在 ruby​​ 中使用 PortAudio 包装器将声音录制到 .wav

Question

我最近一直在使用 ruby​​，我决定开始一个简单的项目来编写一个 ruby​​ 脚本，将线路输入声音记录到 .wav 文件中。我发现 ruby​​ 不能很好地访问硬件设备（而且可能不应该），但 PortAudio 可以，而且我发现了一个很棒的 PA 包装器 这里（它不是一个 gem，我认为因为它使用 ruby​​ 的 ffi 附加到 PortAudio，并且 PA 库可能位于各个位置）。我一直在研究 PortAudio 的文档和示例来弄清楚 PA 的工作原理。我已经很多年没有编写或阅读过C了。

我遇到了困难，在创建过程中应该将哪些参数传递给流，以及在创建过程中应该传递给缓冲区。例如，帧到底是什么，以及它与通道和采样率等其他参数有何关系。一般来说，我对音频编程也是完全陌生的，所以如果有人能给我一些关于设备级音频的一般教程等，我将不胜感激。

ruby-portaudio 提供了一个示例，该示例创建一个流和一个缓冲区，将正弦波写入缓冲区，然后将缓冲区发送到要播放的流。我在示例中遇到的一些 ruby​​ 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，我应该将流读入缓冲区，然后操作该缓冲区并将其写入文件，对吗？

另外，如果我在这里咆哮错误的树，并且有一个更简单的方法来做到这一点（在红宝石中），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？）。