对于Windows的音频采集来说，方法有很多。可以通过较为上层的多媒体框架去采集，如DirectShow、MediaFoundation这些；也可以通过较为底层的API去采集，如WASAPI(Windows Audio Session API)。这里我介绍的是使用WASAPI的方法，毕竟采集和渲染都可以在这里去实现了。

WASAPI的简单介绍

这里简单介绍一下使用这个API来采集需要了解的两个接口：

IAudioClient：音频使用端，用于创建并初始化音频流
IAudioCaptureClient：音频采集端，提供了采集音频的接口

独占模式和共享模式

我们先来看看Windows下的音频框架关系图：

从图中我们可以看到，音频流会有两条路，一条是走向shared mode，一条则是exclusive mode，分别代表着共享模式和独占模式。对于独占模式这条路线，我们可以看到它直接连到了Audio Driver，也就是音频驱动中了，而共享模式还需要经过一个Audio Engine的过程，这个Audio Engine最终会把当前的音频流，还有其它来自其它应用的音频流进行混音，最后才传送到Audio Driver中去。
对于混音，如果两条音频流的采样率不同的话，肯定要先对某些音频流去做重采样。当高采样率向低采样率转换时，就会发生精度的丢失，而对于独占模式来说，由于独占了一路音频流，因此无需进行这一步重采样的过程。因此，对于独占模式来说，一般音质效果肯定是要好一些的。
至于如何选择，还是得看自己的实际需求。对于音频采集来说，我们大部分情况下都会去选择共享模式，这样我们可以同时采集到游戏里的声音，音乐播放器所播放的声音等等。

采集模式

WASAPI有两种采集模式，一种是输入设备的采集，如带麦克风的耳机，麦克风这些；还有一种则是声卡输出的采集，也称作loop back mode。由于两种采集模式是分开的，如果需要同时听到输入设备的声音和声卡输出的声音，则需要对采集到的两路音频流进行混音。

WASAPI的简单使用

获取音频设备枚举实例：

首先，我们需要通过COM接口来获取音频设备枚举实例，代码如下：

HRSULT hr;
IMMDeviceEnumerator* pEnumerator = NULL;
hr = CoCreateInstance(CLSID_MMDeviceEnumerator, NULL, CLSCTX_ALL, IID_PPV_ARGS(&pEnumerator));

枚举音频设备

枚举音频设备，我们可以通过EnumAudioEndPoints来一个个进行枚举并选择合适的，但更多情况下我们是直接使用GetDefaultAudioEndpoint来获取一个默认的，且处于active状态的音频设备。代码如下:

IMMDevice* pDevice = NULL;
hr = pEnumerator->GetDefaultAudioEndpoint(eRender, eConsole, &pDevice);

获取完音频设备之后，我们可以直接调用其activate方法（类似于工厂模式的用法），来获取IAudioClient：

IAudioClient* pAudioClient = NULL;
hr = pDevice->Activate(IID_IAudioClient, CLSCTX_ALL, NULL,(void**) &pAudioClient);

获取音频格式

由于我们使用的是共享模式，因此我们需要获得Audio Engine的混音格式，通过调用GetMixFormat来获得，代码如下：

WAVEFORMATEX* pwfx = NULL;
hr = pAudioClient->GetMixFormat(&pwfx);

其中，WAVEFORMATEX的结构体就包含了我们所需要的混音格式，里面有音频格式，声道数，采样率，样本大小等信息。其中音频格式还需要将这个结构体扩展（也就是强转）成WAVEFORMATEXTENSIBLE这个结构体才能获得，这部分具体可参阅文档。

初始化

接下来就是初始化了，即调用Initialize接口。这里面的参数还是需要特别注意的，我们先来看看有哪些参数：

HRESULT Initialize(
  AUDCLNT_SHAREMODE  ShareMode,
  DWORD              StreamFlags,
  REFERENCE_TIME     hnsBufferDuration,
  REFERENCE_TIME     hnsPeriodicity,
  const WAVEFORMATEX *pFormat,
  LPCGUID            AudioSessionGuid
);

对于第一个参数，之前我们也说了，我们是在共享模式下进行采集的，因此这里填AUDCLNT_SHAREMODE_SHARED。
对于第二个参数，如果是初始化输入设备的采集的话，直接填NULL即可。如果是采集声卡输出的，即loop back模式的话，则需要填入AUDCLNT_STREAMFLAGS_LOOPBACK。
第三个是我们的缓存大小，对于采集到的音乐，WASAPI会帮我们放到这个缓存中。至于要设置成多大，其实一般是根据你的采集周期来确定的，你可以根据实际情况简单计算一下，设置成稍微比实际的大一点就好，这样可以避免溢出导致数据丢失的情况。
第四个参数是用于独占模式的，我们这里用不到，直接填0。
第五个参数就是我们之前获得的混音格式。
最后一个参数是指定音频Session，这里我们不关心这个，直接填NULL，让它自己帮我们创建一个Session，并把我们的音频流加入到其中。

获取音频采集接口，开始采集

最后一步便是获取我们的采集接口，并开始采集，代码如下:

IAudioCaptureClient* pCaptureClient = NULL;
hr = pAudioClient->GetService(
	IID_IAudioCaptureClient,
	(void**)&pCaptureClient);
hr = pAudioClient->Start();

获取采集到的数据

我们通过GetNextPacketSize来判断下一个数据包的大小，如果不为0的话，我们就通过GetBuffer来获取一个数据包，依此类推，直到GetNextPacketSize返回的大小为0，说明我们这一个周期的数据已经获取完了，此时我们可以休眠一个周期，然后再去获取数据。代码如下：

while(1)
{
    //休眠一个周期
    Sleep(duration);
    hr = pCaptureClient->GetNextPacketSize(&packetLength);
    while(packetLength)
    {
    	hr = pCaptureClient->GetBuffer(
	    &pData,
	    &numFramesAvailable,
	    &flags, NULL, NULL);
	    //DoSomething()....
	    hr = pCaptureClient->ReleaseBuffer(numFramesAvailable);
	    hr = pCaptureClient->GetNextPacketSize(&packetLength);
    }
}

停止采集

结束采集后调用stop方法即可：

hr = pAudioClient->Stop();

输入设备与loop back混音

如果要同时听到人说话的声音和电脑里的声音，就需要对这两路音频流进行混音，即对两路音频流按一定的比例进行叠加。这一部分可以由第三方的媒体库来完成，如ffmpeg，我们可以利用amix滤镜来实现。如果要调整音量的话，可以加上volume滤镜来去调节。具体细节不属于本节范畴，因此就不展开细讲了。
需要注意的是，当电脑的中没有产生声音时，我们是获取不到音频数据的，也就是GetNextPacketSize返回的长度是0.对于混音来说，所传入的音频数据的长度应该是要对等的，传入采集到的输入设备的一秒钟的音频数据，对应loop back来说对应的肯定也得是一秒钟的音频数据。因此，对于loop back的采集来说，若此刻只有麦克风的输入，我们可以适当的填充一些silence字节，来表示这部分是没有声音的，然后再作为输入去混音即可。

谈谈Windows下的音频采集