任天堂おしゃべりフラワーのしゃべりを網羅する？

時間分解能が不十分かもしれないので、low latencyとされるWASAPIを使ったコードを検討しておく

Gemini君にお伺いを立てると、

WinMM (Windows Multimedia API)概要: 
古くから存在するWindowsの標準的なマルチメディアAPIです。波形オーディオの再生・録音（waveOut、waveIn）などの機能を提供します。
特徴:扱いやすく、古い規格のソフトウェアやゲームで広く使われています。Windowsのオーディオミキサーや各種エフェクトを経由するため、若干の遅延（レイテンシー）が発生します。現在のWindowsでは、内部的に後述のWASAPI上で動作するようになっています。

WASAPI (Windows Audio Session API)概要: 
Windows Vista以降に導入された、Windowsのモダンなオーディオアーキテクチャ（Core Audio APIs）の核となるAPIです。特徴:OSのミキサーやシステム音をバイパスして直接オーディオデバイスにデータを送る排他モード（Exclusive Mode）を備えており、ビットパーフェクトな高音質再生（ハイレゾ音源など）が可能です。他のアプリの音とミックスして再生する共有モード（Shared Mode）も用意されています。WinMMと比較して非常に低遅延で音声処理を行えます。

どちらを選ぶべきか？
WinMM: 互換性重視の古いアプリケーションの保守や、システム音の再生、遅延がシビアではない一般的な用途に向いています。
WASAPI: DAW（音楽制作ソフト）での低遅延モニタリングや、オーディオプレイヤーでのハイレゾ・高音質再生など、音質やレスポンスが求められるモダンなアプリケーションの開発に適しています。

と言ってきました。Copilot君による”完全コード”とかもいくらでも出てきますけど、ことごとく動きませんでした。なんとも時間の無駄でしたね。かって筆者は、システム音のレベルの表示プログラムは、このWASAPIを使って書いていました。


Peak-meterの作成
C++ Builder CEサウンドプログラミングシステム音を拾って、ピークメーターに似た表示を行うプログラムを作る。できあがりの感じの動画は、使っている楽曲は、BGMerさん提供の”遠くの景色”です。メディアプレイヤーで再生している音声レ...
ghost.mydns.jp
2025.12.04

ですね。今回はmicの入力レベルを捉えればいいんですが、ほぼCopilot君によるコードは動きません。レベルを捉えられません。したがって“AI”君達のsuggestは無視して、動くコードを求めて徘徊し、ようやく下記のコマンドラインプログラムを得ました。ただしそのままではエラーでコンパイルできませんから、適切に修正しました。出所は、


Sound in windows. The WASAPI in C++ | by Shahid Khan | Medium

コードは、

#include <stdio.h>
#include <Windows.h>
#include <initguid.h>
#include <dshow.h>
#include <Audioclient.h>
#include <mmdeviceapi.h>
#include <assert.h>

int main() {
    HRESULT hr;
    IMMDeviceEnumerator* enumerator = NULL;
    IMMDevice* recorder = NULL;
    IMMDevice* renderer = NULL;
    IAudioClient* recorderClient = NULL;
    IAudioClient* renderClient = NULL;
    IAudioRenderClient* renderService = NULL;
    IAudioCaptureClient* captureService = NULL;
    WAVEFORMATEX* format = NULL;

    hr = CoInitializeEx(NULL, COINIT_MULTITHREADED);
    assert(SUCCEEDED(hr));

    hr = CoCreateInstance(
        __uuidof(MMDeviceEnumerator),
        NULL,
        CLSCTX_ALL,
        __uuidof(IMMDeviceEnumerator),
        (void**)&enumerator
    );
    assert(SUCCEEDED(hr));

    hr = enumerator->GetDefaultAudioEndpoint(eCapture, eConsole, &recorder);
    assert(SUCCEEDED(hr));

    hr = enumerator->GetDefaultAudioEndpoint(eRender, eConsole, &renderer);
    assert(SUCCEEDED(hr));

    hr = enumerator->Release();
    assert(SUCCEEDED(hr));

