分类：
2011-08-01 19:06:39
原文地址：Linux 音频系统简析 作者：cax_x
Linux音频系统简析
这是因为，音频系统本身就比其他架构更加复杂。OSI模型每一层都有自己的作用域和功能，每一层几乎不会有任何交集，所以你绝对不会碰到任何混乱情况。但是，在linux音频系统上，却上演着这样的事情：没有明确的底层，各种音频技术各自为政。linux的音频系统架构有点像地壳构造，偶尔就地震一下，要不就火山爆发一下，上层结构则要使劲遮掩发生的一切。
OpenSoundProtocol（开放声音协议？），原本用来内核和声卡通信的（驱动），但是现在却成了alsa的一个胶合层（也不错，驱动声卡）。alsa兼顾底层和硬件通信，为应用程序提供api，即负责混音，又负责硬件资源调用，多声道支持，环绕立体声输出等，甚至还要负责mp3解码（什么时候alsa负责mp3解码了？我out了）。所以当众多发行版使用PulseAudio或者Gstreamer时候，错误就不断的发生了…
ALSA
输入:PulseAudio,Jack,GStreamer,Xine,SDL,ESD
输出:Hardware,OSS
首先，让我们从了解alsa（AdvancedLinuxSoundArchitecture,高级linux音频架构）开始。alsa直接和内核通信，并提供音频接口功能以供调用。但是，似乎alsa做了“比当好一个驱动程序”更多的事情：为系统混音，为其他程序提供音频输出输出接口，为程序员提供api。他的目标好像要同Windows的ASIO或者OSX的CoreAudio一样，作为一个底层而稳定的后台程序运行。
本来alsa是设计成为oss的继任者的，值得庆幸的是，oss并没有真的死亡，凭借着alsa的兼容层重生了。所以可以简单的把alsa理解为声卡的驱动层。实际驱动声卡的还是oss。声卡需要加载前缀为snd_的内核驱动模块，以在发声事件时驱动声卡发声。这也就是你需要linux声卡驱动的原因，这也可能是你笔记本不出声音的原因…
幸运的是，大部分的发行版都已经自动配置好相关设备以及驱动模块，alsa负责提供api给应用程序，应用程序可以调用api发声。最初这个设计是给oss用的～（当时大部分驱动都是如此），但是会引发声卡独占问题（即只有一个程序可以发声，其他程序只能进入队列等待）。
alsa需要一个软件部件监测声卡并管理声卡。当有两个或多个程序需要同时发声，alsa则进行软混音——如果你的声卡支持，则使用声卡硬混音。alsa最多可以同时管理8路的声频硬件，还可以同时支持mid特性。当然这个特性要取决于你的计算机硬件，所以随着硬件的发展，这个特性不是显得那么重要了。
alsa和其他驱动不同之处是它的可制定性。也正是因为高度的可制定性，导致linux音频系统架构越来越复杂。通过配置文件（/usr/share/alsa/alsa.conf）你可以管理一切——不论是混音方式，输出设备选择，采样率，比特深度，还是实时音效。
alsa因其透明性、高效性和灵活性使之成为了Linux音频系统的标准，也成为了几乎其他所有的音频架构和硬件通信的桥梁。
输入:GStreamer,Xine,ALSA
输出:ALSA,Jack,ESD,OSS
如果你认为让alsa当后台就万无一失，那可就大错特错了。alsa虽然可以管理硬件，但是软件层却是其力所不及的地方。
这就是pulse，连接软件和硬件，远程计算机和本地计算机。它可以像alsa那样处理本地音频流，可以更灵活的处理远程计算机的音频流并在本地发声。因为其灵活性，可用性，已经被众多linux发行版所采用（为什么arch还是alsa而不是pulse，囧）。
附加效果和alsa一样，高度的灵活性带来了高度的复杂性。但是似乎pulse的问题更为复杂，因为pulse是面向用户设计的，所以用户的错误配置可能轻易的引起故障。所以就算是ubuntu，系统也尽量不会让用户更改其配置文件。
当你使用面板上的音量调节工具调节音量时，实际上你调节的是个虚拟设备——你调节pulse的虚拟设备，pulse调节alsa，alsa反馈给pulse，pulse再反馈给虚拟设备……（多纠结啊）
好像pulse没有给linux音频系统带来什么增益？所以反对的声音不绝于耳（他们觉得和alsa相比就是重复造轮子？）。他没有使已有的操作起来更简单（指alsa），也没有带来更好地音效（本子想要hifi效果？），但是它带来了几个非常重要的特性。首当其冲就是混音特性。
