开篇：连麦变声器，卡得像个鬼畜

现在社交、直播类 App，没个“变声器”、“实时混音”功能都不好意思拉用户。用户对着麦克风喊一句，变成萝莉音或者大叔音传出去，互动效果直接拉满。

但很多开发者做出来的变声功能，延迟高达几百毫秒。用户说完话，过了一秒钟才听到自己的声音，不仅自己听着难受，连麦的队友也感觉像是在跨服聊天。

音频开发里，延迟是永恒的敌人。这篇就教你用 HarmonyOS 的 OHAudio 接口，打通低延迟采集到实时变声的链路。

https://placeholder-01.jpg/

一、为什么用 OHAudio 而不是 AVRecorder？

我们在之前讲过 AVRecorder 录制音频。那玩意儿适合录个文件、语音消息。它底层经过了大量的封装，采集、编码、写文件，整个链路很长，延迟起步就是几百毫秒。

做实时变声，需要拿到最底层的 PCM（脉冲编码调制）裸数据。必须用 @ohos.multimedia.audio 里的 OHAudio（或者 AudioCapturer）。

typescript

import audio from '@ohos.multimedia.audio';

async function createAudioCapturer() {
  const audioStreamInfo: audio.AudioStreamInfo = {
    samplingRate: audio.AudioSamplingRate.SAMPLE_RATE_48000, // 48kHz 高采样率
    channels: audio.AudioChannel.CHANNEL_1, // 单声道，降低处理量
    sampleFormat: audio.AudioSampleFormat.SAMPLE_FORMAT_S16LE, // 16位短整型
    encodingType: audio.AudioEncodingType.ENCODING_TYPE_RAW // 只要裸数据
  };

  const audioCapturerInfo: audio.AudioCapturerInfo = {
    source: audio.SourceType.SOURCE_TYPE_MIC,
    capturerFlags: 0 // 0 表示普通模式，1 表示低延迟模式（如果支持）
  };

  const capturer = await audio.createAudioCapturer({
    streamInfo: audioStreamInfo,
    capturerInfo: audioCapturerInfo
  });

  return capturer;
}

关键点：

1. ENCODING_TYPE_RAW：告诉系统，不要给我编码，我要最原始的 PCM 字节。

2. SOURCE_TYPE_MIC：麦克风输入。

二、实时处理：PCM 到变声算法

拿到了 PCM 数据（一个 ArrayBuffer），你该怎么变声？

变声的本质是改变音频的采样率或音高（Pitch）。

• 萝莉音：提高音高，加快语速。

• 大叔音：降低音高，放慢语速。

这里涉及到复杂的数字信号处理（DSP）。自己写一套变声算法极其困难（需要做快速傅里叶变换 FFT，然后修改频域数据，再逆变换）。

实战方案： 引入 C/C++ 编写的高效音频处理库（如 SoundTouch、Rubber Band），通过 NAPI 在鸿蒙中调用。

这里写个伪代码展示流程：

typescript

import taskpool from '@ohos.taskpool';

// 开启采集
capturer.on('readData', (buffer: ArrayBuffer) => {
  // 绝对不能在主线程处理音频数据！
  const task = new taskpool.Task(processAudioData, buffer);
  taskpool.execute(task).then((processedBuffer: ArrayBuffer) => {
    // 把处理后的数据扔给播放器或者网络发送
    playProcessedData(processedBuffer);
  });
});

@Concurrent
function processAudioData(buffer: ArrayBuffer): ArrayBuffer {
  // 这里调用底层 C++ 库进行变声
  // 1. 改变音高 (Pitch Shift)
  // 2. 改变节奏 (Tempo)
  return nativeChangeVoice(buffer, 1.5); // 1.5 代表提高音高
}

大坑：内存碎片与延迟累积。
音频数据是连续不断的流。如果每次回调的数据你处理得很慢（比如超过了 20ms），数据就会在内存里堆积，延迟越来越大。最后声音就变成慢动作了。
所以处理逻辑必须轻量，且必须放到子线程，保证按需消费。

https://placeholder-02.png/

三、播放与回声消除

变完声，得播放出来。

如果你用扬声器外放，麦克风会再次把扬声器的声音录进去，形成极其刺耳的啸叫（回声）。

解法：使用 AEC（回声消除）。
HarmonyOS 的音频模块内置了 AEC 能力。在创建 AudioRenderer（播放器）时，需要设置正确的流类型：

typescript

const rendererInfo: audio.AudioRendererInfo = {
  usage: audio.StreamUsage.STREAM_USAGE_VOICE_COMMUNICATION, // 通信流，系统会自动开启 AEC
  rendererFlags: 0
};

注意看 STREAM_USAGE_VOICE_COMMUNICATION，这个类型非常重要。如果你设成了 STREAM_USAGE_MUSIC，系统就只当你在放歌，绝对不会给你做回声消除。

四、避坑指南

坑一：采样率不匹配。
麦克风采集的是 48kHz，播放器如果设置成 44.1kHz，声音会变得怪怪的（类似快放或慢放）。采集、处理、播放，这三个环节的采样率必须完全一致。

坑二：缓冲区太小导致卡顿。
采集的 buffer 别设得太小（比如 1ms 一次），会导致频繁触发回调，CPU 直接跑满。一般设 10ms 或 20ms 比较合适。

https://placeholder-03.png/

五、总结

实时音频处理，难在“低延迟”和“性能”。核心记住三点：

1. 不用 AVRecorder，用 AudioCapturer 抓取裸流。

2. 变声算法放子线程（TaskPool），防卡顿。

3. 播放用通信流（VOICE_COMMUNICATION），触发系统自带的回声消除。

小任务： 试着用 AudioCapturer 录一段 5 秒的 PCM 数据，把它直接保存为 .pcm 文件，然后用 Audacity 软件导入，加上正确的头文件（48000Hz，单声道，16位），听听是不是你的原声。