若該文為原創文章，轉載請注明原文出處
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/152651085
各位讀者，知識無窮而人力有窮，要么改需求，要么找專業人士，要么自己研究

長沙紅胖子Qt（長沙創微智科）博文大全：開發技術集合（包含Qt實用技術、樹莓派、三維、OpenCV、OpenGL、ffmpeg、OSG、單片機、軟硬結合等等）持續更新中…

FFmpeg和SDL開發專欄（點擊傳送門）

上一篇：《FFmpeg開發筆記（十一）：ffmpeg移植到海思HI35xx平臺之將ffmpeg庫引入到sample的demo中》
下一篇：敬請期待…

前言

??ffmpeg采集音頻是一塊很重要也復雜的，本篇描述了錄音麥克風為pcm封裝成wav。

使用ffmpeg命令行獲取設備列表

??ffmpeg 會列出所有可用的視頻和音頻設備。其中音頻設備會在 “DirectShow audio devices"”標題下顯示

ffmpeg -list_devices true -f dshow -i dummy

??發現輸出的是亂碼（中文在cmd上的輸出），

chcp 56001

??65001 是 UTF-8 編碼的代碼頁

??以上2個沒有麥（系統自己的，沒插入麥），使用usb的：

音頻

音頻源（Audio Source）

??音頻源指FFmpeg獲取聲音數據的來源，是錄制的 “起點”。常見的音頻源主要分為兩類：

• 硬件音頻源：直接從計算機硬件設備采集聲音，如麥克風（通過聲卡輸入接口）、線路輸入（Line-In，用于連接外部設備如錄音機、吉他等）。在不同操作系統中，硬件音頻源的標識方式不同，例如 Windows 下通過 “麥克風陣列”“線路輸入” 等設備名識別，Linux 下通過 ALSA（Advanced Linux Sound Architecture）或 PulseAudio 的設備節點（如hw:0,0）標識，macOS 則依賴 Core Audio 架構的設備 ID。
• 軟件音頻源：從系統內部或其他軟件中捕獲音頻，如錄制瀏覽器播放的音樂、視頻會議的聲音等。這種場景需要依賴 “虛擬音頻設備”（如 Windows 的 “立體聲混音”、macOS 的 Soundflower、Linux 的 PulseAudio Loopback），將系統輸出的音頻重新作為輸入源提供給 FFmpeg。

音頻編解碼器（Audio Codec）

??編解碼器（Codec，即 Coder-Decoder）是處理音頻數據的核心組件，負責將原始音頻采樣數據壓縮（編碼）為特定格式的文件，或解壓（解碼）為可播放的原始數據。在錄制場景中，我們主要關注 “編碼器”，它直接影響錄制文件的體積、音質與兼容性。
??FFmpeg 支持幾乎所有主流音頻編碼器，常見的包括：

• PCM（脈沖編碼調制）：無壓縮編碼，直接存儲原始音頻采樣數據，音質最佳但文件體積極大（例如 44.1kHz、16 位、立體聲的 PCM 音頻，每分鐘約 10MB），常見于 WAV 格式文件。
• MP3（MPEG-1 Audio Layer III）：有損壓縮編碼，通過舍棄人耳不敏感的音頻頻段實現高壓縮比，是目前最普及的音頻格式之一，比特率通常在 128-320kbps 之間（320kbps 接近無損音質）。
• AAC（Advanced Audio Coding）：有損壓縮編碼，性能優于 MP3，在相同比特率下音質更優，廣泛用于 MP4、MOV 等視頻文件及流媒體場景（如 YouTube、抖音）。
• FLAC（Free Lossless Audio Codec）：無損壓縮編碼，在保留原始音質的前提下壓縮文件體積（壓縮比約 1:2），適合對音質要求極高的場景（如音樂制作、無損音樂收藏）。