    hr = recorder->Activate(__uuidof(IAudioClient), CLSCTX_ALL, NULL, (void**)&recorderClient);
    assert(SUCCEEDED(hr));

    hr = renderer->Activate(__uuidof(IAudioClient), CLSCTX_ALL, NULL, (void**)&renderClient);
    assert(SUCCEEDED(hr));

    hr = recorderClient->GetMixFormat(&format);
    assert(SUCCEEDED(hr));

    printf("Mix format:\n");
    printf("  Frame size     : %d\n", format->nBlockAlign);
    printf("  Channels       : %d\n", format->nChannels);
    printf("  Bits per second: %d\n", format->wBitsPerSample);
    printf("  Sample rate:   : %d\n", format->nSamplesPerSec);


    hr = recorderClient->Initialize(AUDCLNT_SHAREMODE_SHARED, 0, 10000000, 0, format, NULL);
    assert(SUCCEEDED(hr));

    hr = renderClient->Initialize(AUDCLNT_SHAREMODE_SHARED, 0, 10000000, 0, format, NULL);
    assert(SUCCEEDED(hr));

    hr = renderClient->GetService(__uuidof(IAudioRenderClient), (void**)&renderService);
    assert(SUCCEEDED(hr));

    hr = recorderClient->GetService(__uuidof(IAudioCaptureClient), (void**)&captureService);
    assert(SUCCEEDED(hr));

    UINT32 nFrames;
    DWORD flags;
    BYTE* captureBuffer;
    BYTE* renderBuffer;

    hr = recorderClient->Start();
    assert(SUCCEEDED(hr));

    hr = renderClient->Start();
    assert(SUCCEEDED(hr));

    while (true) {
        hr = captureService->GetBuffer(&captureBuffer, &nFrames, &flags, NULL, NULL);
        assert(SUCCEEDED(hr));

        hr = captureService->ReleaseBuffer(nFrames);
        assert(SUCCEEDED(hr));

        hr = renderService->GetBuffer(nFrames, &renderBuffer);
        assert(SUCCEEDED(hr));

        memcpy(renderBuffer, captureBuffer, format->nBlockAlign * nFrames);

        hr = renderService->ReleaseBuffer(nFrames, 0);
        assert(SUCCEEDED(hr));
    }

    // This code won't be reached but if the loop condition changes
    // you should always clear the resources

    recorderClient->Stop();
    renderClient->Stop();

    captureService->Release();
    renderService->Release();

    recorderClient->Release();
    renderClient->Release();
    
    recorder->Release();
    renderer->Release();

    CoUninitialize();
}

ループは、

    while (true) {
        hr = captureService->GetBuffer(&captureBuffer, &nFrames, &flags, NULL, NULL);
        assert(SUCCEEDED(hr));

        hr = captureService->ReleaseBuffer(nFrames);
        assert(SUCCEEDED(hr));

        hr = renderService->GetBuffer(nFrames, &renderBuffer);
        assert(SUCCEEDED(hr));

        memcpy(renderBuffer, captureBuffer, format->nBlockAlign * nFrames);

        hr = renderService->ReleaseBuffer(nFrames, 0);
        assert(SUCCEEDED(hr));
    }

なる永久ループなので、captureしてrenderするという繰り返しですね。これが一応動きます。動作している動画は、

hr = recorderClient->Initialize(AUDCLNT_SHAREMODE_SHARED, 0, 10000000, 0, format, NULL);

ここが多分キーなのだと思いますが、マジックナンバー連発で意味不明なので、かろうじて日本語コメント入りの行を重ねておきます。

    // 共有モード、イベント駆動なし（タイマー駆動）で初期化
    // 基準間隔を100ミリ秒（1000000 100ns単位）に設定
    hr = pAudioClient->Initialize(AUDCLNT_SHAREMODE_SHARED, 0, 1000000, 0, pwfx, NULL);
    if (FAILED(hr)) goto Exit;

ちなみにこちらはGemini君の情報です。共有モードだけは見てわかりますね。

コメント