Sladky Player

多线程音频输出与硬件 DSP

一款基于系统级 Rust 语言开发的便携式音频播放器。通过 WGPU API 实现 GUI 硬件加速渲染,底层音频输出基于跨平台 Cubeb 库,搭载 Symphonia 异步解码器,并配备完全可定制的 32 位浮点 DSP 运算管线。

架构技术规范
Sladky Player

信号路径与底层 DSP

音频信号处理完全在 32 位浮点立体声模式下运行。DSP 管线由一系列连续的独立模块组成,对原始采样执行精确的数学修正。

⚙️

1. 修正与过滤(前处理)

SignalCorrector 模块在环形缓冲区中执行通道延迟对齐(Time Alignment),精确度达到采样级,并负责极性相位反转和单声道混音。DynamicsPre 模块通过级联双二阶滤波器实现次声波过滤(Subsonic Filter,20Hz HPF,Linkwitz-Riley 4阶)和超声波过滤(22kHz LPF),并结合由 RMS 检测器驱动的自动增益控制(AGC,目标电平为 -16 dBFS)。

📉

2. 均衡器与多频段饱和度

参数化 12 段均衡器在 16 Hz 至 16 kHz 的周波数范围内使用品质因数 Q=1.41 的稳定峰值滤波器。Goodizer 模块执行 3 频段信号分频(250 Hz 的低通交叉滤波器和 4000 Hz 的高通交叉滤波器),提供独立的压缩控制(可调的启动/释放时间比、阈值和压缩比)以及非线性饱和度(双曲正切波形整形,取决于选择的 A、B、C、D 模式)。

🧠

3. SoundUP RT 心理声学升频

多组件引擎:次谐波共振器(100 Hz 低通)采用 ADAA(无混叠双重逼近)方法生成低频谐波,以完全消除数字混叠。Haas 差延迟器(800 Hz 高通,1.2 ms 延迟)用于拓宽立体声声场。ATR 模块使用快速和慢速包络检测器提取瞬态(6.5 kHz 频段),并动态强化其起始攻击相位。高频激励器在 11 kHz 以上进行多项式谐波合成(产生奇偶超高频谐波),并混合调制粉红噪声。

🎧

4. 双耳空间音频渲染

Hrtf3DVirtualizer 模块执行 Mid/Side 信号解构。Mid 通道通过峰值滤波器(3 kHz,Q=1.0)模拟耳道共振,并辅以陷波滤波器(6.5 kHz,Q=2.0)。声学距离通过早期反射(0.9 ms 延迟,-15.5 dB 电平)来模拟,以消除“头中定位”效应。Side 通道由 8 kHz 陷波滤波器进行修正。双耳交叉串扰由 ITD(0.28 ms 延迟,48 kHz 采样率下对应 13 个采样)进行延迟,并通过高架滤波器模拟头部声学阴影过滤(1.5 kHz 以上衰减 10 dB)。

RUST
// Lock-Free real-time audio pipeline on Cubeb SPSC ring buffers
pub fn process_audio_callback(
output_buffer: &mut [f32],
cons_main: &mut Consumer<f32>,
cons_amb: &mut Consumer<f32>,
dsp: &mut DspProcessor,
quick_dsp: &mut QuickDspState,
settings: &SharedAudioSettings
) -> isize {
let frames_requested = output_buffer.len() / 2;
let mut amb_buffer = vec![0.0f32; output_buffer.len()];

let amb_popped = cons_amb.pop_slice(&mut amb_buffer);
let popped = cons_main.pop_slice(output_buffer);

let vol = settings.get_float(&settings.volume);
let bal = settings.get_float(&settings.balance_lr);
let pitch = settings.get_float(&settings.pitch);
let reverb_wet = settings.get_float(&settings.reverb_wet);
let reverb_room = settings.get_float(&settings.reverb_room);
let crossfeed = settings.get_float(&settings.crossfeed);

let l_gain = if bal > 0.0 { 1.0 - bal } else { 1.0 };
let r_gain = if bal < 0.0 { 1.0 + bal } else { 1.0 };

