Android 基于MediaCodec开发抖音短视频录制（壹）

前言

当一个Android开发者玩抖音玩疯了之后，就会绞尽脑汁思考自己是否也能开发出一款相同的APP来呢？

滴，滴滴！

本篇文章将介绍自己总结的短视频录制的相关内容，主要分为三个部分:

摄像头内容录制
音频录制
视频合成

先上效果图

录制过程

录制结果

1.摄像头内容录制

录制流程大致如上图所示。

渲染关键代码

新建外部纹理

    @Overridepublic void onSurfaceCreated(GL10 gl, EGLConfig config) {mTextureId = GLUtils.createTextureObject(GLES11Ext.GL_TEXTURE_EXTERNAL_OES);mSurfaceTexture = new SurfaceTexture(mTextureId);...}

新建了外部纹理之后，传入 Camera

mCamera.setPreviewTexture(mSurfaceTexture);
mCamera.startPreview();

GLSurfaceView 渲染时，请求 SurfaceTexture 更新，获取最新的内容

    @Overridepublic void onDrawFrame(GL10 gl) {if (mFilter == null) {return;}float matrix[] = new float[16];if (mSurfaceTexture != null) {//请求刷新最新内容mSurfaceTexture.updateTexImage();}mSurfaceTexture.getTransformMatrix(matrix);if (mFrameListener != null) {//通知MediaCodec刷新画面mFrameListener.onFrameAvailable(new VideoFrameData(mFilter,matrix, mSurfaceTexture.getTimestamp(), mTextureId));}mFilter.init();if (mOldFilter != null) {mOldFilter.release();mOldFilter = null;}mSurfaceTexture.getTransformMatrix(mMatrix);//绘制预览内容mFilter.draw(mTextureId, mMatrix);}

mFilter 中包含 OpenGL 相关的着色器程序

着色器代码如下:

    /*** 默认代码*/private static final String FRAGMENT_CODE ="#extension GL_OES_EGL_image_external : require\n" +"precision mediump float;\n" +"varying vec2 vTextureCoord;\n" +"uniform samplerExternalOES uTexture;\n" +"void main() {\n" +"    gl_FragColor = texture2D(uTexture, vTextureCoord);\n" +"}\n";/*** 默认代码*/private static final String VERTEX_CODE ="uniform mat4 uTexMatrix;\n" +"attribute vec2 aPosition;\n" +"attribute vec4 aTextureCoord;\n" +"varying vec2 vTextureCoord;\n" +"void main() {\n" +"    gl_Position = vec4(aPosition,0.0,1.0);\n" +"    vTextureCoord = (uTexMatrix * aTextureCoord).xy;\n" +"}\n";

外部纹理和普通纹理不同，需要在片段着色器代码头部声明拓展。

#extension GL_OES_EGL_image_external : require

着色器代码比较简单，不包含滤镜相关的内容，直接使用相机的纹理绘制一个矩形。

录制关键代码

内容录制编码使用 MediaCodec + MediaMuxer 的组合来实现。MediaCodec 在初始化时，我们可以从中获取一个 Surface，用来往里面填充内容。

        MediaFormat format = MediaFormat.createVideoFormat(C.VideoParams.MIME_TYPE,configuration.getVideoWidth(),configuration.getVideoHeight());//设置参数format.setInteger(MediaFormat.KEY_COLOR_FORMAT,MediaCodecInfo.CodecCapabilities.COLOR_FormatSurface);format.setInteger(MediaFormat.KEY_BIT_RATE, C.VideoParams.BIT_RATE);format.setInteger(MediaFormat.KEY_FRAME_RATE, C.VideoParams.SAMPLE_RATE);format.setInteger(MediaFormat.KEY_I_FRAME_INTERVAL, C.VideoParams.I_FRAME_INTERVAL);MediaCodec encoder = MediaCodec.createEncoderByType(C.VideoParams.MIME_TYPE);encoder.configure(format, null, null, MediaCodec.CONFIGURE_FLAG_ENCODE);inputSurface = encoder.createInputSurface();

获取 inputSurface 之后，我们新建一个 EGLSurface,到这里编码器的初始化就完成了，当有新的内容时，通知编码器来刷新。之前我们获取了GLSurfaceView 的 GL 上下文，当收到新内容通知时，我们把 GL 环境切到编码器的线程，然后绘制，最后调用 swapBuffers 方法把绘制的内容填充到inputSurface 中，这就是所谓的离屏渲染(听着很高大上，后面讲解短视频后期制作时也会用到这个)。

