如何通过Rust的windows-rs正确调用Core Audio API捕获Windows系统音频？

你当前的代码遗漏了多个Core Audio回环捕获的关键步骤，以下是修正要点和完整实现：

关键遗漏点说明 #

• 必须使用默认渲染设备：系统音频回环捕获依赖音频渲染设备（而非捕获设备）的IAudioClient接口，需要先通过MMDeviceEnumerator获取默认的渲染设备。
• 初始化参数不能直接传0：Initialize的延迟参数需要先调用GetDevicePeriod获取设备支持的最小延迟值，否则可能导致初始化失败。
• 未启动音频客户端：必须调用IAudioClient::Start()才能开始捕获音频流。
• GetBuffer的正确调用与缓冲区释放：调用GetBuffer时需要正确传递指针参数，处理完数据后必须调用ReleaseBuffer释放缓冲区，否则会引发资源泄漏或死锁。
• 释放COM分配的格式内存：GetMixFormat返回的WAVEFORMATEX是通过COM分配的，使用完毕后需要用CoTaskMemFree释放。
• 循环中等待音频事件：空循环会占用大量CPU，应通过IAudioClient::GetEventHandle获取事件句柄，等待缓冲区可用后再处理数据。

完整修正代码 #

use windows::{
    core::Result,
    Win32::{
        Media::Audio::{
            IAudioCaptureClient, IAudioClient, IMMDevice, IMMDeviceEnumerator,
            AUDCLNT_SHAREMODE_SHARED, AUDCLNT_STREAMFLAGS_LOOPBACK, CLSCTX_ALL,
        },
        System::Com::{CoCreateInstance, CoInitializeEx, CoTaskMemFree, CLSCTX_INPROC_SERVER, COINIT_APARTMENTTHREADED},
        System::Threading::WaitForSingleObject,
        Foundation::HANDLE,
    },
};

fn capture_system_audio() -> Result<()> {
    unsafe {
        // 初始化COM环境
        CoInitializeEx(std::ptr::null_mut(), COINIT_APARTMENTTHREADED)?;

        // 创建MMDeviceEnumerator实例
        let enumerator: IMMDeviceEnumerator = CoCreateInstance(&MMDeviceEnumerator::CLSID, None, CLSCTX_INPROC_SERVER)?;

        // 获取默认音频渲染设备（回环捕获必须用渲染设备）
        let device: IMMDevice = enumerator.GetDefaultAudioEndpoint(0, 0)?;

        // 激活IAudioClient接口
        let audio_client: IAudioClient = device.Activate(IAudioClient::IID, CLSCTX_ALL, std::ptr::null_mut())?;

        // 获取设备支持的混合格式
        let wave_format_ptr = audio_client.GetMixFormat()?;
        let wave_format = &*wave_format_ptr;

        // 获取设备支持的最小延迟
        let mut default_device_period = 0;
        let mut minimum_device_period = 0;
        audio_client.GetDevicePeriod(&mut default_device_period, &mut minimum_device_period)?;

        // 初始化IAudioClient，启用回环模式
        audio_client.Initialize(
            AUDCLNT_SHAREMODE_SHARED,
            AUDCLNT_STREAMFLAGS_LOOPBACK,
            default_device_period,
            0,
            wave_format,
            None,
        )?;

        // 获取IAudioCaptureClient服务
        let capture_client: IAudioCaptureClient = audio_client.GetService()?;

        // 获取音频事件句柄，用于等待缓冲区可用
        let event_handle = audio_client.GetEventHandle()?;

        // 启动音频客户端
        audio_client.Start()?;

        loop {
            // 等待音频缓冲区可用
            WaitForSingleObject(HANDLE(event_handle), u32::MAX);

            // 获取缓冲区数据
            let mut data_ptr: *mut u8 = std::ptr::null_mut();
            let mut num_frames_available: u32 = 0;
            let mut flags: u32 = 0;
            capture_client.GetBuffer(&mut data_ptr, &mut num_frames_available, &mut flags, None, None)?;

            if !data_ptr.is_null() && num_frames_available > 0 {
                // 计算音频数据的字节数：帧数 × 每个帧的字节数（nBlockAlign）
                let data_size = num_frames_available as usize * wave_format.nBlockAlign as usize;
                // 将原始音频数据转换为切片（示例中仅打印数据长度，可根据格式处理PCM数据）
                let audio_data = std::slice::from_raw_parts(data_ptr, data_size);
                println!("捕获到音频数据：{}字节", audio_data.len());

                // 释放缓冲区
                capture_client.ReleaseBuffer(num_frames_available)?;
            }
        }

        // 注意：实际应用中需要处理退出逻辑，这里省略，退出时需要释放资源
        // CoTaskMemFree(wave_format_ptr as *mut _);
        // audio_client.Stop()?;
        // CoUninitialize();
    }
}

fn main() -> Result<()> {
    capture_system_audio()
}

额外说明 #

• 音频格式（WAVEFORMATEX）包含了PCM数据的采样率、位深、声道数等信息，你可以根据这些信息将原始字节转换为具体的音频样本（例如16位单声道/立体声数据）。
• 循环退出逻辑需要自行实现（比如监听控制台输入信号），否则程序会一直运行。
• COM环境的初始化和清理要配对，示例中省略了退出时的CoUninitialize和格式内存释放，实际应用中必须添加。

内容的提问来源于stack exchange，提问作者Ayush Vachhani