作者簡介

廖威雄 暨大物聯專業首批畢業生，手忙腳亂的新手奶爸，憧憬物聯未來，為天貓精靈砌磚的逐夢人

1. 背景

網上大多數是 alsa 底層框架、音頻驅動的文章，應用開發的入門少得可憐。從業務需求出發，摸索積累了一些 alsa 應用開發心得。出此文以便后來者快速入門。

本文不會涉及底層框架，也不會使用很高級的特性，適合需要做 alsa 應用開發的初學者。畢竟是半路出家，與沉浸多年對 alsa 框架了如指掌的大牛沒得比。如果有理解不準確的地方，希望指導共同進步。

• Alsa 主頁：https://www.alsa-project.org/wiki/Main_Page

• Alsa 文檔主頁：https://www.alsa-project.org/alsa-doc/alsa-lib/index.html

• Alsa PCM 接口說明：https://www.alsa-project.org/alsa-doc/alsa-lib/group_pcm.html

• Alsa HCTL 接口說明：https://www.alsa-project.org/alsa-doc/alsa-lib/group_h_control.html

• Alsa CTL 接口說明：https://www.alsa-project.org/alsa-doc/alsa-lib/group_control.html

在學習過程中，有兩篇前人的分享給了我很多幫助，一并貼上：

• 《學習Linux操作系統中Alsa音頻編程》：http://www.xsypw.cn/emb/20190402899220.html

• 《【轉】Alsa音頻編程【精華】》：https://www.cnblogs.com/cslunatic/p/3677729.html

2. 基本概念

一些基本的概念還是要有理解的，不然無法理解 API 意義和參數作用。

我們知道聲音是靠震動傳播的，自然界傳播的聲音都是連續的模擬信號，經過采樣轉換成數字信號。其實有不少概念都是在描述怎么采樣。

2.1 樣本長度 Format

上圖中，每一個黑色小球就是采樣出來的數值，這個數值是多少比特位的，就是我們說的采樣精度，也就是樣本長度，常見的有 8 bit 和 16 bit，偶爾也有 32 bit。例如采樣值是 3，如果是 8 bit 位采樣結果就是 0x03，16 bit位采樣結果就是 0x0003。

2.2 通道數 Channels

我們常說的左聲道、右聲道，可以理解為左右各來一個 mic 采樣，左 mic 采樣出來的樣本就是左聲道數據，右邊 mic 采樣出來的樣本就是右聲道數據。而一個音頻既可以只有1個聲道，也可以有左右兩個聲道，后者也稱為立體聲。而這個音頻究竟有幾個聲道，就是我們說的通道數。

2.3 幀 Frame

我們每一次采樣出來的結果，就是一幀。很明顯，一幀數據有多大，取決于我們采樣的精度以及通道數。

2.4 交錯模式 Interleaved

我們每一次采樣出的音頻幀，怎么保存呢？提供了兩種保存思路，也就是我們說的交錯模式和非交錯模式。我們常用的也是交錯模式。

2.5 周期 Period

我們總不可能一次處理1幀數據吧，太低效了，那就做成批量處理吧。而一次處理多少幀就是我們說的周期。

一次周期結束切到下一次周期，都是需要額外處理損耗的，就類似于進程切換。周期大，一次處理數據量就多，每次連續處理時間長，切換損耗就少，但也因為數據要滿一個周期后才處理，導致數據處理延時長。反之，如果周期設置的小，延時短了，但周期切換更頻繁，損耗就更大，更容易出現卡頓。

2.6 緩存大小 Buffer Size

這里說的是 alsa 底層 DMA 搬運數據的緩存大小，這是一個環形的緩存空間。我們設置 DMA 一次連續搬運 1 個周期的數據，搬運期間如果又來數據怎么辦？我們就需要更大的緩存空間來保存更多的數據。緩存空間往往是周期的整數倍，例如設置了緩存 8 個周期，每個周期 6000 幀，那么最多可以緩存 8 * 6000 = 48000 幀的數據。

2.7 采樣率 Rate

不同于周期是人為定義的一次處理多少幀，采樣率就是固定的 1s 時間內會有多少次采樣，同時也表示 1s 播放需要多少幀。常用的采樣率如 8KHz 的人聲， 44.1KHz 的 mp3 音樂, 96Khz 的藍光音頻。

