AVAudioEngine与AVAudioPlayer启用setVoiceProcessingEnabled后音量低及报错问题

问题场景与现象 #

• 使用AVAudioEngine作为SFSpeechRecognition的输入源，AVAudioPlayer负责声音输出
• 按照WWDC2019 Session 510的说明，在AVAudioInputNode和AVAudioOutputNode上都调用了setVoiceProcessingEnabled(true)以消除扬声器到麦克风的回授
• 当speechRecognitionEnabled设为YES时，Xcode抛出错误：

throwing 18,446,744,073,709,551,615
  from AU (0x13bf98dd0): auou/vpio/appl, render err: 18,446,744,073,709,551,615

• 节点初始化无报错，功能看似正常，但即使调高系统音量，输出音量仍极低
• 尝试过带混音节点和不带混音节点的多种AVAudioEngine配置，均无法获得正常音量输出

解决方案 #

1. 修正Voice Processing的启用范围 #

Voice Processing是专门为输入节点设计的音频处理功能，不要在AVAudioOutputNode上启用它。输出节点启用该功能会导致音频路由冲突，进而触发渲染错误（你看到的大数字错误码实际是kAudioUnitErr_FailedInitialization的无符号表示，即-1）。

修改代码，仅在输入节点启用：

// 正确做法：只给输入节点开启Voice Processing
audioEngine.inputNode.setVoiceProcessingEnabled(true)
// 移除对outputNode的setVoiceProcessingEnabled调用
// audioEngine.outputNode.setVoiceProcessingEnabled(true) // 删掉这行

2. 修复输出音量过低问题 #

方案A：调整AVAudioPlayer的音量与AudioSession配置

• 确保AVAudioPlayer的volume属性设置为合理值（比如1.0）
• 配置AVAudioSession为播放+录音模式，并允许混音：

do {
    let session = AVAudioSession.sharedInstance()
    try session.setCategory(.playAndRecord, mode: .default, options: [.mixWithOthers, .defaultToSpeaker])
    try session.setActive(true)
} catch {
    print("AudioSession配置失败: \(error)")
}

defaultToSpeaker会强制音频从扬声器输出，避免默认使用听筒导致音量低；mixWithOthers确保不会阻塞其他音频输出。

方案B：改用AVAudioEngine的输出节点替代AVAudioPlayer

如果必须结合AVAudioEngine使用，直接将音频文件通过AVAudioFile读取后连接到输出节点，这样可以更好地与引擎的路由整合：

let audioFile = try AVAudioFile(forReading: audioURL)
let playerNode = AVAudioPlayerNode()
audioEngine.attach(playerNode)

// 连接playerNode到输出节点，可添加混音器调整音量
let mixer = audioEngine.mainMixerNode
audioEngine.connect(playerNode, to: mixer, format: audioFile.processingFormat)
audioEngine.connect(mixer, to: audioEngine.outputNode, format: audioFile.processingFormat)

// 调整混音器音量
mixer.outputVolume = 1.0

playerNode.scheduleFile(audioFile, at: nil)
try audioEngine.start()
playerNode.play()

3. 避免Speech Recognition与音频输出的路由冲突 #

当SFSpeechRecognition启动时，系统会优先占用音频输入资源，此时需要确保输出路由不会被强制切换到听筒。可以在启动识别前再次确认AudioSession配置：

func startSpeechRecognition() {
    do {
        let session = AVAudioSession.sharedInstance()
        try session.setCategory(.playAndRecord, mode: .voiceChat, options: .defaultToSpeaker)
        try session.setActive(true)
        
        // 启动SFSpeechRecognition任务...
    } catch {
        print("启动识别前配置失败: \(error)")
    }
}

mode: .voiceChat会自动优化语音通话场景的音频处理，同时配合defaultToSpeaker保证输出音量。

内容的提问来源于stack exchange，提问作者sleep9