Android AudioRecord 帧时间戳与 PCM 分块对齐

直接回答

采集时间戳和应用返回的缓冲区边界是不同事件。AudioRecord.getTimestamp 返回 AudioTimestamp，描述采集流水线最早可用位置的帧交付信息。framePosition 是相对于假设音频流起点的帧位置；nanoTime 是该帧在所选时钟基准下的估算采集时间。它并不定义为最近一次 read 缓冲区的结束时间，若没有帧坐标关联就把它直接贴到分块上，可能造成所有段落的时间偏移。 API 有多个边界要记录。AudioRecord.getTimestamp 从 API 24 起可用；当前暂时取不到时间戳时会返回错误，不能把失败调用中旧的字段当作当前状态。AudioTimestamp.framePosition 和 nanoTime 字段从 API 19 起存在，但 MONOTONIC/BOOTTIME 选择属于 API 24 的 timestamp 调用。Android 文档说明 MONOTONIC 与 System.nanoTime 同基准，BOOTTIME 与 elapsedRealtimeNanos 同基准。stop 后再次 startRecording 会重置 AudioRecord 帧计数，只有确认这类计数重置后才建立新 epoch；路由或格式变化应记录为事件，不应擅自归零。 应用实际读取的内容应单独计数。AudioRecord 的 read 重载可以返回字节、short 或 float 数量，返回值不会自动成为帧数。要依配置的采样编码和通道数把成功读取量换算为完整帧；无法组成完整帧的余量应记录为不完整，不能悄悄舍弃。每个 PCM 分块保存应用侧累计帧起止范围。一个样本帧包含配置中的各声道样本，但应用的 chunk 序号是自己的坐标，不会自动等于 AudioTimestamp 坐标。 只有在采集坐标关联已验证后，局部时间估算才成立。给定成功锚点 (P, T)、已证明与 P 使用同一采集起点的分块帧坐标 q、同一 recorder epoch、匹配时钟基准和稳定采样率 R，局部估算式为 t_est = T + (q - P) * 1e9 / R。这只是推导值，不是精度保证。如果第一段成功读取与 capture framePosition 的偏移没有验证，就把 q 和 t_est 标为未知，不要假设首次 read 从帧 0 开始。 只有在关联关系和容差已声明时，timestamp 差值与 read 帧差值才是诊断信号。采集 pipeline 和应用 read 之间存在缓冲，数据也可能延后、丢失、被丢弃或变换。一次轮询不匹配并不能说明发生了哪种情况。结合多个成功锚点、累计成功读取帧数、read 返回码、路由/录音状态和已知注入的不连续点来比较。分别保留调度延迟、短读、路由打断、应用丢弃和未分类时间线差异。 保留输入帧与变换后输出帧的独立坐标。分段记录输入帧范围和 session epoch；重采样或声道处理另记输出帧范围及映射，不能把原采样率直接用于变换后的样本。Android TIMEBASE_MONOTONIC 与 TIMEBASE_BOOTTIME 不可互换，墙上时间也不能替代采样位置。分两层测试：纯 PCM 加合成 (P,T)/read 范围只验证算术，不证明真实采集原点。若用扬声器播放合成脉冲再录制，应记录实际录到的 marker、路由、播放/采集方法和不确定性；源文件帧号不是 AudioRecord capture framePosition。只有测得可验证的读入原点关联才可估算，不能默认用最近 poll 校准；原点未知时映射保持 unknown。不要记录真实录音或转写。COVE-ASR-02 描述顺序分段和文本合并，不代表 Cove 已有 timestamp 映射；本文不报告丢帧率或真机精度。

转写分块需要可信的媒体时间偏移

Android 工程师把实时 AudioRecord 采集切成 PCM 分块以供语音处理，之后需要让每段转写回到录音中的近似位置。一次测试在短读后出现时间缺口，但应用只有 UI 显示时长，不清楚是采集帧延迟、确实丢失，还是稍后才被读取。

决策

仅在帧起点、epoch、采样率和时钟基准都已验证时，才把成功 AudioTimestamp 锚点与单独统计的应用读取帧线关联。无法证明时保留未知，并分开记录变换前后坐标。

