1. 为什么从 arecord/aplay 开始学 Ubuntu 音频——一个老手的真实建议刚装好 Ubuntu 20.04耳机插上能响麦克风似乎也能用但你想录一段语音做会议纪要、想把树莓派上的环境音实时传到另一台机器、或者调试一个语音唤醒模块时突然发现系统里找不到“录音机”图标右键音量图标也只有一堆模糊的“输入/输出设备”选项更别说写脚本自动录音了。这时候你真正需要的不是图形界面点点点而是两条命令arecord和aplay。它们不是什么高级工具而是 ALSAAdvanced Linux Sound Architecture这套底层音频框架原生自带的“螺丝刀”——不花哨但拧得紧、拆得开、修得准。我带过几十个刚转 Linux 的嵌入式工程师和自动化运维新人几乎所有人踩的第一个坑就是试图用 PulseAudio 的图形工具去调多设备同步结果卡在权限、采样率不匹配、设备名动态变化这些细节里三天没进展。而arecord/aplay是绕过 PulseAudio 层直接跟声卡硬件对话的命令行工具它不隐藏复杂性但把所有变量都摊在你面前哪个 card、哪个 device、用什么 format、多少 buffer、是否启用 resampling……你改一个参数立刻看到效果或报错。这种“所见即所得”的反馈恰恰是入门阶段最珍贵的学习加速器。这篇教程不是教你怎么点开“声音设置”调音量而是带你亲手把麦克风信号变成.wav文件、再把它原样播出来最后实现“边录边放”的实时环路。过程中你会搞懂plughw:1,0这串字符到底代表什么、为什么-f cd不是“光盘模式”而是专业级采样标准、为什么arecord | aplay看似简单却暗藏延迟陷阱。所有操作都在 Ubuntu 20.04 原生环境下实测通过不需要额外安装 GUI 工具不依赖桌面环境连最小化安装的服务器版都能跑。如果你的目标是未来做语音识别部署、IoT 音频采集、或者只是想彻底搞明白 Linux 下声音是怎么从麦克风走到扬声器的那这两条命令就是你必须亲手敲过的第一道门。2. 核心原理与设计思路为什么是 ALSA 而不是 PulseAudio2.1 Linux 音频栈的三层真相ALSA 是地基PulseAudio 是装修很多新手以为 Linux 音频就等于“音量控制条”其实背后是清晰分层的架构。你可以把它想象成一栋楼最底层地基ALSA 内核驱动直接和声卡芯片Intel HDA、Realtek ALC256、USB Audio Class 设备等打交道提供最原始的硬件访问能力。它不关心“谁在听”、“要不要混音”只负责把数字信号准确读进来capture、写出去playback。arecord和aplay就是站在这一层的“施工员”它们调用的是 ALSA 提供的snd_pcm_*系列内核接口绕过了所有上层抽象。中间层承重墙PulseAudio 或 PipeWireUbuntu 20.04 默认 PulseAudio它像一个智能调度中心把多个应用Chrome、Skype、音乐播放器的音频流统一管理做混音、路由、网络传输、音效处理。你平时在 GNOME 设置里看到的“输入设备”“输出设备”列表其实是 PulseAudio 暴露给桌面的视图它背后可能把你的 USB 麦克风映射成了alsa_input.usb-Seeed_ReSpeaker_4_Mic_Array_UAC1.0-00.analog-mono这种超长名字。最上层装修GUI 应用与桌面集成“录音机”“声音设置”“GNOME 控制中心”这些只是调用 PulseAudio API 的前端它们对 ALSA 几乎一无所知。提示当你执行arecord -l却看不到 PulseAudio 里显示的设备名这不是 bug而是你成功穿透到了下一层。ALSA 看到的是物理硬件card 0, device 0PulseAudio 看到的是逻辑流sink/source。初学者最大的误区就是试图用上层的思维去调试底层问题——比如在 PulseAudio 里禁用了某个输入源却指望arecord还能录到这就像关掉电闸后还期待灯泡亮。2.2 为什么入门必须从arecord/aplay开始有三个不可替代的理由是我带新人时反复强调的第一它是唯一能验证硬件真实状态的“终极探针”。PulseAudio 可能因为配置错误、权限问题、甚至一个坏的插件让你“看到设备但录不到音”。而arecord -l如果能列出你的 ReSpeaker 麦克风说明内核驱动已加载、USB 枚举成功、设备被正确识别为 ALSA capture devicearecord -D plughw:1,0 -d 3 test.wav如果能生成 3 秒有效波形说明从 ADC 到内存的数据通路完全畅通。这个验证过程比任何 GUI 日志都直接。第二它强制你理解“设备命名规则”这是 Linux 音频调试的通用语言。plughw:1,0中的1是 card 编号0是 device 编号这个编号由内核在设备插入时动态分配USB 设备每次插拔可能变。hw:1,0是裸设备raw hardware要求格式严格匹配plughw:1,0是插件设备plugin hardware内置自动重采样和格式转换。新手常犯的错是死记plughw:1,0结果换台电脑就失效。学会用arecord -l动态查编号比背命令重要十倍。第三它是构建自动化脚本的基石。