Android TV 语音消息实战：遥控器 PCM 录音失真修复与扬声器强制播放方案

​

在 IM（即时通讯）场景中，语音消息是核心功能之一，而实现高质量、跨场景兼容的语音录制与播放，需要解决 PCM 数据编码、采样率适配、硬件兼容性、播放模式等一系列问题。本文基于腾讯云 TUIChat 组件的实际开发场景，拆解从遥控器 PCM 音频采集、AAC 编码为 M4A 格式，到音频播放时扬声器强制外放的全流程实现，重点分析 PCM 预处理、重采样、编码器排空等关键技术点，以及 TV / 盒子等特殊设备的适配方案，为移动端语音开发提供可落地的实践参考。

一、核心需求与技术难点

在 TUIChat 的语音开发中，面临以下核心挑战：

1. 多场景录音兼容：既要支持手机端系统 MediaRecorder 录音，也要适配遥控器 PCM 裸数据的编码需求；
2. 音频质量优化：PCM 原始数据存在直流偏移、削顶失真等问题，需预处理降低底噪；
3. 采样率适配：不同设备（遥控器 / 手机）输出 PCM 采样率不一致，需统一编码为 16kHz AAC；
4. 播放兼容性：TV / 盒子设备易出现听筒模式播放、噪声等问题，需强制扬声器外放；
5. 边界处理：录音时长限制、编码器尾部数据丢失、录音时长计算偏差等问题。

针对以上问题，实现了一套包含「AudioRecorder（录制）+ AacPcmEncoder（PCM 编码）+ AudioPlayer（播放）」的完整方案。

二、语音录制核心实现（AudioRecorder）

AudioRecorder 是录音功能的入口，核心分为「系统 MediaRecorder 录音」「Callkit 录音」「遥控器 PCM 录音」三种模式，本文重点拆解最复杂的 PCM 录音模式。

2.1 PCM 录音初始化

public void startPcmRecord(Callback callback) {
    synchronized (mPcmLock) {
        if (mIsPcmMode) {
            TUIChatLog.w(TAG, "startPcmRecord: already in pcm mode, stopping first");
            stopPcmRecordInternal();
        }        mRecordCallback = callback;
        mAudioRecordPath = CURRENT_RECORD_FILE + System.currentTimeMillis() + ".m4a";
        mIsPcmMode = true;
        mIsStopping = false;
        mIsCallkitRecorder = false;
        mRealDuration = 0;
        mPcmStartTime = SystemClock.elapsedRealtime();        try {
            mPcmEncoder = new AacPcmEncoder();
            // 适配不同遥控器的采样率，默认16kHz，可动态设置
            // mPcmEncoder.setSrcSampleRate(44100); 
            mPcmEncoder.start(mAudioRecordPath);            // 录音时长限制：60秒提前200ms停止，避免超时
            mHandler.postDelayed(() -> {
                if (!mIsPcmMode || mIsStopping) return;
                stopPcmRecord();
                ToastUtil.toastShortMessageCenter(
                        TUIChatService.getAppContext().getString(R.string.record_limit_tips));
            }, (60 * 1000) - 200);            TUIChatLog.i(TAG, "startPcmRecord: " + mAudioRecordPath);
        } catch (IOException e) {
            TUIChatLog.e(TAG, "startPcmRecord failed: " + e.getMessage());
            mIsPcmMode = false;
            onRecordCompleted(false);
        }
    }
}

关键逻辑解析：

• 加锁保证线程安全，避免重复录音；
• 初始化录音文件路径、状态标记，记录录音开始时间（用于计算真实时长）；
• 创建 AacPcmEncoder 实例，支持动态设置源 PCM 采样率（适配不同遥控器）；
• 设置 60 秒录音时长限制，提前 200ms 停止以兼容编码器处理耗时；
• 异常捕获：编码初始化失败时标记录音失败，回调上层。

