基于MediaRecorder与Shazam API的音频识别失效问题排查

核心问题分析 #

你的代码无法被Shazam API识别的根本原因是录制的音频格式完全不符合API要求：

• 你使用MediaRecorder的THREE_GPP输出格式和AMR_NB编码器，生成的是带容器的压缩音频文件（3GP格式），而非API要求的原始无封装16位PCM小端数据
• AMR_NB编码器会强制将采样率降到8kHz（即使你设置了44100Hz），且属于可变比特率的有损压缩格式，和API要求的参数完全不匹配
• 你直接读取3GP文件的二进制数据转Base64，本质是把整个封装文件传给API，而非原始音频样本

修复方案 #

需要改用AudioRecord类直接录制原始PCM数据（MediaRecorder会自动做封装和编码，无法获取原始PCM），以下是修正后的代码实现：

1. 替换为原始PCM录制类 #

class RawAudioRecorder {
    private var audioRecord: AudioRecord? = null
    private var isRecording = false

    fun startRecording(): ByteArray {
        // 严格匹配API要求的参数：44100Hz、单声道、16位PCM小端
        val sampleRate = 44100
        val channelConfig = AudioFormat.CHANNEL_IN_MONO
        val audioFormat = AudioFormat.ENCODING_PCM_16BIT
        val minBufferSize = AudioRecord.getMinBufferSize(sampleRate, channelConfig, audioFormat)

        audioRecord = AudioRecord(
            MediaRecorder.AudioSource.MIC,
            sampleRate,
            channelConfig,
            audioFormat,
            minBufferSize * 2 // 扩大缓冲区避免录制溢出
        )

        // 预分配5秒的PCM数据空间：44100样本/秒 * 2字节/样本 *5秒 = 441000字节
        val audioData = ByteArray(44100 * 2 * 5)
        var readOffset = 0

        audioRecord?.startRecording()
        isRecording = true

        // 持续读取PCM数据直到达到预设长度或停止录制
        while (isRecording && readOffset < audioData.size) {
            val bytesRead = audioRecord?.read(audioData, readOffset, audioData.size - readOffset) ?: 0
            if (bytesRead < 0) break // 读取错误时终止
            readOffset += bytesRead
        }

        stopRecording()
        // 返回实际录制的有效数据
        return audioData.copyOf(readOffset)
    }

    fun stopRecording() {
        isRecording = false
        audioRecord?.stop()
        audioRecord?.release()
        audioRecord = null
    }
}

2. 修改录制处理逻辑 #

private suspend fun launchAudioRecording(context: Context): String {
    Log.d("SearchingSongScreen", "Starting raw PCM recording")
    val recorder = RawAudioRecorder()
    
    // 在IO线程执行录制，避免阻塞UI线程
    val rawPcmData = withContext(Dispatchers.IO) {
        recorder.startRecording()
    }

    Log.d("SearchingSongScreen", "Recorded ${rawPcmData.size} bytes of raw PCM")
    // 使用NO_WRAP避免Base64编码产生换行符，防止API解析失败
    return Base64.encodeToString(rawPcmData, Base64.NO_WRAP)
}

3. 关键验证点 #

• Android的ENCODING_PCM_16BIT默认就是小端字节序，符合API要求
• 5秒的PCM数据大小约为430KB，小于API限制的500KB
• 可以将录制的PCM数据添加WAV头后保存为文件，用音频工具（如Audacity）检查参数是否正确：44100Hz、单声道、16位

内容的提问来源于stack exchange，提问作者Thibault Verlinde