使用AVAsset转换音频格式

关键词

AVAsset MP3 PCM 格式音频采样 AVAssetReader AVAssetWriter 输出转换

本文所有示例代码或Demo可以在此获取：https://github.com/WillieWangWei/SampleCode_MP3ToPCM

如果本文对你有所帮助，请给个Star👍

概述

本文仅讲解所用技术的基本概念以及将MP3转成PCM格式的实际应用，其他格式的相互转换可以修改示例代码实现。关于AVAsset的其他使用场景可以参考这里，音频相关的内容可以参考这里。

首先了解一些概念：

AVAsset

它包含于AVFoundation，是一个不可变的抽象类，用来代表一个音视频媒体。一个AVAsset实例可能包含着一个或多个用来播放或处理的轨道，包含但不限于音频、视频、文本以及相关说明。但它并不是媒体资源本身，可以将它理解为时基媒体的容器。

AVAssetReader

我们可以使用一个AVAssetReader实例从一个AVAsset的实例中获取媒体数据。

AVAssetReaderAudioMixOutput

它是AVAssetReaderOutput的一个子类，我们可以将一个AVAssetReaderAudioMixOutput的实例绑定到一个AVAssetReader实例上，从而得到这个AVAssetReader实例的asset的音频采样数据。

AVAssetWriter

我们可以使用一个AVAssetWriter实例将媒体数据写入一个新的文件，并为其指定类型。

AVAssetWriterInput

我们可以将一个AVAssetWriterInput的实例绑定到一个AVAssetWriter实例上，从而将媒体采样包装成CMSampleBuffer对象或者元数据集合，然后添加到输出文件的单一通道上。

PCM

模拟音频信号经模数转换（A/D变换）直接形成的二进制序列，PCM就是录制声音时保存的最原始的声音数据格式。
WAV格式的音频其实就是给PCM数据流加上一段header数据。而WAV格式有时候之所以被称为无损格式，就是因为它保存的是原始PCM数据（也跟采样率和比特率有关）。常见音频格式比如MP3，AAC等等，为了节约占用空间都进行有损压缩。

代码

这里列举两种应用场景：

将PCM数据写入磁盘保存成文件。
将PCM数据转成NSDate保存在内存中。

这两种场景都需要先读取MP3的数据，然后创建AVAssetReader和AVAssetReaderAudioMixOutput实例，所以前半部分的处理逻辑的一样的。

通用逻辑

0.导入头文件

import AVFoundation

1.创建AVAsset实例

func readMp3File() -> AVAsset? {
    
    guard let filePath = Bundle.main.path(forResource: "trust you", ofType: "mp3") else { return nil }
    let fileURL = URL(fileURLWithPath: filePath)
    let asset = AVAsset(url: fileURL)
    
    return asset
}

2.创建AVAssetReader实例

func initAssetReader(asset: AVAsset) -> AVAssetReader? {
    
    let assetReader: AVAssetReader
    
    do {
        assetReader = try AVAssetReader(asset: asset)
        
    } catch {
        
        print(error)
        return nil
    }
    
    return assetReader
}

3.配置转码参数

var channelLayout = AudioChannelLayout()
memset(&channelLayout, 0, MemoryLayout<AudioChannelLayout>.size)
channelLayout.mChannelLayoutTag = kAudioChannelLayoutTag_Stereo

let outputSettings = [
    AVFormatIDKey : kAudioFormatLinearPCM,    // 音频格式
    AVSampleRateKey : 44100.0,    // 采样率
    AVNumberOfChannelsKey : 2,    // 通道数 1 || 2
    AVChannelLayoutKey : Data.init(bytes: &channelLayout, count: MemoryLayout<AudioChannelLayout>.size),  // 声音效果（立体声）
    AVLinearPCMBitDepthKey : 16,  // 音频的每个样点的位数
    AVLinearPCMIsNonInterleaved : false,  // 音频采样是否非交错
    AVLinearPCMIsFloatKey : false,    // 采样信号是否浮点数
    AVLinearPCMIsBigEndianKey : false // 音频采用高位优先的记录格式
    ] as [String : Any]

4.创建AVAssetReaderAudioMixOutput实例并绑定到assetReader上

let readerAudioMixOutput = AVAssetReaderAudioMixOutput(audioTracks: asset.tracks, audioSettings: nil)

if !assetReader.canAdd(readerAudioMixOutput) {
    
    print("can't add readerAudioMixOutput")
    return
}

assetReader.add(readerAudioMixOutput)

