如何将2声道以上输入设备音频录制为MP3等高压缩格式

你的代码核心错误是仅修改了WaveFormat结构里的声道数、采样率字段值，没有对采集到的原始音频流做实际的格式转换处理。
当采集设备输出声道数大于2时，你拿到的DataAvailable事件里的字节流是按多声道规则排列的PCM数据，但你仅通过修改格式头告诉LameMP3FileWriter这是2声道数据，编码器会按照2声道的字节偏移解析数据，最终输出的自然全是噪音。采样率修改逻辑存在同样的隐患，只是采样率不匹配时噪音表现没有声道数不匹配这么明显。

在音频采集源和MP3编码器之间插入内存级的格式转换管道，自动完成多声道下混、采样率适配，全程使用内存流处理，不生成任何磁盘中间文件。
需要提前声明几个类级别的变量，避免GC回收：

• BufferedWaveProvider _bufferedProvider：用来缓存采集到的原始音频数据
• MediaFoundationResampler _resampler：负责采样率转换、多声道到2声道的下混处理，处理延迟低、音质损失小
• byte[] _readBuffer：用来读取转换完成的PCM数据的缓冲

修正后的初始化代码 #

IWaveIn _captureInstance = inputDevice.DataFlow == DataFlow.Render ?
                        new WasapiLoopbackCapture(inputDevice) : new WasapiCapture(inputDevice);

// 计算编码器支持的目标格式参数
int targetSampleRate = _captureInstance.WaveFormat.SampleRate;
if (targetSampleRate > 48000) targetSampleRate = 48000;
if (targetSampleRate < 8000) targetSampleRate = 8000;
int targetChannels = _captureInstance.WaveFormat.Channels > 2 ? 2 : _captureInstance.WaveFormat.Channels;
// 目标PCM格式固定用16bit位深，LAME编码器兼容性最好
WaveFormat targetEncodeFormat = new WaveFormat(targetSampleRate, 16, targetChannels);

// 初始化内存缓冲，配置为缓冲溢出时丢弃最旧数据，避免内存无限增长
_bufferedProvider = new BufferedWaveProvider(_captureInstance.WaveFormat)
{
    DiscardOnBufferOverflow = true,
    BufferDuration = TimeSpan.FromSeconds(2)
};

// 初始化重采样/声道转换组件
_resampler = new MediaFoundationResampler(_bufferedProvider, targetEncodeFormat)
{
    ResamplerQuality = 60 // 转换质量拉满，取值范围1-60
};

// 初始化MP3写入器，直接写入目标内存流，无磁盘IO
_mp3FileWriter = new LameMP3FileWriter(_currentStream, targetEncodeFormat, 128); // 这里128是kbps，可按需调整音质
// 初始化读缓冲，长度设为0.5秒的音频数据量即可
_readBuffer = new byte[targetEncodeFormat.AverageBytesPerSecond / 2];

修正后的录音事件处理代码 #

_captureInstance.DataAvailable += (s, a) =>
{
    lock (_writerLock)
    {
        if (_mp3FileWriter == null) return;
        // 第一步：把采集到的原始音频数据写入内存缓冲
        _bufferedProvider.AddSamples(a.Buffer, 0, a.BytesRecorded);
        
        // 第二步：循环读取转换完成的、符合目标格式的PCM数据
        int readCount;
        while ((readCount = _resampler.Read(_readBuffer, 0, _readBuffer.Length)) > 0)
        {
            // 第三步：把转换好的数据写入MP3编码器
            _mp3FileWriter.Write(_readBuffer, 0, readCount);
        }
    }
};

_captureInstance.RecordingStopped += (s, a) =>
{
    lock (_writerLock)
    {
        // 停止录音后先把缓冲里剩余的所有数据读完写完，避免末尾音频截断
        int readCount;
        while (_resampler != null && (readCount = _resampler.Read(_readBuffer, 0, _readBuffer.Length)) > 0)
        {
            _mp3FileWriter?.Write(_readBuffer, 0, readCount);
        }
        // 按依赖顺序释放资源
        _mp3FileWriter?.Dispose();
        _mp3FileWriter = null;
        _resampler?.Dispose();
        _resampler = null;
        _bufferedProvider = null;
    }
    _captureInstance?.Dispose();
    _captureInstance = null;
};

_captureInstance.StartRecording();

• 如果遇到Windows精简系统缺少Media Foundation组件导致MediaFoundationResampler初始化失败，可以替换为WaveFormatConversionStream做格式转换，仅声道下混的效果略差，功能完全可用，同样全程内存操作。
• 如果不想依赖LAME编码器，也可以在格式转换层之后接入系统自带的Media Foundation MP3编码器，支持内存输出，压缩比和音质与LAME接近。
• 代码里的MP3比特率参数可按需调整，常见取值为64kbps（低音质语音）、128kbps（标准音质）、320kbps（高音质）。

内容的提问来源于stack exchange，提问作者Rougher