这里不使用 EOS 纹理也是可以的，我们可以通过 Camera 的setPreviewCallback 方法监听相机的每一帧数据，然后将 YUV 数据转换成ARGB 数据，再转成纹理交给 OpenGL 渲染即可。

最后新建 MediaMuxer

muxer = new MediaMuxer(configuration.getFileName(),MediaMuxer.OutputFormat.MUXER_OUTPUT_MPEG_4);

此部分内容参考 grafika 实现

视频变速

视频变速相对来说比较容易，在编码之后，我们从 MediaCodec 的缓冲区中获取本次编码内容的 ByteBuffer 和 BufferInfo ,前者是编码后的内容，后者是本次内容的信息，包括时间戳，大小等。我们通过改变视频的时间戳，就可以达到视频变速的要求。比如要加快视频的速度，那么只需要将视频的时间戳间隔缩小一定的倍数即可。放慢操作和这个相反，只需要把时间戳间隔放大一定的倍数即可。

音频录制

音频的录制我们需要使用到 AudioRecord 这个大杀器，大致流程图如下。

音频录制比较简单，参考官方文档即可。这里需要开启两条线程，因为目前使用的编码是同步模式，如果是在一条线程里处理数据，会导致麦克风的数据丢失。

关键代码如下:

初始化AudioRecord
指定单声道模式，采样率为 44100，每个采样点 16 比特

 int bufferSize = AudioRecord.getMinBufferSize(configuration.getSampleRate(), C.AudioParams.CHANNEL,C.AudioParams.BITS_PER_SAMPLE);recorder = new AudioRecord(MediaRecorder.AudioSource.MIC, configuration.getSampleRate(),C.AudioParams.CHANNEL, C.AudioParams.BITS_PER_SAMPLE, bufferSize);

初始化MediaCodec

        MediaFormat audioFormat = MediaFormat.createAudioFormat(C.AudioParams.MIME_TYPE,C.AudioParams.SAMPLE_RATE, C.AudioParams.CHANNEL_COUNT);audioFormat.setInteger(MediaFormat.KEY_AAC_PROFILE,MediaCodecInfo.CodecProfileLevel.AACObjectLC);audioFormat.setInteger(MediaFormat.KEY_CHANNEL_MASK, C.AudioParams.CHANNEL);audioFormat.setInteger(MediaFormat.KEY_BIT_RATE, C.AudioParams.BIT_RATE);audioFormat.setInteger(MediaFormat.KEY_CHANNEL_COUNT, C.AudioParams.CHANNEL_COUNT);audioFormat.setInteger(MediaFormat.KEY_MAX_INPUT_SIZE, 1024 * 4);encoder = MediaCodec.createEncoderByType(C.AudioParams.MIME_TYPE);encoder.configure(audioFormat, null, null, MediaCodec.CONFIGURE_FLAG_ENCODE);bufferInfo = new MediaCodec.BufferInfo();mStream = new BufferedOutputStream(new FileOutputStream(configuration.getFileName()));

音频编码

读取音频数据

 byte[] buffer = new byte[configuration.getSamplePerFrame()];int bytes = recorder.read(buffer, 0, buffer.length);if (bytes > 0) {encode(buffer, bytes);}

塞进MediaCodec缓冲区

    private void onEncode(byte[] data, int length) {final ByteBuffer[] inputBuffers = encoder.getInputBuffers();while (true) {final int inputBufferIndex = encoder.dequeueInputBuffer(BUFFER_TIME_OUT);if (inputBufferIndex >= 0) {final ByteBuffer inputBuffer = inputBuffers[inputBufferIndex];inputBuffer.clear();inputBuffer.position(0);if (data != null) {inputBuffer.put(data, 0, length);}if (length <= 0) {encoder.queueInputBuffer(inputBufferIndex, 0, 0,getTimeUs(), MediaCodec.BUFFER_FLAG_END_OF_STREAM);break;} else {encoder.queueInputBuffer(inputBufferIndex, 0, length,getTimeUs(), 0);}break;}}}

