如何基于Media Foundation实现无内核驱动的用户态虚拟麦克风

别在Media Foundation上耗时间找虚拟麦克风的实现路径，不存在符合要求的可行方案。
你提到的MF虚拟摄像头接口是微软专门给视频捕获场景设计的用户态虚拟设备能力，从设计之初就完全不覆盖音频范畴：MF的音频管线仅负责处理已经枚举到的系统音频端点数据，没有开放注册、生成虚拟音频捕获端点的公开接口，仅靠MF不可能做出能被系统或应用正常识别的虚拟麦克风。

能完全满足「全用户态无内核驱动、自主生成音频流、适配Chrome/Hangouts等会议场景」要求的成熟路径，是基于Windows 10 2004版本之后原生支持的纯软件音频端点（Software-Only Audio Endpoint）实现：

• 全链路无内核态逻辑：整个实现本质是一个符合系统音频端点契约的COM组件，所有逻辑运行在用户态，不需要编写内核驱动，也不需要做全局API Hook，不会触发Chrome这类应用的沙箱安全拦截。
• 音频数据完全自主可控：在组件的音频读回调中可以生成任意音频内容，包括正弦波测试音、预加载音频、实时合成语音等，完全不需要依赖物理麦克风或其他音频输入源。
• 会议场景兼容性达标：注册完成的端点会被系统识别为标准音频输入设备，和物理麦克风的枚举、调用逻辑完全一致，Chrome、Edge、Teams、Zoom等所有走系统标准音频API采集声音的应用都能正常识别调用，Hangouts这类网页会议应用也不存在兼容问题。

实现核心注意点 #

• 注册端点时通过MMDevice相关接口指定端点类型为输入捕获，默认适配16kHz/44.1kHz/48kHz 16位单/双声道PCM这些会议场景通用格式，避免应用因为格式不支持无法正常调用。
• 实现IAudioClient的数据回调逻辑时，只需要在应用请求读取数据时，将自主生成的PCM数据填入对应缓冲区即可，不需要对接任何硬件层逻辑。
• 端点注册后即时生效，不需要重启系统，卸载时直接注销端点即可，不会在系统中残留驱动相关的垃圾文件或配置。

内容的提问来源于stack exchange，提问作者Blackhex