Web Audio API：如何无音频伪影播放DASH流音频？

我尝试用自定义播放器播放DASH流音频，地址为https://dash.akamaized.net/akamai/bbb_30fps/bbb_30fps.mpd，播放器流程如下：

• 利用Web Audio API的AudioDecoder逐个下载并解码每个音频段
• 将解码后的数据拼接为各通道的Float32Array，单段时长约4秒（精确值为192512/48000秒）
• 通过audioCtx.createBufferSource()创建AudioBufferSource并关联缓冲区
• 按时序调度播放：第一段从0时刻开始，后续段从前一段结束时间依次启动

但播放时存在两个问题：

1. 段间有约0.1秒的静音间隙
2. 多数（非全部）段开头存在约360个值为0的样本

用dash.js播放同一流则无此问题，想知道这是调度算法、解码策略的问题，还是dash.js用了特殊混音处理避免伪影？

问题根源与解决方案 #

1. 解码策略：零样本的直接原因

多数段开头的360个零样本，是音频编码的帧对齐机制导致的。像AAC这类DASH常用编码，编码器为了保证帧同步，会在段开头插入静默样本；部分解码器初始化时也会输出前几个静默帧。dash.js内部会自动检测并裁剪这些冗余帧，而你的自定义解码流程没做这个处理。

2. 调度算法：段间静音的核心原因

你按“前一段结束时间”调度下一段，忽略了两个关键问题：

• Web Audio调度精度误差：AudioBufferSource.start()的时间参数基于audioCtx.currentTime，但实际调度存在微秒级误差，加上硬件缓冲延迟，两段衔接容易出现间隙
• 理论时长与实际样本数不匹配：你用的192512/48000是MPD里的理论时长，但解码后的实际样本数可能因编码帧边界有细微差异，按理论时长计算的结束时间和实际播放结束时间错位，导致静音间隙

3. dash.js的处理方式（并非混音）

dash.js解决问题的核心手段不是特殊混音，而是：

• 自动裁剪冗余静默：识别并去除段首尾的零样本或低电平静默帧
• 预加载+精准衔接调度：提前加载解码下一段，在当前段播放到剩余几十毫秒时，就启动下一段的start()，时间设为当前播放的精确结束时间，利用Web Audio的调度队列消除间隙
• 样本级时长校准：用解码后的实际样本数除以采样率，得到精准的段时长，而非依赖MPD的理论值

具体修复建议 #

• 解码后裁剪静默样本：检测Float32Array开头的连续零样本（比如连续360个接近0的样本），直接裁剪后再生成AudioBuffer
• 用实际样本数计算时长：解码后拿到样本数，用样本数 / 采样率得到真实时长，以此计算下一段的启动时间
• 提前调度预加载：在当前段播放到剩余100ms左右时，就调用下一段的AudioBufferSource.start(audioCtx.currentTime + 剩余时长)，提前把下一段加入调度队列
• 减少BufferSource创建开销：可以考虑用AudioWorklet直接推送解码后的样本，避免频繁创建AudioBufferSource带来的调度延迟

内容的提问来源于stack exchange，提问作者ipartola