音頻采樣參數

??采樣參數決定了音頻的 “精度” 與 “范圍”，是影響音質的核心指標，主要包括以下三個：

• 采樣率（Sample Rate）：單位時間內對音頻信號的采樣次數，單位為赫茲（Hz）。采樣率越高，越能還原高頻聲音，音質越細膩。常見的采樣率有： 44.1kHz：CD 音質的標準采樣率，能覆蓋人耳可聽范圍（20Hz-20kHz）； 48kHz：專業音頻制作與視頻配套音頻的常用采樣率； 96kHz/192kHz：高解析度音頻（Hi-Res）的采樣率，適合高端音頻設備。
• 采樣位深（Sample Bit Depth）：每個采樣點用多少位二進制數表示，決定了音頻的動態范圍（即最大音量與最小音量的差值）。位深越大，動態范圍越廣，聲音的層次感越強。常見的位深有 16 位（CD 標準，動態范圍約 96dB）、24 位（專業制作標準，動態范圍約 144dB）。
• 聲道數（Channels）：音頻信號的通道數量，決定了聲音的空間感。常見的聲道模式有： 單聲道（Mono，1 聲道）：適合語音錄制（如 podcasts、語音備忘錄）； 立體聲（Stereo，2 聲道）：左右聲道分別傳輸不同信號，營造空間感，適合音樂、影視音頻； 多聲道（如 5.1、7.1 聲道）：用于環繞聲系統，常見于電影音頻。

容器格式（Container Format）

??容器格式（也稱封裝格式）是用于存儲音頻、視頻、字幕等多種數據流的文件格式，它不負責數據壓縮，僅規定數據的存儲結構。在音頻錄制中，容器格式需與編碼器匹配，常見的組合如下：

• WAV + PCM：無壓縮音頻的標準組合，兼容性強但體積大；
• MP3 + MP3：有損音頻的主流組合，僅支持 MP3 編碼；
• MP4 + AAC：視頻配套音頻或純音頻的常用組合，兼容性好且體積小；
• FLAC + FLAC：無損音頻的主流組合，保留音質的同時壓縮體積。

錄音流程

??FFmpeg 通過 “輸入設備→采集原始壓縮數據包AVPacket→封裝Wav”三個步驟，將音頻源的信號轉化為目標音頻文件，具體流程如下：

步驟一：設備探測與選擇

??FFmpeg 首先通過操作系統的音頻接口（如 Windows 的 DirectSound、Linux 的 ALSA、macOS 的 Core Audio）探測可用的音頻輸入設備，用戶通過命令行參數指定要使用的設備（如-f dshow -i audio=“麥克風陣列”）。

步驟二：音頻采集與原始壓縮數據獲取AVPacket

??選定設備后，FFmpeg 按照指定的采樣參數（采樣率、位深、聲道數）從設備中讀取原始 PCM 壓縮數據。這一步是 “無損” 的，數據直接來自硬件或虛擬設備的輸出。

步驟三：pcm壓縮數據支持.wav格式封裝，直接存為目標文件

??編碼后的音頻數據流會被寫入指定的容器格式（如 MP3、MP4）中，同時生成文件頭、索引等元數據，最終形成可播放的音頻文件。
??注意：本篇沒有重采樣和壓縮，直接存儲的WAV+PCM。

