音频设备与混音 · ADM 与 AudioMixer
音频的两头是硬件：采集靠麦克风、播放靠扬声器。ADM 抽象各平台的音频设备，AudioMixer 把会议里多路远端音频混成一路播放。这一章讲清这两个「两头」组件，收尾第 7 部分。
音频设备与混音 · ADM 与 AudioMixer
音频管线的两头是硬件：发送侧的起点是麦克风采集，接收侧的终点是扬声器播放。抽象这些设备的是 ADM；而多人会议里，多路远端音频要混成一路才能播，靠 AudioMixer。这一章讲这两头，收尾第 7 部分。
ADM：音频设备的抽象
ADM（Audio Device Module，modules/audio_device/） 是各平台音频硬件的统一抽象：
ADM 把“各平台五花八门的音频 API”（Windows 的 WASAPI/Core Audio、macOS 的 CoreAudio、Android 的 AAudio/OpenSL、iOS 的 AudioUnit、Linux 的 ALSA/PulseAudio）收敛成统一接口——上层音频管线不关心底下是哪个平台。 它负责两件事：
- 采集（capture） —— 从麦克风读音频，喂给APM 处理、编码。
- 播放（render） —— 把NetEq 出的音频送到扬声器。
ADM 还有个关键角色：它的播放回调是驱动 NetEq GetAudio 的节拍源——声卡每隔固定时间（如 10ms）回调“给我下一段音频播”，这个回调就触发 NetEq 产出一段音频。所以 ADM 的播放时钟，是整个接收侧音频节奏的心跳。此外，有些平台的 ADM 能用硬件的回声消除 / 降噪，WebRTC 会视情况选择用平台的还是自带的 APM。ADM 是平台集成（第 12 部分）的重要一环。
AudioMixer：多路混成一路
多人会议里，你同时收到好几个人的音频（多条接收流）。但你只有一对扬声器——得把这几路混成一路再播。这是 AudioMixer（modules/audio_mixer/）的活：
**AudioMixer 把会议里多路远端音频**混合（相加）成一路，送去播放——就像调音台把多个声源合成一路输出。 混音不是简单相加了事，有讲究：
- 谁参与混音 —— 几十人的大会，不必把每个人都混进去（大多数人在静音）。AudioMixer 通常只混最响的几路（靠 VAD / 能量挑出“正在说话”的），忽略静音者——省 CPU、也让主讲更清晰。
- 防削顶 —— 多路相加可能超出幅度上限（削顶失真），混音要做限幅 / 归一。
- 每个接收流各有自己的 NetEq —— 混音前，每路先各自过 NetEq（各有各的抖动 / 丢包），出来对齐后再混。
在纯 P2P 两人通话里，AudioMixer 作用不大（就一路远端）；它在多人会议（尤其本地混音的场景）才吃重。 大型会议更常用 SFU 转发多路让客户端各自混，或用 MCU 在服务器混——但客户端的 AudioMixer 始终是把“我收到的这几路”合成“我听到的一路”的最后一步。
小结与第 7 部分回顾
ADM（音频设备模块） 抽象各平台音频硬件（采集 + 播放），其播放回调是驱动 NetEq 的节拍心跳，也是平台集成一环。AudioMixer 把会议多路远端音频混成一路播放（只混最响几路、防削顶，各路先过各自 NetEq），多人会议才吃重。
第 7 部分「音频管线」到此完整：总览 → 编解码 Opus → ACM → NetEq（总览/缓冲延迟/六操作/丢包隐藏/时间伸缩） → APM（总览/回声问题/AEC3/AGC/NS+VAD） → 设备与混音。音频从麦克风到扬声器、以及它两颗明珠 NetEq 与 AEC3，已经拆透。
音视频都讲完了。还剩数据通道——传任意数据的那条路，底下是从零实现的 SCTP。第 8 部分进入 net/dcsctp/。👉 第 8 部分即将展开。
参考资料
- [1] libwebrtc 源码.
modules/audio_device/（ADM，各平台实现）、modules/audio_mixer/（AudioMixerImpl、frame_combiner.h）。 - [2] libwebrtc 源码.
modules/audio_device/g3doc/。 - [3] 关联NetEq（被 ADM 播放回调驱动）、平台集成第 12 部分。