for i in (0..popped).step_by(2) {
    let mut l = output_buffer[i];
    let mut r = output_buffer[i+1];

    let (l_pt, r_pt) = quick_dsp.pitch_shifter.process(l, r, pitch);
    let (l_rev, r_rev) = quick_dsp.reverb.process(l_pt, r_pt, reverb_wet, reverb_room);
    let (l_cf, r_cf) = quick_dsp.crossfeed.process(l_rev, r_rev, crossfeed);
    let (proc_l, proc_r) = dsp.process_stereo(l_cf, r_cf);

    l = proc_l * l_gain; 
    r = proc_r * r_gain;
    if i < amb_popped {
        l += amb_buffer[i];
        r += amb_buffer[i+1];
    }
    output_buffer[i] = l * vol;
    output_buffer[i+1] = r * vol;
}
frames_requested as isize
}
// 3-Band Linkwitz-Riley Crossover with Envelope Tracked Compression
impl Goodizer {
pub fn process_frame(&mut self, mut l: f32, mut r: f32) -> (f32, f32) {
    if self.amount <= 0.0 { return (l, r); }
    let (dry_l, dry_r) = (l, r);

    // 1. Поканальный кроссовер (LPF на 250 Гц, HPF на 4000 Гц)
    let low_l = self.lpf_l.process(l);
    let low_r = self.lpf_r.process(r);

    let high_l = self.hpf_l.process(l);
    let high_r = self.hpf_r.process(r);

    let mid_l = l - low_l - high_l;
    let mid_r = r - low_r - high_r;

    // 2. Поканальная компрессия выделенных частотных диапазонов
    let comp_low_l = self.c_low_l.process(low_l);
    let comp_low_r = self.c_low_r.process(low_r);

    let comp_mid_l = self.c_mid_l.process(mid_l);
    let comp_mid_r = self.c_mid_r.process(mid_r);

    let comp_high_l = self.c_high_l.process(high_l);
    let comp_high_r = self.c_high_r.process(high_r);

    // 3. Рекомпозиция и смешивание обработанного сигнала с сухим
    let mix_l = comp_low_l + comp_mid_l + comp_high_l;
    let mix_r = comp_low_r + comp_mid_r + comp_high_r;

    (
        dry_l * (1.0 - self.amount) + mix_l * self.amount,
        dry_r * (1.0 - self.amount) + mix_r * self.amount
    )
}
}
// ADAA Non-Linear Waveshaping (Anti-Aliasing Double Approximation)
fn ln_cosh(x: f32) -> f32 {
let ax = x.abs();
if ax > 4.0 {
    ax - 0.69314718
} else {
    let x2 = x * x;
    x2 * (6.0 + x2) / (12.0 + 3.0 * x2)
}
}

fn adaa_tanh(x: f32, x_prev: f32) -> f32 {
let diff = x - x_prev;
if diff.abs() < 1e-5 {
    x.tanh()
} else {
    // Вычисление первой производной первообразной ln(cosh(x))
    (ln_cosh(x) - ln_cosh(x_prev)) / diff
}
}
AUDIO ENGINE STREAM MONITOR
Interface/API:
WASAPI Exclusive (Bit-Perfect)
Output Format:
32-bit Float @ 384000 Hz
Hardware Buffer:
50 samples (~1 ms latency)
Resampling DSP:
Sinc Interpolation (64000 Taps)
Quantize Dither:
NS9 Noise Shaping
PCM-to-DSD SDM:
ASDM7EC (DSD512)
Clipping Guard:
Soft Saturation ON (Thresh: -1.0 dB)
GUI Backend:
WGPU Vulkan 144Hz

无锁多线程 SPSC 架构

实时音频输出线程与 GUI 线程完全隔离。解码、重采样、沿可定制贝塞尔曲线执行的动态交叉渐变以及环境音效合成均在并行线程中执行,通过分配在堆上的无锁 SPSC(单生产者单消费者)环形缓冲区(Ring Buffer)交换音频数据。这保证了向系统声卡稳定输送音频数据包,完全避免了缓冲区下溢(Buffer Underrun)和播放卡顿的风险。