预期结果

报告只给出证据支持的分块时间估算，或保留 unknown；不把差异包装成丢帧证明或精度结论。

需要收集的证据

只有将以下证据与同一模型文件和测试运行关联起来，结论才可复核：

• ANDROID-AUDIO-01：Android 采集 API 定义了录音和音频格式边界；应用仍需记录实际读取的帧和状态。
• ANDROID-AUDIO-TIMESTAMP-2026-10：官方 AudioRecord/AudioTimestamp 文档定义帧位置、估算时间及 timestamp 状态；锚点不是 read 缓冲区的精确边界。
• ANDROID-TIMEBASE-2026-10：MONOTONIC 与 BOOTTIME 语义不同，原始时间值只能在兼容时钟域和生命周期内比较。
• COVE-ASR-02：现有事实描述 PCM 分段、顺序推理与文本合并，不证明存在 framePosition 到 chunk 的时间映射。

发布结论只对所记录的配置和验收集有效；扩大适用范围需要更多记录。

实施流程

1. 定义时间戳问题和 epoch. 记录偏移用途、录音器身份、开始/停止事件、API 级别、采样格式、通道数及时钟基准。仅在确认帧计数重置后建立新 epoch；路由或格式变化另记，不能假定计数归零。
2. 只采纳成功的时间戳锚点. 在已知采集点轮询 getTimestamp，并把状态、framePosition、nanoTime 和 timebase 成组保存。只有 SUCCESS 才更新锚点；查询失败表示当前不可用，不能把旧字段冒充当前时间。
3. 按成功 read 数量统计帧. 每次 read 记录重载和返回单位：字节、short 或 float。根据配置的编码和通道数换算完整样本帧，记录短读、尾数或错误，并独立维护应用读取帧范围，不与硬件 timestamp 位置混为一谈。
4. 先证明读取坐标再估算时间. 证明应用帧坐标 q 与 capture 位置 P 使用相同起点、recorder epoch、稳定采样率和时钟基准；不能默认用最近的 timestamp poll 当原点。只有如此才能局部估算 t_est = T + (q - P) * 1e9 / R；否则将映射标为未知。
5. 用独立证据排查时间线不连续. 在声明的容差下比较多个成功锚点和已接收 read 帧。结合 read 结果、路由回调、stop/start、重采样和主动丢弃记录异常。一次 timestamp/read 不匹配不能证明丢帧或判定原因。
6. 区分夹具层次并保护隐私. 纯 PCM 加合成 P/T 锚点和 read 范围只验证算术。真实麦克风脉冲测试要记录实际录到的 marker、路由、播放/采集方法和不确定性；源文件帧标签不是采集 framePosition。原点未验证时映射保持 unknown；不记录真实 PCM 或转写。

让每个阶段的状态都可观察。失败信息应指出阶段、模型、运行时和恢复动作，同时避免记录用户私密内容。

验收标准

• 每个锚点记录 AudioRecord session epoch、getTimestamp 状态、framePosition、nanoTime、timebase 和采样格式；失败查询不复用旧值，epoch 只随已确认的计数重置变化。
• 成功 read 数量依据真实字节/short/float 单位和配置换算为完整帧；在偏移验证前，应用读帧索引与 capture framePosition 保持分离。
• 帧时间公式仅用于同一已验证采集起点、epoch、稳定采样率和兼容时钟域；纯合成元组只验证算术，采集原点未知时映射保持 unknown。
• 没有独立证据时不把 timestamp/read 差值称作丢帧数；分段、重采样、路由变化、短读及录音器重置分别记录。

决策对照表

需要避免的失败模式

• 把 AudioTimestamp 当作最近 read 缓冲区的起点或终点。
• 默认应用成功读取的累计帧序号与采集 pipeline 的 framePosition 使用同一零点。
• 仅凭一个 timestamp 差值就宣称丢帧数量或原因。

还要避免静默回退、版本未固定、缺少取消处理，以及把不同配置的结果混在一起下结论。失败运行也应与成功记录一并保存。

最小复现记录

发布检查表

• ☐ 主要搜索问题已回答，且没有未经支持的数字。
• ☐ 所有模型文件和运行时版本均已固定。
• ☐ 代表性任务和失败处理策略均有说明。
• ☐ 生命周期、取消、清理和回退均已测试。
• ☐ 用户内容与网络边界均有说明。
• ☐ 结论只适用于被记录的配置。
• ☐ 新增测试结果时链接到原始方法或证据。

来源与相关证据

• Cove Voice 转写流程
• Cove 基准测试方法
• Android AudioRecord API：getTimestamp 与 read 操作
• Android AudioTimestamp API：framePosition、nanoTime 与 timebase
• Android AudioFormat API：PCM 编码和声道配置
• Android SystemClock API：monotonic 与 boottime 时钟

中文部署与排错专题见。奇连 AI 端侧专题。

常见问题