2.2 PCM 数据写入与分贝计算

public void writePcmData(byte[] pcmData) {
    synchronized (mPcmLock) {
        if (!mIsPcmMode || mIsStopping || mPcmEncoder == null) return;
        try {
            mPcmEncoder.writePcm(pcmData);
        } catch (Exception e) {
            TUIChatLog.e(TAG, "writePcmData failed");
        }        // 实时计算分贝，用于UI展示音量波动
        if (mRecordCallback != null) {
            double db = calculateDbFromPcm(pcmData);
            mRecordCallback.onVoiceDb(db);
        }
    }
}// 简化版PCM分贝计算：基于均方根（RMS）
private double calculateDbFromPcm(byte[] pcm) {
    long sum = 0;
    for (int i = 0; i < pcm.length; i += 2) {
        short sample = (short) ((pcm[i + 1] << 8) | (pcm[i] & 0xFF));
        sum += sample * sample;
    }
    double rms = Math.sqrt(sum / (pcm.length / 2.0));
    return 20 * Math.log10(rms / 32768.0 + 1e-10);
}

关键逻辑解析：

• 线程安全写入：加锁避免停止录音时仍写入数据；
• 分贝计算：将 16bit PCM 数据转换为短整型，通过均方根计算分贝值，实时回调给 UI 层展示音量；
• 异常防护：编码写入失败不影响主流程，仅打印日志。

2.3 PCM 录音停止与时长计算

private void stopPcmRecordInternal() {
    if (!mIsPcmMode || mIsStopping) {
        TUIChatLog.w(TAG, "stopPcmRecordInternal: skip, mode=" + mIsPcmMode + ", stopping=" + mIsStopping);
        return;
    }    mIsStopping = true;
    mHandler.removeCallbacksAndMessages(null);
    mIsPcmMode = false;    // 计算真实录音时长，硬上限60秒
    mRealDuration = (int) (SystemClock.elapsedRealtime() - mPcmStartTime);
    if (mRealDuration > 60000) {
        mRealDuration = 60000;
    }
    if (mRealDuration < 0) {
        mRealDuration = 0;
    }
    TUIChatLog.i(TAG, "PCM real duration: " + mRealDuration + "ms");    // 停止编码器并校验文件有效性
    boolean encoderStoppedCleanly = false;
    if (mPcmEncoder != null) {
        try {
            mPcmEncoder.stop();
            encoderStoppedCleanly = true;
        } catch (Exception e) {
            TUIChatLog.e(TAG, "stopPcmRecord: encoder stop failed");
        } finally {
            mPcmEncoder = null;
        }
    }    // 校验文件：存在且大小大于1KB才视为有效
    boolean fileValid = false;
    if (!TextUtils.isEmpty(mAudioRecordPath)) {
        java.io.File f = new java.io.File(mAudioRecordPath);
        fileValid = f.exists() && f.length() > 1024;
        if (!fileValid) {
            TUIChatLog.e(TAG, "record file invalid or too small: " + mAudioRecordPath);
        }
    }    mIsStopping = false;
    onRecordCompleted(encoderStoppedCleanly && fileValid);
}

关键逻辑解析：

• 真实时长计算：基于 SystemClock.elapsedRealtime ()（不受系统时间影响）计算录音时长，避免 MediaPlayer 获取时长的偏差；
• 编码器停止：确保编码器正常停止，避免文件损坏；
• 文件有效性校验：过滤空文件或过小文件，避免播放失败。

三、PCM 转 AAC 编码核心实现（AacPcmEncoder）

AacPcmEncoder 是核心工具类，负责将原始 PCM 数据编码为 M4A 格式（AAC 编码），解决了 PCM 预处理、重采样、编码器排空等关键问题。

3.1 PCM 预处理：去噪与限幅

private byte[] preprocessPcm(byte[] pcm) {
    if (pcm == null || pcm.length < 2) return pcm;
    short[] samples = bytesToShorts(pcm);    // 1. 去直流偏移：消除电流底噪/嗡嗡声
    long sum = 0;
    for (short s : samples) sum += s;
    short dcOffset = (short) (sum / samples.length);
    if (dcOffset != 0) {
        for (int i = 0; i < samples.length; i++) {
            samples[i] -= dcOffset;
        }
    }    // 2. 轻微衰减 + 硬限幅：防止削顶失真
    final short LIMIT = 30000; // 留出头room，避免达到Short.MAX_VALUE
    for (int i = 0; i < samples.length; i++) {
        int val = (int) (samples[i] * 0.90f); // 衰减10%，降低硬件过载底噪
        if (val > LIMIT) val = LIMIT;
        else if (val < -LIMIT) val = -LIMIT;
        samples[i] = (short) val;
    }
    return shortsToBytes(samples);
}