你想写一个定时录音脚本crontab里不能调用 GNOME 录音机但arecord -d 300 -f cd /home/pi/recordings/$(date %Y%m%d_%H%M%S).wav绝对可靠。你想做语音唤醒的预处理流水线arecord -f S16_LE -r 16000 -c 1 | sox -t raw -r 16000 -b 16 -e signed -c 1 - -r 16000 -b 16 -e signed -c 1 -t wav - | python3 vad.py这种管道链只有arecord/aplay这类纯 stdin/stdout 工具才能支撑。PulseAudio 的parec/paplay虽然也能管道但默认行为更复杂对新手不友好。2.3 Ubuntu 20.04 的特殊性ALSA PulseAudio 共存下的双轨调试法Ubuntu 20.04 默认使用 PulseAudio 作为声音服务器但它并没有取代 ALSA而是建立在 ALSA 之上。这意味着arecord/aplay默认操作的是 ALSA 层不受 PulseAudio 配置影响但 PulseAudio 会“劫持”某些设备尤其是笔记本内置声卡导致arecord -D hw:0,0失败设备忙而arecord -D plughw:0,0成功PulseAudio 允许插件访问对于 USB 麦克风这类外设PulseAudio 通常不会抢占所以arecord -D hw:1,0和plughw:1,0行为一致。因此我的调试策略是先用arecord -l确认硬件存在 → 再用arecord -D plughw:X,Y录音验证功能 → 最后用pactl list sources查看 PulseAudio 是否也识别到了同一设备。三者结论一致才说明整个音频栈健康。这个“双轨并行”的思路能帮你快速定位问题出在硬件层、ALSA 层还是 PulseAudio 层。3. 实操全流程详解从零开始完成录制、播放、实时环路3.1 环境准备与基础验证确保每一步都有回音在 Ubuntu 20.04 上我们从最干净的状态开始。打开终端CtrlAltT不要依赖任何 GUI 音频设置全部用命令行验证。第一步确认alsa-utils已安装且版本兼容虽然 Ubuntu 20.04 默认预装但保险起见执行sudo apt update sudo apt install alsa-utils -y检查版本arecord --version # 输出应为arecord: version 1.2.2 by Jaroslav Kysela perexperex.cz # 这个版本完全支持 Ubuntu 20.04 内核5.4.x第二步列出所有录音设备理解输出含义执行arecord -l你看到的典型输出是**** List of CAPTURE Hardware Devices **** card 0: PCH [HDA Intel PCH], device 0: ALC256 Analog [ALC256 Analog] Subdevices: 1/1 Subdevice #0: subdevice #0 card 1: ArrayUAC10 [ReSpeaker 4 Mic Array (UAC1.0)], device 0: USB Audio [USB Audio] Subdevices: 1/1 Subdevice #0: subdevice #0这里的关键信息是card 0主板集成声卡Intel PCH Realtek ALC256通常用于笔记本内置麦克风/耳机card 1USB 设备ReSpeaker 4 Mic ArrayArrayUAC10是厂商给的 card 名USB Audio是 device 名Subdevices: 1/1表示该 device 有 1 个可用子设备subdevice编号从 0 开始所以subdevice #0是唯一选择。注意card编号不是固定的如果你同时插着 USB 麦克风和 USB 声卡插拔顺序不同编号可能互换。永远用arecord -l动态查别硬编码。第三步测试录音——用最简命令捕获第一段波形我们先不指定设备让 ALSA 自动选择默认 capture devicearecord -d 3 -f cd test_default.wav-d 3录音 3 秒-f cd采样格式为 CD 标准44.1kHz, 16-bit, stereo这是最通用、兼容性最好的格式test_default.wav输出文件名。如果命令执行后听到“滴”一声ALSA 默认提示音3 秒后自动退出并生成test_default.wav说明默认设备工作正常。用file test_default.wav检查file test_default.wav # 应输出test_default.wav: RIFF (little-endian) data, WAVE audio, Microsoft PCM, 16 bit, stereo 44100 Hz第四步播放验证——确认文件可被正确解码aplay -f cd test_default.wav如果听到清晰的录音内容哪怕只是环境噪音恭喜你的基础链路已通。此时你已经完成了“录制→存储→播放”闭环这是整个音频系统的黄金验证点。3.2 精确设备控制如何指定 Card 和 Device 并规避常见陷阱当系统中有多个音频设备如笔记本麦克风 USB 麦克风 HDMI 输出必须精确指定arecord/aplay使用的硬件路径否则可能录到静音或错误设备。