假設一個周期是 6000 幀，采樣率是 48 Khz，那么一個周期的數據能播放 125 ms。

2.8 Xrun

錄音的應用中，底層是持續不斷采樣的，如果應用程序讀取數據不夠快，底層數據緩存區還沒被取走就被新的數據覆蓋，導致數據丟失，稱為 over run。

播放的應用中，底層是持續不斷從緩存中獲取數據播放的，如果應用程序寫入數據慢了，緩存區已經沒有有效數據了，導致播放“餓死”，稱為 under run。

Xrun 是 under run 和 over run 的統稱，前者可以理解為播放卡頓，后者則是錄音卡頓。

當出現卡頓的時，大多情況調整周期、緩存大小，調整應用進程調度優先級能解決問題。

3. 框架初探與聲卡設備

以下是網上優秀的文章：

《ALSA架構簡介》：http://t.zoukankan.com/-glb-p-13722212.html

Alsa 的架構包括用戶空間的 Alsa Library，也包括內核空間的 Alsa Core 和 ASoC Core，如下圖所示：

• APP：應用程序通過調用 alsa 庫 API 來實現聲卡播放、錄音、控制。此外，官方還提供了一些標準命令行程序，例如aplay/amixer。

• Alsa-Library：alsa 庫封裝了底層復雜的系統調用，向上提供更直觀的 API。常見的 alsa 庫有 alsa-lib 和 tinyalsa。

• Alsa Core：Alsa 的核心層在內核，向上提供邏輯設備、系統調用，向下驅動硬件設備。

• ASoC Core：asoc是建立在標準 alsa core 上為更好支持嵌入式系統和移動設備音頻 codec 設計的軟件體系

Alsa 用戶空間的 API 庫主要通過 open/read/write/ioctl 操作 /dev/snd/xxx 下的設備文件實現與內核交互，常見的設備文件有：

命名規則顯而易見， pcm表示設備類型， C0 表示聲卡0， D0表示設備0， c/p分別表示錄音、播放功能。

4. 系統配置與插件

最完整的介紹還是來自于官網原文：

《Asoundrc》配置文件：https://www.alsa-project.org/main/index.php/Asoundrc
《PCM (digital audio) plugins》：https://www.alsa-project.org/alsa-doc/alsa-lib/pcm_plugins.html

alsa-lib 會從 /usr/share/alsa/alsa.conf 開始加載，進而根據 alsa.conf 的記錄加載 /etc/asond.conf 和 ~/.asoundrc。前者是系統級別的配置，后者是用戶級別的配置，兩者的語法是一致的。

我們從配置默認聲卡開始，以下是一個標準示例：

pcm.!default { type hw card 0}ctl.!default { type hw  card 0}

一般情況下，我們配置的格式 pcm.{...}，而關鍵字 !default 可以理解為保留字。pcm.!default 配置的是默認錄播聲卡， ctl.!default 配置的是默認控制聲卡。如此配置后，我們可以用 "default" 做聲卡名指代 "hw:0,0"，所以下兩個命令就是等效的了。

aplay -D hw:0,0 test.wavaplay -D default test.wav

此時 "default" 聲卡不管是播放還是錄音，都指向 "hw:0,0" 設備。如果我希望 "default" 錄音和播放指向不同（虛擬）聲卡，我們可以用 asym 插件，例如：

pcm.!default { type asym playback.pcm "Playback" capture.pcm "Capture"}pcm.Playback { ...}pcm.Capture { ...}

當然，我們可以跳過 "default" 直接用 "Playback" 的虛擬聲卡播放，例如

aplay -D Playback test.wav

Alsa 配置的節點是一個個聲卡節點串聯起來的，例如下面的配置，實現了從插件 A 開始串上插件 B ，用插件實現各種音效功能，最后到物理聲卡播放。

pcm.A { type XXX # 下?個節點是聲卡 B slave.pcm B ...}pcm.B { type XXX # 下?個節點是物理聲卡 salve.pcm "hw:0,0"}

type 字段就標識此節點使?什么插件。我們可以??實現插件，也可以?官?提供的插件，詳?官? 《PCM (digital audio)plugins》。其中有?個?常有意思的插件，這?簡單介紹下。

例如 "default" 聲卡?持分流，播放時?持?量調節，且?持混?。

pcm.!default { type asym playback.pcm "Playback" capture.pcm "..."}pcm.Playback { type softvol slave.pcm PlaybackDmix ...}pcm.PlaybackDmix { type plug # dmix 再套?層plug，實現重采樣 slave.pcm { type dmix ... slave { pcm "hw:0,0" format S16_LE ... } }}

5.基本錄播

官?上有個最最最精簡的示例 pcm_mini，其作?僅僅是播放?段隨機數據。

精煉核?邏輯如下：

int main(void){ ... /* 打開alsa設備，類型為 PlayBack */ if ((err = snd_pcm_open(&handle, device, SND_PCM_STREAM_PLAYBACK, 0)) < 0) { ... } /* 設置alsa設備基本屬性 */ if ((err = snd_pcm_set_params(handle, SND_PCM_FORMAT_U8, SND_PCM_ACCESS_RW_INTERLEAVED, 1, 48000, 1, 500000)) < 0) { ... } /* 播放?頻數據 */ frames = snd_pcm_writei(handle, buffer, sizeof(buffer)); /* 關閉聲卡設備 */ snd_pcm_close(handle); return 0;}

錄?跟播放?常相似，播放調? snd_pcm_writei() ，錄?則調? snd_pcm_readi() 。

總的來說，?個簡單的錄播包括以下 4 個步驟：

• 1. 打開聲卡設備

• 2. 初始化設備

• 3. 錄?、播放

• 4. 關閉聲卡設備

圍繞這 4 個步驟，介紹下常?的 API，更多的介紹請看官?：pcm api

5.1 打開聲卡設備

int snd_pcm_open( snd_pcm_t **pcmp, const char *name, snd_pcm_stream_t stream, int mode)

• pcmp：聲卡設備句柄，類似于?件句柄

• name：聲卡設備名，類似于?件名，聲卡設備名參考第3章節

• stream：數據流向，指定?于錄?還是播放

• mode：打開模式，例如nonBlock，async等，?多數情況? 0 即可

數據流向有兩種，分別指代錄? or 播放。

?個簡單的示例如下，從 default 設備錄?：

#include snd_pcm_t *snd_handle;err = snd_pcm_open(&snd_handle, "default", SND_PCM_STREAM_CAPTURE, 0)

5.2初始化設備

alsa 設置聲卡參數的接??常多，可以分為軟件參數（software parameters）和硬件參數（software parameters）兩類。上?例?調?的 snd_pcm_set_params() 如官?API?檔所說，只是簡單設置軟件、硬件參數的?法，實際項?中很少這么?。

5.2.1 設置硬件參數

官?有?常多的例?，以 pcm 為例，設置硬件參數常?以下步驟：

int set_hwparams(...){ /* 從棧?分配硬件參數對象內存 */ snd_pcm_hw_params_alloca(¶ms); /* 初始化參數對象 */ err = snd_pcm_hw_params_any(handle, params); /* 設置采樣率 */ err = snd_pcm_hw_params_set_rate_near(handle, params, &rate, 0); /* 設置交錯模式 */ err = snd_pcm_hw_params_set_access(handle, params, SND_PCM_ACCESS_RW_INTERLEAVED); /* 設置采樣格式，例如樣本?度、有?符號 */ err = snd_pcm_hw_params_set_format(handle, params, SND_PCM_FORMAT_S16_LE); /* 設置通道數 */ err = snd_pcm_hw_params_set_channels(handle, params, 2); /* 設置緩存?? */ err = snd_pcm_hw_params_set_buffer_time_near(handle, params, &buffer_time, &dir); /* 設置周期?? */ err = snd_pcm_hw_params_set_period_time_near(handle, params, &period_time, &dir); /* 把上述設置值寫?設備 */ err = snd_pcm_hw_params(handle, params);}

不妨回顧章節2的基本概念，可以發現硬件參數基本都是圍繞這些概念設置的。不管是交錯模式、采樣率，還是樣本?度、通道數都?較直觀，如果設置錯?概率?法正常運?。?緩存??和周期??往往跟卡頓、延時有關，且有好?種設置維度，值得展開介紹。

