當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

API 层实现语音录制

發布時間：2025/3/15 编程问答 20 豆豆

生活随笔收集整理的這篇文章主要介紹了 API 层实现语音录制小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

API 層實現語音錄制
?	發表日期：2003-03-31	作者：temp77[] 出處：??

?? 我從前出于需要，上網尋找了關于錄音部分的源代碼，收獲不大，現在把自己摸索的部分源代碼公開出來吧，希望對部分人有用。

?? 其實要實現聲音的錄制，可以用多種的方式(例如 mci )，我這里介紹的是在 API 的層面來實現，你可以對其中進行更多的控制。比方說，要音頻裸數據存到你指定的內存中去。

?? 先說一下要用到的 API ，錄音通常都是使用 waveInXXX 一類 API 的，最主要的是 waveInStart (顧名思義就是開始錄音)，然后是 waveInStop(它能夠在你指定的緩沖滿的時候返回) ；如果不用 waveInStop 可以使用 waveInReset(不同于Stop的是該函數不等緩沖滿就馬上返回那樣你才可以終止錄音)，不過最好跟 waveInGetPosition 配合使用。

??說完這些函數，不得不提的是為以上幾個函數做準備工作的函數(注意配對使用)， waveInOpen 和 waveInClose 配對( waveInOpen 里面指定音頻的格式，比方說立體聲和16位音質等)； waveInPrepareHeader 和 waveInUnprepareHeader 配對( waveInPrepareHeader 里面指定用來錄音緩沖的大小和首地址)，緊跟著 waveInPrepareHeader要例行公事調用 waveInAddBuffer( 作用未詳，不多說了)。

??詳細調用過程可以看下面

(之前最好調用 waveInGetNumDevs 看看有沒有可用的設備)

waveInOpen (該處用 WAVEFORMATEX 結構指定音頻格式)

?? waveInPrepareHeader (該處用 WAVEHDR 結構的 lpData 成員指定緩沖首地址)

?? waveInAddBuffer

????waveInStart

???? (錄制中....)

????waveInStop (warning:一定要緩沖滿了才返回)

?? waveInUnprepareHeader

waveInClose

??需要指出的是，上面的代碼你不能隨心所欲的停止錄音過程(如果你指定的緩沖非常大，比方說足夠錄音一個小時，那么你就要乖乖的等上一個小時)，如果希望馬上停止，請使用下面的方法。

????waveInStart

????(錄制中....)

????(n 時間后，用戶提出停止請求)

????waveInGetPosition (保留該值，用來設置 WAVEHDR 結構的 dwBytesRecorded 成員)

????waveInReset

????(重新設置 WAVEHDR 結構的 dwBytesRecorded 成員)

??整個過程就是如此的幾句，下面將給出源程序以驗證。

??需要說明一下，正常情況下錄音以后，總共耗費的內存(以字節算) 會保存在WAVEHDR 結構的 dwBytesRecorded 成員中，可用的音頻裸數據當然就放進你指定的內存緩沖中去了，你大可不必等 waveInUnprepareHeader 就可以馬上拿來用了。

? ( 補充一個內容，粗略講解一下 .wav 文件的文件頭格式 )

??看下面的結構，一開始的八個字節是一個結構，第一個四字節是標志，剛好等于 ascii 的 "RIFF" ，第二個四字節是總的文件長度減去8。你可以驗證一下。(參照16進制閱讀數字的方法)

??跟著是第二個數據結構，占12個字節。如果你是標準的 wave 格式的文件，那么就是緊接著兩個標志，第一個四字節的標志是 ascii 的 "WAVE" ，第二個四字節的標志就是 ascii 的 "fmt "(注意，有一個空格)，然后剩下的四字節里面藏的是 WAVEFORMATEX 結構的大小(參照MSDN)，應該是18個字節。

??然后，當然就是 18個字節的 WAVEFORMATEX 結構里面的值。詳細的就不說了，自己查一下 MSDN。 (需要注意的是，這個 WAVEFORMATEXEX 的末一個成員，講了可能的長度擴充)

??在這 18 個字節后面 (按照舊時候的方法)，應該是跟著一個8字節的結構的，然后就是 "裸數據" 的開始地址了，這八字節結構的開始四字節是標志，應該等于 ascii 的 "data"，然后緊跟著的四字節就是裸數據的大小了，也就是最重要的部分。

??好了，如此一來，你就可以得到音頻裸數據的起始位置(緊緊跟在含"data"標志的數據結構的后面)，還有就是音頻數據的長度了。應該是所有的問題都很容易解決的。

??不過，還要注意，就是現在的很多 .wav 文件都會外加一個數據結構(12字節)，就插在 WAVEFORMATEX 的后面和含 "data" 的數據結構前面。?這個外加的結構第一個四字節是標志，等于 ascii 碼的 "fact"，然后第二個四字節的值在大部分情況下都等于 4，第三個四字節的值也是等于音頻裸數據的長度。?基本上就是這樣了。

???下面給出的源程序文件只要加進新建的 VC win32工程中，編譯即可，執行效果是錄音三秒后自動生成 mytest.wav 文件供播放測試(記得選好默認錄音通道)。

??廢話不多說，給出源程序(該源程序中要包含 RunTimeLog.cpp，見http://www.csdn.net/develop/Read_Article.asp?Id=17477) 希望對大家有用。(全文完)

???(全文完 - 2003年03月27日_am: 11時27分)

// *******************?FileName: WinMain.cpp?*****************************

// 該源程序需要加入到 VC6 的 Win32 Application 的 empty Project 中

// 請包含我自定義的調試類，見 #include "RunTimeLog.cpp"

// 對于工程的 Link 選項，至少要包含以下庫:?msvcrt.lib kernel32.lib user32.lib Winmm.lib

#define WIN32_LEAN_AND_MEAN???// Say No to MFC !!

