短视频录制基本流程
同步的重要性
“BGM和人声对不齐”，“BGM和嘴型对不齐”等等，同步问题是用户最容易感受到的，也是一个深度短视频录制者非常看重的；同时，由于兼容性和产品功能的多样性，比如seek、跳过前奏、原唱伴唱切换等等，非常容易出现且难以察觉，甚至难以解决。下面我们就来分析，是什么导致不同步的问题，以及如何解决。
问题分析
我们常见的短视频录制的场景，以及要做的到的同步问题
纯音频录制（音频K歌）
主要是伴奏和人声的同步
单视频录制（视频K歌、短视频录制）
主要是伴奏和人声、录制视频同步，进一步分解为伴奏和人声的同步，和伴奏和视频的同步。
多视频录制 （视频合唱、视频跟拍）
主要是录制视频、跟拍视频、伴奏和人声同步，进一步分解为伴奏和人声的同步，伴奏和视频的同 步，和录制视频和跟拍视频的同步。
因此我们将短视频录制的同步问题，分解为以下三个问题，并一一分析和解决。
1、BGM和人声的同步
2、BGM和视频的同步
3、录制视频和跟拍视频的同步
问题解决
BGM和人声的同步
同步非常难以解决的一个原因是很难直接量化，所以第一步我们要去量化它。
我们使用每隔两秒滴一下的音频作为BGM，打开外放，这样滴的声音又会被重录进app中，这样BGM滴的声音的位置和重录进去滴一声的位置的差，就是不同步时间差，一般要求
音视频实验室：-100ms ~ 100ms
能够量化后，接着我们要做到的是以下两步：
1）保证写到本地的BGM和人声数据量相同
2）保证BGM和人声没有错位
1、保证写到本地的BGM和人声数据量相同
有两方面，一方面是保证帧数相同，另一方面要保证bgm和人声的pcm的采样率相同，为后续混音，seek，裁剪等处理做准备。
保证帧数相同业界有两种方案：
1）输入一帧（录入）人声，输出一帧（播放）BGM。实现的方式比如说IOS本身的AudioQueue和 Android类似的实现oboe，都是通过一个线程去保证输入一帧（录入）音频，输出一帧（播放）音频。
2）Android系统实现中，录制器和解码器是维护在不同线程中的，如何在两个线程（录制线程、解码线程）中，保证BGM和人声数据量相同。我们在解码器中维护了一个queue，里面缓存了解码出来的音频帧。解码一帧音频，放入queue中一帧；录制出一帧音频，从queue中取出一帧音频。
保证采样率相同，需要我们在BGM解码后和录制出数据后，增加重采样的步骤。
2、录制的人声和BGM没有错位
有以下原因会导致人声和BGM错位
1）录音器的输入延迟和播放器的输出延迟
人声的录入需要经过以下阶段：一段BGM先经过播放器播放，人听到并同步的唱出，经过录制器，回到app中。
因此人声的时间点与对应的BGM的时间点，必然是落后录音器的输入延迟 + 播放器的输出延迟
因此我们需要开始录制时裁减掉开始部分人声，同时在录制结束时，用空数据补全缺少的人声。
2）解码速度如果低于录制速度，就会导致BGM播放卡顿以及堵塞录制线程。
录制的输入速度由硬件层保证，一定是输出的数据量代表的录制间隔（所以有的时候可以直接根据绝对时间变化，计算录制pts）
解码速度如何保证大于或者等于录制的输入速度呢？一方面及时是m4a的音频的解码速度一般也是快于20ms/帧的，另一方面更建议使用直接使用pcm。pcm可以是直接下载到或者在准备过程中预解码得到的。
同时如果使用pcm的话，会使得seek变得更加精准且快，但同时带来交互上的成本或者下载成本。
3）warmup 音频预热
分input音频预热和output音频预热，难点在于app开发者无法直接获得，且不同设备差距很大。
针对这种情况，有一种方案是在线下通过之前介绍测量环路延迟的方法，测量top机型的整个环路延迟，在录制过程中，根据测量的环路延迟，丢弃人声的音频帧。
但是这种方案并不能覆盖所有机型，同时需要很大的成本去维护环路延迟机型表，所以我建议采取的手段可以是
通过假暂停减少多次音频预热出现
由于音频预热比较小，可以在对开始录制的地方，忽略音频预热
4）seek不精准
使用精准seek或者直接使用pcm数据
5）解码器缓存和播放器缓存
在重新开始录制时，要记得清楚解码器缓存和播放器缓存，避免解码器缓存和播放器缓存导致多余的BGM播放导致，录制时间滞后BGM播放时间
事实上还有最后的兜底方案，也是业界内比较常用的，就是在预览页允许用户根据微调人声和
最后，我们发现BGM和人声的同步校准，并不是采用根据时间戳去校准，反而是严格保证音频帧数据量一致且没有错位来校准，这是由于人耳对音频的敏感性，录制中不能有丢帧。
BGM和视频的同步
非常重要，但是也比较通用，大体有三个方案：
由于对声音连续的要求高，所以基本不会考虑方案B。
录制视频和跟拍视频的同步
目前有两种方案:
方案一：
1、预览时，播放和录制相互不影响；左边播放原视频，右边播放camera返回的视频。
2、合成时，根据pts分别从原视频和录制视频中，取出pts对应的视频帧，再合并在一起。
方案二：
1、预览时，从原视频按照录制的pts取对应的视频帧，和录制的视频帧，先一起绘制在一个framebuffer上，再展示在屏幕上和经过编码写到文件中。
2、无合成过程。
因此在短视频录制场景，建议优先使用方案二。
