自定义音频采集与渲染

更新时间: 2024/03/15 17:25:06

在合唱或直播场景中,用户往往需要共享非麦克风采集的外部音频源,比如希望在合唱过程中使用自定义的音乐文件。为了支持用户使用自定义音频源, NERTC SDK 为用户提供传输通道,并进行编码推流。

功能介绍

NERTC SDK 支持自定义音频采集与渲染功能,可以向 NERTC SDK 提供自定义的音频输入源数据,使用自定义的渲染器,并由 NERTC SDK 进行编码推流。
一般情况下,App 通过本设备的内置麦克风采集音频数据。但在部分场景下可能需要使用自定义的音频源,例如:

  • 需要使用自定义的音效、美声库或前处理库。
  • 需要使用外部音频源或外接设备进行音频数据采集,例如在音视频通话或互动直播中播放自定义的音频文件。
  • App 无法获取音频采集设备的控制权限,例如音频采集设备已被其他业务占用,或硬件设备的默认音频采集模块损坏等场景下。
    基于以上场景,NERTC SDK 支持使用自定义的音频源或渲染器,以实现业务场景中的相关需求。

注意事项

  • 自定义音频采集场景中,您需要自行管理音频数据的采集和处理;自定义音频渲染场景中,您需要自行管理音频数据的处理和播放。在两种场景下,音频处理 3A 算法(AEC、ANS 和 AGC)均为关闭状态,不可手动开启。
  • 通过 pushExternalAudioFrame 接口向 SDK 投送的数据必须是 PCM 格式的未经压缩的音频裸数据,不支持其他压缩格式。

自定义音频采集

技术原理

采集.png

API 调用时序

Custom_audio_source.png

配置步骤

  1. 在加入房间前,调用 setExternalAudioSource 方法开启外部音频主流输入,并设置外部音频采集参数,相关参数说明如下:
    • enabled:是否开启外部音频输入,默认关闭。
    • sample_rate:外部音频源的数据采样率,单位为赫兹(Hz)。
    • channels:外部音频源的数据声道数,可设置为单声道(1)或双声道(2)。

    自定义外部音频采集接口仅支持在加入房间前调用,接口设置在通话结束后仍然有效;若您需要关闭该功能,请在下次通话前再次调用此方法关闭自定义音频采集。

  2. 成功加入房间之后,使用自采集模块采集音频数据。您需要自行管理音频数据采集和处理逻辑。
  3. 完成音频数据处理后,调用 pushExternalAudioFrame 方法将外部音频主流数据帧推送给 NERTC SDK,并设置外部音频格式。
    • 建议推送的音频数据帧时长至少为 10 ms。
    • samples_per_channel 指单通道的采样点个数,计算公式为 sample_rate * (time)/ 1000,其中 time 是推送给 SDK 的音频数据的时间间隔,比如一次是 20ms 的数据,则 time = 20。

示例代码

//开启自定义音频主流采集
rtc_engine_->setExternalAudioSource(true, 48000, 1);

//push 数据
nertc::NERtcAudioFrame frame;
frame.data = (void*)(external_audioin_pcm_data); //音频数据
frame.format.type = nertc::kNERtcAudioTypePCM16; //音频 PCM 类型
frame.format.bytes_per_sample = 2;               //每个采样点的字节数
frame.format.samples_per_channel = 48000 * 10 / 1000; //单声道的采样点个数,假设采样周期是10 ms
frame.format.sample_rate = 48000;                //音频采样率
frame.format.channels = 1;                       //音频声道数
rtc_engine_->pushExternalAudioFrame(&frame);

API 参考

方法 功能描述
setExternalAudioSource 开启自定义音频主流采集
pushExternalAudioFrame 将外部音频主流数据帧推送给 NERTC SDK

自定义音频渲染

API 调用时序

uml diagram

配置步骤

  1. 在加入房间前,调用 setExternalAudioRender 方法开启外部音频渲染,并设置外部音频渲染参数,相关参数的说明如下:
    • enabled:是否开启外部音频输入,默认关闭。
    • sample_rate:外部音频源的数据采样率,单位为赫兹(Hz)。
    • channels:外部音频源的数据声道数,可设置为单声道(1)或双声道(2)。

    此接口设置在通话结束后后仍然有效;若您需要关闭该功能,请在下次通话前再次调用此方法关闭自定义音频渲染。

  2. 成功加入房间后,调用 pullExternalAudioFrame 方法拉取远端发送的外部音频数据帧,相关参数的说明如下:
    • data:数据指针。
    • len:待拉取音频数据的字节数。该参数的单位为 byte,数据长度不能超过 7680 字节。
      计算公式为: len = sampleRate/1000 × 2 × channels × 音频数据时长(ms)。
    • 建议推送的音频数据帧时长至少为 10 ms。
    • 音频渲染设备关闭后,调用此方法时会返回空数据。例如在通话结束或通话前扬声器设备测试关闭等情况下,该设置不再生效。
  3. 您需要自行渲染并播放拉取到的音频数据。

示例代码

//自定义音频渲染
int sample_rate = 48000; 
int channels = 2;
nrtc_engine_->setExternalAudioRender(true, sample_rate, channels);
    
//pull 数据
int32_t duration= 10;//毫秒
int32_t sample_len = samplerate * channels* duration * 2 / 1000; 
uint8_t* data = new uint8_t[sample_len]; 
nrtc_engine_->pullExternalAudioFrame((void*)data, sample_len);

//to play audio data

if (data) {
    delete[] data;
}

API 参考

方法 功能描述
setExternalAudioRender 开启外部音频渲染
pullExternalAudioFrame 拉取远端发送的外部音频数据帧
此文档是否对你有帮助?
有帮助
去反馈
  • 功能介绍
  • 注意事项
  • 自定义音频采集
  • 技术原理
  • API 调用时序
  • 配置步骤
  • 示例代码
  • API 参考
  • 自定义音频渲染
  • API 调用时序
  • 配置步骤
  • 示例代码
  • API 参考