关键逻辑解析：

• 去直流偏移：计算 PCM 数据的直流偏移量并减去，消除电流底噪；
• 限幅与衰减：将音频数据衰减 10%，并限制最大值为 30000（避免达到 Short.MAX_VALUE 导致削顶失真），降低硬件过载产生的噪声。

3.2 PCM 重采样：适配统一编码率

private byte[] resamplePcm(byte[] pcm, int srcRate, int dstRate) {
    if (srcRate == dstRate || pcm == null || pcm.length < 2) return pcm;
    short[] src = bytesToShorts(pcm);
    double ratio = (double) srcRate / dstRate;
    int dstLen = (int) (src.length / ratio);
    if (dstLen <= 0) return pcm;
    short[] dst = new short[dstLen];    for (int i = 0; i < dstLen; i++) {
        double srcIdx = i * ratio;
        int idx = (int) srcIdx;
        double frac = srcIdx - idx;
        if (idx + 1 < src.length) {
            dst[i] = (short) (src[idx] * (1.0 - frac) + src[idx + 1] * frac);
        } else {
            dst[i] = src[idx];
        }
    }
    return shortsToBytes(dst);
}

关键逻辑解析：

• 线性插值重采样：将不同采样率（如 8kHz/44.1kHz/48kHz）的 PCM 数据统一转换为 16kHz（适配 IM 语音标准）；
• 兼容性：源采样率与目标一致时直接返回，避免无效计算。

3.3 编码器写入与排空

public void writePcm(byte[] pcmData) {
    synchronized (mLock) {
        if (!mIsRecording || !mIsEncoderStarted || mEncoder == null || mMediaMuxer == null) {
            return;
        }        try {
            // 预处理+重采样
            byte[] processed = preprocessPcm(pcmData);
            byte[] finalPcm = resamplePcm(processed, mSrcSampleRate, SAMPLE_RATE);            // 分块写入：避免单次数据包过大导致编码器阻塞
            int offset = 0;
            final int CHUNK_BYTES = 2048; // 1024 samples * 2 bytes
            while (offset < finalPcm.length) {
                int len = Math.min(CHUNK_BYTES, finalPcm.length - offset);
                int inputBufferIndex = mEncoder.dequeueInputBuffer(1000);
                if (inputBufferIndex >= 0) {
                    ByteBuffer inputBuffer = mEncoder.getInputBuffer(inputBufferIndex);
                    if (inputBuffer != null) {
                        inputBuffer.clear();
                        inputBuffer.put(finalPcm, offset, len);
                        // 基于累计采样数计算PTS，确保时间戳单调递增
                        long pts = mTotalSamples * 1000000L / SAMPLE_RATE;
                        mTotalSamples += len / 2L;
                        mEncoder.queueInputBuffer(inputBufferIndex, 0, len, pts, 0);
                    }
                }
                drainEncoder(1000); // 写入后立即排空编码器输出
                offset += len;
            }
        } catch (Exception e) {
            Log.e(TAG, "writePcm failed", e);
        }
    }
}// 排空编码器输出，写入MediaMuxer
private void drainEncoder(long timeoutUs) {
    MediaCodec.BufferInfo bufferInfo = new MediaCodec.BufferInfo();
    while (true) {
        int outputBufferIndex = mEncoder.dequeueOutputBuffer(bufferInfo, timeoutUs);
        if (outputBufferIndex == MediaCodec.INFO_TRY_AGAIN_LATER) {
            break;
        } else if (outputBufferIndex == MediaCodec.INFO_OUTPUT_FORMAT_CHANGED) {
            // 编码器格式变化时，初始化MediaMuxer轨道
            if (mAudioTrackIndex == -1 && mMediaMuxer != null) {
                MediaFormat format = mEncoder.getOutputFormat();
                mAudioTrackIndex = mMediaMuxer.addTrack(format);
                mMediaMuxer.start();
                mIsMuxerStarted = true;
            }
        } else if (outputBufferIndex >= 0) {
            ByteBuffer outputBuffer = mEncoder.getOutputBuffer(outputBufferIndex);
            if (outputBuffer != null && mAudioTrackIndex != -1 && mIsMuxerStarted) {
                if ((bufferInfo.flags & MediaCodec.BUFFER_FLAG_CODEC_CONFIG) == 0) {
                    if (bufferInfo.presentationTimeUs < 0) {
                        Log.w(TAG, "skip negative pts: " + bufferInfo.presentationTimeUs);
                    } else {
                        mMediaMuxer.writeSampleData(mAudioTrackIndex, outputBuffer, bufferInfo);
                    }
                }
            }
            mEncoder.releaseOutputBuffer(outputBufferIndex, false);
            if ((bufferInfo.flags & MediaCodec.BUFFER_FLAG_END_OF_STREAM) != 0) {
                break;
            }
        }
    }
}