设备路径语法详解hw:X,Y直连硬件Xcard 编号Ydevice 编号。要求格式绝对匹配例如你的麦克风只支持 16000Hz 采样率却用-f cd44100Hz会报错Invalid argument。plughw:X,Y插件硬件ALSA 自动插入plug插件进行重采样、格式转换、通道数适配。90% 的场景推荐用这个因为它宽容度高能自动处理大部分不匹配问题。defaultPulseAudio 的默认 source/sink行为受 PulseAudio 配置影响不稳定不推荐用于调试。实战为 ReSpeaker 4 Mic Array 录音根据arecord -l输出ReSpeaker 是card 1, device 0所以# 推荐用 plughw自动适配 arecord -D plughw:1,0 -d 5 -f cd repeaker_test.wav # 高级指定 ReSpeaker 原生支持的格式更高效无转换开销 # 先查 ReSpeaker 支持的格式需安装 alsa-tools sudo apt install alsa-tools -y cat /proc/asound/card1/stream0 # 查看详细能力 # 典型输出包含Rates: 8000, 11025, 16000, 22050, 32000, 44100, 48000 # Formats: S16_LE, S24_LE, S32_LE # Channels: 1, 2, 4, 6, 8 # 所以可安全使用 arecord -D hw:1,0 -d 5 -f S16_LE -r 16000 -c 4 repeaker_16k_4ch.wav # -r 16000: 采样率 16kHz语音识别常用 # -c 4: 4 通道ReSpeaker 有 4 个麦克风 # -f S16_LE: 16-bit 小端格式Linux 标准关键避坑点权限问题普通用户默认有/dev/snd/*访问权但如果遇到arecord: device_list:282: no soundcards found检查是否在audio用户组sudo usermod -a -G audio $USER # 然后重新登录终端设备忙Device or resource busy通常是 PulseAudio 正在占用。临时停用 PulseAudiopulseaudio --kill # 录音完再启动pulseaudio --start静音无声检查麦克风硬件开关ReSpeaker 有物理 mute 按钮、系统音量是否为 0alsamixer图形界面可调按 F4 切到 Capture 视图。3.3 深度参数解析每个-f选项背后的采样率、位深与通道数计算-f参数是arecord/aplay的核心它定义了音频数据的“DNA”。新手常盲目复制-f cd却不理解其代价与适用场景。我们来拆解几个最常用格式格式标识采样率位深度通道数数据率估算典型用途实测注意事项cd44100 Hz16-bitStereo (2)~172 KB/s音乐播放、高质量录音占用 CPU 高USB 麦克风可能丢包dat48000 Hz16-bitStereo (2)~188 KB/s数字音频磁带、专业设备需设备明确支持否则报错S16_LE任意需指定-r16-bit任意需指定-cr * c * 2B/s语音识别、嵌入式采集最灵活必须配-r和-cS24_LE任意24-bit任意r * c * 3B/s高保真录音、母带处理需硬件支持部分 USB 设备不兼容为什么S16_LE是语音项目的首选以 ReSpeaker 4 Mic Array 为例它原生支持 16kHz 采样率、4 通道、16-bit。如果我们用-f cd44.1kHz/2chALSA 必须做两件事1把 16kHz 上采样到 44.1kHz引入插值噪声2把 4ch 降为 2ch丢弃 2 个麦克风数据。而用arecord -D plughw:1,0 -d 10 -f S16_LE -r 16000 -c 4 mic4_16k.wav数据率 16000 × 4 × 2 128,000 字节/秒 ≈ 125 KB/s仅为cd模式的 72%无采样率转换保留全部 4 个麦克风原始信号文件可直接喂给 Kaldi、Vosk 等语音识别引擎无需预处理。实操技巧如何快速查设备支持的参数不用猜用 ALSA 自带工具# 查看设备能力需 root sudo cat /proc/asound/card1/stream0 # 或用更友好的方式 arecord -D plughw:1,0 -l # 列出该设备支持的所有格式部分版本支持如果输出中包含S16_LE和16000就放心用如果只看到S16_LE但没写16000可以尝试ALSA 插件会自动 fallback。3.4 实时环路Live Loopbackarecord | aplay的原理、延迟与优化方案arecord | aplay看似一条命令却是理解 Linux 音频实时性的最佳入口。它实现了“麦克风输入 → 内存缓冲 → 扬声器输出”的零中间存储环路。