学做网页applet录音机

网络多媒体是目前web应用的一个发展方向。在网页上录音，并发给朋友，相信他们收到你的声音一定非常高兴。如今这已经是一项很普通的多媒体应用技术，笔者使用java语言开发出了能够嵌入web页面上的applet录音机（界面外观如下图所示）。如果你有编程的兴趣，不妨试试。在此，我将这种技术介绍给各位编程爱好者。

多媒体基本概念及常识

开发多媒体音频软件，必须了解一些多媒体基本概念，诸如采样、量化、量化位、采样频率、单双声道、音频编解码、音频压缩格式等概念。采样是把时间上连续的模拟信号变成时间上离散的、有限个样值的信号。量化是在幅度上把连续值的模拟信号变为离散值的数字信号。在时间轴上已变为离散的样值脉冲，在幅度轴上仍会在动态范围内有连续值，可能出现任意幅值，即在幅度轴上仍是模拟信号的性质，因此必须用有限个电平等级来代表实际量值。量化位是每个采样点能够表示的数据范围，经常采用的有8、12和16位。采样频率是将模拟声音波形转换为数字时，每秒钟所抽取声波幅度样本的次数，采样频率的计算单位是hz（赫兹）。根据采样理论，为了保证声音不失真，采样频率应为声音频率的两倍左右。记录声音时，如果每次生成一个声波数据，称为单声道；每次生成二个声波数据，成为立体声（双声道）。量化位和采样频率越高，音质就越好。

正常人耳听觉的声音频率范围大约在20hz至20khz之间，人的语音频率大概在300hz至3.4khz之间。对于语音来说，采用8khz的采样频率已经足够了。所以我们采用8khz采样频率、16位量化位、单声道来记录和播放语音，就可以满足网页上的语音需求了。

网页录音机的制作过程

了解了以上常识，下面来看看录音机的制作过程。

首先要碰到的是音频采集。音频采集有很多种，jdk 1.3中构建targetdataline类实例来实现声音数据采集。在此例中，我采用visual j++的j/direct调用windows api函数来实现声音的采集。

声音俘获主要由audiocapture、audiodataevent、audiodatalistener三个类组成。我们依次按照0.1秒时间采样数据块的大小（即1600字节）作为所送出到系统的录音数据缓冲区大小，这样也就相当于每隔0.1秒声卡提交给我们一次声音数据。另外，使用windows api方式声音采集有一个好处，录音过程不需要建立单独的线程。这是因为有回调函数的巨大作用，这样节省了系统资源，提高了程序的稳定性。

//声音俘获类：

...

public class audiocapture{

...

public audiocapture(){

...

waveincaps=new waveincaps();

wavehdr=new wavehdr[bufferlen];

}

public void addaudiodatalistener(audiodatalistener lter){

listeners.addelement(lter);

}

void applybuffer(){

for(int i=0;i<bufferlen;i++){

wavehdr[i]=new wavehdr();

int

adr=dlllib.addrofpinnedobject(dlllib.getpinnedhandle(data[i]));

wavehdr[i].lpdata=adr;

...

}

}

int chkdata(byte[] a){//将整型低16位高低位交叉并转为字节

...

}

public void close(){

if(!useful)return;

isclose=true;

waveinstop(deviceid[0]);

...

}

...

synchronized void notifylistener(int minvalue,byte[] audiodata){

audiodataevent evt=new audiodataevent(this,minvalue,audiodata);

for(enumeration enu=listeners.elements();enu.hasmoreelements();)

((audiodatalistener)enu.nextelement()).onaudiodataarrived(evt);

}

...

public void setmutevalue(int mutevalue){

this.mutevalue=mutevalue;

}

/**@dll.import("winmm",auto)*/

...

public static native int waveinreset(int hwi);

private class c extends callback{

audiocapture record;

c(audiocapture tt){

record=tt;

}

...

}

}

//缓冲数据提交事件类：

import java.util.eventobject;

public class audiodataevent extends eventobject{

...

}

//事件侦听接口

import java.util.eventlistener;

public interface audiodatalistener extends eventlistener{

public abstract void onaudiodataarrived(audiodataevent evt);

}

第二步，数据的编码压缩存储。由声卡采集的数据是一连串16位脉冲编码调制（pcm格式）的数据，数据量很大，如果不采取压缩处理，不利于文件的存储和传输。所以要进行数据的压缩编码，这就是我们会碰到的声音编码数据格式。压缩编码方法有很多种，有gsm、iam4、au格式编码等，这些压缩算法比较简单，可以在很多网站上获得压缩和解压缩的源代码。笔者对这几种压缩格式进行了测试，其主要参数及品质对比见上表。

压缩格式主要参数及品质对比

压缩格式 gsm ima4 au

压缩比 10:1 4:1 2:1

文件大小 很小 小 中

声音质量 一般 好 好

编解码速度 慢 快 很快

数据量（byte/s） 165 400 800

一般来说，人说话时并不是非常连续的，哪怕是你有意发连续的声音，其实有很多时间段是处在静音状态（没有声音或声音很小，量化数据值很小），只要记录它的一个状态就可以了。所以声音数据区的数据格式就是（数据头＋数据体）的方式。对于静音数据，数据头为0，数据体为空。

