Ανοιχτού κώδικα βιβλιοθήκη C για ήχο I/O

Ξεκινώντας με το portaudio

Για να αρχίσετε να χρησιμοποιείτε το PortAudio, μπορείτε είτε να το κατασκευάσετε από τον πηγαίο κώδικα είτε να το εγκαταστήσετε μέσω διαχειριστών πακέτων. Για τους περισσότερους προγραμματιστές, η πιο εύκολη μέθοδος είναι να κλωνοποιήσετε το επίσημο portaudio GitHub αποθετήριο και να το μεταγλωττίσετε χρησιμοποιώντας CMake ή autotools. Σε Linux, εγκαταστήστε μέσω `apt install portaudio19-dev`; σε macOS, χρησιμοποιήστε `brew install portaudio`; σε Windows, κατεβάστε προ-συγκροτημένα δυαδικά αρχεία ή χρησιμοποιήστε το vcpkg (`vcpkg install portaudio`). Μετά την εγκατάσταση, συμπεριλάβετε το `portaudio.h` και συνδέστε τη βιβλιοθήκη (`-lportaudio`). Η βιβλιοθήκη είναι ελαφριά και έχει ελάχιστες εξαρτήσεις, καθιστώντας την ενσωμάτωση απλή για εφαρμογές ήχου σε πραγματικό χρόνο.

# Linux (Debian/Ubuntu)
sudo apt install portaudio19-dev

# macOS (Homebrew)
brew install portaudio

# Windows (vcpkg)
vcpkg install portaudio

Ροή ήχου σε πραγματικό χρόνο με callbacks

Η λειτουργία ροής με βάση την κλήση επιστροφής (callback) του PortAudio είναι ιδανική για επεξεργασία ήχου χαμηλής καθυστέρησης σε πραγματικό χρόνο. Όταν ξεκινά μια ροή, το PortAudio καλεί περιοδικά τη συνάρτηση callback σας για να ζητήσει ή να παρέχει δεδομένα ήχου. Αυτή η λειτουργία σας δίνει ακριβή έλεγχο του χρόνου και ελαχιστοποιεί τις ελλείψεις του buffer. Η κλήση επιστροφής λαμβάνει buffers εισόδου και εξόδου, αριθμό πλαισίων, πληροφορίες χρόνου και σημαίες κατάστασης—επιτρέποντας δυναμική δημιουργία ήχου, επεξεργασία εφέ ή ανάλυση. Δεδομένου ότι η κλήση επιστροφής εκτελείται σε νήμα υψηλής προτεραιότητας, πρέπει να εκτελείται γρήγορα (συνήθως κάτω από 10 ms) για να αποφεύγονται τα σφάλματα. Αυτό την καθιστά τέλεια για ζωντανές εφαρμογές ήχου όπως συνθεσάιζερ, πετάλια εφέ κιθάρας ή συστήματα φωνητικής επικοινωνίας όπου η ντετερμινιστική απόδοση είναι κρίσιμη.

typedef struct {
    float phase;
    float phase_increment;
} paTestData;

int patestCallback(const void *input, void *output,
    unsigned long frameCount,
    const PaStreamCallbackTimeInfo* timeInfo,
    PaStreamCallbackFlags statusFlags,
    void *userData)
{
    paTestData *data = (paTestData*)userData;
    float *out = (float*)output;
    for (unsigned long i = 0; i < frameCount; i++) {
        *out++ = sinf(data->phase);
        data->phase += data->phase_increment;
        if (data->phase >= M_PI * 2) data->phase -= M_PI * 2;
    }
    return paContinue;
}

Απαρίθμηση και ερώτηση συσκευών

Το PortAudio παρέχει ισχυρά API για την απαρίθμηση και την επιθεώρηση των διαθέσιμων συσκευών ήχου—συμπεριλαμβανομένων των συσκευών εισόδου και εξόδου—μαζί με τις δυνατότητές τους. Οι προγραμματιστές μπορούν να ερωτήσουν τα ονόματα των συσκευών, τον αριθμό καναλιών, τα προεπιλεγμένα δείγματα ρυθμού και τις τιμές καθυστέρησης χρησιμοποιώντας συναρτήσεις όπως `Pa_GetDeviceCount()`, `Pa_GetDeviceInfo()` και `Pa_GetDefaultInputDeviceID()`. Αυτό επιτρέπει στις εφαρμογές να παρουσιάζουν στους χρήστες μια λίστα έγκυρων συσκευών και να διαμορφώνουν τα ρεύματα (streams) βέλτιστα. Μπορείτε επίσης να εντοπίσετε τις προεπιλεγμένες συσκευές, να ελέγξετε τους υποστηριζόμενους ρυθμούς δειγματοληψίας και να καθορίσετε τις ελάχιστες/μέγιστες καθυστερήσεις. Αυτή η ευελιξία είναι ουσιώδης για την κατασκευή ρυθμιζόμενων εργαλείων ήχου, DAWs ή ηχογραφητών φωνής που προσαρμόζονται σε διαφορετικές ρυθμίσεις υλικού χωρίς χειροκίνητη διαμόρφωση.

