sd.playrec()同步问题解决及替代Python音频工具咨询

优化sounddevice本身的同步设置 #

1. 显式配置低延迟参数 #

调用sd.playrec()时，直接指定最小化延迟的参数，缩小播放与录制的启动差：

import sounddevice as sd
import numpy as np

# 生成48kHz采样率的5秒正弦扫频信号
sweep = np.sin(np.linspace(0, 2*np.pi*20000, 48000*5))
# 强制启用低延迟模式，设置小缓冲区块大小
recorded = sd.playrec(sweep, samplerate=48000, channels=1,
                      blocksize=128, latency='low')

latency='low'会优先选择系统支持的最低硬件延迟，blocksize设为2的幂数（如128、256），减少缓冲区带来的启动延迟差。

2. 使用Stream回调手动同步 #

放弃playrec()的高层封装，改用sd.Stream()通过回调函数同时处理播放和录制，从逻辑层面保证同步：

import sounddevice as sd
import numpy as np

samplerate = 48000
# 生成正弦扫频信号
sweep = np.sin(np.linspace(0, 2*np.pi*20000, samplerate*5))
sweep_idx = 0
recorded_frames = []

def callback(outdata, indata, frames, time, status):
    global sweep_idx
    if status:
        print(status)
    # 同步填充输出帧并记录输入帧
    outdata[:] = sweep[sweep_idx:sweep_idx+frames].reshape(-1, 1)
    recorded_frames.append(indata.copy())
    sweep_idx += frames
    # 播放完毕停止回调
    if sweep_idx >= len(sweep):
        raise sd.CallbackStop()

# 初始化双向流，启用低延迟配置
with sd.Stream(samplerate=samplerate, channels=1, callback=callback,
               blocksize=128, latency='low') as stream:
    stream.start()
    stream.wait()

# 拼接录制的音频帧
recorded = np.concatenate(recorded_frames)

更优替代库推荐 #

1. PyAudio #

直接操作PortAudio底层，对同步控制的粒度更细，通过打开双向流同时处理播放和录制，确保启动时间完全一致：

import pyaudio
import numpy as np

samplerate = 48000
channels = 1
chunk = 128
# 生成32位浮点型扫频信号
sweep = np.sin(np.linspace(0, 2*np.pi*20000, samplerate*5)).astype(np.float32)
sweep_idx = 0
recorded_frames = []

p = pyaudio.PyAudio()
# 初始化双向流，暂不启动
stream = p.open(format=pyaudio.paFloat32,
                channels=channels,
                rate=samplerate,
                input=True,
                output=True,
                frames_per_buffer=chunk,
                start=False)

stream.start_stream()
# 循环同步读写音频数据
while sweep_idx < len(sweep):
    # 截取当前块的输出数据
    out_chunk = sweep[sweep_idx:sweep_idx+chunk]
    # 同步读取输入、写入输出
    in_data = stream.read(chunk, exception_on_overflow=False)
    recorded_frames.append(np.frombuffer(in_data, dtype=np.float32))
    stream.write(out_chunk.tobytes())
    sweep_idx += chunk

# 释放资源
stream.stop_stream()
stream.close()
p.terminate()

# 拼接录制结果
recorded = np.concatenate(recorded_frames)

2. soundfile + sounddevice组合 #

如果需要处理复杂音频格式，可配合soundfile进行文件读写，核心仍使用sd.Stream的回调同步方案，兼顾稳定性与同步性。

内容的提问来源于stack exchange，提问作者Mason Wang