Android音频播放有杂音?原来是这个JAVA API接口惹的祸

news2025/1/4 19:39:10

最近在调试一个基于十年前Android版本的多媒体应用软件时，遇到了音频播放的问题，这里记录问题的发现、分析和处理过程。

有人可能会好奇，十年前的Android版本是什么版本？大家可以去Google网站上查查，就是目前Android网站上可以看到的最老的Android版本：

没错，就是Android4.x。再之前比较经典和流行的Android版本是2.x系列。可能很多开发者都没有见过这些古董级的机型。

当时开发采用的技术是Java+Native的方式。Native层完成音视频的传输和编解码。Java层根据官方的API，完成音频采集和播放动作。Java和Native之间通过JNI完成接口的互调。开发IDE是Eclipse，AndroidSDK最高支持到24，NDK版本为r8e。就这样一个组合，开发完成的Android应用，最近在一个Android9设备上仍然可以运行，说明Android API的兼容性还是可以的。

软件基本可以运行，但是测试发现，播放音频的时候，有掺杂的比较规律的哒哒哒哒音。因为这个设备是定制的、且是户外使用，喇叭的声音比较大，就是说即使将设备音量调的比较低，播放出来的声音也很大，所以怀疑是不是因为声音较大，导致喇叭震动产生了哒哒哒哒的杂音。

验证这个猜疑很简单，找一个音频文件，拷贝到设备里，使用原生的播放器进行播放，听是否有上述杂音。经过实际测试，发现一切正常。这就说明问题来源于应用软件本身，而跟系统、喇叭和硬件等都没有关系。

如果问题出自于应用，那么可能的原因有两个方面：1是数据本身带有杂音；2是数据的播放节奏控制的不好。其实基本可以确定，问题应该主要在数据本身。如果是节奏的问题，整个音频播放听着其实是不够流畅的，而现在的问题更像是在数据中掺杂了异常音频数据。

如何确定问题产生的具体位置呢？最直接的办法是在可能的数据流程节点上将数据录制下来，单独播放，看是否存在问题。

先在Java层录制了通过JNI接口获取的音频播放数据，使用CoolEdit单独播放，发现存在杂音。这说明播放的数据本身就有问题。因为底层的音频流有多路，存在混音操作，怀疑是不是在这个点出现了问题。录制底层混音后的数据，单独播放测试，发现一切正常。那问题就出在混音后数据到JNI获取这一段。

在这条路径上，添加了多个录音点，测试发现都是好的。甚至在Native层录制被填充音频数据的缓冲区进行测试仍然是正常的。这个缓冲区由JNI传递过来。问题查到此时，就感觉有点奇怪了，难道是Natvie和Java层互传数据有问题？决定在最靠近JNI的上下两层进行数据的保存，然后比较看看数据差异在哪里。

使用Beyond的十六进制比较工具：

发现，有不少数据被修改了：

仔细检查数据，发现基本都是很多个位置的4个字节被改为了0x00 0x00 0x00 0x00。分析这些被修改数据的间隔，发现间距基本都是缓冲区的大小。也就是说，每一包数据的头或者尾的4个字节被修改了。离找到问题根源点越来越接近了。

那这里被修改的到底是头还是尾呢？在Java层将每一包的开头4个字节和结尾4个字节打印出来，跟录制的数据中被修改的点进行比对。

这里的数据看着有点乱。这也是中间踩的一个坑。Java中将字节打印出来，采用了类似下面的接口。开始四个字节还可以，最后四个字节，代码一执行，就崩溃。

" Firt 4 bytes data is " + Integer.toHexString(mBuffer.getChar(0)) + " " + Integer.toHexString(mBuffer.getChar(1)) + " " + Integer.toHexString(mBuffer.getChar(2)) + " " + Integer.toHexString(mBuffer.getChar(3))

看了下说明，是按两个字节来处理的，所以索引的最大值是limit - 2。（是本人落伍了。Java里的char是占用两个字节的。这些内容早还给老师了。C/C++“荼毒”太深！）

通过比对打印的4个字节跟录制的差异数据，发现每一包的末尾4个字节会被替换为0x00 0x00 0x00 0x00。这是什么原因？难道是接口所用的Java API ：java.nio.ByteBuffer有问题？

网上找到一个资料，说是ByteBuffer的array()方法会删除前4个字节的数据，建议使用get和put方法。决定按该方法来修改测试。也就是将下面的方式：

ByteBuffer mBuffer;

mBuffer.array()

换为：

byte[] bytesArray = new byte[mBufferSize];

mBuffer.get(bytesArray);

修改后，测试，噪音消失了。

再次录音，比较数据，发现JNI上下层数据也一致了。

如此，基本确定了array()方法是存在问题的。具体是为什么呢？API本身的实现问题还是版本差异的问题？决定再找找根本原因。

写个简单的程序测试，发现，确实开头四个字节会被清零。这也就意味着，连续的包，后四个字节会被清零，跟之前的现象就可以匹配上了。

mBuffer = ByteBuffer.allocateDirect(128);

for (byte i=0; i<100; i++) {

        mBuffer.put(i);

}

for (char i=0; i<100; i++) {

        Log.i(TAG, "Index " + Integer.toHexString(i) + " byte data is " + Integer.toHexString( (mBuffer.get(i)) ) );

}

final byte[] buffer = mBuffer.array();

for (char i=0; i<100; i++) {

        Log.i(TAG, "Index " + Integer.toHexString(i) + " byte data is " + Integer.toHexString(buffer[i]));

}