#include <windows.h>

#include <Mmsystem.h>

#include "RunTimeLog.cpp"

RunTimeLog log;

char lpTemp[256]="";

DWORD FCC(LPSTR lpStr)

{

? DWORD Number = lpStr[0] + lpStr[1] *0x100 + lpStr[2] *0x10000 + lpStr[3] *0x1000000 ;

? return Number;

}

int WINAPI WinMain( HINSTANCE hInstance, HINSTANCE hPrevInstance,

??????????LPSTR lpCmdLine, int nCmdShow )

{

?CreateMutex( NULL, false, "MyMutex");

? if ( GetLastError() == ERROR_ALREADY_EXISTS )

? { log.write("Exists and Exit"); log.last(); ExitProcess( NULL); }

??log.write("Program Start.");

??log.nobuff = true;

DWORD datasize = 48000;

??// 最常用法

WAVEFORMATEX waveformat;

waveformat.wFormatTag=WAVE_FORMAT_PCM;

waveformat.nChannels=1;

waveformat.nSamplesPerSec=8000;

waveformat.nAvgBytesPerSec=8000;

waveformat.nBlockAlign=1;

waveformat.wBitsPerSample=8; //指定錄音格式

waveformat.cbSize=0;

?wsprintf( lpTemp, "WAVEFORMATEX size = %lu", sizeof(WAVEFORMATEX) );

?log.write(lpTemp);

HWAVEIN?m_hWaveIn;

if ( waveInGetNumDevs() ) log.write("有可以使用的 WaveIn 通道");?else log.write("沒有可以使用的 waveIn 通道");

int res=waveInOpen(&m_hWaveIn,WAVE_MAPPER, &waveformat, (DWORD)NULL,0L,CALLBACK_WINDOW); //打開錄音設備

if ( res == MMSYSERR_NOERROR ) log.write("打開 waveIn 成功");?// 驗證創建是否成功

else?{

?? wsprintf(lpTemp, "打開 waveIn 通道失敗，Error_Code = 0x%x", res );

?? log.write(lpTemp);

} // End of 驗證創建是否成功

WAVEHDR m_pWaveHdr;

?m_pWaveHdr.lpData = (char *)GlobalLock( GlobalAlloc(GMEM_MOVEABLE|GMEM_SHARE, datasize) );

?memset(m_pWaveHdr.lpData, 0, datasize );

?m_pWaveHdr.dwBufferLength = datasize;

?m_pWaveHdr.dwBytesRecorded = 0;

?m_pWaveHdr.dwUser = 0;

?m_pWaveHdr.dwFlags = 0;

?m_pWaveHdr.dwLoops = 0;

?wsprintf( lpTemp, "WAVEHDR size = %lu", sizeof(WAVEHDR) );

?log.write(lpTemp);

int resPrepare = waveInPrepareHeader( m_hWaveIn, &m_pWaveHdr, sizeof(WAVEHDR) ); //準備內存塊錄音

if ( resPrepare == MMSYSERR_NOERROR) log.write("準備錄音用頭文件成功");

?else?{

?? wsprintf(lpTemp, "不能開辟錄音頭文件，Error_Code = 0x%03X", resPrepare );

?? log.write(lpTemp);

} // End of 驗證開辟緩沖

?resPrepare = waveInAddBuffer( m_hWaveIn, &m_pWaveHdr, sizeof(WAVEHDR) );

if ( resPrepare == MMSYSERR_NOERROR) log.write("準備錄音用內存成功");

?else?{

?? wsprintf(lpTemp, "不能開辟錄音用緩沖，Error_Code = 0x%03X", resPrepare );

?? log.write(lpTemp);

} // End of 驗證開辟緩沖

?log.write("");?// 寫入空字符串可以分行

?if (! waveInStart(m_hWaveIn) ) log.write("開始錄音"); else log.write("開始錄音失敗");

?Sleep(3200);

MMTIME mmt;

mmt.wType = TIME_BYTES;

log.numberwrite( "sizeof(MMTIME) =", sizeof(MMTIME) );

log.numberwrite( "sizeof(UINT) =", sizeof(UINT) );

if ( waveInGetPosition(m_hWaveIn, &mmt, sizeof(MMTIME)) ) log.write("不能取得音頻長度");

?else log.numberwrite( "取得現在音頻位置 =", mmt.u.cb );

if (mmt.wType == TIME_BYTES) { log.write("得到的 TIME_BYTES 格式的音頻長度"); }

? else log.write("指定的 TIME_BYTES 格式音頻長度不支持");

//?if (! waveInStop(m_hWaveIn) )?log.write("停止錄音"); else? log.write("停止錄音失敗");

?if (! waveInReset(m_hWaveIn) )?log.write("重置內存區成功"); else log.write("重置內存區失敗");

m_pWaveHdr.dwBytesRecorded = mmt.u.cb;

DWORD NumToWrite=0;?DWORD dwNumber = 0;

HANDLE FileHandle =

??? CreateFile( "myTest.wav", GENERIC_WRITE, FILE_SHARE_READ, NULL,

????????? CREATE_ALWAYS, FILE_ATTRIBUTE_NORMAL, NULL);

//?memset(m_pWaveHdr.lpData, 0, datasize);

dwNumber = FCC("RIFF");