取出编码后的数据并写入文件

    private void drain() {bufferInfo = new MediaCodec.BufferInfo();ByteBuffer[] encoderOutputBuffers = encoder.getOutputBuffers();int encoderStatus = encoder.dequeueOutputBuffer(bufferInfo, C.BUFFER_TIME_OUT);while (encoderStatus >= 0) {ByteBuffer encodedData = encoderOutputBuffers[encoderStatus];int outSize = bufferInfo.size;encodedData.position(bufferInfo.offset);encodedData.limit(bufferInfo.offset + bufferInfo.size);byte[] data = new byte[outSize + 7];addADTSHeader(data, outSize + 7);encodedData.get(data, 7, outSize);try {mStream.write(data, 0, data.length);} catch (IOException e) {LogUtil.e(e);}if (duration >= configuration.getMaxDuration()) {stop();}encoder.releaseOutputBuffer(encoderStatus, false);encoderStatus = encoder.dequeueOutputBuffer(bufferInfo, C.BUFFER_TIME_OUT);}}

aac文件对内容格式有要求，需要在每一帧的内容头部添加内容，代码如下：

    private void addADTSHeader(byte[] packet, int length) {int profile = 2; // AAC LCint freqIdx = 4; // 44.1KHzint chanCfg = 1; // CPE// fill in A D T S datapacket[0] = (byte) 0xFF;packet[1] = (byte) 0xF9;packet[2] = (byte) (((profile - 1) << 6) + (freqIdx << 2) + (chanCfg >> 2));packet[3] = (byte) (((chanCfg & 3) << 6) + (length >> 11));packet[4] = (byte) ((length & 0x7FF) >> 3);packet[5] = (byte) (((length & 7) << 5) + 0x1F);packet[6] = (byte) 0xFC;}

音频变速

一开始调研短视频方案的时候，对于音频变速这方面，想了很多个方案：

音频和视频使用 MediaMuxer 合成，指定变速速率，在录制结束时使用ffmpeg 进行变速
视频和音频分开录制，视频实时变速录制，音频在录制结束时使用 ffmpeg 变速，然后再使用 ffmpeg 合并到视频中
音频和视频分开录制，音频实时变速，视频实时变速，录制完成后，使用ffmpeg 合成

最终我选择了第三个方案，前两个方案的死因如下:

效率差，ffmpeg 如果要对视频进行变速，效率很低，一个视频如果要放慢三倍，最久的时候要十几秒，并且因为使用的是软编，对 cpu 占用率比较高，会导致 UI 卡顿,
音频变速耗时比视频变速要少，但是对用户来说，还是可以感知的到的，所以这个方案也 pass。(主要是达不到抖音的效果)

第三个方案需要使用一个第三方库——SoundTouch，它可以改变音频的音调和速度。SoundTouch 由 C++ 实现，因此我们需要用 NDK 工具把它集成到工程当中。集成的方法参照官方文档即可。官方的例子中主要给出了处理 wav 文件的方法，接下来我介绍一下如何使用这个库实时处理 pcm 数据(通过实时处理PCM 数据，我们还可以弄个变声功能噢)。

SoundTouch 使用

新建类—— SoundTouch

public class SoundTouch {private native final void setTempo(long handle, float tempo);private native final void setPitchSemiTones(long handle, float pitch);private native final void putBytes(long handle, byte[] input, int offset, int length);private native final int getBytes(long handle, byte[] output, int length);private native final static long newInstance();private native final void deleteInstance(long handle);private native final void flush(long handle);private long handle = 0;public SoundTouch() {handle = newInstance();}public void putBytes(byte[] input) {this.putBytes(handle, input, 0, input.length);}public int getBytes(byte[] output) {return this.getBytes(handle, output, output.length);}public void close() {deleteInstance(handle);handle = 0;}public void flush() {this.flush(handle);}public void setTempo(float tempo) {setTempo(handle, tempo);}public void setPitchSemiTones(float pitch) {setPitchSemiTones(handle, pitch);}static {System.loadLibrary("soundtouch");}}

主要有四个方法

setTempo —— 设置音频变速大于1为加速，小于1为减速
setPitchSemiTones —— 设置音频声调
putBytes —— 将 pcm 数据添加到 SoundTouch 管道中
getBytes —— 从 SoundTouch 管道中取出处理过的 pcm 数据