Crystallization of Sound

CRYSTALLIZATION

音频升频

基于 SoundUP 算法的声音重构。
针对“实时”模式进行了优化。

音频升频

原始 SoundUP
0:00 / 0:00
放大强度
MIN
MAX

便携性与极速性能

播放器编译为单个静态可执行文件,无任何外部运行时依赖。所有配置和 DSP 管线设置均在本地存储于 settings.json 中。通过 WGPU API 实现的图形硬件加速确保了界面的即时渲染,且 CPU 占用率极低。

Sladky Player 架构技术问答

音频输出与延迟

播放器中的 WASAPI 共享(Shared)和独占(Exclusive)模式有什么区别?
在共享模式下,播放器将解码后的音频流传递给 Windows 系统混音器,后者根据系统设置强制对其进行重采样,并将其与其他软件声音混合。在独占模式下,音频引擎直接接管物理硬件设备。这将锁定系统音频栈,使音频流绕过 Windows 混音器直接传输到 DAC 芯片,实现无第三方干扰的源码输出(Bit-Perfect),从而消除相位畸变和强制重采样。
为什么独占模式会在某些采样率下报错?
在独占模式下,硬件声卡驱动程序仅接受您 DAC 芯片物理支持的采样率和位深度参数。如果播放器设置设为 384 kHz,而设备最高仅支持 192 kHz,则音频流初始化将在硬件层面失败。在这种情况下,播放器将安全地将音频流重定向回共享模式。
多线程 SPSC 机制是如何工作的,为什么它能防止爆音和杂音?
信号路径被分为三个隔离的线程:解码/重采样、环境背景音合成和底层音频输出线程。它们通过堆上分配的无锁单生产者单消费者(SPSC)环形缓冲区相连。音频回调可以在微秒内从缓冲区中获取就绪的采样,而无需等待磁盘读取操作或高负荷的解码计算,从而防止了缓冲区下溢(Underrun)和相伴随的爆音。
为什么播放器内置了 Sigma-Delta 调制器(PCM 转 DSD)?
调制器可在实时下将 PCM 流转换为 1 位 DSD 格式(最高支持 DSD512)。数学算法将量化噪声推向远超人耳听觉极限的高频区域(噪声整形,Noise Shaping),从而在理想的线性相位中保留有用信号。带有后置过滤“EC”(误差修正)的方案还会注入微弱的模拟抖动(Dither)以平滑 DAC 的非线性,因此比标准算法占用更多的处理器资源。

DSP 路径与心理声学

SoundUP RT 算法在升频时具体做了什么?
与普通的简单均衡器不同,SoundUP RT 能够确定性地合成全新的高频信号。该模块分析中低频段的音调基础,并通过非线性多项式合成将其倍音投影到高频区域。Clarity (ATR) 模块计算瞬态的动态包络以强调攻击,Haas 差延迟器在其中一个通道的高频光谱中引入 1.2 ms 的相位延迟以拓宽立体声宽度,而激励器则混合调制粉红噪声以营造空气感。
低音共振器中的 ADAA 是什么,为什么需要它?
在数字环境中,通过非线性饱和(如双曲正切 tanh)生成次谐波时,不可避免地会产生混叠(Aliasing)——即寄生频率从奈奎斯特频率镜像反射回可听光谱,导致低音浑浊。ADAA(抗混叠双重逼近)算法通过对非线性函数进行数值积分来解决这一问题。通过计算信号原函数的导数,ADAA 几乎可以完全抑制光谱混叠,保持低音深邃且干净。
双耳 3D 空间音频(HRTF)是如何工作的?
激活 HRTF 模式会将立体声信号分解为 Mid(正中声像)和 Side(立体声宽度)组件。中央通道通过特定的滤波器组进行处理,以模拟耳廓的解剖共振(在 3 kHz 处提升,在 6.5 kHz 处衰减),并辅以早期反射延迟(0.9 ms,-15.5 dB)以消除“脑内声像”效应。侧通道则延迟双耳间的时间差 ITD(0.28 ms),并通过模拟头部声学阴影的高架滤波器(在 1.5 kHz 以上,对对侧耳的高频衰减 10 dB),从而构建出真实的双耳空间感。
峰值限制器(Peak Limiter)是如何防止数字削波的?
峰值限制器使用 2 ms 的前瞻(Look-ahead)缓冲区。播放器将主音频流延迟 2 毫秒,使其能够在新采样输出前分析其峰值振幅。如果检测到超出阈值,将触发快速增益衰减(0.5 ms 启动时间)以避免硬剪切。如果过载极其严重,则会启动软饱和(Soft Saturation)功能,沿双曲正切(tanh)曲线平滑圆滑峰值,防止产生刺耳的数字失真。

