“PCM 缓冲区”通常是指在数字音频处理中用于临时存储 脉冲编码调制（Pulse Code Modulation, PCM）数据的一段内存区域。
PCM 是最常见、最基础的未压缩数字音频格式，广泛应用于音频播放、录音、通信和音视频编解码等领域。
🔊 什么是 PCM？
PCM 是一种将模拟音频信号数字化的方法，其核心步骤包括：
- 采样（Sampling）：按固定频率（如 44.1kHz、48kHz）对模拟信号进行采样。
- 量化（Quantization）：将每个采样值映射为有限精度的数字（如 16-bit、24-bit）。
- 编码（Encoding）：以二进制形式存储这些数值。
例如，CD 音质的 PCM 音频是：
- 采样率：44.1 kHz
- 位深：16 bit
- 声道：立体声（2 channels）
🧠 PCM 缓冲区的作用
PCM 缓冲区的主要用途包括：
| 场景 | 作用 |
|---|---|
| 音频播放 | 应用程序将 PCM 数据写入缓冲区，声卡或音频驱动从中读取并播放 |
| 音频录制 | 麦克风采集的模拟信号经 ADC 转为 PCM，暂存于缓冲区供程序读取 |
| 实时通信（如 VoIP） | 发送端将语音编码为 PCM 存入缓冲区，接收端从缓冲区解码播放 |
| 音频处理（如混音、滤波） | 在缓冲区内对 PCM 样本进行数学运算 |
💾 缓冲区结构示例（16-bit 立体声）
假设缓冲区大小为 1024 个样本（每声道），则实际字节数为：
1024 samples × 2 channels × 2 bytes/sample = 4096 bytes
内存布局（小端序）：
[L0_low, L0_high, R0_low, R0_high, L1_low, L1_high, R1_low, R1_high, ...]
其中 L = 左声道，R = 右声道。
⚙️ 常见 API 中的 PCM 缓冲区
1. **ALSA **(Linux)
snd_pcm_writei(handle, buffer, frames); // 写入 PCM 缓冲区
2. Windows WASAPI / DirectSound
使用环形缓冲区（Ring Buffer）提交 PCM 数据。
3. **Web Audio API **(浏览器)
const audioBuffer = audioContext.createBuffer(2, length, sampleRate);
// 填充 Float32Array 的 PCM 数据（归一化到 [-1, 1]）
4. FFmpeg
解码后的音频帧（AVFrame）中的 data[0] 指向 PCM 缓冲区。
⚠️ 注意事项
- 缓冲区大小影响延迟：
小缓冲区 → 低延迟但易欠载（glitch）；大缓冲区 → 高延迟但稳定。 - 对齐与字节序：
确保 PCM 数据的位深、声道数、采样率与设备/API 要求一致。 - 溢出/下溢：
生产者（如解码器）和消费者（如声卡）速度不匹配会导致缓冲区溢出（丢数据）或下溢（静音）。
🛠 调试建议
- 使用工具如 Audacity 导入原始 PCM 文件验证内容。
- 在代码中打印缓冲区前几个样本值，检查是否为预期范围（如 16-bit 应在 -32768 ~ 32767）。
- 监控缓冲区填充率，避免实时系统中的 XRUN（underrun/overrun）。