如何设置iOS AVAudioSession以获取时长小于0.1秒的输入缓冲区？

我在Kotlin Multiplatform的iOS应用中尝试获取短音频样本，目标缓冲区大小为512帧（对应48kHz采样率下约0.0107秒），但无论如何配置，AVAudioEngine始终返回至少4800帧的缓冲区。日志显示AVAudioSession的采样率和IO缓冲区时长已正确设置，增大目标缓冲区至4800帧以上可正常工作，但无法设置更小的尺寸，多台设备及模拟器结果一致。

我的实现代码如下：

val bufferSize: AVAudioFrameCount = 512u

val session = AVAudioSession.sharedInstance()

session.setCategory(AVAudioSessionCategoryPlayAndRecord, null)
session.setMode(AVAudioSessionModeMeasurement, null)

session.setPreferredSampleRate(sampleRateInHz.toDouble(), null)
session.setPreferredIOBufferDuration(bufferSize.toDouble() / session.sampleRate, null)
session.setActive(true, null)

val engine = AVAudioEngine()
val input = engine.inputNode
val bus: AVAudioNodeBus = 0u
val format = input.inputFormatForBus(bus)

input.installTapOnBus(bus, bufferSize, format) { buffer, time ->
    // ...use the data
}

val success = engine.startAndReturnError(null)

问题原因分析 #

1. AVAudioEngine的缓冲区参数为建议值：installTapOnBus传入的bufferSize只是系统的参考值，并非强制生效，系统会根据硬件能力、音频会话优先级等因素自动调整实际返回的缓冲区大小。
2. 硬件固有限制：部分iOS设备的音频输入硬件存在最小缓冲区下限，比如0.1秒（4800帧@48kHz），这是硬件层面的限制，无法通过软件配置突破。
3. 会话配置时机问题：如果在AVAudioSession未完全激活时就初始化AVAudioEngine，可能导致配置未生效，系统 fallback 到默认缓冲区大小。

解决方案 #

1. 确保会话激活后再初始化引擎 #

改用带回调的setActive方法，确认会话激活成功后再创建AVAudioEngine和输入Tap，避免配置未生效：

session.setActive(true) { error ->
    if (error == null) {
        // 会话激活成功后再初始化引擎
        val engine = AVAudioEngine()
        val input = engine.inputNode
        val bus: AVAudioNodeBus = 0u
        val format = input.inputFormatForBus(bus)
        
        input.installTapOnBus(bus, 0u, format) { buffer, time ->
            // 处理音频数据
        }
        
        val success = engine.startAndReturnError(null)
    }
}

2. 手动拆分缓冲区 #

如果硬件限制无法突破，可在Tap回调中自行拆分大缓冲区为目标帧长的小片段：

input.installTapOnBus(bus, 0u, format) { buffer, time ->
    var remainingFrames = buffer.frameLength
    var currentOffset = 0u
    // 按512帧为单位拆分处理
    while (remainingFrames >= 512u) {
        val slice = buffer.sliceFromFrame(currentOffset, 512u)
        // 处理slice中的512帧数据
        currentOffset += 512u
        remainingFrames -= 512u
    }
    // 可选：处理剩余不足512帧的部分
}

这里将bufferSize设为0，让系统使用最优的缓冲区大小，再手动拆分，可模拟得到小批量的音频数据。

3. 验证会话配置有效性 #

设置采样率和缓冲区时长后，验证实际生效的参数，排除系统 fallback 情况：

val rateSetSuccess = session.setPreferredSampleRate(sampleRateInHz.toDouble(), null)
if (rateSetSuccess) {
    println("实际采样率: ${session.sampleRate}")
} else {
    println("采样率设置失败，使用默认值: ${session.sampleRate}")
}

val durationSetSuccess = session.setPreferredIOBufferDuration(bufferSize.toDouble() / session.sampleRate, null)
if (durationSetSuccess) {
    println("实际缓冲区时长: ${session.preferredIOBufferDuration}")
} else {
    println("缓冲区时长设置失败")
}

内容的提问来源于stack exchange，提问作者Ryan