如何在IOS上使用ReplayKit與RTC

更新時間：2021年04月13日 09:22:27 作者：聲網(wǎng)Agora

這篇文章主要介紹了如何在IOS上使用ReplayKit 與 RTC，對IOS音視頻感興趣的同學，一定要看一下

在日益繁多的直播場景中，如果你也是某位游戲主播的粉絲的話，有一種直播方式是你一定不陌生的，那就是我們今天要聊的屏幕分享。

直播場景下的屏幕分享，不僅要將當前顯示器所展示的畫面分享給遠端，也要將聲音傳輸出去，包括應用的聲音，以及主播的聲音。鑒于這兩點需求，我們可以簡單分析出，進行一次屏幕分享的直播所需要的媒體流如下：

一條顯示器畫面的視頻流
一條應用聲音的音頻流
一條主播聲音的音頻流

ReplayKit 是蘋果提供的用于 iOS 系統(tǒng)進行屏幕錄制的框架。

首先我們來看看蘋果提供的用于屏幕錄制的 ReplayKit 的數(shù)據(jù)回調(diào)接口：

override func processSampleBuffer(_ sampleBuffer: CMSampleBuffer, with sampleBufferType: RPSampleBufferType) {
        DispatchQueue.main.async {
            switch sampleBufferType {
            case .video:
                AgoraUploader.sendVideoBuffer(sampleBuffer)
            case .audioApp:
                AgoraUploader.sendAudioAppBuffer(sampleBuffer)
            case .audioMic:
                AgoraUploader.sendAudioMicBuffer(sampleBuffer)
            @unknown default:
                break
            }
        }
    }

從枚舉 sampleBufferType 上，我們不難看出，剛好能符合我們上述對媒體流的需求。

視頻格式

guard let videoFrame = CMSampleBufferGetImageBuffer(sampleBuffer) else {
    return
}
        
let type = CVPixelBufferGetPixelFormatType(videoFrame)

type = kCVPixelFormatType_420YpCbCr8BiPlanarFullRange

通過 CVPixelBufferGetPixelFormatType，我們可以獲取到每幀的視頻格式為 yuv420。

幀率

通過打印接口的回調(diào)次數(shù)，可以知道每秒能夠獲取的視頻幀為30次，也就是幀率為 30。

格式與幀率都能符合 Agora RTC 所能接收的范圍，所以通過 Agora RTC 的 pushExternalVideoFrame 就可以將視頻分享到遠端了。

agoraKit.pushExternalVideoFrame(frame)

插入一個小知識

顯示器所顯示的幀來自于一個幀緩存區(qū)，一般常見的為雙緩存或三緩存。當屏幕顯示完一幀后，發(fā)出一個垂直同步信號(V-Sync)，告訴幀緩存區(qū)切換到下一幀的緩存上，然后顯示器開始讀取新的一幀數(shù)據(jù)做顯示。

這個幀緩存區(qū)是系統(tǒng)級別的，一般的開發(fā)者是無法讀取跟寫入的。但是如果是蘋果自身提供的錄制框架 ReplayKit 能夠直接讀取到已經(jīng)渲染好且將用于顯示器的幀，且這一過程不會影響渲染流程而造成掉幀，那就能減少一次用于提供給 ReplayKit 回調(diào)數(shù)據(jù)的渲染過程。

音頻

ReplayKit 能提供的音頻有兩種，分為麥克風錄制進來的音頻流，與當前響應的應用播放的音頻流。(下文將前者稱為 AudioMic，后者為 AudioApp)

可以通過下面的兩行代碼，來獲取音頻格式

CMAudioFormatDescriptionRef format = CMSampleBufferGetFormatDescription(sampleBuffer);
const AudioStreamBasicDescription *description = CMAudioFormatDescriptionGetStreamBasicDescription(format);

AudioApp

AudioApp 會在不同的機型下有不一樣的聲道數(shù)。例如在 iPad 或 iPhone7 以下機型中，不具備雙聲道播放的設備，這時候 AudioApp 的數(shù)據(jù)就是單聲道，反之則是雙聲道。

采樣率在部分試過的機型里，都是 44100，但不排除在未測試過的機型會是其他的采樣率。

AudioMic

AudioMic 在測試過的機型里，采樣率為 32000，聲道數(shù)為單聲道。

音頻前處理

如果我們將 AudioApp 與 AudioMic 作為兩條音頻流去發(fā)送，那么流量肯定是大于一條音頻流的。我們?yōu)榱斯?jié)省一條音頻流的流量，就需要將這兩條音頻流做混音(融合)。

