在ruby中使用PortAudio包装器将声音录制到.wav

Question

我最近一直在玩ruby,我决定开始一个简单的项目来编写一个ruby脚本来记录.wav文件的输入声音.我发现ruby不能提供对硬件设备的非常好的访问(它可能不应该),但PortAudio确实如此,我在这里发现了一个伟大的PA包装器(它不是宝石,我想因为它使用了ruby的ffi附加到PortAudio,PA库可以在各种地方).我一直在弄乱PortAudio的文档和示例来弄清楚PA是如何工作的.多年来我没有写过或读过C.

我在创建过程中应该将哪些参数传递给流,以及创建期间的缓冲区时遇到了困难.例如,究竟是一个frame,以及它是如何与其他参数,如channel和sample rate.我对音频编程也很陌生,所以如果有人能指点我一些关于设备级音频的一般教程等,我会很感激.

ruby-portaudio提供了一个创建流和缓冲区的示例,将sin波写入缓冲区,然后将缓冲区发送到要播放的流.我在示例中遇到一些问题,特别是循环块.

  PortAudio.init

  block_size = 1024
  sr   = 44100
  step = 1.0/sr
  time = 0.0

  stream = PortAudio::Stream.open(
             :sample_rate => sr,
             :frames => block_size,
             :output => {
               :device => PortAudio::Device.default_output,
               :channels => 1,
               :sample_format => :float32
              })

  buffer = PortAudio::SampleBuffer.new(
             :format   => :float32,
             :channels => 1,
             :frames   => block_size)

  playing = true
  Signal.trap('INT') { playing = false }
  puts "Ctrl-C to exit"

  stream.start

  loop do
    stream << buffer.fill { |frame, channel|
      time += step
      Math.cos(time * 2 * Math::PI * 440.0) * Math.cos(time * 2 * Math::PI)
    }

    break unless playing
  end

  stream.stop

如果我要录制,我应该将一个流读入缓冲区,然后操作该缓冲区并将其写入文件,对吧？

此外,如果我在这里咆哮错误的树,并且有更简单的方法(红宝石),一些方向会很好.

Answer 1

让我们首先澄清您所询问的术语。为此，我将尝试以简化的方式解释音频管道。当您像示例中那样生成声音时，您的声卡会定期从代码中请求帧（=缓冲区=块），并用样本填充该帧。采样率定义了您在一秒钟内提供的样本数量，从而定义了样本的播放速度。帧大小（= 缓冲区大小 = 块大小）决定了声卡在一次请求中提供的样本数量。缓冲区通常非常小，因为缓冲区大小直接影响延迟（大缓冲区 => 高延迟）并且大数组可能很慢（尤其是 ruby​​ 数组很慢）。

当您从声卡录制声音时，也会发生类似的情况。您的函数会时不时地被调用，并且来自麦克风的样本通常作为函数的参数传递（或者甚至只是对此类缓冲区的引用）。然后您需要处理这些样本，例如将它们写入磁盘。

我知道“一切都用 Ruby 来做”的想法非常诱人，因为它是一种如此美丽的语言。当您计划进行实时音频处理时，我建议切换到编译语言（C、C++、Obj-C，...）。它们可以更好地处理音频，因为它们比 Ruby 更接近硬件，因此通常速度更快，这在音频处理中可能是一个很大的问题。这可能也是 Ruby 音频库如此之少的原因，所以也许 Ruby 并不是适合这项工作的工具。

顺便说一句，我尝试了 ruby​​-portaudio、ffi-portaudio 以及 ruby​​-audio，但它们都无法在我的 Macbook 上正常工作（试图生成正弦波），这再次令人遗憾地表明，Ruby 无法处理这个东西（还没有？）。