MediaFoundation 如何直接从采集设备将音频编码为MP3并输出到字节流

适用性说明 #

MediaFoundation是实现该需求的最优原生WinAPI选择，Win7及以上系统原生内置MP3编码器，无需引入第三方依赖，完全支持内存级编码输出适配网络传输场景，比老旧的DirectShow接口更易维护。

推荐最简实现流程（基于SinkWriter，无需手动处理MediaSink和MFT逻辑） #

你已经拿到完整PCM Wave缓冲区的场景下，用SinkWriter方案开发量最低：

• 第一步：初始化MediaFoundation环境，调用MFStartup(MF_VERSION, 0)
• 第二步：创建内存IMFByteStream用于接收编码后的MP3数据，无需落地到磁盘：
  可以通过MFCreateMFByteStreamOnStreamEx绑定系统IStream内存对象，也可以使用MFCreateDynamicBuffer创建可动态扩容的内存缓冲区后关联为字节流
• 第三步：创建SinkWriter实例，调用MFCreateSinkWriterFromByteStream，将第一步创建的内存字节流传入，指定输出容器类型为MP3
• 第四步：配置SinkWriter的媒体类型：
  1. 先配置输出媒体类型：主类型设为MFMediaType_Audio，子类型设为MFAudioFormat_MP3，按需设置采样率、声道数、编码比特率参数
  2. 再配置输入媒体类型：主类型设为MFMediaType_Audio，子类型设为MFAudioFormat_PCM，参数和你拿到的PCM缓冲区参数（位深度、采样率、声道数）完全匹配
  3. 调用AddStream和SetInputMediaType完成流配置
• 第五步：喂入PCM数据：将你的PCM缓冲区按帧封装为IMFSample对象，为每个Sample设置正确的时间戳和持续时间（可通过采样率计算，单位为100纳秒），调用WriteSample喂入SinkWriter
• 第六步：所有PCM数据喂入完成后，调用Finalize()方法完成编码，此时内存字节流中已存储完整的MP3二进制数据，可直接取出用于网络传输。

可选灵活实现方案（直接调用MP3编码器MFT） #

如果你需要边采集边编码、实时输出的场景，可以直接操作MP3编码器MFT：

• 调用MFTEnumEx枚举获取MP3编码器的IMFTransform接口实例
• 分别设置输入媒体类型（PCM格式）和输出媒体类型（MP3格式）
• 循环将PCM样本喂入ProcessInput接口，再调用ProcessOutput获取编码后的MP3样本，攒齐后即为完整MP3数据

MediaSink相关疑问说明 #

MP3 MediaSink已经被SinkWriter封装了内部逻辑，普通场景下不需要手动创建和维护MediaSink实例，也不用处理MediaSink和SourceReader的适配逻辑，直接用SinkWriter即可覆盖绝大多数编码需求。

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