• 作者：聲網Agora Cavan*
  在日益繁多的直播場景中，如果你也是某位游戲主播的粉絲的話，有一種直播方式是你一定不陌生的，那就是我們今天要聊的屏幕分享。

直播場景下的屏幕分享，不僅要將當前顯示器所展示的畫面分享給遠端，也要將聲音傳輸出去，包括應用的聲音，以及主播的聲音。鑒于這兩點需求，我們可以簡單分析出，進行一次屏幕分享的直播所需要的媒體流如下：

1. 一條顯示器畫面的視頻流
2. 一條應用聲音的音頻流
3. 一條主播聲音的音頻流

ReplayKit 是蘋果提供的用于 iOS 系統進行屏幕錄制的框架。

首先我們來看看蘋果提供的用于屏幕錄制的 ReplayKit 的數據回調接口：

override func processSampleBuffer(_ sampleBuffer: CMSampleBuffer, with sampleBufferType: RPSampleBufferType) {
        DispatchQueue.main.async {
            switch sampleBufferType {
            case .video:
                AgoraUploader.sendVideoBuffer(sampleBuffer)
            case .audioApp:
                AgoraUploader.sendAudioAppBuffer(sampleBuffer)
            case .audioMic:
                AgoraUploader.sendAudioMicBuffer(sampleBuffer)
            @unknown default:
                break
            }
        }
    }

從枚舉 sampleBufferType 上，我們不難看出，剛好能符合我們上述對媒體流的需求。

視頻

格式

guard let videoFrame = CMSampleBufferGetImageBuffer(sampleBuffer) else {
    return
}
        
let type = CVPixelBufferGetPixelFormatType(videoFrame)

type = kCVPixelFormatType_420YpCbCr8BiPlanarFullRange

通過 CVPixelBufferGetPixelFormatType，我們可以獲取到每幀的視頻格式為 yuv420。

幀率

通過打印接口的回調次數，可以知道每秒能夠獲取的視頻幀為30次，也就是幀率為 30。

格式與幀率都能符合 Agora RTC 所能接收的范圍，所以通過 Agora RTC 的 pushExternalVideoFrame 就可以將視頻分享到遠端了。

agoraKit.pushExternalVideoFrame(frame)

插入一個小知識

顯示器所顯示的幀來自于一個幀緩存區，一般常見的為雙緩存或三緩存。當屏幕顯示完一幀后，發出一個垂直同步信號(V-Sync)，告訴幀緩存區切換到下一幀的緩存上，然后顯示器開始讀取新的一幀數據做顯示。

這個幀緩存區是系統級別的，一般的開發者是無法讀取跟寫入的。但是如果是蘋果自身提供的錄制框架 ReplayKit 能夠直接讀取到已經渲染好且將用于顯示器的幀，且這一過程不會影響渲染流程而造成掉幀，那就能減少一次用于提供給 ReplayKit 回調數據的渲染過程。

音頻

ReplayKit 能提供的音頻有兩種，分為麥克風錄制進來的音頻流，與當前響應的應用播放的音頻流。(下文將前者稱為 AudioMic，后者為 AudioApp)

可以通過下面的兩行代碼，來獲取音頻格式

CMAudioFormatDescriptionRef format = CMSampleBufferGetFormatDescription(sampleBuffer);
const AudioStreamBasicDescription *description = CMAudioFormatDescriptionGetStreamBasicDescription(format);

AudioApp

AudioApp 會在不同的機型下有不一樣的聲道數。例如在 iPad 或 iPhone7 以下機型中，不具備雙聲道播放的設備，這時候 AudioApp 的數據就是單聲道，反之則是雙聲道。

采樣率在部分試過的機型里，都是 44100，但不排除在未測試過的機型會是其他的采樣率。

AudioMic

AudioMic 在測試過的機型里，采樣率為 32000，聲道數為單聲道。

音頻前處理

如果我們將 AudioApp 與 AudioMic 作為兩條音頻流去發送，那么流量肯定是大于一條音頻流的。我們為了節省一條音頻流的流量，就需要將這兩條音頻流做混音(融合)。