調整卡頓、延時參數時，我們需要記住?個核?的關系：

緩存?? = 周期?? * 周期數，即 buffer size = period size * periods

3 個參數知其2 就可以換算出另外?個參數。例如我們可以設置 周期?? 和 周期數，alsa 會?動換算出 緩存??。同理，我們可以設置緩存??和周期??，alsa 也能?動換算出周期數。在上述的例?中，就是設置了緩存??和周期??。

在?定的采樣率下，緩存??也可以換算成時間，畢竟有些?需要從時間維度設置緩存。

播放時間 = 緩存?? / 采樣率

因此我們可以發現，除了 set_buffer/period_size() 之外，我們還可以set_buffer/period_time() ，他們是等效的。

更多的 pcm 硬件參數設置API，可以看官? hw參數API?檔，這?再補充?點。

同樣是設置周期??，我們可以? snd_pcm_hw_params_set_period_size() ，但更多會選擇?

snd_pcm_hw_params_set_period_size_near() 。這?的 near 后綴表示就近設置，因為不管是緩存??還是周期??、周期數，有時候會受其他配置制約，這時候就采?可?的接近的值。例如聲卡設備在系統配置中限制了周期??不超過 1024 幀，此時如果設置 6000 幀，就會就近復位為1024。

5.2.2 設置軟件參數

同樣在 pcm 的例?中提取軟件參數設置步驟：

int set_swparams(...){ /* 從棧?分配軟件參數對象內存 */ snd_pcm_sw_params_alloca(¶ms); /* 獲取當前的軟件參數配置以初始化對象 */ err = snd_pcm_sw_params_current(handle, swparams); /* 設置起播閾值 */ err = snd_pcm_sw_params_set_start_threshold(...); /* 設置最?可? */ err = snd_pcm_sw_params_set_avail_min(...); /* 把上述設置值寫?設備 */ err = snd_pcm_sw_params(handle, swparams);}

軟件參數設置我?的也不多，更多時候?脆不設置軟件參數采?默認值。為了不誤??弟，每個參數的具體作?不展開介紹。以下是相關的?檔鏈接，請讀者辨證分析。

https://blog.csdn.net/weixin_39560924/article/details/110569666

https://blog.csdn.net/zz2862625432/article/details/101787316

https://www.cnblogs.com/cslunatic/p/3677729.html

5.3錄音與播放

本?只講常?的讀寫，不展開 mmap 等?法。

交錯模式和?交錯模式?的讀（錄?）和寫（播放）接?不?樣。

# 交錯模式snd_pcm_sframes_t snd_pcm_readi (snd_pcm_t *pcm, void *buffer, snd_pcm_uframes_t size)snd_pcm_sframes_t snd_pcm_writei (snd_pcm_t *pcm, const void *buffer, snd_pcm_uframes_t size)# ?交錯模式snd_pcm_sframes_t snd_pcm_readn (snd_pcm_t *pcm, void **bufs, snd_pcm_uframes_t size)snd_pcm_sframes_t snd_pcm_writen (snd_pcm_t *pcm, void **bufs, snd_pcm_uframes_t size)

• pcm：聲卡設備句柄

• buffer：讀/寫的buffer指針

• size：指代buffer??，單位幀

?個簡單的轉播（讀->寫）示例如下：

frames = 6000; # 假設?個周期 6000 幀buffer = malloc( frames * 4 ); # 雙通道16Bit采樣精度，因此?幀 4Bwhile (true) { ret = snd_pcm_readi(chandle, buffer, frames); snd_pcm_writei(phandle, buffer, ret);}

5.4關閉聲卡設備

int snd_pcm_close(snd_pcm_t *pcm)

關閉聲卡設備的接??常簡單，類似于關閉?件句柄。

6. 設置音量

錄播? pcm APIs，?設置?量需要使? ctrl APIs。Alsa 有兩類控制接?，?個是 ctrl，?個則是更?層抽象的 hctrl，以下是官?兩個類型接??檔：