新建对应的 cpp 文件，关键代码如下:

void Java_com_netease_soundtouch_SoundTouch_setTempo(JNIEnv *env, jobject thiz, jlong handle, jfloat tempo)
{SoundTouch *ptr = (SoundTouch *)handle;ptr->setTempo(tempo);
}
void Java_com_netease_soundtouch_SoundTouch_setPitchSemiTones(JNIEnv *env, jobject thiz, jlong handle, jfloat pitch)
{SoundTouch *ptr = (SoundTouch *)handle;ptr->setPitchSemiTones(pitch);
}
void Java_com_netease_soundtouch_SoundTouch_putBytes(JNIEnv *env, jobject thiz, jlong handle, jbyteArray input, jint offset, jint length)
{SoundTouch *soundTouch = (SoundTouch *)handle;jbyte *data;data = env->GetByteArrayElements(input, JNI_FALSE);soundTouch->putSamples((SAMPLETYPE *)data, length/2);env->ReleaseByteArrayElements(input, data, 0);
}
jint Java_com_netease_soundtouch_SoundTouch_getBytes(JNIEnv *env, jobject thiz, jlong handle, jbyteArray output, jint length)
{int receiveSamples = 0;int maxReceiveSamples = length/2;SoundTouch *soundTouch = (SoundTouch *)handle;jbyte *data;data = env->GetByteArrayElements(output, JNI_FALSE);receiveSamples = soundTouch->receiveSamples((SAMPLETYPE *)data,maxReceiveSamples);env->ReleaseByteArrayElements(output, data, 0);return receiveSamples;
}

处理 pcm 数据

    //在将pcm导入MediaCodec之前，先由SoundTouch处理一遍private void encode(final byte[] data, final int length) {encodeHandler.post(new Runnable() {@Overridepublic void run() {if (soundTouch != null) {soundTouch.putBytes(data);while (true) {//如果是用MediaMuxer来生成音频，我们每次只能写入一帧数据，那么这里缓冲区就不能用4096，只能用1024byte[] modified = new byte[4096];int count = soundTouch.getBytes(modified);if (count > 0) {onEncode(modified, count * 2);drain();} else {break;}}} else {onEncode(data, length);drain();}}});}

音频和视频合成

录制完视频和音频之后，我们需要将音频和视频进行合成，这一步直接使用FFMPEG 工具即可，命令行如下:

ffmpeg -y -i audioFile -ss 0 -t duration -i videoFile -acodec copy -vcodec copy output

其中，audioFile 为我们的 aac 文件的路径，videoFile 为 mp4 文件的路径，output 为最终生成的 mp4 文件的路径，duration 为音频文件的长度，使用MediaExtractor 获取即可。

ffmpeg 不会自动帮我们创建文件，在合成之前，需要先创建output文件

执行完这个命令后，音频和视频就合成完毕了，15秒的视频，合成一次大概只需要100ms左右。我们只需要在每小段视频录制完毕时合成一次即可，对用户来说没什么影响。视频的码率越高，合成所需要的时间越久。

视频合成

多段视频拼接使用 ffmpeg 即可，无需重新解码，我们在点击 app 中的下一步按钮时进行视频的拼接。关键代码如下:

    public static VideoCommand mergeVideo(List<String> videos, String output) {String appDir = StorageUtil.getExternalStoragePath() + File.separator;String fileName = "ffmpeg_concat.txt";FileUtils.writeTxtToFile(videos, appDir, fileName);VideoCommand cmd = new VideoCommand();cmd.append("ffmpeg").append("-y").append("-f").append("concat").append("-safe").append("0").append("-i").append(appDir + fileName).append("-c").append("copy").append(output);return cmd;}

命令行为:

ffmpeg -y -f concat -safe 0 -i concatFile -c copy output

其中，concatFile 是一个 txt 文件，内容为我们要拼接的文件的路径列表，output 为最终输出的 mp4 文件。

总结

整个短视频的录制方案大概就是如此，关于视频录制方面，因为没有具体线上项目实践过，所以可能会存在机型不兼容的情况，大家如果有更好的方案，欢迎在评论区提出来噢，一起探讨下。有些地方讲解不对或者觉得不清楚的，欢迎大家在评论区指出。后面会发关于短视频后期处理的文章，敬请关注！

滴，滴滴！

福利链接: https://pan.baidu.com/s/13PzmECPep3H7eyysGEdQew

以上链接是抖音短视频开发视频教程，有需要本视频的欢迎加入Android开发技术交流群：150923287获取教程提取码！