Android 音频简介：
文档类型 ：理论基础
适用读者：系统工程师、Framework/HAL 开发者、音视频方向架构师
摘要
在移动终端与嵌入式系统中，应用层所感知的"音频"可归纳为两条主路径：录制（Capture）与播放（Playback）。
- 录制大多以 应用或系统服务 为数据消费端， 例如录音 APK, 后台助手服务... 以及任何需要拾音的场景，通过将前端拾音链路数字化后送入上层.
- 播放大多以 媒体文件 为数据供给端，经系统混音与路由后送达物理输出设备。
理解这两条路径上的模块边界，是排查路由、延迟、格式与权限问题的基础。
1. 概念模型
数字化与驱动
录制上行
播放下行
DA 与功放
声学/电声前端
内核与 HAL
应用 / 系统服务
扬声器 / 耳机等
- 录制 ：声源 → 模数转换与总线传输 → 内核/ALSA → Audio HAL → AudioFlinger →
AudioRecord/MediaRecorder等 → 应用或系统服务。 - 播放 ：应用或系统 →
AudioTrack/MediaPlayer等 → AudioFlinger → HAL → 内核 → 数模转换与放大 → 换能器（扬声器/耳机）。
2. 录制（Capture）
定义：将模拟声信号转换为数字 PCM（或经编码的压缩流），并按策略送达指定消费者（APK、系统服务或算法模块）。
典型发起方 ：不限于用户可见应用；系统级语音唤醒、通话上行、屏幕录制伴音等，均可能由系统服务或特权组件在后台发起。
2.1 链路分层说明
| 层级 | 职责 | 说明 |
|---|---|---|
| 传感器 | 声压 → 模拟电信号 | 麦克风（MEMS/ECM 等） |
| Codec / ADC | 模拟 → 数字 PCM | 采样率、位深、通道数由硬件与策略共同决定 |
| 可选 DSP | AEC、NS、AEC/AGC、唤醒词等 | 因芯片与产品策略而异 |
| 内核音频子系统 | ALSA / ASoC 等 | 驱动 I2S/PDM/TDM 等数字音频接口 |
| Audio HAL | 统一设备抽象 | 实现 IDevicesFactory / Stream 等接口（具体随版本） |
| AudioFlinger | 缓冲、线程模型、与策略交互 | 录音侧通常对应 RecordThread 等实现 |
| Framework API | AudioRecord、MediaRecorder 等 |
PCM 直出或编码封装 |
| 应用 | 消费、存储、上传、分析 | 含"无 UI"后台场景 |
2.2 常见 API 形态
AudioRecord：面向 PCM 流，适合实时处理、自定义编码或算法。MediaRecorder：封装采集与编码流程，适合"一键成文件"的场景。
2.3 典型系统场景（非仅用户 APK）
- 语音唤醒（如 "Hey Siri / Google / 小爱"）：由常驻服务在约束功耗与隐私策略下持续或间歇采集。
- 通话与会议：上行链路由通信栈驱动，路由与优先级与媒体播放不同。
3. 播放（Playback）
定义：将上层提供的音频数据（PCM 或经解码后 PCM）经混音、音效与路由，送至目标输出设备。
典型发起方 ：媒体播放器、游戏、系统 UI 音效、导航等；界面形态 不一定为"播放器应用"，只要底层走 AudioTrack/MediaPlayer 等标准通路，即属于播放链路。
3.1 链路分层说明
| 层级 | 职责 | 说明 |
|---|---|---|
| 应用 | 解码、合成、写 PCM | 压缩格式常经 MediaCodec/MediaExtractor 转 PCM |
| Framework | AudioTrack、MediaPlayer 等 |
统一与 AudioFlinger 交互 |
| AudioFlinger | 缓冲、混音、音效、路由 | 多路并发、焦点与抢占策略 |
| Audio HAL | 设备输出抽象 | 与具体声卡/Codec 绑定 |
| 内核 | PCM 下发至硬件 | I2S/PCM 等 |
| Codec / DAC | 数字 → 模拟 | 重建波形 |
| 功放与换能器 | 电流驱动与发声 | 扬声器、耳机、外接音频等 |
3.2 关键概念
- 混音：多路 PCM 在时间上对齐并叠加，受音量、焦点与策略影响。
- 路由：扬声器、耳机、蓝牙 A2DP、USB Audio 等由策略与硬件能力决定。
- 直通/低延迟路径：部分场景可能绕过常规混音路径，属实现细节。
掌握上述分层，有助于在延迟、格式、路由、焦点、权限等问题上快速定位责任边界。
下一章，介绍关于 Android 音频框架内容。
官网资料