Demo源碼

void FFmpegManager::testCaptureAudio()
{
// 命令行，查看本地可用的音頻設備列表
// linux  :  ffmpeg -list_devices true -f alsa -i dummy
//
// windows:  ffmpeg -list_devices true -f dshow -i dummy
//           Windows 系統下通過 DirectShow 接口訪問音頻設備的場景。
//  "麥克風 (Realtek(R) Audio)"
//  "麥克風 (USB Audio Device)" 使用本設備
//  "立體聲混音 (Realtek(R) Audio)"
//
// windows錄制音頻測試： ffmpeg -f dshow -i audio="麥克風 (USB Audio Device)" output.wav
//
// ffmpeg相關變量預先定義與分配
AVFormatContext *pAVFormatContext = 0;          // ffmpeg的全局上下文，所有ffmpeg操作都需要
AVInputFormat * pAVInputFormat = 0;             // ffmpeg輸入類型格式
AVStream *pAVStream = 0;                        // ffmpeg流信息
AVCodecParameters *pAVCodecParameters;          // ffmpeg解碼器參數
AVCodecContext *pAVCodecContext = 0;            // ffmpeg編碼上下文
AVCodec *pAVCodec = 0;                          // ffmpeg編碼器
AVPacket *pAVPacket = 0;                        // ffmpag單幀數據包
int ret = 0;                                    // 函數執行結果
int audioIndex = -1;                            // 音頻流所在的序號
// 步驟一: 注冊ffmpeg所有組件
av_register_all();                              // 初始化所有組件（只使用這個，找不到dshow）
avdevice_register_all();                        // 顯示注冊所有設備
avcodec_register_all();                         // 顯式注冊所有編解碼器
// 步驟二：設置設備輸入格式未dshow
pAVInputFormat = av_find_input_format("dshow");
if(!pAVInputFormat)
{
LOG << "Failed to av_find_input_format(\"dshow\")";
return;
}
{
#if 0
// 探測輸入設備代碼: 使用代碼探測所有設備并輸出
//        AVInputFormat * pAVInputFormat = av_find_input_format("dshow");
AVDeviceInfoList * pAVDeviceInfoList = 0;
ret = avdevice_list_input_sources(pAVInputFormat, 0, 0, &pAVDeviceInfoList);
if(ret < 0)
{
char err_buf[1024];
av_strerror(ret, err_buf, sizeof(err_buf));
LOG << QSTRING("無法列出設備: ") << QSTRING(err_buf) << QSTRING("(錯誤代碼:") << ret << ")";
return;
}
for(int index = 0; index < pAVDeviceInfoList->nb_devices; index++)
  {
  std::string deviceName = pAVDeviceInfoList->devices[index]->device_name;
  LOG << QString(deviceName.data());
  }
  avdevice_free_list_devices(&pAVDeviceInfoList);
  #endif
  }
  // 步驟三: 設置輸入設備
  #if 1
  QString deviceStr = QSTRING("audio=%1").arg(QSTRING("麥克風 (USB Audio Device)"));
  // 步驟四: 打開輸入設備
  ret = avformat_open_input(&pAVFormatContext, deviceStr.toUtf8().constData(), pAVInputFormat, 0);
  if(ret < 0)
  {
  LOG << "Failed to open avformat_open_input:" << deviceStr;
  return;
  }
  LOG << "Suceed to open avformat_open_input:" << deviceStr;
  #else
  std::string deviceName = "麥克風 (USB Audio Device)";
  std::string deviceArg = "audio=" + deviceName;
  // 步驟四: 打開輸入設備
  ret = avformat_open_input(&pAVFormatContext, deviceArg.c_str(), pAVInputFormat, 0);
  if(ret < 0)
  {
  LOG << "Failed to open avformat_open_input:" << QString(deviceName.data());
  return;
  }
  #endif
  // 步驟五: 查找流信息, 提取音頻
  for(int index = 0; index < pAVFormatContext->nb_streams; index++)
    {
    pAVCodecContext = pAVFormatContext->streams[index]->codec;
    pAVStream = pAVFormatContext->streams[index];
    switch (pAVCodecContext->codec_type)
    {
    case AVMEDIA_TYPE_UNKNOWN:
    LOG << QSTRING("流序號: %1 類型為: AVMEDIA_TYPE_UNKNOWN").arg(index);
    break;
    case AVMEDIA_TYPE_VIDEO:
    LOG << QSTRING("流序號: %1 類型為: AVMEDIA_TYPE_VIDEO").arg(index);
    break;
    case AVMEDIA_TYPE_AUDIO:
    audioIndex = index;
    LOG << QSTRING("流序號: %1 類型為: AVMEDIA_TYPE_AUDIO").arg(index);
    break;
    case AVMEDIA_TYPE_DATA:
    LOG << QSTRING("流序號: %1 類型為: AVMEDIA_TYPE_DATA").arg(index);
    break;
    case AVMEDIA_TYPE_SUBTITLE:
    LOG << QSTRING("流序號: %1 類型為: AVMEDIA_TYPE_SUBTITLE").arg(index);
    break;
    case AVMEDIA_TYPE_ATTACHMENT:
    LOG << QSTRING("流序號: %1 類型為: AVMEDIA_TYPE_ATTACHMENT").arg(index);
    break;
    case AVMEDIA_TYPE_NB:
    LOG << QSTRING("流序號: %1 類型為: AVMEDIA_TYPE_NB").arg(index);
    break;
    default:
    break;
    }
    // 已經找打視頻品流
    if(audioIndex != -1)
    {
    break;
    }
    }
    if(audioIndex == -1 || !pAVCodecContext)
    {
    LOG << "Failed to find video stream";
    return;
    }
    LOG << "Succeed to find audio stream";
    // 步驟六：獲取解碼器參數
    pAVCodecParameters = pAVFormatContext->streams[audioIndex]->codecpar;
    // 步驟七：查找解碼器
    LOG << "AVCodecID" << pAVCodecParameters->codec_id << pAVCodecContext->codec_id;