Alsa HCTL 接?說明：https://www.alsa-project.org/alsa-doc/alsa-lib/grouphcontrol.html

Alsa CTL 接?說明：https://www.alsa-project.org/alsa-doc/alsa-lib/group_control.html

以及下?鏈接是官?關于控制的?些概念介紹：

Control interface 概述：https://www.alsa-project.org/alsa-doc/alsa-lib/control.html

下?會先介紹關于 ctrl 的基本概念，再參考 Alsa Utils 的 amixer 命令學習如何獲取、設置?量。

6.1控制基本概念

不管是實體聲卡還是虛擬聲卡，每?個聲卡都會提供?個控制?法，我們需要設置聲卡屬性，就必須要先打開丟應的聲卡控制。打開聲卡設置需要使? snd_ctl_open() ，并?以下?種?法可以指定聲卡：

1. 使?聲卡編號，例如: hw:1

2. 使?聲卡名，例如: hw:sndtasXXXX 或者 hw:CARD=sndtasXXXX

3. 使?設備?件，例如：hw:/dev/snd/controlC0

每個聲卡可以有很多控制項，在 Alsa ?叫做 要素（Elements）。要素可以有多個成員（Member），例如?體聲有左右聲道?量兩個成員。?個要素的所有成員共享?樣的屬性，例如最?、最??量。此外，要素數據也區分類型，例如?量是整型。以下是所有?持的要素類型：

既然?個聲卡可以有很多要素（控制項），我們設置要素需要先定位哪個要素吧。要定位每個要素，可以有以下?法：

1. 使?numid：當聲卡被檢測到的時候就會賦予?個編號，但每次開機可能都不?樣。使?此編號主要是減少根據屬性遍歷時間。

2. 使?固定屬性：固定屬性包括?法類型（interface type）、設備（device）、?設備（subname）、名字（name）或者編號（index）。可以?次指定多個屬性以便準確定位要素。

6.2獲取設置音量

Alsa Libs 關于設置?量的示例不多，這時候我們不妨看看 Alsa Utils ? amixer 命令的實現，畢竟其我們通過命令?設置?量往往是通過 amixer 命令，例如：

amixer -D default cset name='Master Volume' 60 # 設置默認聲卡?量為60（要素名為：Master Volume）

6.2.1 關鍵數據類型

在了解相關代碼實現前，需要先了解?個很重要的數據類型。

1. snd_ctl_elem_id_t ：記錄了定位要素的屬性，例如設備、numid等

2. snd_ctl_elem_value_t ：存儲了要素值，需要根據不同類型?不同接?獲取具體值

3. snd_ctl_elem_info_t ：要素的信息

對 hctl API，還有 snd_hctl_elem_t 描述具體的要素對象。

• id 唯?標識了要素，在定位要素時可以賦值部分已知屬性到 id，?于遍歷要素。

• 通過綁定 id 后獲取要素的 info，info包含了要素的所有屬性，例如類型、完整要素 id 信息。

• 通過綁定 id 后讀取要素的 value，最后根據類型調?對應接?從 value 中獲取具體值。

6.2.2 代碼實現

以下是精簡后設置?量的實現（為了?便理解跟源代碼 amixer 的調?API不完全相同）：

int cset(...){ /* 從棧申請 info/id/value 對象空間 */ snd_ctl_elem_info_alloca(&info); snd_ctl_elem_id_alloca(&id); snd_ctl_elem_value_alloca(&control); /* 根據命令?指定的要素信息來初始化 id （id 記錄了定位要素的信息） */ snd_ctl_ascii_elem_id_parse(id, "name='Master Volume'"); /* 打開默認聲卡，獲取控制句柄 */ snd_ctl_open(&handle, "default", 0); /* 綁定要素 id 到 info 對象，此處僅僅是把 id 賦值到 info 的成員 */ snd_ctl_elem_info_set_id(info, id); /* 從聲卡中，依據綁定的 id，獲取要素完整的 info 信息 */ snd_ctl_elem_info(handle, info); /* 讀取當前?量 */ /* 綁定要素 id 到 value 對象，此處僅僅是把 id 復制到 value 的成員 */ snd_ctl_elem_value_set_id(control, id); /* 從聲卡中，依據綁定的 id，獲取要素完整的 value 信息 */ snd_ctl_elem_read(handle, control); /* 從 value 對象中，獲取通道 idx 的整型?量值 */ vol = snd_ctl_elem_value_get_integer(control, idx); /* 設置新?量 */ /* * info ?記錄了要素類型、成員數量等屬性，此接?根據要素屬性， * 解析命令?設置字符串的值，獲取新的的 value 信息。 * 此?法?于命令?字符串解析，如果是??編程實現，應該? snd_ctl_elem_value_set_xxxx()。 */ snd_ctl_ascii_value_parse(handle, control, info, "60"); /* 把最終的 value 設置?聲卡 */ snd_ctl_elem_write(handle, control); /* 關閉聲卡控制 */ snd_ctl_close(handle);}

