Aud_Intf API 使用说明
重要
AIDK使用的音频组件在功能上和其他 bk_avdk 分支有所不同，针对AI对话的应用场景新增了一些功能，具体如下：
- 支持G722编解码
- 支持提示音播放功能，支持pcm、wav、MP3格式提示音的播放，
- 支持ASR离线语音唤醒功能
- 支持speaker播放源切换功能
本文档主要对AIDK新增的功能进行详细说明，标准的录音、播放、语音通话功能的使用说明请参考下述链接：
1. G722编解码
在cpu1上打开
CONFIG_AUD_INTF_SUPPORT_G722=y宏即可使能G722编解码功能。
2. speaker播放源切换功能
针对AI语音对话的过程中存在插播提示音的场景，AIDK的音频组件增加了播放源切换功能，通过api可以动态切换播放源。
相关API接口如下：
bk_err_t aud_tras_drv_voc_set_spk_source_type(spk_source_type_t type) //设置播放源
spk_source_type_t aud_tras_drv_get_spk_source_type(void) //获取当前播放源
重要
上述接口只支持在cpu1上调用，目前已经适配了三种播放源： - SPK_SOURCE_TYPE_VOICE： 语音通话 - SPK_SOURCE_TYPE_PROMPT_TONE： 提示音 - SPK_SOURCE_TYPE_A2DP： 蓝牙音乐
3. 提示音播放
源码路径：
<source code>/bk_avdk/components/multimedia/prompt_tone_play/如下图所示: 提示音开发框架采用模块化的设计方案。主要分为三个模块，提示音播放模块（prompt_tone_play）、提示音读取模块(audio_source)和提示音解码模块（audio_codec）.
- 1.提示音播放模块
提示音播放模块是提供给上层用户使用的app模块，负责集成提示音读取模块和提示音解码模块，完成整个提示音播放的配置和控制。
- 2.提示音读取模块
为了可扩展性，根据功能抽象为一个类，再基于该类开发不同功能实例。
目前已经支持从数组读取提示音的实例
audio_array.c和从vfs文件系统读取提示音的实例audio_vfs.c，客户有其他需求可以参考其他实例自行适配。默认使用支持vfs文件系统的sd nand存储提示音，可使用宏选择指定的实例。
- 3.提示音解码模块
为了可扩展性，根据功能抽象为一个类，再基于该类开发不同功能实例。
目前已经支持pcm格式解码的实例
pcm_codec.c、wav格式解码的实例wav_codec.c和mp3格式解码实例mp3_codec.c，客户有其他需求可以参考其他实例自行适配。默认使用wav格式的提示音，可使用宏选择指定的实例。
Figure 2. Prompt Tone Development Framework
提示音相关宏配置:
宏 |
CPU |
格式 |
值 |
说明 |
CONFIG_AUD_INTF_SUPPORT_PROMPT_TONE |
CPU1 |
bool |
y |
使能提示音功能 |
CONFIG_AUD_PROMPT_TONE_SOURCE_ARRAY |
CPU1 |
bool |
y |
音频源为全局数组 |
CONFIG_AUD_PROMPT_TONE_SOURCE_VFS |
CPU1 |
bool |
y |
音频源为SD NAND |
CONFIG_PROMPT_TONE_CODEC_PCM |
CPU1 |
bool |
y |
音频格式为pcm |
CONFIG_PROMPT_TONE_CODEC_WAV |
CPU1 |
bool |
y |
音频格式为wav |
CONFIG_PROMPT_TONE_CODEC_MP3 |
CPU1 |
bool |
y |
音频格式为mp3 |
重要
提示音功能依赖speaker播放源切换功能，因此使用提示音功能的话，需要打开speaker播放源切换功能。 请知悉！！！
备注
- 提示音文件格式必须满足下述要求：
单声道
16bit位宽
16K采样率
重要
wav格式提示音文件格式必须是
44字节的头 + 有效pcm音频数据，不包含作者、专辑等其他说明信息。mp3格式提示音文件不包含
ID3v1头和作者、专辑等其他说明信息。
4. ASR离线语音唤醒
AIDK支持通过ASR离线语音唤醒来控制AI对话。ASR算法运行在cpu2上，通过宏
CONFIG_AI_ASR_MODE_CPU2=y打开此功能。使能ASR离线语音唤醒功能后，需要通过唤醒词唤醒设备后才能正常对话，否则设备不向AI Agent推送mic数据。