关键逻辑解析：

• 分块写入：将大段 PCM 数据拆分为 2048 字节的小块，避免编码器输入缓冲区溢出；
• PTS 时间戳：基于累计采样数计算时间戳，确保音频播放时无卡顿、跳帧；
• 即时排空：每写入一块数据就排空编码器输出，避免数据积压；
• 格式适配：编码器格式变化时动态初始化 MediaMuxer 轨道，保证 M4A 文件格式正确。

3.4 编码器停止：确保尾部数据不丢失

private void stopInternal() {
    if (!mIsRecording && !mIsEncoderStarted) {
        return;
    }
    mIsRecording = false;    if (mIsEncoderStarted && mEncoder != null) {
        try {
            // 发送EOS标记，通知编码器结束
            int inputBufferIndex = mEncoder.dequeueInputBuffer(1000);
            if (inputBufferIndex >= 0) {
                ByteBuffer inputBuffer = mEncoder.getInputBuffer(inputBufferIndex);
                if (inputBuffer != null) {
                    inputBuffer.clear();
                    long eosPts = mTotalSamples * 1000000L / SAMPLE_RATE;
                    mEncoder.queueInputBuffer(inputBufferIndex, 0, 0, eosPts, MediaCodec.BUFFER_FLAG_END_OF_STREAM);
                }
            }
        } catch (Exception e) {
            Log.e(TAG, "queue EOS failed", e);
        }        // 多次重试排空，确保尾部数据写入
        MediaCodec.BufferInfo bufferInfo = new MediaCodec.BufferInfo();
        int tryAgainCount = 0;
        while (true) {
            int outputBufferIndex = mEncoder.dequeueOutputBuffer(bufferInfo, 50000);
            if (outputBufferIndex == MediaCodec.INFO_TRY_AGAIN_LATER) {
                tryAgainCount++;
                if (tryAgainCount >= 5) {
                    Log.w(TAG, "drain timeout after 5 retries, force stop");
                    break;
                }
                continue;
            }
            // 处理输出数据（逻辑同drainEncoder）
            // ... 省略重复逻辑 ...
            if ((bufferInfo.flags & MediaCodec.BUFFER_FLAG_END_OF_STREAM) != 0) {
                Log.i(TAG, "EOS fully drained");
                break;
            }
        }        // 释放编码器资源
        try { mEncoder.stop(); } catch (Exception e) { Log.e(TAG, "encoder stop failed", e); }
        try { mEncoder.release(); } catch (Exception e) { Log.e(TAG, "encoder release failed", e); }
        mEncoder = null;
        mIsEncoderStarted = false;
    }    // 释放MediaMuxer资源
    if (mMediaMuxer != null) {
        try { if (mIsMuxerStarted) { mMediaMuxer.stop(); } } catch (Exception e) { Log.e(TAG, "muxer stop failed", e); }
        try { mMediaMuxer.release(); } catch (Exception e) { Log.e(TAG, "muxer release failed", e); }
        mMediaMuxer = null;
        mIsMuxerStarted = false;
    }
}