PaError err;
err = Pa_Initialize();
if (err != paNoError) goto error;

int numDevices = Pa_GetDeviceCount();
for (int i = 0; i < numDevices; i++) {
    const PaDeviceInfo *info = Pa_GetDeviceInfo(i);
    printf("%d: %s (in: %d, out: %d)\n", 
        i, info->name, 
        info->maxInputChannels, 
        info->maxOutputChannels);
}
Pa_Terminate();

Υποστήριξη Host API πολλαπλών πλατφορμών

Το PortAudio αφαιρεί τις πλατφόρμα-συγκεκριμένες API ήχου μέσω modular υλοποιήσεων host API, εξασφαλίζοντας συνεπή συμπεριφορά σε όλα τα λειτουργικά συστήματα. Στα Windows, υποστηρίζει ASIO (για επαγγελματικό ήχο), WASAPI (Vista+), DirectSound και την παλαιότερη MME. Το macOS αξιοποιεί το Core Audio για εξαιρετικά χαμηλή καθυστέρηση, ενώ το Linux υποστηρίζει ALSA, JACK και PulseAudio. Τα συστήματα BSD χρησιμοποιούν OSS ή sndio. Οι προγραμματιστές γράφουν μία φορά και αναπτύσσουν παντού — δεν απαιτείται συνθήκη μεταγλώττισης για τη βασική λογική. Η βιβλιοθήκη επιλέγει αυτόματα το καλύτερο διαθέσιμο host API ή σας επιτρέπει να καθορίσετε ένα ρητά. Αυτή η καθολικότητα κάνει το PortAudio ιδανικό για φορητά εργαλεία ήχου, εκπαιδευτικό λογισμικό και ερευνητικά πλαίσια που πρέπει να λειτουργούν αξιόπιστα σε διαφορετικό υλικό και διαμορφώσεις λειτουργικού συστήματος.

PaStreamParameters inputParam, outputParam;
PaError err;

inputParam.device = Pa_GetHostApiInfoByType(paJACK)->defaultInputDevice;
inputParam.channelCount = 2;
inputParam.sampleFormat = paFloat32;
// ... configure outputParam similarly ...

PaStream *stream;
err = Pa_OpenStream(&stream, &inputParam, &outputParam, 
    44100, 256, paNoFlag, callback, NULL);

Μετατροπή μορφής ήχου και dithering

Το PortAudio διαχειρίζεται τη μετατροπή εσωτερικών μορφών δείγματος διαφανώς, επιτρέποντας στους πελάτες να χρησιμοποιούν βολικές μορφές όπως 32-bit floating point, ενώ το υποκείμενο σύστημα χρησιμοποιεί εγγενείς ακέραιες μορφές (π.χ., 16-bit PCM). Υποστηρίζει τη μετατροπή μεταξύ μορφών ακέραιων 8-, 16-, 24- και 32-bit, καθώς και 32-bit float. Επιπλέον, προσφέρει προαιρετικό dithering κατά τη μείωση του βάθους bit για ελαχιστοποίηση του θορύβου κβαντισμού — ένα λεπτό αλλά κρίσιμο χαρακτηριστικό για εφαρμογές ήχου υψηλής πιστότητας. Το dithering διατηρεί την αντιληπτή ποιότητα ήχου όταν μετατρέπεται από υψηλότερο σε χαμηλότερο βάθος bit. Αυτές οι δυνατότητες εξασφαλίζουν συνεπή πιστότητα ήχου σε όλες τις πλατφόρμες χωρίς να απαιτείται από τους προγραμματιστές να υλοποιήσουν πολύπλοκη λογική διαχείρισης μορφών.

PaStreamParameters inputParam = {0};
inputParam.device = Pa_GetDefaultInputDevice();
inputParam.channelCount = 2;
inputParam.sampleFormat = paFloat32;
inputParam.suggestedLatency = Pa_GetDeviceInfo(inputParam.device)->defaultLowInputLatency;

// Enable dithering for output conversion
PaStream *stream;
Pa_OpenStream(&stream, &inputParam, NULL, 44100, 128, 
    paClipOff | paDitherOff, NULL, NULL);
// Note: paDitherOff disables dithering; omit for default dithering