基础命令与工作流# 最简形式使用默认设备 arecord -f cd | aplay -f cd # 指定同一 USB 设备避免输入/输出设备不匹配 arecord -D plughw:1,0 -f cd | aplay -D plughw:1,0 -f cd背后的管道机制arecord将 PCM 数据未压缩的原始音频流直接写入 stdout|将 stdout 作为 stdin 传递给aplayaplay从 stdin 读取 PCM 数据写入指定声卡。这比“录成文件再播放”少了一次磁盘 I/O延迟更低但引入了新的挑战缓冲区buffer管理。延迟来源与实测数据在 Ubuntu 20.04 Intel i5 笔记本上arecord | aplay的典型延迟为硬件延迟USB 麦克风 ADC DAC 固有延迟 ≈ 10~20msALSA buffer 延迟默认 buffer 大小为 1024 frames按 44.1kHz 计算≈ 23ms管道调度延迟Linux 进程切换、CPU 调度 ≈ 5~10ms总延迟 ≈ 40~50ms人耳可感知轻微回声。降低延迟的三大实操方案减小 buffer size最有效arecord -D plughw:1,0 -f S16_LE -r 16000 -c 1 -B 256 | aplay -D plughw:1,0 -f S16_LE -r 16000 -c 1 -B 256 # -B 256: 设置 buffer size 为 256 frames # 16kHz 下256 frames ≈ 16ms总延迟可压至 25ms 左右使用--period-size精细控制ALSA 的 buffer 分为多个 period--period-size控制每次 DMA 传输的大小arecord -D plughw:1,0 -f S16_LE -r 16000 -c 1 --buffer-size1024 --period-size256 | \ aplay -D plughw:1,0 -f S16_LE -r 16000 -c 1 --buffer-size1024 --period-size256关闭 PulseAudio终极方案PulseAudio 会增加 50~100ms 的额外延迟。对于实时性要求高的场景如语音唤醒响应pulseaudio --kill # 执行环路命令 arecord -D hw:1,0 -f S16_LE -r 16000 -c 1 | aplay -D hw:1,0 -f S16_LE -r 16000 -c 1 # 完毕后重启pulseaudio --start注意过度减小 buffer 会导致xrunbuffer underrun/overrun错误表现为爆音或中断。实测中--buffer-size512 --period-size128在大多数 USB 麦克风上稳定。4. 常见问题与排查技巧实录那些文档里不会写的坑4.1 问题速查表高频故障现象与一键修复现象可能原因快速诊断命令修复方案arecord -l显示设备但arecord -D plughw:1,0报错No such file or directory设备名错误card/device 编号变动或 USB 连接松动ls /proc/asound/确认 card1 是否存在dmesg | tail -20查 USB 枚举日志重新插拔 USB 设备用arecord -l重新获取编号录音文件有杂音/爆音ALSA buffer 不足xrun或 CPU 占用过高arecord -v -D plughw:1,0 -d 5 test.wav加-v显示详细 buffer 状态增大-B参数关闭浏览器等高 CPU 应用换用S16_LE降低数据率arecordaplay 有明显回声延迟PulseAudio 层叠加延迟pactl list sources | grep Name|State查当前活跃 source录音音量极小需调高系统音量才勉强听见ALSA Capture 增益未调alsamixer→ 按 F4 切到 Capture 视图 → 用方向键选中对应设备 → 按 ↑ 键调高找到Capture或Mic Boost滑块调至 70~80%aplay播放时提示Playback open error: -16, Device or resource busyPulseAudio 或其他进程占用输出设备lsof /dev/snd/*或fuser -v /dev/snd/*sudo fuser -k /dev/snd/*强制释放或指定不同输出设备aplay -D plughw:0,04.2 我踩过的五个真实坑血泪经验总结坑一USB 麦克风插在 USB 2.0 和 USB 3.0 插口表现不同ReSpeaker 4 Mic Array 在 USB 3.0 插口上arecord偶尔出现xrun换到 USB 2.0 插口后完全稳定。原因USB 3.0 的更高带宽反而导致 ALSA driver 的 DMA timing 更敏感。解决方案固定使用主板后置 USB 2.0 插口并在dmesg中确认枚举为usb 2-1.2而非usb 3-1.2。坑二-f cd在某些 USB 声卡上根本无法录音试过Logitech USB Headsetarecord -f cd直接失败但arecord -f S16_LE -r 44100成功。查stream0发现它只声明支持S16_LE不支持CD这个 alias。教训永远优先查设备能力别迷信cd。坑三arecord | aplay在后台运行后立即停止写脚本arecord -f cd | aplay -f cd 发现几秒后自动退出。