Android平台实现系统内录(捕获播放的音频)并推送RTMP服务技术方案探究

几年来，我们在做无纸化同屏或在线教育相关场景的时候，总是被一件事情困扰：如何实现Android平台的系统内录，并推送到其他播放端，常用的场景比如做无纸化会议或教育的时候，主讲人或老师需要放一个视频，该怎么办呢？这里我们分析三种可行的技术方案：

方案1：解析视频文件推送

Android终端的话，先利用MediaExtractor，把mp4文件的音视频数据分离，然后调用我们publisher模块，实现编码后的数据对接到RTMP服务器，实例代码如下：

/*
 * SmartPublisherActivity.java
 * Github: https://github.com/daniulive/SmarterStreaming
 */  
private void InitMediaExtractor(){
    File mFile = new File("/storage/emulated/0/","2022.mp4");
  
    if (!mFile.exists()){
      Log.e(TAG, "mp4文件不存在");
      return;
    }
 
    MediaExtractor mediaExtractor = new MediaExtractor();
    try {
      mediaExtractor.setDataSource(mFile.getAbsolutePath());
    } catch (IOException e) {
      e.printStackTrace();
    }
 
    int count = mediaExtractor.getTrackCount();//获取轨道数量
    Log.e(TAG, "轨道数量 = "+count);
 
    for (int i = 0; i < count; i++)
    {
      MediaFormat trackFormat = mediaExtractor.getTrackFormat(i);
      String mineType = trackFormat.getString(MediaFormat.KEY_MIME);
      Log.e(TAG, i + "编号通道格式 = " + mineType);
 
      //视频信道
      if (mineType.startsWith("video/")) {
        video_track_index = i;
        is_has_video = true;
 
        try {
          video_media_extractor.setDataSource(mFile.getAbsolutePath());
        } catch (IOException e) {
          e.printStackTrace();
        }
 
        if(mineType.equals("video/avc"))
        {
          video_codec_id = 1;
        }
        else if(mineType.equals("video/hevc"))
        {
          video_codec_id = 2;
        }
 
        int width = trackFormat.getInteger(MediaFormat.KEY_WIDTH);
        int height = trackFormat.getInteger(MediaFormat.KEY_HEIGHT);
        long duration = trackFormat.getLong(MediaFormat.KEY_DURATION);//总时间
        int video_fps = trackFormat.getInteger(MediaFormat.KEY_FRAME_RATE);//帧率
        max_sample_size = trackFormat.getInteger(MediaFormat.KEY_MAX_INPUT_SIZE);//获取视频缓存输出的最大大小
 
        Log.e(TAG, "video width " + width + ", height: " + height + ", duration: " + duration + ", max_sample_size: " + max_sample_size + ", fps: " + video_fps);
      }
 
      //音频信道
      if (mineType.startsWith("audio/")) {
        audio_track_index = i;
        is_has_audio = true;
 
        try {
          audio_media_extractor.setDataSource(mFile.getAbsolutePath());
        } catch (IOException e) {
          e.printStackTrace();
        }
 
 
        if(mineType.equals("audio/mp4a-latm"))
        {
          audio_codec_id = 0x10002;
        }
 
        audio_sample_rate = trackFormat.getInteger(MediaFormat.KEY_SAMPLE_RATE);//获取采样率
        int audioTrackBitrate = trackFormat.getInteger(MediaFormat.KEY_BIT_RATE);      //获取比特率
        int channels = trackFormat.getInteger(MediaFormat.KEY_CHANNEL_COUNT);       //获取声道数量
 
        Log.e(TAG, "mp4 audio_sample_rate " + audio_sample_rate + ", audioTrackBitrate: " + audioTrackBitrate + ", channels: " + channels);
      }
    }
  }

推送video数据：

if(IsVpsSpsPps(video_header_checker_buffer, video_codec_id))
{
  is_key_frame = true;
}
 
if ( isPushing || isRTSPPublisherRunning || isGB28181StreamRunning) {
  libPublisher.SmartPublisherPostVideoEncodedData(publisherHandle, video_codec_id, byteBuffer, video_sample_size, is_key_frame?1:0, cur_sample_time, cur_sample_time);
}

推送audio数据：

int audio_sample_size = audio_media_extractor.readSampleData(byteBuffer, 0);
 
if(audio_sample_size < 0)
{
  Log.i(TAG, "audio reach the end..");
  break;
}
 
long cur_sample_time = audio_media_extractor.getSampleTime()/1000;
 
if ( isPushing || isRTSPPublisherRunning || isGB28181StreamRunning) {
  libPublisher.SmartPublisherPostAudioEncodedData(publisherHandle, audio_codec_id, byteBuffer, audio_sample_size, 0, cur_sample_time, parameter_info, parameter_info_size);
}

上述代码，实现原理很简单，无非就是想把audio video从容器中分离出来，然后打包发出去，我们有做流媒体后视镜相关场景的合作公司，就这么实现过。

方案2：REMOTE_SUBMIX

Android中可以通过使用MediaRecorder.AudioSource.REMOTE_SUBMIX来实现系统声音的录制，这个属性只有系统应用能够使用，而且这个属性会截掉耳机和扬声器的声音，让我们听不到手机中播放音乐或者视频时的声音，而录制结束后会发现播放录制好的文件是有这些声音的。一般来说，做无纸化会议或教育同屏的公司，如果硬件是厂商定制的，可以跟厂商提出来，修改ROM，得到内录audio权限和数据。为此，我们专门设计了个接口，便于有这个权限的厂商使用。