但是通過上述，我們不難看出，兩條音頻流的格式是不一樣的，而且不能保證隨著機型的不同，是不是會出現其他的格式。在測試的過程中還發現 OS 版本的不同，每次回調給到的音頻數據長度也會出現變化。那么我們在對兩條音頻流做混音前，就需要進行格式統一，來應對 ReplayKit 給出的各種格式。所以我們采取了以下幾個重要的步驟：

     if (channels == 1) {
        int16_t* intData = (int16_t*)dataPointer;
        int16_t newBuffer[totalSamples * 2];
                
        for (int i = 0; i < totalSamples; i++) {
            newBuffer[2 * i] = intData[i];
            newBuffer[2 * i + 1] = intData[i];
        }
        totalSamples *= 2;
        memcpy(dataPointer, newBuffer, sizeof(int16_t) * totalSamples);
        totalBytes *= 2;
        channels = 2;
    }

• 無論是 AudioMic 還是 AudioApp，只要進來的流為單聲道，我們都將它轉化為雙聲道；

     if (sampleRate != resampleRate) {
        int inDataSamplesPer10ms = sampleRate / 100;
        int outDataSamplesPer10ms = (int)resampleRate / 100;
        
        int16_t* intData = (int16_t*)dataPointer;
        
        switch (type) {
            case AudioTypeApp:
                totalSamples = resampleApp(intData, dataPointerSize, totalSamples,
                                           inDataSamplesPer10ms, outDataSamplesPer10ms, channels, sampleRate, (int)resampleRate);
                break;
            case AudioTypeMic:
                totalSamples = resampleMic(intData, dataPointerSize, totalSamples,
                                           inDataSamplesPer10ms, outDataSamplesPer10ms, channels, sampleRate, (int)resampleRate);
                break;
        }
        
        totalBytes = totalSamples * sizeof(int16_t);
    }

• 無論是 AudioMic 還是 AudioApp，只要進來的流采樣率不為 48000，我們將它們重采樣為 48000；

  memcpy(appAudio + appAudioIndex, dataPointer, totalBytes);
  appAudioIndex += totalSamples;

    memcpy(micAudio + micAudioIndex, dataPointer, totalBytes);
  micAudioIndex += totalSamples;

• 通過第一步與第二步，我們保證了兩條音頻流都為同樣的音頻格式。但是由于 ReplayKit 是一次回調給到一種數據的，所以在混音前我們還得用兩個緩存區來存儲這兩條流數據；

  int64_t mixIndex = appAudioIndex > micAudioIndex ? micAudioIndex : appAudioIndex;
            
  int16_t pushBuffer[appAudioIndex];
            
  memcpy(pushBuffer, appAudio, appAudioIndex * sizeof(int16_t));
            
  for (int i = 0; i < mixIndex; i ++) {
       pushBuffer[i] = (appAudio[i] + micAudio[i]) / 2;
  }

• ReplayKit 有選項是否開啟麥克風錄制，所以在關閉麥克風錄制的時候，我們就只有一條 AudioApp 音頻流。所以我們以這條流為主，去讀取 AudioMic 緩存區的數據長度，然后對比兩個緩存區的數據長度，以最小的數據長度為我們的混音長度。將混音長度的兩個緩存區里的數據做融合，得到混音后的數據，寫入一個新的混音緩存區(或者直接寫入 AudioApp 緩存區)；

[AgoraAudioProcessing pushAudioFrame:(*unsigned* *char* *)pushBuffer
                                   withFrameSize:appAudioIndex * *sizeof*(int16_t)];

• 最后我們再將這段混音后的數據拷貝進 Agora RTC 的 C++ 錄制回調接口里，這時候就可以把麥克風錄制的聲音與應用播放的聲音傳輸到遠端了。

通過對音視頻流的處理，結合 Agora RTC SDK，我們就完成了一個屏幕分享直播場景的實現了。

具體的實現上的細節，可以參考 https://github.com/AgoraIO/Advanced-Video/tree/master/iOS%26macOS/Agora-Screen-Sharing/Agora-Screen-Sharing-iOS