FFmpeg重采样避坑指南：从48000到44100，如何正确计算缓冲区大小避免电流声？

音频处理开发者在使用FFmpeg进行采样率转换时，经常会遇到一个棘手问题：重采样后的音频文件播放时出现电流般的滋滋声。这种现象在从48000Hz转换到44100Hz时尤为常见。本文将深入剖析问题根源，并提供一套完整的解决方案。

1. 电流声现象与成因分析

当开发者使用FFmpeg的libswresample进行音频重采样后，经常报告输出文件存在异常噪音。这种噪音通常表现为高频的电流声，有时还伴随播放速度异常。通过大量案例研究，我们发现这些问题往往源于缓冲区大小的计算错误。

在典型的处理流程中，开发者可能会这样写入重采样后的数据：

c复制fwrite(dst_data[0], 1, dst_linesize, outfile);

这种写法看似合理，但实际上隐藏着严重问题。dst_linesize表示的是缓冲区行大小，而非实际有效音频数据长度。直接使用这个值会导致写入多余的内存数据到文件，这些随机数据被解码播放时就表现为电流声。

正确的做法是使用av_samples_get_buffer_size计算实际需要的缓冲区大小：

c复制int buf_size = av_samples_get_buffer_size(NULL, out_channels, nb_samples, out_sample_fmt, 1);
fwrite(dst_data[0], 1, buf_size, outfile);

2. 采样率转换的核心原理

理解采样率转换的数学关系是解决问题的关键。当从48000Hz转换到44100Hz时，本质上是进行分数比率的重新采样：

code复制输出采样数 = 输入采样数 × (44100/48000) = 输入采样数 × (147/160)

这个分数关系解释了为什么常见的处理方案建议积累480个输入采样点，对应输出441个采样点：

• 480 × (44100/48000) = 441
• 这保持了采样点数量的整数关系，避免分数采样带来的精度损失

下表展示了不同输入采样数对应的理论输出采样数：

| 输入采样数 | 理论输出采样数 | 实际swr_convert返回值 |
|------------