Java实现带偏移与重叠的音频合成：定制AudioMerger类需求

我来帮你搞定这个定制的音频合成需求，咱们用JDK自带的javax.sound.sampled库来实现，不需要额外引入第三方依赖，稳定性和兼容性都有保障。下面是完整的实现思路和代码：

核心思路 #

1. 先创建一个指定时长的静音WAV作为基础轨道
2. 把每个待插入的音频文件读取为PCM原始数据，根据指定的偏移时间写入到基础轨道的对应位置
3. 重叠部分直接叠加音频采样值（做限幅处理避免爆音）

完整代码实现 #

首先定义AudioMerger类，包含你需要的add、merge、saveToFile方法：

import javax.sound.sampled.*;
import java.io.File;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

public class AudioMerger {
    // 存储待添加的音频条目：音频文件路径 + 偏移时间（秒）
    private List<AudioEntry> audioEntries = new ArrayList<>();
    // 基础音频格式（统一用44.1kHz、16位立体声、小端有符号PCM）
    private AudioFormat baseFormat;
    // 存储合成后的音频原始数据
    private byte[] mergedAudioData;

    // 内部类：封装音频文件路径和偏移时间
    private static class AudioEntry {
        String filePath;
        double offsetSeconds;

        AudioEntry(String filePath, double offsetSeconds) {
            this.filePath = filePath;
            this.offsetSeconds = offsetSeconds;
        }
    }

    /**
     * 添加音频文件及插入偏移时间
     * @param filePath 音频文件路径
     * @param offsetSeconds 插入的起始时间（秒）
     */
    public void add(String filePath, double offsetSeconds) {
        audioEntries.add(new AudioEntry(filePath, offsetSeconds));
    }

    /**
     * 创建指定时长的静音基础轨道
     * @param totalDurationSeconds 目标音频总时长（秒）
     */
    public void merge(double totalDurationSeconds) {
        // 定义统一的基础音频格式
        baseFormat = new AudioFormat(
                AudioFormat.Encoding.PCM_SIGNED,
                44100.0f,
                16,
                2,
                4,
                44100.0f,
                false // 小端字节序
        );

        // 计算总采样帧数 = 采样率 * 时长（秒）
        long totalFrames = (long) (baseFormat.getSampleRate() * totalDurationSeconds);
        // 计算总字节数 = 帧数 * 帧大小（每帧4字节：16位*2声道）
        mergedAudioData = new byte[(int) (totalFrames * baseFormat.getFrameSize())];
        // 初始化静音数据（默认全0，就是静音）
    }

    /**
     * 将合成后的音频保存到文件
     * @param outputFile 输出WAV文件
     * @throws IOException  IO异常
     * @throws LineUnavailableException 音频线路异常
     */
    public void saveToFile(File outputFile) throws IOException, LineUnavailableException {
        if (mergedAudioData == null) {
            throw new IllegalStateException("请先调用merge()方法创建基础轨道");
        }

        // 遍历所有待添加的音频条目，写入到基础轨道
        for (AudioEntry entry : audioEntries) {
            File audioFile = new File(entry.filePath);
            try (AudioInputStream ais = AudioSystem.getAudioInputStream(audioFile)) {
                // 将输入音频转换为基础格式
                AudioInputStream convertedAis = AudioSystem.getAudioInputStream(baseFormat, ais);
                // 读取输入音频的全部数据
                byte[] audioData = convertedAis.readAllBytes();

                // 计算偏移的起始字节位置：偏移秒数 * 采样率 * 帧大小
                int startByte = (int) (entry.offsetSeconds * baseFormat.getSampleRate() * baseFormat.getFrameSize());
                // 如果起始位置超过总长度，跳过该音频
                if (startByte >= mergedAudioData.length) {
                    continue;
                }

                // 计算实际可写入的字节数（避免超出基础轨道长度）
                int writeLength = Math.min(audioData.length, mergedAudioData.length - startByte);

                // 叠加音频数据（16位采样，需要按short处理）
                for (int i = 0; i < writeLength; i += 2) {
                    // 读取基础轨道的采样值
                    short baseSample = (short) ((mergedAudioData[startByte + i] & 0xFF) | (mergedAudioData[startByte + i + 1] << 8));
                    // 读取输入音频的采样值
                    short inputSample = (short) ((audioData[i] & 0xFF) | (audioData[i + 1] << 8));
                    // 叠加后限幅（避免超出16位音频范围：-32768 ~ 32767）
                    short mergedSample = (short) Math.max(Math.min(baseSample + inputSample, Short.MAX_VALUE), Short.MIN_VALUE);
                    // 写回基础轨道
                    mergedAudioData[startByte + i] = (byte) (mergedSample & 0xFF);
                    mergedAudioData[startByte + i + 1] = (byte) (mergedSample >> 8);
                }
            } catch (UnsupportedAudioFileException e) {
                System.err.println("不支持的音频格式：" + entry.filePath);
                e.printStackTrace();
            }
        }

        // 写入WAV文件
        AudioInputStream mergedAis = new AudioInputStream(
                new java.io.ByteArrayInputStream(mergedAudioData),
                baseFormat,
                mergedAudioData.length / baseFormat.getFrameSize()
        );
        AudioSystem.write(mergedAis, AudioFileFormat.Type.WAVE, outputFile);
    }

    // 测试示例
    public static void main(String[] args) {
        try {
            AudioMerger merger = new AudioMerger();
            merger.add("sound.wav", 2);
            merger.add("sound.wav", 6);
            merger.add("sound.wav", 7);
            merger.merge(10);
            merger.saveToFile(new File("out.wav"));
            System.out.println("音频合成完成，输出文件：out.wav");
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

关键细节说明 #

• 格式统一：所有输入音频都会被转换为统一的PCM格式（44.1kHz、16位立体声），避免格式不兼容问题
• 重叠处理：重叠部分的音频采样值会叠加，并做限幅处理，防止出现爆音
• 边界检查：如果偏移时间超出总时长，会自动跳过该音频；写入时也会避免超出基础轨道的范围
• 资源管理：使用try-with-resources自动关闭音频流，避免资源泄漏

扩展建议 #

如果需要更复杂的功能，可以考虑：

• 添加音量控制参数，允许调整插入音频的音量
• 支持更多音频格式（比如MP3），可以引入javazoom等第三方库做转码
• 添加进度监听，显示合成进度

内容的提问来源于stack exchange，提问作者Huhngut