但是通過上述，我們不難看出，兩條音頻流的格式是不一樣的，而且不能保證隨著機型的不同，是不是會出現(xiàn)其他的格式。在測試的過程中還發(fā)現(xiàn) OS 版本的不同，每次回調(diào)給到的音頻數(shù)據(jù)長度也會出現(xiàn)變化。那么我們在對兩條音頻流做混音前，就需要進行格式統(tǒng)一，來應對 ReplayKit 給出的各種格式。所以我們采取了以下幾個重要的步驟：

if (channels == 1) {
    int16_t* intData = (int16_t*)dataPointer;
    int16_t newBuffer[totalSamples * 2];
            
    for (int i = 0; i < totalSamples; i++) {
        newBuffer[2 * i] = intData[i];
        newBuffer[2 * i + 1] = intData[i];
    }
    totalSamples *= 2;
    memcpy(dataPointer, newBuffer, sizeof(int16_t) * totalSamples);
    totalBytes *= 2;
    channels = 2;
}

無論是 AudioMic 還是 AudioApp，只要進來的流為單聲道，我們都將它轉(zhuǎn)化為雙聲道；

if (sampleRate != resampleRate) {
    int inDataSamplesPer10ms = sampleRate / 100;
    int outDataSamplesPer10ms = (int)resampleRate / 100;

    int16_t* intData = (int16_t*)dataPointer;

    switch (type) {
        case AudioTypeApp:
            totalSamples = resampleApp(intData, dataPointerSize, totalSamples,
                                       inDataSamplesPer10ms, outDataSamplesPer10ms, channels, sampleRate, (int)resampleRate);
            break;
        case AudioTypeMic:
            totalSamples = resampleMic(intData, dataPointerSize, totalSamples,
                                       inDataSamplesPer10ms, outDataSamplesPer10ms, channels, sampleRate, (int)resampleRate);
            break;
    }

    totalBytes = totalSamples * sizeof(int16_t);
}

無論是 AudioMic 還是 AudioApp，只要進來的流采樣率不為 48000，我們將它們重采樣為 48000；

memcpy(appAudio + appAudioIndex, dataPointer, totalBytes);
appAudioIndex += totalSamples;

memcpy(micAudio + micAudioIndex, dataPointer, totalBytes);
micAudioIndex += totalSamples;

通過第一步與第二步，我們保證了兩條音頻流都為同樣的音頻格式。但是由于 ReplayKit 是一次回調(diào)給到一種數(shù)據(jù)的，所以在混音前我們還得用兩個緩存區(qū)來存儲這兩條流數(shù)據(jù)；

int64_t mixIndex = appAudioIndex > micAudioIndex ? micAudioIndex : appAudioIndex;
        
int16_t pushBuffer[appAudioIndex];
        
memcpy(pushBuffer, appAudio, appAudioIndex * sizeof(int16_t));
        
for (int i = 0; i < mixIndex; i ++) {
   pushBuffer[i] = (appAudio[i] + micAudio[i]) / 2;
}

ReplayKit 有選項是否開啟麥克風錄制，所以在關閉麥克風錄制的時候，我們就只有一條 AudioApp 音頻流。所以我們以這條流為主，去讀取 AudioMic 緩存區(qū)的數(shù)據(jù)長度，然后對比兩個緩存區(qū)的數(shù)據(jù)長度，以最小的數(shù)據(jù)長度為我們的混音長度。將混音長度的兩個緩存區(qū)里的數(shù)據(jù)做融合，得到混音后的數(shù)據(jù)，寫入一個新的混音緩存區(qū)(或者直接寫入 AudioApp 緩存區(qū))；

[AgoraAudioProcessing pushAudioFrame:(*unsigned* *char* *)pushBuffer
                                   withFrameSize:appAudioIndex * *sizeof*(int16_t)];

最后我們再將這段混音后的數(shù)據(jù)拷貝進 Agora RTC 的 C++ 錄制回調(diào)接口里，這時候就可以把麥克風錄制的聲音與應用播放的聲音傳輸?shù)竭h端了。

通過對音視頻流的處理，結合 Agora RTC SDK，我們就完成了一個屏幕分享直播場景的實現(xiàn)了。

以上就是如何在IOS上使用ReplayKit與RTC的詳細內(nèi)容，更多關于IOS上使用ReplayKit與RTC的資料請關注腳本之家其它相關文章！

您可能感興趣的文章: