Windows 10下SAPI音频输出代码设置失效问题及替代方案咨询

我之前遇到过类似的问题，Windows 10的音频架构和SAPI的行为确实和Windows 7有不少差异，导致原来的代码失效。让我帮你分析一下原因和解决办法：

核心原因分析 #

1. Win10音频会话管理变更：Win10引入了更严格的音频会话控制，SAPI的SetOutput方法不再像Win7那样强制覆盖系统默认设备，而是会受到系统音频优先级和应用会话设置的限制。
2. 设备枚举的兼容性问题：Win10中音频设备的加载顺序、枚举逻辑和Win7不同，单纯依赖枚举索引来选择设备可能导致选中的设备和预期不符。
3. SAPI版本行为调整：Win10自带的SAPI版本对SetOutput的参数处理、设备绑定逻辑做了优化，旧代码的调用方式不再完全适用。

具体修复方案 #

方案1：修正SetOutput的调用流程 #

在设置新的音频输出前，先清空语音对象的旧输出绑定，避免残留的设备关联导致设置失效：

// 先释放当前的输出设备
HRESULT hrClear = cpVoice->SetOutput(NULL, TRUE);
if (SUCCEEDED(hrClear)) {
    // 再设置新的设备token
    HRESULT hrSet = cpVoice->SetOutput(cpAudioOutToken, TRUE);
    if (FAILED(hrSet)) {
        printf("SetOutput failed with error: 0x%08X\n", hrSet);
    }
}

同时一定要检查SetOutput的返回值，很多时候失效是因为调用本身返回了错误，但你之前的代码没有做错误检查。

方案2：用设备ID替代索引选择设备 #

Win10中设备枚举的索引可能随系统启动、设备插拔变化，建议通过设备唯一ID来精准定位目标设备：

1. 枚举时保存设备ID：

for( audioOut = 0; audioOut <= vCount - 1; audioOut++ )
{
    cpAudioOutToken.Release();
    cpEnum->Item( audioOut, &cpAudioOutToken );
    SpGetDescription( cpAudioOutToken, &dynStr );
    
    // 获取设备ID并保存
    CComVariant varDeviceId;
    HRESULT hrId = cpAudioOutToken->GetId(&varDeviceId);
    if (SUCCEEDED(hrId) && varDeviceId.vt == VT_BSTR) {
        printf( "Defined Audio Output %i - %ls (ID: %ls)\n", audioOut, dynStr, varDeviceId.bstrVal );
        // 可以把ID存入数组或map，方便后续查找
    } else {
        printf( "Defined Audio Output %i - %ls\n", audioOut, dynStr );
    }
    dynStr.Clear();
}

2. 设置时通过ID筛选设备：

// 假设你已经获取到目标设备的ID：targetDeviceId
WCHAR szFilter[512];
swprintf_s(szFilter, L"DeviceId=\"%ls\"", targetDeviceId);
HRESULT hrEnum = SpEnumTokens(SPCAT_AUDIOOUT, szFilter, NULL, &cpEnum);
if (SUCCEEDED(hrEnum)) {
    ULONG count = 0;
    cpEnum->GetCount(&count);
    if (count > 0) {
        cpEnum->Item(0, &cpAudioOutToken);
        // 先清空旧输出再设置新的
        cpVoice->SetOutput(NULL, TRUE);
        cpVoice->SetOutput(cpAudioOutToken, TRUE);
        SpGetDescription(cpAudioOutToken, &dynStr);
        printf("Successfully set output to: %ls\n", dynStr);
    }
}

方案3：改用WASAPI音频对象绑定 #

如果SAPI原生的SetOutput还是不生效，可以直接使用WASAPI（Windows音频会话API）创建音频对象，再绑定到语音引擎：

CComPtr<ISpAudio> cpWASAPIAudio;
// 创建WASAPI类型的音频输出对象
HRESULT hr = SpCreateDefaultObjectFromCategoryId(SPCAT_AUDIOOUT, &cpWASAPIAudio);
if (SUCCEEDED(hr)) {
    // 如果需要指定特定设备，同样可以用设备ID筛选后创建
    cpVoice->SetOutput(NULL, TRUE);
    cpVoice->SetOutput(cpWASAPIAudio, TRUE);
}

这种方式绕开了SAPI的默认设备选择逻辑，直接和系统音频底层交互，兼容性更好。

方案4：检查系统音频设置 #

Win10的应用音频权限可能限制了设备选择：

• 打开「设置 → 系统 → 声音 → 应用音量和设备首选项」
• 找到你的应用，确认它的「输出设备」没有被强制设置为系统默认，允许应用自行选择设备

调试小技巧 #

• 每次调用SAPI接口后都检查HRESULT返回值，用FormatMessage获取具体错误描述，能快速定位问题：

if (FAILED(hr)) {
    WCHAR szErr[256];
    FormatMessageW(FORMAT_MESSAGE_FROM_SYSTEM, NULL, hr, MAKELANGID(LANG_NEUTRAL, SUBLANG_DEFAULT), szErr, 256, NULL);
    printf("Error: %ls\n", szErr);
}

内容的提问来源于stack exchange，提问作者georges619