FFmpeg C++ 音频混音器实现

核心功能分析

支持多路异构音频输入 每个输入可以有不同的采样率（samplerate）、声道数（channels）、位深（bitsPerSample）、采样格式（AVSampleFormat，如 S16、FLT 等）。示例中添加了两个输入：输入 0 为 48kHz, stereo, 32-bit float (AV_SAMPLE_FMT_FLT)；输入 1 为 48kHz, stereo, 16-bit int (AV_SAMPLE_FMT_S16)。 注意：虽然输入参数允许异构，但 FFmpeg 的 amix 滤镜要求所有输入具有相同的采样率和声道布局。若输入不一致，avfilter_graph_config() 会失败。 代码未做重采样或格式转换，实际运行时若输入格式不兼容（如采样率不同），会初始化失败。

统一输出格式 输出可指定目标格式（示例中为 96kHz, stereo, 16-bit int）。使用 aformat 滤镜强制将混音后的结果转为目标格式。这是合理的，因为 amix 输出的格式通常与输入之一相同，不一定符合用户期望。

使用 FFmpeg filter graph 构建混音流水线 构建的滤镜图如下：

[abuffer0] \
[abuffer1] --> [amix] --> [aformat] --> [abuffersink]
/
[abufferN]

每个输入对应一个 abuffer（音频源缓冲区），所有 abuffer 连接到 amix（混音器），amix 输出连接到 aformat（格式转换），最终输出到 abuffersink（供程序读取）。

混音策略可控 通过 init('longest') 等参数控制混音时长策略：

• longest：以最长输入为准（默认）
• shortest：以最短输入结束
• first：以第一个输入结束
• dropout_transition=0：输入流结束后立即停止贡献音量（无淡出）

帧级输入/输出接口

• addFrame(index, buf, size)：向指定输入通道送入原始 PCM 数据。若 buf == nullptr，表示该流结束（发送 EOF）。
• getFrame(outBuf, maxOutBufSize)：从混音器拉取一帧混合后的 PCM 数据，内部调用 av_buffersink_get_frame()，返回实际写入字节数，或 -1 表示无数据/错误。 注意：getFrame 可能返回 0 字节（当缓冲区不足一帧时），但当前代码未处理这种情况，仅在 ret < 0 时退出循环。

资源管理与线程安全

• 使用 std::mutex 保证多线程安全（虽然示例是单线程）
• 使用 std::shared_ptr 和 RAII 管理 AudioInfo
• 析构函数自动调用 exit() 释放 FFmpeg 资源
• 正确调用 avfilter_free 和 avfilter_graph_free

示例 main() 函数流程

1. 创建 AudioMixer
2. 添加两个不同格式的输入流（float32 & int16）
3. 设置输出为 96kHz / S16
4. 初始化混音器（策略：longest）
5. 循环读取两个 PCM 文件，分别送入混音器
6. 当某文件读完，发送 NULL 帧表示结束
7. 不断调用 getFrame 获取混音结果并写入 output.pcm
8. 最后清理资源

代码分析

类定义

class AudioMixer {
public:
    AudioMixer();
     ~();
    ;
    ;
    ;
    ;
    ;
    ;
};