Java混合音频开头出现点击/失真噪音问题求助

你遇到的固定前23ms点击噪音，核心原因是代码错误地将WAV文件的文件头数据当作PCM采样进行混合。

Android的openRawResource读取的是完整的WAV文件（包含格式描述用的文件头），而你的音频文件头长度恰好对应23ms的无效数据（计算方式：23ms × 16000采样率 × 2字节/采样 = 736字节）。这段文件头不是有效的音频采样，当你把多个文件的文件头数据混合时，就会产生固定波形的点击噪音。

单个音频文件播放正常，是因为播放器会自动识别并跳过WAV文件头；但你的混合逻辑直接处理了整个文件的所有字节，包括无效的文件头部分。

需要先跳过WAV文件头，只读取后面的有效PCM采样数据。下面提供两种可行的修改方案：

方案1：手动解析并跳过WAV文件头 #

添加方法解析WAV文件结构，定位到有效PCM数据的起始位置，再提取采样数据：

private byte[] getPcmDataFromWav(InputStream inputStream) throws IOException {
    ByteArrayOutputStream baos = new ByteArrayOutputStream();
    byte[] buffer = new byte[1024];
    int read;
    while ((read = inputStream.read(buffer)) != -1) {
        baos.write(buffer, 0, read);
    }
    byte[] wavBytes = baos.toByteArray();

    // 解析WAV文件头，找到data块起始位置
    int pcmStartOffset = 0;
    if (wavBytes[0] == 'R' && wavBytes[1] == 'I' && wavBytes[2] == 'F' && wavBytes[3] == 'F') {
        int offset = 12;
        while (offset < wavBytes.length - 4) {
            String chunkId = new String(wavBytes, offset, 4);
            int chunkSize = ((wavBytes[offset+4] & 0xFF) << 24) | 
                            ((wavBytes[offset+5] & 0xFF) << 16) |
                            ((wavBytes[offset+6] & 0xFF) << 8) | 
                            (wavBytes[offset+7] & 0xFF);
            offset += 8;
            if ("data".equals(chunkId)) {
                pcmStartOffset = offset;
                break;
            } else {
                offset += chunkSize;
            }
        }
    }

    if (pcmStartOffset == 0) {
        throw new IOException("Invalid WAV file format");
    }
    return Arrays.copyOfRange(wavBytes, pcmStartOffset, wavBytes.length);
}

修改mixAudioFiles中读取音频数据的逻辑，替换原有的toByteArray调用：

// 替换 byte[] audioBytes = toByteArray(inputStream);
byte[] audioBytes = getPcmDataFromWav(inputStream);

方案2：使用MediaExtractor读取PCM数据（更可靠） #

利用Android原生的MediaExtractor自动处理音频格式，直接提取有效PCM采样，避免手动解析文件头的麻烦：

private byte[] extractPcmFromRawResource(int resId) throws IOException {
    MediaExtractor extractor = new MediaExtractor();
    AssetFileDescriptor fd = reactContext.getResources().openRawResourceFd(resId);
    extractor.setDataSource(fd.getFileDescriptor(), fd.getStartOffset(), fd.getLength());
    fd.close();

    int trackIndex = -1;
    for (int i = 0; i < extractor.getTrackCount(); i++) {
        MediaFormat format = extractor.getTrackFormat(i);
        String mime = format.getString(MediaFormat.KEY_MIME);
        if (mime.startsWith("audio/")) {
            trackIndex = i;
            break;
        }
    }
    if (trackIndex == -1) {
        throw new IOException("No valid audio track found");
    }

    extractor.selectTrack(trackIndex);
    ByteArrayOutputStream baos = new ByteArrayOutputStream();
    ByteBuffer buffer = ByteBuffer.allocate(16384);
    MediaCodec.BufferInfo info = new MediaCodec.BufferInfo();

    while (true) {
        int sampleSize = extractor.readSampleData(buffer, 0);
        if (sampleSize < 0) {
            break;
        }
        baos.write(buffer.array(), 0, sampleSize);
        extractor.advance();
    }

    extractor.release();
    return baos.toByteArray();
}

修改mixAudioFiles中的循环逻辑：

for (String fileName : fileNames) {
    int resId = reactContext.getResources().getIdentifier(fileName, "raw", reactContext.getPackageName());
    byte[] audioBytes = extractPcmFromRawResource(resId);

    // 后续混合逻辑保持不变
    for (int i = 0; i < numSamples && i < audioBytes.length / 2; i++) {
        int byteIndex = i * bytesPerSample;
        short sample = (short) ((audioBytes[byteIndex + 1] << 8) | (audioBytes[byteIndex] & 0xFF));
        mixedSamples[i] += sample;
    }
}

• 混合后的音频可能出现削波（你已做限幅处理），可以添加归一化逻辑，将最大振幅缩放到Short.MAX_VALUE，减少音质损失。
• 如果淡入效果仍有残留噪音，确保淡入从0开始平滑提升，比如对前50ms采样应用线性淡入：

  int fadeInSamples = (int) (0.05 * sampleRate); // 50ms淡入
  for (int i = 0; i < Math.min(fadeInSamples, numSamples); i++) {
      float gain = (float) i / fadeInSamples;
      mixedSamples[i] = (int) (mixedSamples[i] * gain);
  }
  

内容的提问来源于stack exchange，提问作者TJRC