如果所有的程序都使用pulse，一切都将变得美好起来。开发者们不用再考虑系统复杂性，因为pulse是跨平台的。但正是因为如此，所以有这么多其他的音频解决方案的主要原因之一。
不像alsa那样，pulse可以跨平台，运行在不同的操作系统上，包括POSIX标准的unix-like系统和微软的Windows。也就是说呢，如果你写的程序使用pulse而不是alsa，那么移植起来会非常轻松。
事情其实并不简单，因为在linux上，pulse依赖于alsa，pulse把自身模拟成输出设备，供alsa调用。这点有点和Jack相似，处在alsa和桌面之间，使用管道来传输数据。
不同于jack，它不主动添加或删除音频源，所以你可以对所有输出的音频程序音量等进行分控，哈哈，至少用这个特性你可以让那些吵人的网站全部静音（firefox静音吗？flashblock就好了嘛～）
GStreamer
输入:Phonon
输出:ALSA,PulseAudio,Jack,ESD
算上gstreamer，linux的音频系统更加复杂了……因为gstreamer有点像pulse，没有什么新的特性。他是诞生在pulse之前，而且拥有更多的开发者。看起来更象是gnome专属的一个多媒体框架。它是为数不多的可以安装并使用解码器的架构之一。他也是GTK开发者的首选，使用gstreamer你甚至可以为PalmPre进行程序开发。
gstreamer介于软件层和音频输入层之间，优先于pulseaudio。gstreamer与众不同之处在于他不只是个音频处理框架，通过安装解码器，你还可以通过他来播放音频视频文件。
例如播放mp3，通常是下载相应的gstreamer解码器并安装。linux下唯一一个官方授权的商业版的FluendoMP3解码器，是一个gstreamer插件，其实mpeg，h264等也都是如此。
Jack
输入:PulseAudio,GStreamer,ALSA,
输出:OSS,FFADO,ALSA
拥有pulse开放性等特点，通过管道传输音频流，最终使用输出设备输出音频。jack是个中间层，音频和程序的远程进程信号等同，这使得应用程序可以通过组件建立。
最好的例子就是虚拟录音，应用程序在录音的同时可以对音频进行处理，并把处理好的数据通过一个虚拟设备“输出”到应用程序。实际录音情况中有可能使通过网络或者电缆等，jack同样对输入的音频流进行处理。
jack是jack音频连接工具包的简称，由于其低延时，面向底层设计，所以不会发生因为需要处理过多数据而缓慢的情况。但是如果需要使用jack，音频程序需要进行相应的编码，专为jack而设计。jack不像alsa，pulse那样简单，他需要运行在系统的最高优先级，而且需要专门的设备输入。
在jack兼容的程序中，你自由的选择音频输入方式，例如你可以直接使用audacity录制当前vlc输出的音频。或者你可以通过JackRack，建立包括ping延迟、多道混响和语言编码等多种实时效果的应用程序来发送它。
jack对于多媒体工作站是不二之选。Ardour就是使用jack作为输入输出组件。jack是如此之出色，甚至你在mac上也能看到他的身影。
FFADO
输入:Jack
输出:Audiohardware
许多专业设备都是通过“火线”连接到pc的。这样做有很多优点，火线传输速率快，而且可以为外设供电。很多台式机和笔记本都有火线插口，它是如此稳定而成熟。在外面，你可以通过笔记本的火线插口录制音频，回到工作室再导入工作站中。
与usb不同，它是专用于音频输入输出的插口，拥有自己的通信协议，无须安装驱动程序。如此的复杂性，导致alsa不能胜任。所以它使用专属于自己的胶合层。
起初，这是个叫FreeBOB的项目，这得益于许多火线音频设备都是基于相同的硬件协议。FFADO是FreeBOB的继任者，提供更多特性，并为其他类型的火线插口设备提供支持。
2009年末，他发布了第二版，包含了对许多类似Alesis、Apogee、ART、CME、Echo、Edirol、Focusrite、M-Audio、Mackie、Phonic和Terratec的单元的支持。因为不能确保所有的硬件都能在这个平台上工作，所以购买前你需要进行测试（livecd测试ati显卡？lol），很多厂商也提供FFADO开发者设备以支持其改进和驱动完善。