接来下两种场景的处理逻辑就不一样了，请注意区分。

保存成文件

5.创建一个AVAssetWriter实例

func initAssetWriter() -> AVAssetWriter? {
    
    let assetWriter: AVAssetWriter
    guard let outPutPath = NSSearchPathForDirectoriesInDomains(.documentDirectory, .userDomainMask, true).first else { return nil }

    // 这里的扩展名'.wav'只是标记了文件的打开方式，实际的编码封装格式由assetWriter的fileType决定
    let fullPath = outPutPath + "outPut.wav"
    let outPutURL = URL(fileURLWithPath: fullPath)
    
    do {
        assetWriter = try AVAssetWriter(outputURL: outPutURL, fileType: AVFileTypeWAVE)
    } catch {
        
        print(error)
        return nil
    }
    
    return assetWriter
}

6.创建AVAssetWriterInput实例并绑定到assetWriter上

if !assetWriter.canApply(outputSettings: outputSettings, forMediaType: AVMediaTypeAudio) {
    
    print("can't apply outputSettings")
    return
}

let writerInput = AVAssetWriterInput(mediaType: AVMediaTypeAudio, outputSettings: outputSettings)

// 是否让媒体数据保持实时。在此不需要开启
writerInput.expectsMediaDataInRealTime = false

if !assetWriter.canAdd(writerInput) {
    
    print("can't add writerInput")
    return
}

assetWriter.add(writerInput)

7.启动转码

assetReader.startReading()
assetWriter.startWriting()

// 开启session
guard let track = asset.tracks.first else { return }
let startTime = CMTime(seconds: 0, preferredTimescale: track.naturalTimeScale)
assetWriter.startSession(atSourceTime: startTime)

let mediaInputQueue = DispatchQueue(label: "mediaInputQueue")
writerInput.requestMediaDataWhenReady(on: mediaInputQueue, using: {
    
    while writerInput.isReadyForMoreMediaData {
        
        if let nextBuffer = readerAudioMixOutput.copyNextSampleBuffer() {
            writerInput.append(nextBuffer)
            
        } else {
            
            writerInput.markAsFinished()
            assetReader.cancelReading()
            assetWriter.finishWriting(completionHandler: {
                print("write complete")
            })
            break
        }
    }
})

转成NSDate

5.启动转码

assetReader.startReading()
var PCMData = Data()

while let nextBuffer = readerAudioMixOutput.copyNextSampleBuffer() {
    
    var audioBufferList = AudioBufferList()
    var blockBuffer: CMBlockBuffer?
    
    // CMSampleBuffer 转 Data
    CMSampleBufferGetAudioBufferListWithRetainedBlockBuffer(nextBuffer,
                                                            nil,
                                                            &audioBufferList,
                                                            MemoryLayout<AudioBufferList>.size,
                                                            nil,
                                                            nil,
                                                            0,
                                                            &blockBuffer)
    
    let audioBuffer = audioBufferList.mBuffers
    guard let frame = audioBuffer.mData else { continue }
    
    PCMData.append(frame.assumingMemoryBound(to: UInt8.self), count: Int(audioBuffer.mDataByteSize))
    blockBuffer = nil
}

print("write complete")

注意问题

性能问题

转码是个很占用CPU资源的计算过程。
具体完成一个转码过程的时间取决于文件时长、转码配置、设备性能等多个条件。这是一个典型的耗时操作，务必要做好线程优化。另外，可以根据业务逻辑间歇调用readerAudioMixOutput.copyNextSampleBuffer()及后续操作，降低CPU开销峰值。

内存管理

以本文将MP3转成PCM的代码为例，一个时长4分半左右的MP3对应的PCM数据在55MB左右，这些数据占用了大量的内存或磁盘空间，注意释放。你可以通过改变转码配置参数outputSettings来调整输出数据的大小。
在转码过程中，CMSampleBufferRef、CMBlockBufferRef的对象在使用后需要调用CFRelease销毁，以防内存泄漏。

其他格式的转换

逻辑是一样的，你可以修改读取和输出的参数实现。注意处理的格式必须是AVFoundation所包含的，可以参考AudioFormatID这个类以及AVMediaFormat.h的File format UTIs。更多音频处理请参考Apple Developer Library ：AVFoundation或第三方框架。

在macOS上转换格式

macOS上可以使用一个强大的音视频库FFmpeg，它可以帮助你快速转码出需要的音频格式作为调试素材。
macOS上编译FFmpeg请看这里。
将MP3转换成PCM的命令：

ffmpeg mp3 => pcm    ffmpeg -i xxx.mp3 -f s16le -ar 44100 -ac 2  xxx.pcm

总结

本文提供了将MP3转成PCM的一种实现，中间涉及了一些音频、AVFoundation和CoreMedia的知识，这里就不展开了，有问题的同学可以在文章下留言讨论。