      LOG << "AV_CODEC_ID_PCM_S16LE =" << AV_CODEC_ID_PCM_S16LE;
      pAVCodec = avcodec_find_decoder(pAVCodecParameters->codec_id);
      if(!pAVCodec)
      {
      LOG << "Failed to avcodec_find_decoder(pAVCodecContext->codec_id):"
        << pAVCodecContext->codec_id;
          return;
          }
          // 步驟八: 打開解碼器
          ret = avcodec_open2(pAVCodecContext, pAVCodec, NULL);
          if(ret < 0)
          {
          LOG << "Failed to avcodec_open2(pAVCodecContext, pAVCodec, NULL);";
          return;
          }
          #if 1
          // 打印音頻信息
          LOG << QSTRING("音頻信息 采樣率: %1Hz  聲道數: %2  采樣格式: %3")
          .arg(pAVCodecContext->sample_rate)
          .arg(pAVCodecContext->channels)
          .arg(av_get_sample_fmt_name(pAVCodecContext->sample_fmt));
          #endif
          // 只能wav格式，這個demo
          QString fileName = "1.wav";
          //    QString fileName = "1.aac"; // 錄制無法播放
          // 步驟九: 創建輸出上下文
          AVFormatContext *pAVFormatContextOut = 0;
          ret = avformat_alloc_output_context2(&pAVFormatContextOut, 0, 0, fileName.toUtf8().data());
          if(ret < 0)
          {
          LOG << QSTRING("無法創建輸出上下文");
          return;
          }
          // 步驟十: 創建輸出流
          AVStream *pAVStreamOut = 0;                     // ffmpeg流信息（輸出）
          pAVStreamOut = avformat_new_stream(pAVFormatContextOut, 0);
          if(!pAVStreamOut)
          {
          LOG << QSTRING("無法創建輸出流");
          return;
          }
          // 步驟十：復制編碼器信息
          ret = avcodec_parameters_copy(pAVStreamOut->codecpar, pAVCodecParameters);
          if(ret < 0)
          {
          LOG << QSTRING("復制編碼器失敗");
          return;
          }
          #if 0
          // 步驟十一: 設置輸出編碼器參數（想要別的就修改）
          pAVStreamOut->codecpar->codec_id = AV_CODEC_ID_PCM_S16LE;
          pAVStreamOut->codecpar->sample_rate = 44100;
          //    pAVStreamOut->codecpar->sample_rate = 22050;    // 聲音會變得慢低，時間翻倍，
          //    pAVStreamOut->codecpar->sample_rate = 88200;    // 生意會變快尖，時間減半
          pAVStreamOut->codecpar->channels = 2;
          //    pAVStreamOut->codecpar->channels = 1;   // 聲音會變的慢低，時間翻倍
          //    pAVStreamOut->codecpar->channels = 4;   // 聲音會變的快尖，時間減半
          #endif
          // 步驟十二: 創建輸出文件
          ret = avio_open(&pAVFormatContextOut->pb, fileName.toUtf8().data(), AVIO_FLAG_WRITE);
          if(ret < 0)
          {
          LOG << QSTRING("無法開輸出文件");
          return;
          }
          LOG;
          // 步驟十三：寫入頭文件
          ret = avformat_write_header(pAVFormatContextOut, 0);
          LOG;
          if(ret < 0)
          {
          LOG << QSTRING("寫入頭文件失敗");
          return;
          }
          LOG;
          // 步驟十四：錄制循環
          LOG << QSTRING("開始錄制...");
          int frames = 0;
          pAVPacket = av_packet_alloc();
          QElapsedTimer elapsedTimer;
          elapsedTimer.start();
          while(elapsedTimer.elapsed() < 10 * 1000)
          {
          LOG;
          // 步驟十五：讀取一幀音頻數據
          ret = av_read_frame(pAVFormatContext, pAVPacket);
          LOG;
          if(ret < 0)
          {
          LOG << QSTRING("讀取數據包失敗");
          if(ret == AVERROR_EOF)
          {
          break;
          }
          return;
          }
          // 步驟十六：是音頻流則進行時間戳調整
          if(pAVPacket->stream_index == audioIndex)
          {
          // 調整時間戳
          pAVPacket->stream_index = 0;
          av_packet_rescale_ts(pAVPacket,
          pAVFormatContext->streams[audioIndex]->time_base,
          pAVStreamOut->time_base);
          pAVPacket->pos = -1;
          // 寫入數據包
          ret = av_interleaved_write_frame(pAVFormatContextOut, pAVPacket);
          if (ret < 0)
          {
          LOG << QSTRING("寫入數據包失敗:") << ret;
          break;
          }
          frames++;
          }
          av_packet_unref(pAVPacket);
          }
          // 步驟十五: 寫入文件尾巴
          av_write_trailer(pAVFormatContextOut);
          av_packet_free(&pAVPacket);
          avformat_close_input(&pAVFormatContext);
          avio_closep(&pAVFormatContextOut->pb);
          avformat_free_context(pAVFormatContext);
          LOG << QSTRING("錄制完成! 已保存到") << fileName;
          LOG << QSTRING("共寫入 %1 個音頻幀").arg(frames);
          }