无缝播放与数据库

无缝播放(Gapless)和淡入淡出过渡(Crossfade)是如何实现的?
解码器工作具有前瞻性。当当前轨道接近尾声时,后台将启动下一首文件的解码。如果启用了 Crossfade,播放器将根据设置中定义的立方贝塞尔曲线表,平滑降低逐渐消失的音频流音量,同时提升新轨道的音量。这确保了在切换轨道时不会出现微小的停顿、爆音和延迟。
改变音调时,WSOLA 和 Phase Vocoder 算法有什么区别?
WSOLA 算法工作在时域:它将信号切成重叠的片段,寻找最大互相关(波形相似度)的点,并将其带有偏移地合并重叠。此方法最适合人声和乐器,因为它保留了攻击的相位结构。Phase Vocoder(相位声码器)算法通过傅里叶变换将信号转换到频域,修正频段的相位以补偿时间偏移,最后执行反变换。它更适合复杂的复音混音,但可能引入相位模糊(Smearing)等副作用。
播放列表数据库是如何设计的,为什么需要递归查询?
数据库(music.db)包含关系关联表。播放列表通过父播放列表字段支持分级树状结构。当选择父播放列表时,播放器会执行递归 CTE 查询,该查询会自动向下遍历嵌套树,收集所有子播放列表的 ID,并返回一个完整的平面轨道列表,同时保留用户自定义的播放顺序。

图形与可视化

为什么播放器采用 WGPU 编写而不是 Electron,实际的内存占用是多少?
Electron 运行需要启动一个完整的 Chromium 实例,仅浏览器引擎就需要消耗 150-300 MB 的系统内存。而我们基于 WGPU 的图形引擎通过底层 API 直接与显卡通信,播放器的可执行文件非常轻量,在应用层仅占用约 6-8 MB 的 RAM。然而,由于现代图形 API(DirectX 12 或 Vulkan)会强制显卡驱动程序为交换链(Swapchain)、流水线编译和纹理缓存预留相当大的内存块,因此在操作系统中,整个进程的实际物理内存占用会稍高(在 40-70 MB 左右)。
声谱分析器(FFT)是如何工作的,会造成系统负担吗?
音频流中声道的单声道总和被复制到实时环形缓冲区。专用的后台线程提取音频块(根据界面中的 FFT 设置,大小为 512 到 8192 个采样),应用汉纳窗,并通过快速傅里叶变换(FFT)计算声谱图。计算出的频率振幅被异步打包到纹理中。声谱图的绘制和频带的衰减都是通过定制的 WGSL 着色器在 GPU 上完成的,从而将 CPU 的计算负担降到了最低。
声谱图上那条细细的蓝色线条代表什么?
这是原始音频文件的 实际截止周波数(Cutoff Frequency)的可视化指示线。播放器扫描帧光谱,找到能量电平降至 -96 dB 以下的范围,并显示这一边界。这让您可以瞬间将高品质的原生文件与人工拉伸的低品质升频文件区分开来(例如,以 96 kHz FLAC 保存的 128 kbps MP3,其截止线将明显冻结在 16 kHz 处)。