Linux Sound System

概覽

Linux 聲音生態系中的東西可以分成：

  • 硬體層（Hardware Layer）：硬體裝置，輸入和輸出

  • 核心層（Kernel Layer）：溝通和管理各個硬體的介面（OSS、ALSA）

  • Libraries：操控影音的介面與產生串流（GStreamer、Libcanberra、libpulse、libalsa、…），標準的格式（LADSPA）

  • 聲音伺服器（Sound Server）：讓使用者操控起來更簡單（sndio、ESD、aRts、PulseAudio、PipeWire）

    • Sound Server 的存在是因為音效卡的存取通常是獨占的，造成只有一個應用程式可以使用音效卡

    • 因此引入了一個中間層（也就是 Sound Server）處理

    • Sound Server 負責跟音效卡溝通，其他程式則透過 Sound Server 提供的 IPC 機制來存取

簡易發展史：

  • 古早的 Linux 音訊支援是 OSS (Open Sound System)，而且是 Linux 2.4 以前唯一的音訊 API，基於 open/close/read/write/ioctl

  • 2002 年，Linux 2.5 用 ALSA (Advanced Linux Sound Architecture) 取代了 OSS

  • OSS 和 ALSA 都有同時只能有一個應用程式能使用特定裝置的限制

  • 後來 ALSA 實作了軟體混音器插件（Dmix），但是有很多缺陷，使用也不夠有彈性

  • EsounD (ESD) 爲早期的 sound server 之一，使用 socket 來接收許多音訊，在送出去之前先混合，使用 TCP，而且不支援低延遲

    • 全名爲 Enlightened Sound Daemon

    • 當時使用於 Enlightenment 和 GNOME

  • aRts 爲 KDE 社群開發出來的 sound server，支援模擬類比合成器，現今已經被淘汰

  • BSD 有另一套簡單的音訊 API 叫 sndio，這 API 也支援 midi，它用 Unix pipe 來傳送音訊，而且也不支援低延遲

  • 2002 年，Paul Davis 基於 Ardour 內的音訊引擎實作了 JACK，提供及時、低延遲的應用給音訊和 midi

    • JACK 內維護一個應用程式的流線圖，各個點之間用 port 連接，使用 device interrupt 來叫醒程式去處理資料

    • JACK 雖然支援低延遲（例如 5 ms，硬體夠好搭配正確的設定的話，有機會達到 1ms），但是缺少一些桌面應用需要的功能，例如 format support/power saving/dynamic devices/volume control/security/…

  • 2004 年，PulseAudio 釋出，是模組化的現代音訊伺服器

    • 和先前的實作相比，可以支援自動且動態地建立和配送給多裝置

    • PulseAudio 雖然支援省電應用，但是需要花費較多 CPU 來叫醒程式（因爲採用 timer based）

    • 設計上專注在桌面應用

    • 有非常模組化的設計，可以支援各式各樣的應用

  • 2017 年，PipeWire 基於先前的經驗，提供改善和相容

    • 由 Wim Taymans 建立（GStreamer 的共同創造者）

    • 一開始叫 PulseVideo，但後來加入音訊支援

    • 起源於要在 sandbox 環境內使用影音硬體，但是後來設計上又有了更多改進

    • 有相容層給 JACK 和 PulseAudio，既有的應用程式不需要改動就能使用

    • 架構中一個重要的角色是 session manager，管理裝置的設定和控制策略

    • 應用程式和音訊伺服器的協定本身爲非同步

    • 格式溝通採用和 GStreamer 一樣的格式描述，可以在兩端點間取交集找到合適的溝通格式

    • Launching Pipewire

其他

在討論延遲的時候要考慮到物理限制， 例如聲音在空氣中的傳播速度約為 330 ~ 350 公尺/秒， 如果喇叭在聽眾 5 公尺外的地方， 那物理限制就是聽眾會感受到至少 14 ~ 15 毫秒的延遲。 網路傳輸也是， 如果使用光纖傳輸， 光速大約是 300000 公里/秒， 假如傳輸距離是 12000 公里， 那物理限制就是至少會有 40 毫秒的延遲。

參考