way for a mixer implementation to distinguish participants.
    virtual int Ssrc() const
    {
        return mSsrc;
    }

    // A way for this source to say that GetAudioFrameWithInfo called
    // with this sample rate or higher will not cause quality loss.
    virtual int PreferredSampleRate() const
    {
        return mSample;
    }

private:
    int mSsrc;
    int mSample;
    FILE* mFile;
};


class AudioOutput : public webrtc::OutputRateCalculator
{
    virtual int CalculateOutputRate(
        const std::vector<int>& preferred_sample_rates)
    {
        return SAMPLE_RATE;
    }

};

int MixText()
{
    auto mixptr = webrtc::AudioMixerImpl::Create(std::make_unique<AudioOutput>(), true);
    AudioSrc src1(1, SAMPLE_RATE, "e:\Media\Audio\16k_1.wav");
    AudioSrc src2(2, SAMPLE_RATE, "e:\Media\Audio\16k_2.wav");
    AudioSrc src3(3, SAMPLE_RATE, "e:\Media\Audio\16k_3.wav");
    AudioSrc src4(4, SAMPLE_RATE, "e:\Media\Audio\16k_4.wav");

    mixptr->AddSource(&src1);
    mixptr->AddSource(&src2);
    mixptr->AddSource(&src3);
    mixptr->AddSource(&src4);

    std::thread::id tid = std::this_thread::get_id();
    std::cout << "main thread id: ";
    tid._To_text(std::cout);
    std::cout << std::endl;

    webrtc::AudioFrame frame;

    FILE* fOut = nullptr;
    fopen_s(&fOut, "f:/download/outmix.pcm", "wb");
    
    for (int i = 0; i < 100*10; ++i) // only mix first 10 seconds audio
    {
        mixptr->Mix(1, &frame);
        if (fOut)
        {
            fwrite(frame.data(), 160 * 2, 1, fOut);
        }
        std::this_thread::sleep_for(10ms);
    }
    
    fclose(fOut);
    fOut = nullptr;

    mixptr->RemoveSource(&src1);
    mixptr->RemoveSource(&src2);
    mixptr->RemoveSource(&src3);
    mixptr->RemoveSource(&src4);

    tid = std::this_thread::get_id();
    std::cout << "exit main thread id: ";
    tid._To_text(std::cout);
    std::cout << std::endl;

    return 0;
}

int main(int argc, char* argv[])
{
    MixText();

    return 0;
}

代码大体介绍：

 class AudioSrc : public webrtc::AudioMixer::Source 定义了混音音频源的类，

AudioSrc必须实现基类的三个virtual函数，

 virtual int Ssrc() const;  返回混音源的ID, AudioMixer调用此函数用于区分每个音频源，每个音频源的Ssrc必须返回不同的值。

 virtual int PreferredSampleRate() const; 返回混音源的音频采样率，这里都是16000，AudioMixer调用此函数得到每个音频源的音频采样率。

 virtual AudioFrameInfo GetAudioFrameWithInfo(int sample_rate_hz, webrtc::AudioFrame* audio_frame) 获取混音源的10ms长度音频，混音时AudioMixer依次对混音源调用此函数，

AudioSrc先从wav文件读取10ms音频到s_buf中，用AudioFrame的UpdateFrame函数把刚获取的s_buf中内容更新到AudioFrame中，AudioMixer内部完成混音。

 class AudioOutput : public webrtc::OutputRateCalculator  是用于计算混音输出音频采样率的类，必须实现虚函数CalculateOutputRate，

参数const std::vector<int>& preferred_sample_rates中元素为每个混音源的音频采样率，返回值为输出音频采样率，这里输出和输入的采样率一样，返回16000。

函数MixText是调用的代码

auto mixptr = webrtc::AudioMixerImpl::Create(std::make_unique<AudioOutput>(), true);

创建了一个AudioMixer智能指针对象mixptr ，

AudioSrc src1(1, SAMPLE_RATE, "e:\Media\Audio\16k_1.wav");
AudioSrc src2(2, SAMPLE_RATE, "e:\Media\Audio\16k_2.wav");
AudioSrc src3(3, SAMPLE_RATE, "e:\Media\Audio\16k_3.wav");
AudioSrc src4(4, SAMPLE_RATE, "e:\Media\Audio\16k_4.wav");

创建了4个混音源。

mixptr->AddSource(&src1);
mixptr->AddSource(&src2);
mixptr->AddSource(&src3);
mixptr->AddSource(&src4);

把4个混音源添加到AudioMixer中，

webrtc::AudioFrame frame;

创建一个AudioFrame 对象，用于接收混音输出。

FILE* fOut = nullptr;
fopen_s(&fOut, "f:/download/outmix.pcm", "wb");

打开一个文件，用于写入混音输出。

    for (int i = 0; i < 100*10; ++i) // only mix first 10 seconds audio
    {
        mixptr->Mix(1, &frame);
        if (fOut)
        {
            fwrite(frame.data(), 160 * 2, 1, fOut);
        }
        std::this_thread::sleep_for(10ms);
    }

此循环调用1000次，每次混音10毫秒长度音频，总共混音10秒钟长度的音频，

mixptr->Mix(1, &frame);

Mix是实际执行混音的函数，
它内部再依次调用AudioSrc::GetAudioFrameWithInfo再完成混音，把混音输出到frame中。

然后用fwrite再把frame.data()中的混音输出写入到输出文件。

std::this_thread::sleep_for(10ms);

sleep等待10毫秒。

混音完成再调用

    mixptr->RemoveSource(&src1);
    mixptr->RemoveSource(&src2);
    mixptr->RemoveSource(&src3);
    mixptr->RemoveSource(&src4);

移除混音源。

以上就是混音流程。

注意：由于混音输出写的是PCM文件，没有文件头，一般播放器不能播放，必须用 CoolEdit 或 Audacity 打开PCM播放。