以獲取?量為例，就以下?個關鍵的步驟：

1. 初始化 id ，賦值已知的要素屬性，?便遍歷定位要素。

• snd_ctl_ascii_elem_id_parse()

2. 綁定 id，根據 id 獲取要素 value。

• snd_ctl_elem_value_set_id()

• snd_ctl_elem_read()

3. （默認?量是int類型）調? int 類型獲取接?，從 value 對象獲取實際?量值

• snd_ctl_elem_value_get_integer()

設置?量與獲取?量相?，多了以下?個步驟：

1. （默認?量是int類型）調? int 類型設置接?，設置 value 對象新?量值

• snd_ctl_elem_value_set_integer()

2. 把 value 對象寫?聲卡

• snd_ctl_elem_write()

當然，如果想要做的兼容性更好，我們還需要獲取要素 info，以根據 info 記錄的要素類型調?不同接?：

1. 綁定 id，根據 id 獲取要素 info

• snd_ctl_elem_info_set_id()

• snd_ctl_elem_info()

2. 從 info 獲取要素類型、要素成員數量、完整的id信息等

• snd_ctl_elem_info_get_type()

• snd_ctl_elem_info_get_count()

• snd_ctl_elem_info_get_id()

補充?點，我們可以直接? snd_ctl_elem_id_set_numid/name/index/... 直接初始化 id，也可以參考 amixer 通過字符串??解析初始化 id，調? snd_ctl_ascii_elem_id_parse() 。??解析字符串?持以下格式：

[[iface=,][name='name',][index=,][device=,][subdevice=]]|[numid=]

7. 調試信息

調試信息用于打印聲卡詳細的屬性，類似于 aplay 命令的 -v 選項。

alsa debug API文檔：https://www.alsa-project.org/alsa-doc/alsa-lib/grouppcmdump.html

以下是我常用的一個例子：

/* 定義dump輸出對象 */snd_output_t *output = NULL;/* 綁定輸出對象到 stdout */snd_output_stdio_attach(&output, stdout, 0);/* dump 出聲卡 handle （pcm）的信息 */snd_pcm_dump(handle, output);/* 關閉輸出對象 */snd_output_close(output);

snd_pcm_dump() 可以dump出播放鏈路中每?個節點的配置信息，例如 dmix 插件的信息：

Slave: Direct Stream Mixing PCMIts setup is: stream : PLAYBACK access : MMAP_INTERLEAVED format : S16_LE subformat : STD channels : 2 rate : xxxx exact rate : xxxx (xxxx/1) msbits : xxx buffer_size : xxx period_size : xxx period_time : xxx tstamp_mode : NONE tstamp_type : GETTIMEOFDAY period_step : 1 avail_min : 6000 period_event : 0 start_threshold : xxx stop_threshold : xxxx silence_threshold: 0 silence_size : 0 boundary : 5066549580791808000

當然，如果想看聲卡的 hw/sw_params，也可以直接讀 proc 的?件，例如聲卡0的播放設備0節點：

cat /proc/asound/card0/pcm0p/sub0/{hw_params,sw_params}

8. 命令工具集

Alsa Utils 提供了?系列?常有?的?具集，常?的包括 arecord 錄?、aplay 播放、amixer 設置。

每個命令都有詳細的 --help 信息，本?只提供?個簡單的例?。

# 從 default 設備錄?，采樣精度為 16 bit，采樣率為16K，1通道arecord -D default -f S16_LE -r 16000 -c 1 ./record.wav# 向 default 設備播放# wav 可以??從頭信息讀取，PCM格式需要指定更多參數，不?持mp3等需要解碼的?頻格式aplay -D default ./record.wav# 修改系統?量為90amixer -D default cset name='xxxxx Volume' 90