REMOTE_SUBMIX可以实现内录功能，有几点需要注意：需要有系统权限，而且会截走扬声器和耳机的声音，也就是说再录音时本地无法播放声音，对于系统权限，可在AndroidManifest.xml添加 android:sharedUserId="android.uid.system"，然后使用系统签名来打包应用。 

private void CheckInitAudioRecorder() {
        if (audioRecord_ == null) {
            //audioRecord_ = new NTAudioRecord(this, 1);

            audioRecord_ = new NTAudioRecordV2(this);
        }

        if (audioRecord_ != null) {
            Log.i(TAG, "CheckInitAudioRecorder call audioRecord_.start()+++...");

            audioRecordCallback_ = new NTAudioRecordV2CallbackImpl();

            //audioRecord_.IsMicSource(true);       //如音频采集声音过小，建议开启

            // audioRecord_.IsRemoteSubmixSource(true);

            audioRecord_.AddCallback(audioRecordCallback_);

            audioRecord_.Start();

            Log.i(TAG, "CheckInitAudioRecorder call audioRecord_.start()---...");
        }
    }

方案3：AudioPlaybackCapture API

也是本文提到的重点，实际上，Android 10 已引入 AudioPlaybackCapture API。应用可以借助此 API 复制其他应用正在播放的音频。此功能类似于屏幕采集，但采集对象是音频。主要用例是视频在线播放应用，这些应用希望捕获游戏正在播放的音频。对于其音频正在被捕获的应用，Capture API 不会影响该应用的延迟时间。

为确保安全性和隐私，“捕获播放的音频”功能会施加一些限制。为了能够捕获音频，应用必须满足以下要求：

• 应用必须具有 ​​RECORD_AUDIO​​ 权限。
• 应用必须调出 ​​MediaProjectionManager.createScreenCaptureIntent()​​显示的提示，用户必须批准该提示。

捕获和播放音频的应用必须使用同一份用户个人资料。

捕获音频

如要从其他应用中捕获音频，您的应用必须构建 ​​AudioRecord​​​ 对象，并向其添加 ​​AudioPlaybackCaptureConfiguration​​。请按以下步骤操作：

1. 调用 ​​AudioPlaybackCaptureConfiguration.Builder.build()​​​ 以构建 ​​AudioPlaybackCaptureConfiguration​​。
2. 通过调用 ​​setAudioPlaybackCaptureConfig​​​ 将配置传递到 ​​AudioRecord​​。

采集的话，10.0以上版本，按照上述设置即可获取到数据。

if(android.os.Build.VERSION.SDK_INT >= Build.VERSION_CODES.Q)
{
  CheckInitAudioRecorderSpeaker();    //采集扬声器，需要android 10.0+版本
}

private void CheckInitAudioRecorderSpeaker() {
  if (audioRecordSpeaker_ == null) {
    audioRecordSpeaker_ = new AudioRecordSpeaker(this);
  }

  if (audioRecordSpeaker_ != null) {
    Log.i(TAG, "CheckInitAudioRecorder call audioRecordSpeaker_.start()+++...");

    audioRecordSpeakerCallback_ = new AudioRecordSpeakerCallbackImpl();
    audioRecordSpeaker_.AddCallback(audioRecordSpeakerCallback_);

    audioRecordSpeaker_.Start(mMediaProjection, 44100, 1);
    Log.i(TAG, "CheckInitAudioRecorder call audioRecordSpeaker_.start()---...");
  }
}

class AudioRecordSpeakerCallbackImpl implements AudioRecordSpeakerCallback {
  @Override
  public void onAudioRecordSpeakerFrame(ByteBuffer data, int size, int sampleRate, int channel, int per_channel_sample_number) {

    //Log.i(TAG, "onAudioRecordSpeakerFrame size=" + size + " sampleRate=" + sampleRate + " channel=" + channel
    //        + " per_channel_sample_number=" + per_channel_sample_number);

    if ( publisherHandle != 0 && (isRecording || isPushingRtmp || isRTSPPublisherRunning) )
    {
      libPublisher.SmartPublisherOnMixPCMData(publisherHandle, 1, data, 0, size, sampleRate, channel, per_channel_sample_number);
    }
  }
}

大家注意到，我们数据投递，用的是SmartPublisherOnMixPCMData()这个接口，为什么这么做呢？我们考虑到，在做无纸化同屏或者教育投屏的时候，一般来说，主要还是采集麦克风音频为主，中间如果有视频播放或者类似需求的时候，我们把内录audio的打开即可（也可以做混音模式，或者推送过程中，实时静音麦克风或扬声器数据源，当然也可以实时调节二者的音量），具体在初始化的时候，可以做下设置：

//audio mix模式下, 如果需要切换麦克风和扬声器数据源，针对麦克风或扬声器实时静音即可
//混音模式下，也可以针对麦克风或扬声器，做实时音量调节
boolean is_audio_mix = true;   //是否混音
libPublisher.SmartPublisherSetAudioMix(publisherHandle, is_audio_mix?1:0);

if(is_audio_mix)
{
  int index = 0;  //0: 麦克风音量调节 1: 扬声器音量调节
  libPublisher.SmartPublisherSetInputAudioVolume(publisherHandle, index, 0.0f);
}

无图无真相，Android平台RTMP推送端或者轻量级RTSP服务测，采集到屏幕画面和扬声器声音，打包传输，RTMP或RTSP播放端截到的同屏画面如下（本来想放一段视频的，没找到传视频的地方）：

总结

低版本的Android系统，方案1应该是相对可行但局限很大的选择，方案2大多时候，非定制设备，很难满足权限要求，方案3对Android系统版本要求比较高。

通过测试，方案3除了对Android版本要求比较高外，体验式最好的，感兴趣的开发者，可以尝试看看，如果是特定场景下，本身选用的设备，Android的版本就比较高，又有内录audio需求的话，无疑是非常不错的选择。