工程模板v1.6.0

入坑

入坑一：ffmpeg命令行輸出中文設備亂碼

問題

原因

??在 Windows 的命令提示符（CMD）中使用 ffmpeg 時出現中文亂碼，通常是由于編碼不匹配導致的，測試改成uft-8即可。

解決

chcp 65001

入坑二：ffmpeg代碼獲取設備失敗

問題

??Ffmpeg代碼獲取失敗，為0。

原因

??代碼exe獲取設備在win10上是需要管理員權限的，無效；

??打印錯誤代碼：

??ENOSYS（錯誤碼 40）本質上是 FFmpeg 告訴你：“我不認識這個設備類型，因為編譯時沒加支持”。解決的核心是確保 FFmpeg 包含對應平臺的設備模塊，并在代碼中使用正確的設備格式。

思考

??可能是編譯的時候沒編譯dshow進去？但是通過dshow去獲取輸入接口又是可以，只是拿列表不行。

??查找編譯參數：

ffmpeg -buildconf

??Windows：尋找 --enable-dshow（DirectShow 設備支持），Linux：尋找 --enable-alsa（ALSA 音頻設備）或 --enable-v4l2（視頻設備）。
??沒有編譯進去，那就是。

解決

??未解決，不深究，有興趣讀者可以深入嘗試并交流結果。

入坑三：ffmpeg打開音頻獲取解碼器失敗

問題

??找不到編碼器。

嘗試一：列出設備

ffmpeg -f dshow -i audio="麥克風 (USB Audio Device)" -v debug -t 1 NUL

嘗試二：切換msvc版本

??嘗試切換版本后，打開設備都失敗：

??列出設備也失敗，可能就不是版本問題，應該要能列出來。
??使用ffmpeg錄音測試，發現msvc版本的ffmpeg（預編譯）可以錄音，而mingw32的ffmpeg（自編譯）不可以錄音：

??錄音后打開，發現正常錄制了，下面的是mingw32都無法錄音：

??所以懷疑還是版本問題，再次切換至msvc，上面的問題有可能是編碼問題？
??搭建號環境后，再次ffmpeg命令行錄音并播放測試：

??確認沒有問題，庫是沒問題的，查看代碼運行：
??無法列出設備：

??編碼切換可以打開設備，也有數據流，但是拿不到解碼器還是：

??定位解碼器：

ffmpeg -codecs

??是有的，但是無法通過設備去拿到這個id？

??id是對的，鬧烏龍，以為65535是越界，但是更加奇怪，都已經有這個id了，為什么打開其編碼器是失敗的呢？
??測試獲取其編碼器和解碼器都失敗：

??就好像根本找不到這個一樣。

ffmpeg -encoders

ffmpeg -decoders

??原地蒙了？沒注冊，試了下，是沒注冊：

??測試是否可以獲取設備列表了：

??還是不行，查閱細化：

??功能未實現。

解決方式

??注冊即可`

// 步驟一: 注冊ffmpeg所有組件
av_register_all();                              // 初始化所有組件（只使用這個，找不到dshow）
avdevice_register_all();                        // 顯示注冊所有設備
avcodec_register_all();                        // 顯式注冊所有編解碼器

上一篇：《FFmpeg開發筆記（十一）：ffmpeg移植到海思HI35xx平臺之將ffmpeg庫引入到sample的demo中》
下一篇：敬請期待…

本文章博客地址：https://blog.csdn.net/qq21497936/article/details/152651085