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

 @Override
 public 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

 @Override
 public 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 LC
 int freqIdx = 4; // 44.1KHz
 int chanCfg = 1; // CPE
 // fill in A D T S data
 packet[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() {
 @Override
 public 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1024
 byte[] 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！

抖音短视频开发视频教程，文章下留言+关注，私信我回复【教程】获取！