如何使用NAudio混合两个byte[]音频块得到单个混合byte[]

已知两个音频块均为8000采样率、16位单声道且长度一致，以下是基于NAudio实现的MixChunks方法：

using NAudio.Wave;

public byte[] MixChunks(byte[] rtpChunk, byte[] backChunk)
{
    if (rtpChunk.Length != backChunk.Length)
        throw new ArgumentException("两个音频块长度必须匹配");

    // 用WaveBuffer直接将byte数组映射为short数组（对应16位音频采样）
    var rtpWaveBuffer = new WaveBuffer(rtpChunk);
    var backWaveBuffer = new WaveBuffer(backChunk);
    var mixedWaveBuffer = new WaveBuffer(new byte[rtpChunk.Length]);

    // 遍历每个采样点混合，同时做限幅防止溢出
    for (int i = 0; i < rtpWaveBuffer.ShortBuffer.Length; i++)
    {
        int combined = rtpWaveBuffer.ShortBuffer[i] + backWaveBuffer.ShortBuffer[i];
        // 限制在16位音频的合法范围[-32768, 32767]
        combined = Math.Clamp(combined, short.MinValue, short.MaxValue);
        mixedWaveBuffer.ShortBuffer[i] = (short)combined;
    }

    return mixedWaveBuffer.ByteBuffer;
}

关键说明 #

1. WaveBuffer的作用：NAudio的WaveBuffer类可以直接将byte数组转换为对应位深的采样数组（这里是short[]），无需手动处理字节序转换，简化代码。
2. 限幅处理：两个16位采样相加可能超出short类型的取值范围，必须用Math.Clamp做限幅，否则会出现音频爆音或失真。
3. 音量调整（可选）：如果需要调整两个音频的音量比例，可在相加前给采样乘以系数，比如降低背景音乐音量：

   int combined = rtpWaveBuffer.ShortBuffer[i] + (int)(backWaveBuffer.ShortBuffer[i] * 0.25f);
   

内容的提问来源于stack exchange，提问作者Piercarlo