如何将SoundEffectInstances组合成新的声音文件/mp3或wav

Question

我正在开发新的WindowsPhone平台。我有几个SoundEffectInstance，我想合并成一个新的单一声音文件(无论是SoundEffectInstance，SoundEffect或MediaElement，这并不重要)。然后，我想将该文件作为mp3保存到电话中。

我该怎么做？通常，我会尝试将所有文件发送到一个字节数组，但我不确定这是不是正确的方法，也不确定如何将字节数组转换为MP3格式的声音。

例如，我有SoundEffectInstance soudBackground，播放时间为0-5秒。然后我让SoundEffectInstance铃声播放3-4秒，SoundEffectInstance前台播放3.5到7秒。我想将所有这些合并到一个持续7秒的mp3文件中。

Answer 1

这里有两个您要尝试完成的任务：

• 将多个声音文件合并为一个声音文件
• 将生成的文件另存为MP3。

到目前为止，我发现你在使用第二项时会遇到一些挑战。到目前为止，我还没有找到一个纯.Net MP3编码器。我找到的所有方法都依赖于原生代码的P/Invoke(这当然不能在手机上工作)。

至于组合这些文件，您不希望将它们视为SoundEffectInstance。该类仅用于播放，它将声音文件的大部分细节抽象化。相反，您需要将声音文件视为int数组。我将假设所有三个声音文件的采样率是完全相同的，并且这些都是16位录音。我还将假设这些wave文件是以单声道录制的。我现在让场景变得简单。在掌握了这个更简单的场景之后，您可以使用立体声和各种采样率对其进行扩展。

wave文件的前48个字节只是标题。跳过这个部分(现在)，将wave文件的内容读入它们自己的数组中。一旦它们都读完了，我们就可以开始把它们混合在一起了。忽略你想要开始播放这些声音的时间差，如果我们想要开始产生一个样本，这是所有三个声音的组合结果，我们可以通过将声音文件数组中的值加在一起，并将其写到一个数组中来保存我们的结果。但是有一个问题。16位数字只能上升到32,767 (下降到-32,768)。如果这三种声音的总和超过了这些限制，你就会得到非常严重的失真。处理此问题的最简单(但不一定是最好)方法是考虑将播放的最大同时声音数，并相应地缩小这些值。从3.5秒到4秒，您将播放所有三种声音。因此，我们将通过除以3来进行缩放。另一种方法是使用可以超出此范围的数据类型对声音样本进行求和，然后在完成将它们混合在一起时将值归一化到此范围。

让我们定义一些参数。

int SamplesPerSecond = 22000;
int ResultRecordingLength = 7;
short[] Sound01;
short[] Sound02;
short[] Sound03;
int[] ResultantSoundBuffer;
short[] ProcessedResultSoundBuffer;

//Insert code to populate sound array's here. 
// Sound01.Length will equal 5.0*SamplesPerSecond
// Sound02.Length will equal 1.0*SamplesPerSecond
// Sound03.Length will equal 3.5*SamplesPerSecond

ResultantSound = new int[ResultRecordingLength*SamplesPerSecond];

一旦读取了声音文件并准备好接收结果文件的数组，就可以开始渲染了。我们有几种方法可以做到这一点。这里有一个：

void InitResultArray(int[] resultArray)
{
   for(int i=0;i<resultArray.Length;++i)
   {
      resultArray[i]=0;
   }
}

void RenderSound(short[] sourceSound, int[] resultArray, double timeOffset)
{
   int startIndex = (int)(timeOffset*SamplesPerSecond);
   int readIndex = 0;
   for(int readIndex=0;((readIndex<sourceSound.Length)&&(readIndex+sourceSound<resultArray.Length;++readIndex)
   {
      resultArray[readIndex+startIndex] += (int)sourceSound[readIndex];
   }
}

 RangeAdjust(int[] resultArray)
{
   int max = int.MinimumValue;
   int min = int.MaximumValue;
   for(int i=0;i<resultArray;++i)
   {
     max = Math.Max(max, resultArray[i]);
     min = Math.Min(min, resultArray[i]);
   }
   //I want the range normalized to [-32,768..32,768]
   //you may want to normalize differently.
   double scale = 65536d/(double)(max-min);
   double offset = 32767-(max*scale);
   for(int i=0;i<resultArray.Length;++i)
   {
      resultArray[i]= (scale*resultArray[i])+offset;
   }
}

您可以调用InitResultAttay来确保结果数组中填充了0(我相信它是默认的，但我仍然喜欢显式地将它设置为0)，然后为您希望在结果中包含的每个声音调用RenderSound()。在渲染完声音之后，调用RangeAdjust来标准化声音。剩下的就是把它写到一个文件中。你需要从整型转换回短整型。

short[] writeBuffer = new short[ResultantSound.Length];
for(int i=0;i<writeBuffer.Length;++i)
   writeBuffer[i]=(short)ResultantSound[i];

现在，混合声音已准备就绪，可以写入文件。只缺少一件事，在写文件之前，你需要写48字节的wave头。我在这里编写了如何做到这一点的代码：http://www.codeproject.com/KB/windows-phone-7/WpVoiceMemo.aspx