在声音回放时，先读数据头，如果数据头不为0，则解压数据体播放；如果数据头为0，则暂停一定时间或者写入一定长度的静音数据即可。采用这种方式可以大大减小记录语音文件，并且不影响声音的还原回放。

//处理录音数据到达事件

public void onaudiodataarrived(audiodataevent evt){

...

int min=evt.getaudiominvalue();

filewriter.write((min==0?0:1));

if(min!=0){

convert.bytestoints(evt.getaudiodata(),audiodata);

filewriter.write(codec.encode(evt.getaudiodata()));

}

...

}

第三步，声音采集编码保存结束后，就可以回放我们录制的声音。

接下来我们要在网页上来播放它。java applet支持au格式声音的回放，使用非常简单。所以我们把录制并压缩的声音数据解码为au格式，就可以很方便地进行声音回放了。在sun.audio包中提供的au流数据播放sun.audio.audioplayer.start(inputstream)，实际上是虚拟机的au播放类每隔50毫秒依次调用inputstream的read(byte[],abyte0,int i,int j)方法，每次读取长度为400字节的au格式数据用来播放。我们知道，输入流的read方法是阻塞方式的，而解压缩声音数据是要费时的，如果在其请求数据时再解压数据并写入缓冲区，则播放声音时听起来会断断续续的，那是不可行的。所以需要单独建立解压缩数据的线程，也就是说从虚拟机的au播放类读取数据的线程中独立出来，用缓冲区做为两个线程的管道连接，解压缩线程不停地写入缓冲区中，播放线程不断地从缓冲区中读取并播放。这样一来，对于播放声音的暂停、停止等功能就很容易实现。所以我们需要重载read(byte[],abyte0,int i,int j)方法。

//音频缓冲区类

import java.io.*;

public class audiobuffer extends inputstream{

int capacity=4096;

...

public audiobuffer(audioplayer ap){

player=ap;

cleardata();

}

public void close(){

isclose=true;

synchronized(putmanager){

if(waitingput>0)putmanager.notify();

}

synchronized(getmanager){

if(waitingget>0)getmanager.notify();

}

}

public void cleardata(){

...

}

public void suspend(){ispause=true;}

public void resume(){ispause=false;}

public void write(int i){

synchronized(putmanager){

while(emptybytes<1){

waitingput++;

try{

putmanager.wait();

}catch(interruptedexception _ex){}

waitingput--;

}

...

}

synchronized(getmanager){

usedbytes++;

if(waitingget>0)getmanager.notify();

}

}

public void write(byte[] d){

write(d,0,d.length);

}

public void write(byte[] d,int i,int j){

...

synchronized(getmanager){

usedbytes+=j;

if(waitingget>0)getmanager.notify();

}

}

public int read(){

...

}

public int read(byte[] d){

return read(d,0,d.length);

}

public int read(byte[] d,int i,int j){

if(isclose)return -1;

if(ispause){

d[i]=127;

return 1;

}

synchronized(getmanager){

...

}

system.arraycopy(data,readptr,d,i,k);

readptr+=k;

readptr%=capacity;

usedbytes-=j;

}

synchronized(putmanager){

emptybytes+=j;

if(waitingput>0)putmanager.notify();

}

try{

player.notifylistener(audioplayevent.play_data,d);

}catch(exception e){}

return j;

}

}

//音频播放器类

public class audioplayer implements runnable{

...

audiobuffer buffer=new audiobuffer(this);

sun.audio.audioplayer.start(buffer);

...

byte[] audata=new byte[400];

//存放解压后的au数据

int compresslength=165;

//gsm格式为165;ima格式为400;au格式为800

byte[] compressdata=new byte[compresslength];

//存储从文件流中读取的压缩格式数据

...

public void run(){

...

fileinputstream.read(compressdata);//从音频文件读取压缩格式数据，此输入流要处理静音

codec.decode(abyte0,audata); //解压缩数据到audata

buffer.write(audata,0,400);//写入到缓冲区

...

}

...

}

最后，将上述各个模块拼接起来，并把gui做好就可以使用了。如果在gui上加入声音显示效果，你的录音机就更酷了。

总结

这里介绍的声音处理的主要技术，可以组合或衍生使用。例如，可以在网页上方便地实现声音回放；可以加入调节播放起点（跳跃播放）功能，而不使用其它播放器；还可以做语音留言系统。如果数据通过流格式以组播方式实时传出，另一端接收下来然后播放出来，又可非常简单地实现实时语音系统，即语音聊天。另外，有了自己的语音库，还可以实现简单的语音合成技术，让计算机读出文本内容（请访问播放程序演示地址：http://home.njenet.net.cn/hawa/player.htm）。