原因是管道中的进程收到 SIGHUP挂起信号。修复用nohup或setsidnohup arecord -D plughw:1,0 -f S16_LE -r 16000 | aplay -D plughw:1,0 -f S16_LE -r 16000 /dev/null 21 坑四录制的 4 通道 WAV 文件用 Audacity 打开只有 2 通道Audacity 默认只显示前 2 通道。解决在 Audacity 中Tracks → Mix → Mix and Render to New Track然后 Tracks → Stereo Track to Mono对每个通道单独操作。坑五cron定时任务执行arecord失败报错no soundcards foundcron运行在无 session 环境ALSA 无法访问用户 session 的设备。终极方案在 crontab 中显式设置环境变量# 编辑 crontab crontab -e # 添加 * * * * * export XDG_RUNTIME_DIR/run/user/$(id -u) /usr/bin/arecord -D plughw:1,0 -d 60 -f S16_LE /home/pi/rec/$(date \%Y\%m\%d_\%H\%M\%S).wav4.3 进阶技巧把arecord/aplay变成生产力工具技巧一用sox做实时降噪并保存# 录音时实时降噪需提前用 sox 录一段噪音样本 noise.prof arecord -D plughw:1,0 -f S16_LE -r 16000 -c 1 | \ sox -t raw -r 16000 -b 16 -e signed -c 1 - -r 16000 -b 16 -e signed -c 1 -t wav - noisered noise.prof 0.21 | \ aplay -D plughw:0,0 -f S16_LE -r 16000 -c 1技巧二录制时同时监听Monitor想一边录一边听效果用 ALSA 的dsnoop和dmix插件# 创建 ~/.asoundrc pcm.!default { type plug slave.pcm dmix } pcm.dmix { type dmix ipc_key 1024 slave { pcm hw:0,0 period_time 0 period_size 1024 buffer_size 4096 } } pcm.dsnoop { type dsnoop ipc_key 2048 slave { pcm hw:1,0 period_size 1024 buffer_size 4096 } } # 然后arecord -D dsnoop | aplay -D dmix技巧三用ffmpeg替代aplay实现格式转换播放# 直接播放 MP3aplay 不支持 ffmpeg -i input.mp3 -f s16le -ar 44100 -ac 2 - | aplay -f cd # 或播放网络流 ffmpeg -i http://stream.example.com -f s16le -ar 44100 -ac 2 - | aplay -f cd5. 从入门到进阶下一步该学什么当你能熟练用arecord/aplay完成设备识别、参数定制、实时环路后你就已经站在了 Linux 音频世界的门口。接下来的方向取决于你的实际需求如果目标是语音识别/处理深入学习sox音频编辑、pydubPython 音频库、webrtcvad语音活动检测并掌握 WAV 文件的 Python 读写scipy.io.wavfile或wave模块。你会发现arecord -f S16_LE -r 16000 -c 1 - | python3 process.py这种管道是构建轻量级语音服务的黄金组合。如果目标是嵌入式/物联网研究 ALSA 的asound.conf和~/.asoundrc配置文件学习如何创建虚拟设备如multi设备合并多个麦克风、plug插件链重采样增益限幅。ReSpeaker 的官方 SDK 很多底层就是基于这些配置。如果目标是专业音频制作转向 JACK Audio Connection Kit。它提供了比 ALSA 更低的延迟、更精确的时钟同步是 Ardour、Qtractor 等 DAW 的基础。arecord/aplay是你理解 JACK 的前提——因为 JACK 本身也提供了jack_rec/jack_play这样的类比工具。最后分享一个个人体会我最初学arecord是为了调试一个树莓派语音助手花了两天搞不定回声问题。后来静下心来把arecord -v的每一行 buffer 状态都抄下来画成时序图才发现是period_size和 CPU 调度的微妙冲突。Linux 音频没有魔法只有清晰的层次、可验证的参数、和愿意深挖的日志。当你第一次用arecord -D plughw:1,0 -f S16_LE -r 16000 | aplay -D plughw:0,0 -f S16_LE -r 16000实现零延迟监听时那种“我掌控了声音”的踏实感是任何 GUI 点击都无法替代的。这条路的起点很低但每一步都踩在真实的硬件和内核上——而这正是工程师最该扎根的地方。