近年興起的移動直播，其富有特色的模式吸引了海量用戶，已成為網(wǎng)絡(luò)社交和粉絲經(jīng)濟(jì)的超級入口。在直播過程中，聲音是主播與觀眾互動的重要途徑，為了豐富直播內(nèi)容、帶動氣氛、增加趣味性，主播普遍會使用音效軟件。例如，在演唱類直播中，主播伴隨背景音樂演唱，這時主播往往希望為自己聲音增加混響效果，營造出一種現(xiàn)場演唱的氛圍；在搞笑類直播中，主播經(jīng)常進(jìn)行變聲處理，女聲變男聲，男聲變女聲，或者變成機(jī)器人的聲音等。
想要實(shí)現(xiàn)這些效果，需要直播軟件對采集到的聲音進(jìn)行處理，為了讓主播實(shí)時聽到處理后的聲音效果，以便根據(jù)效果進(jìn)行調(diào)整，直播軟件需要提供低延時回放，將效果呈現(xiàn)給主播。因此，直播軟件背后的聲音處理方案就起到了非常關(guān)鍵的作用。目前針對不同的操作系統(tǒng)，如蘋果的iOS和谷歌的Android，有著為數(shù)眾多的不同方案，效果不一。金山云作為視頻云行業(yè)的領(lǐng)跑者，提供的聲音處理方案，以出色的聲音效果，贏得了眾多移動直播APP的青睞。下面就以金山云直播SDK集成的蘋果AudioUnit系列API方案為例，為各位詳解基于iOS系統(tǒng)的移動直播音效，是如何實(shí)現(xiàn)的。
AudioUnit特點(diǎn)解析
從實(shí)際效果上說，蘋果AudioUnit系列API方案，要比針對谷歌Android系統(tǒng)的跨平臺聲音處理庫libsox等方案要好。一個原因在于，對于音效處理，蘋果提供了非常豐富的音頻API，涵蓋采集、處理、播放各個環(huán)節(jié)，并按照需求的層次進(jìn)行了分組。
蘋果iOS系統(tǒng)音頻框架概覽
從上圖中可以看到，離底層驅(qū)動和硬件最近的就是AudioUnit系列API。與其它聲音處理方案相比，AudioUnit包含以下這些優(yōu)缺點(diǎn)：
優(yōu)點(diǎn)：
–低延時，從采集到播放回環(huán)可到10ms這一級別
–動態(tài)變更配置組合
–直接獲得后臺執(zhí)行權(quán)限
–CPU資源消耗較少
缺點(diǎn)：
–專有概念比較多，接口復(fù)雜
–提供C風(fēng)格API
由于AudioUnit并不完美，特別是專有概念比較多，接口也比較復(fù)雜，因此如果技術(shù)薄弱，在開發(fā)時難度會很大，金山云直播SDK解決了開發(fā)難度大等問題，這也是金山云SDK倍受歡迎的原因之一。
AudioUnit這個名字比較形象，它的主體是一系列單元節(jié)點(diǎn)（unit），不同的單元節(jié)點(diǎn)可實(shí)現(xiàn)不同的功能，將一個或多個單元節(jié)點(diǎn)添加到AUGraph（全稱是Audio Processing Graph，把各個unit組合在一起，起到管理作用）中，并建立單元節(jié)點(diǎn)之間的連接，音頻數(shù)據(jù)順次通過各個節(jié)點(diǎn)，即可完成對聲音的采集、處理和播放。如下圖所示，AUGraph顯示出了這個音頻處理系統(tǒng)的構(gòu)成，提供了啟動和停止處理系統(tǒng)的接口。
AudioUnit示意圖
如下方表格所示，蘋果iOS系統(tǒng)提供了四類單元節(jié)點(diǎn)：
purpose
Audio units
Effect
eg. Reverb
mixing
eg. Multichannel Mixer
I/O
eg. Remote I/O
Format conversion
eg. Format Converter
其中，I/O主要負(fù)責(zé)設(shè)備，比如采集和播放；Mixing負(fù)責(zé)將不同來源的音頻數(shù)據(jù)進(jìn)行混合；Effect負(fù)責(zé)對音頻數(shù)據(jù)進(jìn)行音效處理，F(xiàn)ormat Conversion負(fù)責(zé)格式轉(zhuǎn)換，比如重采樣等。這里有個優(yōu)化的點(diǎn)，由于Multichannel Mixer本身就有格式轉(zhuǎn)換的功能，輸入和輸出的音頻數(shù)據(jù)格式可以不同，因此利用這一點(diǎn)，可以節(jié)省一個格式轉(zhuǎn)換單元。
AudioUnit中的音頻采集
在直播應(yīng)用中，我們主要使用Remote I/O unit進(jìn)行采集。由于一個AUGraph中只允許有一個I/O unit，因此Remote I/O需要同時負(fù)責(zé)采集和播放。當(dāng)用戶開啟耳返功能時，需要將采集到的聲音，經(jīng)過處理后再送回當(dāng)前節(jié)點(diǎn)直接播放。
