说到音频应用，首先想到的就是音乐播放器。有些播放器可以播放流媒体，有些可以播放本地音乐文件。随着Android平台的演变，需要更多高级的音频API。好在谷歌新增了这方面的API，支持低延迟的音频流媒体和录制。
Android音频API提供了一些高级的功能，开发者可以把它们集成到自己的应用中。有了这些API，现在可以更容易地实现VoIP应用程序，构建定制的流媒体音乐客户端，实现低延迟的游戏音效。此外，还有提供文本到语音转换以及语音识别的API，用户可以直接使用音频和应用交互，而不需要使用用户界面或者触控技术。
低延迟音频
Android有四个用来播放音频的API（算上MIDI的话一共五个）和三个用来录音的API。接下来会简要的介绍这些API，以及一些高级用法示例。
①音频播放API
音乐播放默认使用MediaPlayer。该类适合播放音乐或者视频，既能播放流式资源，还可以播放本地文件。每个MediaPlayer都有一个关联的状态机，需要在应用程序中跟踪这些状态。开发者可以使用MediaPlayer类的API在自己应用中嵌入音乐或者视频播放功能，而无需额外处理或者考虑延迟要求。
第二个选择是SoundPool类，它提供了低延迟支持，适合播放音效和其他比较短的音频，比如可以使用SoundPool播放游戏声音。但是，它不支持音频流，所以不适合那些需要实时音频流处理的应用，如VoIP。
第三个选择是AudioTrack类，它允许把音频流缓冲到硬件中，支持低延迟播放，甚至适合流媒体场景。AudioTrack类通常提供足够低的延迟，可在VoIP或类似应用中使用。
下面的代码展示了如何在VoIP应用中使用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，确定音频流的最小缓冲区大小。要做到这一点，需要知道采样率，数据是单声道还是立体声，以及是否使用8位或者16位PCM编码。然后以采样率和采样大小作为参数调用AudioTrack.getMinBufferSize()，该方法会以字节形式返回AudioTrack实例的最小缓冲区大小。
接下来，根据需要使用正确参数创建AudioTrack实例。第一个参数为音频的类型，不同的应用使用不同的值。对VoIP应用来说，使用STREAM_VOICE_CALL，而对于流媒体音乐应用则使用STREAM_MUSIC。
具体的选择有：
STREAM_ALARM：手机闹铃的声音
STREAM_MUSIC：手机音乐的声音
STREAM_DTMF：DTMF音调的声音
STREAM_RING：电话铃声的声音
STREAM_NOTFICATION：系统提示的声音
STREAM_SYSTEM：系统的声音
STREAM_VOICE_CALL：语音电话声音
第二，第三，第四个参数根据使用场景会有所不同。这些参数分别表示采样率，立体声或者单声道，以及采样大小。一般而言，一个VoIP应用会使用16KHZ的16位单声道，而常规的音乐CD可能采用44.1KHZ的16位立体声。16位立体声高采样率需要更大的缓冲区以及更多的数据传输，但是音质会更好。所有的Android设备都支持PCM以8KHZ,16KHZ,44.1KHZ的采样率播放8或者16位立体声。
缓冲区大小参数应该是最小缓冲区的倍数，实际取决于具体的需求，有时网络延迟等因素也会影响缓冲区大小。
任何时候都应该避免使用空的缓冲区，因为可能导致播放出现故障。
最后一个参数决定只发送一次音频数据（MODE_STATIC）还是连续发送数据流（MODE_STREAM）。第一种情况需要一次发送整个音频剪辑。对于持续发送音频流的情况，可以发送任大小块的PCM数据，处理流媒体音乐或者VoIP通话可以会使用这种方式。
②录制API
谈到录制音频，首先要考虑的API是MediaRecorder。和MediaPlayer类似，需要在应用代码中跟踪MediaRecorder类的内部状态。由于MediaRecorder只能把录音保存到文件中，所以它不适合录制流媒体。
如果需要录制流媒体，可以使用AudioRecord，和刚才展示的代码非常类似。
下面的示例显示了如何创建AudioRecord实例录制16位单声道16KHZ的音频采样：
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;
}
}
因为和AudioTrack的创建过程非常类似，在使用VoIP或者类似应用时可以很方便地把它们结合起来。
相信学过多媒体的人对采样率等这些东西并不陌生，如果缺乏这方面的知识，可以适当的补充后在来看这段代码。
如果看的认真的人会发现本文只介绍了三个播放API和两个录制API，说好的四个的三个呢？其实最后一个不是一两句就能说清楚，还需要单独列出一篇文章讲解——OpenSL ES请关注本博客后续会讲解到。