关键逻辑解析：

• EOS 标记：发送结束标记（BUFFER_FLAG_END_OF_STREAM），通知编码器停止编码；
• 多次排空：最多重试 5 次排空编码器，避免尾部音频数据丢失；
• 资源释放：确保编码器和 MediaMuxer 正常停止、释放，避免内存泄漏。

四、语音播放核心实现（AudioPlayer）

AudioPlayer 专注于解决播放兼容性问题，尤其是 TV / 盒子设备的扬声器适配。

4.1 强制扬声器外放

public void startPlay(String filePath, Callback callback) {
    mAudioRecordPath = filePath;
    mPlayCallback = callback;    // TV/盒子强制扬声器模式，避免听筒播放
    setSpeakerModeForce();    try {
        mPlayer = new MediaPlayer();
        mPlayer.setAudioStreamType(AudioManager.STREAM_MUSIC);
        mPlayer.setDataSource(filePath);
        mPlayer.setOnCompletionListener(mp -> {
            stopInternalPlay();
            onPlayCompleted(true);
        });
        mPlayer.prepare();
        mPlayer.start();
    } catch (Exception e) {
        TUIChatLog.w(TAG, "startPlay failed", e);
        ToastUtil.toastLongMessage(TUIChatService.getAppContext().getString(R.string.play_error_tip));
        stopInternalPlay();
        onPlayCompleted(false);
    }
}// 强制扬声器模式，不受系统配置影响
private void setSpeakerModeForce() {
    AudioManager audioManager = (AudioManager) TUIChatService.getAppContext().getSystemService(Context.AUDIO_SERVICE);
    if (audioManager != null) {
        audioManager.setMode(AudioManager.MODE_NORMAL);
        audioManager.setSpeakerphoneOn(true);
    }
}

关键逻辑解析：

• 音频流类型：设置为 STREAM_MUSIC，适配 TV / 盒子的音频策略；
• 强制外放：通过 AudioManager 设置 MODE_NORMAL 并开启 speakerphoneOn，彻底避免听筒模式；
• 异常处理：播放失败时提示用户，并回调播放失败状态。

4.2 播放停止与资源释放

public void stopPlay() {
    stopInternalPlay();
    onPlayCompleted(false);
    mPlayCallback = null;
}private void stopInternalPlay() {
    if (mPlayer == null) {
        return;
    }
    mPlayer.release();
    mPlayer = null;
}private void onPlayCompleted(boolean success) {
    if (mPlayCallback != null) {
        mPlayCallback.onCompletion(success);
    }
    resetSpeakerMode(); // 播放完成后恢复音频模式
    mPlayer = null;
}

关键逻辑解析：

• 资源释放：停止播放时立即释放 MediaPlayer，避免内存泄漏；
• 模式恢复：播放完成后重置音频模式，不影响其他音频功能。

五、方案亮点与避坑总结

5.1 方案亮点

1. 多模式兼容：一套代码支持系统录音、Callkit 录音、PCM 录音，适配手机 / TV / 遥控器等多设备；
2. 音频质量优化：PCM 预处理消除底噪，重采样统一编码率，提升语音清晰度；
3. 边界处理完善：录音时长限制、编码器排空、文件有效性校验，降低异常率；
4. 设备适配：TV / 盒子强制扬声器外放，解决播放兼容性问题。

5.2 避坑总结

1. PCM 采样率适配：不同遥控器采样率不同，需动态设置，否则会出现语速异常；
2. 编码器排空：停止编码时必须发送 EOS 标记并多次排空，否则尾部音频丢失；
3. 时间戳计算：基于采样数计算 PTS，避免系统时间变化导致的播放卡顿；
4. 资源释放：MediaRecorder/MediaPlayer/MediaCodec 必须正常释放，否则会导致麦克风 / 扬声器占用；
5. 权限处理：录音前需校验麦克风权限，播放前无需权限但需处理音频焦点。

六、总结

本文围绕 IM 场景下的语音录制与播放，拆解了从 PCM 原始数据编码到音频播放的全流程实现，重点解决了多设备兼容、音频质量优化、边界异常处理等核心问题。这套方案已落地于腾讯云 TUIChat 组件，能够稳定支撑手机、TV、盒子等多终端的语音消息功能。

​