一、背景：為什么要“去 FFmpeg 化”

在音頻處理開發(fā)中，FFmpeg 一直是最常用的工具。它功能強(qiáng)大，支持幾乎所有主流音視頻格式，能輕松提取文件的采樣率、聲道數(shù)、時長、碼率等信息。

但同時，F(xiàn)Fmpeg 也帶來了一些問題：

• 系統(tǒng)依賴重：需要安裝可執(zhí)行文件，并在服務(wù)器上保持命令可調(diào)用；
• 進(jìn)程開銷大：每次調(diào)用都會啟動子進(jìn)程執(zhí)行命令行，性能不理想；
• 錯誤處理復(fù)雜：不同平臺下命令輸出格式不統(tǒng)一，解析麻煩；
• 不適合輕量嵌入：在本地 Java 應(yīng)用或云函數(shù)環(huán)境中難以部署。

因此，在某些場景下（例如僅支持 WAV、PCM 等標(biāo)準(zhǔn)音頻格式），我們完全可以使用 純 Java 實現(xiàn)音頻信息提取，無需依賴任何外部命令行工具。

二、實現(xiàn)思路：利用 Java Sound API 解析音頻元信息

Java 自帶的 javax.sound.sampled 包中提供了豐富的音頻處理能力，尤其是：

• AudioSystem：用于讀取音頻文件并生成 AudioInputStream；
• AudioFormat：用于描述音頻的采樣率、聲道、位深、幀率等屬性；
• AudioInputStream：表示音頻的流數(shù)據(jù)，可用于進(jìn)一步操作。

核心思路就是：

• 使用 AudioSystem.getAudioInputStream() 讀取音頻；
• 通過 AudioFormat 獲取音頻的采樣率、聲道數(shù)、幀率等；
• 根據(jù)幀長度和幀率計算音頻時長；
• 結(jié)合文件大小、文件類型等信息構(gòu)造完整的音頻信息對象。

三、代碼實現(xiàn)解析

下面的實現(xiàn)展示了如何通過純 Java 獲取音頻文件的詳細(xì)信息。

本方案僅支持 PCM WAV 等 Java 可原生解析的音頻格式。對于 MP3、AAC 等壓縮格式，仍需第三方庫支持。

1. 方法簽名

/**
 * 獲取音頻文件的詳細(xì)信息
 * 僅支持 Java 可解析的音頻格式（PCM WAV）
 *
 * @param audioPath 音頻文件的路徑
 * @return 包含音頻詳細(xì)信息的 AudioInfo 對象
 */
public static AudioInfo audioInfo(String audioPath)
        throws IOException, InterruptedException, DubbingBusinessException

該方法輸入文件路徑，返回自定義的 AudioInfo 對象，包含采樣率、聲道、時長、文件大小等信息。

2. 文件校驗與加載

File file = new File(audioPath);
if (!file.exists() || !file.isFile()) {
    throw new IOException("文件不存在: " + audioPath);
}

首先判斷文件是否存在且可讀。
然后利用 AudioSystem 打開文件：

try (AudioInputStream ais = AudioSystem.getAudioInputStream(file)) {
    AudioFormat format = ais.getFormat();

此時，format 對象中已經(jīng)包含了采樣率、聲道數(shù)、幀率等關(guān)鍵信息。

3. 讀取基礎(chǔ)參數(shù)

Integer channels = format.getChannels();
Integer sampleRate = Math.round(format.getSampleRate());

• getChannels()：返回聲道數(shù)（1=單聲道，2=立體聲）；
• getSampleRate()：返回采樣率（如 16000Hz、44100Hz）。

4. 計算音頻時長

計算時長的關(guān)鍵在于幀長度與幀率：

long frameLength = ais.getFrameLength();
float frameRate = format.getFrameRate();

long durationMs = 0L;
if (frameLength > 0 && frameRate > 0) {
    durationMs = Math.round((frameLength / frameRate) * 1000);
}

原理：

音頻時長 (秒) = 幀總數(shù) ÷ 幀率

例如，一個 WAV 文件有 882,000 幀，幀率是 44,100，則時長約為 20 秒。

5. 構(gòu)建音頻信息對象

long byteSize = file.length();
String formatName = "wav"; // 僅支持 WAV
AudioType audioType = AudioType.getByCode(formatName);

最終返回：

return new AudioInfo(
    audioType,
    AudioSampleRate.getByCode(sampleRate),
    AudioChannels.getAudioType(channels),
    new AudioTime(durationMs),
    byteSize
);

該對象包含：

• 音頻類型（AudioType）
• 采樣率（AudioSampleRate）
• 聲道信息（AudioChannels）
• 時長（AudioTime）
• 文件大?。╞yteSize）

四、運(yùn)行效果

以一個 16kHz 單聲道 WAV 文件為例，輸出結(jié)果如下：

整個過程無需外部命令，也不會啟動任何子進(jìn)程，性能極高且跨平臺。

五、異常處理機(jī)制

該實現(xiàn)中捕獲了 UnsupportedAudioFileException，用于判斷是否為 Java 無法識別的音頻格式：

catch (UnsupportedAudioFileException e) {
    throw new DubbingBusinessException(ErrorCode.UN_SUPPORT_AUDIO);
}

如果文件是 MP3、AAC 等壓縮格式，則會觸發(fā)此異常。
此時可以在上層邏輯中提示用戶“僅支持 PCM WAV 文件”，或考慮使用第三方庫（如 TarsosDSP 或 JLayer）解析。

六、擴(kuò)展思考：支持更多格式的思路

雖然 Java 原生 API 對 WAV 支持很好，但對壓縮格式支持有限。
若需要擴(kuò)展，可考慮以下方案：

1. TarsosDSP：輕量的音頻分析庫，支持多種格式；
2. JLayer：專門處理 MP3 的純 Java 實現(xiàn)；
3. Apache Tika：可提取多媒體文件的元信息；
4. FFmpeg-Java Bridge：若必須支持所有格式，可在 Java 內(nèi)部封裝 FFmpeg。

但對于純 PCM WAV 流程，當(dāng)前方案已足夠簡潔高效。

七、總結(jié)

結(jié)論：
如果你的應(yīng)用只需要處理 WAV、PCM 等標(biāo)準(zhǔn)音頻格式，
那么使用 Java 原生 API 獲取音頻詳細(xì)信息是最簡潔、穩(wěn)定的方案。

以上就是Java實現(xiàn)獲取音頻文件詳細(xì)信息的純本地方案的詳細(xì)內(nèi)容，更多關(guān)于Java獲取音頻文件詳細(xì)信息的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論