Swift开发iOS蓝牙扬声器实时音频播放出现2秒延迟求解决方案

你当前的实现逻辑天然存在高延迟，核心原因如下：

• 采用录制-存盘-读取-播放的串行流程，文件IO、每次重启录音/播放器的初始化开销极大，每轮循环都会叠加固定延迟
• AAC编码本身存在帧缓冲延迟，且你设置的5000采样率不属于系统标准采样率，会额外增加系统重采样的开销
• 500ms的固定录制块+蓝牙音频默认的大缓冲策略，又额外叠加了1s以上的延迟

最小改动临时降延迟 #

如果不想重构现有逻辑，可以做以下修改，能把延迟降到500ms以内：

• 把固定录制时长从500ms降到100~200ms，减小单块音频的等待时间
• 不要每次循环都创建新的AVAudioRecorder和AVAudioPlayer实例，复用全局实例，避免重复初始化开销
• 把编码格式替换为PCM无压缩格式（kAudioFormatLinearPCM），去掉AAC编解码的延迟，采样率换成标准的8000/16000，避免系统重采样
• 取消存盘流程，直接用内存缓冲区传递录制的音频数据，不要读写本地文件

最优低延迟方案 #

直接改用AVAudioEngine实现实时音频流传递，彻底跳过文件/单次录音播放的流程，正常能把延迟控制在150ms以内，符合实时通话级别的体验：

import AVFoundation

class RealTimeAudioManager {
    private let audioEngine = AVAudioEngine()
    
    func startStream() throws {
        let session = AVAudioSession.sharedInstance()
        try session.setCategory(.playAndRecord, options: [.allowBluetooth, .defaultToSpeaker])
        try session.setPreferredIOBufferDuration(0.01) // 设置10ms低缓冲
        try session.setActive(true)
        
        let inputNode = audioEngine.inputNode
        let outputNode = audioEngine.outputNode
        let inputFormat = inputNode.inputFormat(forBus: 0)
        
        // 直接采集麦克风实时数据
        inputNode.installTap(onBus: 0, bufferSize: 1024, format: inputFormat) { buffer, time in
            // 采集到的音频数据直接送给输出端播放
            outputNode.scheduleBuffer(buffer, completionHandler: nil)
        }
        
        audioEngine.prepare()
        try audioEngine.start()
    }
    
    func stopStream() {
        audioEngine.stop()
        audioEngine.inputNode.removeTap(onBus: 0)
    }
}

注意事项 #

• 记得提前申请麦克风权限，在Info.plist中添加NSMicrophoneUsageDescription配置
• 部分低端蓝牙音箱本身有固定100~300ms的硬件延迟，属于硬件限制无法完全消除
• 如果需要做降噪、增益等音频处理，直接在tap的回调中对PCM buffer操作即可，不需要落地文件

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