說到音頻應用，首先想到的就是音樂播放器。有些播放器可以播放流媒體，有些可以播放本地音樂文件。隨著Android平台的演變，需要更多高級的音頻API。好在谷歌新增了這方面的API，支持低延遲的音頻流媒體和錄制。

Android音頻API提供了一些高級的功能，開發者可以把它們集成到自己的應用中。有了這些API，現在可以更容易地實現VoIP應用程序，構建定制的流媒體音樂客戶端，實現低延遲的游戲音效。此外，還有提供文本到語音轉換以及語音識別的API，用戶可以直接使用音頻和應用交互，而不需要使用用戶界面或者觸控技術。

低延遲音頻

Android有四個用來播放音頻的API（算上MIDI的話一共五個）和三個用來錄音的API。接下來會簡要的介紹這些API，以及一些高級用法示例。

①音頻播放API

音樂播放默認使用MediaPlayer。該類適合播放音樂或者視頻，既能播放流式資源，還可以播放本地文件。每個MediaPlayer都有一個關聯的狀態機，需要在應用程序中跟蹤這些狀態。開發者可以使用MediaPlayer類的API在自己應用中嵌入音樂或者視頻播放功能，而無需額外處理或者考慮延遲要求。

第二個選擇是SoundPool類，它提供了低延遲支持，適合播放音效和其他比較短的音頻，比如可以使用SoundPool播放游戲聲音。但是，它不支持音頻流，所以不適合那些需要實時音頻流處理的應用，如VoIP。

第三個選擇是AudioTrack類，它允許把音頻流緩沖到硬件中，支持低延遲播放，甚至適合流媒體場景。AudioTrack類通常提供足夠低的延遲，可在VoIP或類似應用中使用。

下面的代碼展示了如何在VoIP應用中使用AudioTrack：

public class AudioTrackDemo {
    private final int mMinBufferSize;
    private final AudioTrack mAudioTrack;

    public AudioTrackDemo() {
        this.mMinBufferSize = AudioTrack.getMinBufferSize(16000, AudioFormat.CHANNEL_OUT_MONO, AudioFormat.ENCODING_PCM_16BIT);
        this.mAudioTrack = new AudioTrack(AudioManager.STREAM_MUSIC, 16000, AudioFormat.CHANNEL_OUT_MONO, AudioFormat.ENCODING_PCM_16BIT, this.mMinBufferSize*2, AudioTrack.MODE_STREAM);
    }

    public void playPcmPacket(byte[] pcmData) {
        if (this.mAudioTrack != null && this.mAudioTrack.getState() == AudioTrack.STATE_INITIALIZED) {
            if (this.mAudioTrack.getPlaybackRate() != AudioTrack.PLAYSTATE_PLAYING) {
                this.mAudioTrack.play();
            }
            this.mAudioTrack.write(pcmData, 0, pcmData.length);
        }
    }

    public void stopPlayback() {
        if (this.mAudioTrack != null) {
            this.mAudioTrack.stop();
            this.mAudioTrack.release();
        }
    }
}

首先，確定音頻流的最小緩沖區大小。要做到這一點，需要知道采樣率，數據是單聲道還是立體聲，以及是否使用8位或者16位PCM編碼。然後以采樣率和采樣大小作為參數調用AudioTrack.getMinBufferSize()，該方法會以字節形式返回AudioTrack實例的最小緩沖區大小。

接下來，根據需要使用正確參數創建AudioTrack實例。第一個參數為音頻的類型，不同的應用使用不同的值。對VoIP應用來說，使用STREAM_VOICE_CALL，而對於流媒體音樂應用則使用STREAM_MUSIC。

具體的選擇有：

STREAM_ALARM：手機鬧鈴的聲音
STREAM_MUSIC：手機音樂的聲音
STREAM_DTMF：DTMF音調的聲音
STREAM_RING：電話鈴聲的聲音
STREAM_NOTFICATION：系統提示的聲音
STREAM_SYSTEM：系統的聲音
STREAM_VOICE_CALL：語音電話聲音

第二，第三，第四個參數根據使用場景會有所不同。這些參數分別表示采樣率，立體聲或者單聲道，以及采樣大小。一般而言，一個VoIP應用會使用16KHZ的16位單聲道，而常規的音樂CD可能采用44.1KHZ的16位立體聲。16位立體聲高采樣率需要更大的緩沖區以及更多的數據傳輸，但是音質會更好。所有的Android設備都支持PCM以8KHZ,16KHZ,44.1KHZ的采樣率播放8或者16位立體聲。

緩沖區大小參數應該是最小緩沖區的倍數，實際取決於具體的需求，有時網絡延遲等因素也會影響緩沖區大小。

任何時候都應該避免使用空的緩沖區，因為可能導致播放出現故障。

最後一個參數決定只發送一次音頻數據（MODE_STATIC）還是連續發送數據流（MODE_STREAM）。第一種情況需要一次發送整個音頻剪輯。對於持續發送音頻流的情況，可以發送任大小塊的PCM數據，處理流媒體音樂或者VoIP通話可以會使用這種方式。

②錄制API

談到錄制音頻，首先要考慮的API是MediaRecorder。和MediaPlayer類似，需要在應用代碼中跟蹤MediaRecorder類的內部狀態。由於MediaRecorder只能把錄音保存到文件中，所以它不適合錄制流媒體。

如果需要錄制流媒體，可以使用AudioRecord，和剛才展示的代碼非常類似。

下面的示例顯示了如何創建AudioRecord實例錄制16位單聲道16KHZ的音頻采樣：

public class AudioRecordDemo {
    private final AudioRecord mAudioRecord;
    private final int mMinBufferSize;
    private boolean mDoRecord = false;

    public AudioRecordDemo() {
        this.mMinBufferSize = AudioTrack.getMinBufferSize(16000, AudioFormat.CHANNEL_OUT_MONO, AudioFormat.ENCODING_PCM_16BIT);
        this.mAudioRecord = new AudioRecord(MediaRecorder.AudioSource.VOICE_COMMUNICATION, 16000, AudioFormat.CHANNEL_IN_MONO, AudioFormat.ENCODING_PCM_16BIT, this.mMinBufferSize * 2);
    }

    public void writeAudioToStream(OutputStream stream){
        this.mDoRecord=true;
        this.mAudioRecord.startRecording();
        byte[] buffer=new byte[this.mMinBufferSize*2];
        while(this.mDoRecord){
            int byteWritten=this.mAudioRecord.read(buffer,0,buffer.length);
            try{
                stream.write(buffer,0,byteWritten);
            }catch(IOException e){
                this.mDoRecord=false;
            }
        }
        this.mAudioRecord.stop();
        this.mAudioRecord.release();
    }

    public void stopRecording(){
        this.mDoRecord=false;
    }


}

因為和AudioTrack的創建過程非常類似，在使用VoIP或者類似應用時可以很方便地把它們結合起來。

相信學過多媒體的人對采樣率等這些東西並不陌生，如果缺乏這方面的知識，可以適當的補充後在來看這段代碼。

如果看的認真的人會發現本文只介紹了三個播放API和兩個錄制API，說好的四個的三個呢？其實最後一個不是一兩句就能說清楚，還需要單獨列出一篇文章講解——OpenSL ES請關注本博客後續會講解到。