FFADO另一个特性是整合了dsp芯片的混音驱动，你可以通过图形界面设置输入输出，以及音效等。不同于alsa的软混音，你可以真正的对硬件进行控制，做到真正的0延时，这对现场录音等需求大大有助。
和alsa等其他架构不同，jack仅仅对其支持的硬件进行处理，没有对alsa或者pulse提供接口，除非你用alsa替代jack，否则你无法使用jack正常的进行音频播放。但是很多专业设备对jack支持良好，所以jack是你的最优选择。
Xine
输入:Phonon
输出:PulseAudio,ALSA,ESD
如果说linux音频发展像地球史，那xine就处在白垩纪。它就像个遗老，你仍能从很多播放器中发现它的身影，所以很多linux发行版仍然捆绑着xine。
xine创立之初，设计分为前端和后端，前端用于和用户交互，后端处理多媒体。得益于封装的解码库，它可以播放包括AVI、Matroska和Ogg以及它们包含的数十种格式，例如AAC、Flack、MP3、Vorbis和WMA。
因为它依赖于库实现，所以xine被开发成一个多媒体框架，库的开发，使得xine在法律允许范围内对多媒体文件提供最好的支持。xine可以和alsa，pulse通信，很多程序也可以调用xine，例如totme-xine。同时xine也是kde的Phonon默认后端，所以不论是Amarok还是Kaffeine，都能看到他的踪迹。
Phonon
输入:Qt和KDE程序
输出:GStreamer,Xine
PortAudio
跨平台是他最大的优势。开发者可以用Qt在Linux上编写一个音乐播放器，然后可以重编译给OSX和Windows使用，而无需要考虑音乐是如何播放的、使用的音频硬件的兼容性如何，或者最终操作系统会如何处理音频这些问题。Qt的Phonon自动完成音频传送，例如自动传送到OSX的CoreAudio的API中，或者Windows的DirectSound中。
在Linux平台上（不同于早先的KDE版本），得益于其透明的编解码器的支持，Phonon传递音频给GStreamer。phonon正在慢慢从Qt的框架中剥离。
这个架构受到最大的批评就是它过于简单，没有任何新的特性，不过看样子KDE4中，还是会将它保留在架构中的。
其他分支
当然还有其他很多小众的音频技术，例如ESD、SDL和PortAudio。
ESD是声音启发守护进程（EnlightenmentSoundDaemon），它在曾经很长的一段时间里曾是Gnome桌面的默认声音服务。后来，Gnome开始使用libcanberra（它本身可以和ALSA、GStreamer、OSS和PulseAudio通信），ESD在2009年4月被彻底放弃支持。在kde上esd也是杯具。因为大部分人都是使用kde4，所以phonon替代了esd。慢慢的esd坠入历史长河…
SDL依然欣欣向荣的发展着。因为已经是用他开发了上百款跨平台游戏，所以SDL库的音频输出组件依然支持良好，具有大量新的特性，并且成熟而稳定。
PortAudio也是一个跨平台音频库，它把SGI、Unix和Beos加入到可能的终端混音器中。使用PortAudio的最知名的应用程序就是Audacity音频编辑器了，因为使用了portaudio，使得它音频输出遇到了问题，jack支持也遇到了bug（audacity得不偿失啊）
OSS，开放声音系统（OpenSoundSystem）。它已经被从linux2.4之后的版本中剥离，但是他仍然存在……主要原因是有太多的程序仍然在使用它。不像alsa，它可以在除Linux的平台上运行。它甚至还有个FreeBSD版本……（老当益壮～）在1992年，它可以说是一个很好的系统，但是现在它几乎被alsa替换。OSS定义了Linux下音频的工作方式，特别是音频设备要通过ioctl分支访问，例如通过/dev/dsp。ALSA提供了一个OSS兼容层来让那些使用OSS的程序仍旧可以使用alsa标准。OSS项目曾经作过开源和专利开发的尝试，现在仍作在为4项前端技术（4FrontTechnologies）的商业开发而努力，并在2009年11月发布了OSS4.2的2002版。
