Java Socket传音频卡顿或无声的根本原因是缺乏协议层：需添加长度前缀+ WAV封装，两端硬编码统一音频格式，并用独立线程+阻塞队列实现恒定延迟缓冲，否则TCP粘包、无帧边界、AudioInputStream不兼容裸PCM等问题必然导致失败。
Java Socket 传音频为什么容易卡顿或无声
直接用 Socket 原生传输原始音频（如 PCM）几乎必然出问题：没有帧边界、无采样率/位深协商、TCP 粘包导致解码错位，客户端拿到的 byte[] 根本无法喂给 AudioInputStream。这不是代码写得不够多，而是协议层缺失。
- Java 的
AudioSystem.getAudioInputStream()要求输入流有合法头信息（如 WAV 头），裸 PCM 流不满足 - TCP 不保证“一次
write()对应一次read()”，InputStream.read(byte[])可能只读到半帧音频 - 未做缓冲控制时，
SourceDataLine.write()写入过快会抛IllegalArgumentException: Invalid audio format
必须加上的最小协议层：长度前缀 + WAV 封装
绕过复杂编解码，最简可行方案是：发送端把每块音频数据（例如 20ms 的 PCM）封装成内存中的 WAV 格式，并在 TCP 流头部写入该 WAV 数据的总长度（4 字节 int）。接收端先读 4 字节，再按长度读取完整 WAV 块，交给 AudioSystem.getAudioInputStream() 播放。
关键点：
- WAV 封装只需构造 RIFF/WAVE 头 + data chunk，无需写完整标准头（可省略 fact、cue 等）
- 采样率、声道数、位深必须在两端硬编码一致，例如
new AudioFormat(8000, 16, 1, true, false) - 发送端每次
OutputStream.write()前，先DataOutputStream.writeInt(wavBytes.length)
public static byte[] pcmToWav(byte[] pcm, AudioFormat format) {
int frameSize = format.getFrameSize();
int sampleRate = (int) format.getSampleRate();
int channelCount = format.getChannels();
int bitDepth = format.getSampleSizeInBits();
int byteLength = pcm.length;
int dataSize = byteLength;
int wavLength = 44 + dataSize;
<pre class='brush:java;toolbar:false;'>byte[] wav = new byte[wavLength];
// RIFF header
wav[0] = 'R'; wav[1] = 'I'; wav[2] = 'F'; wav[3] = 'F';
wav[4] = (byte) (wavLength & 0xff);
wav[5] = (byte) ((wavLength >> 8) & 0xff);
wav[6] = (byte) ((wavLength >> 16) & 0xff);
wav[7] = (byte) ((wavLength >> 24) & 0xff);
// WAVE header
wav[8] = 'W'; wav[9] = 'A'; wav[10] = 'V'; wav[11] = 'E';
// fmt chunk
wav[12] = 'f'; wav[13] = 'm'; wav[14] = 't'; wav[15] = ' ';
wav[16] = 16; wav[17] = 0; wav[18] = 0; wav[19] = 0; // subchunk1 size
wav[20] = 1; wav[21] = 0; // audio format (PCM=1)
wav[22] = (byte) channelCount;
wav[23] = (byte) (channelCount >> 8);
wav[24] = (byte) (sampleRate & 0xff);
wav[25] = (byte) ((sampleRate >> 8) & 0xff);
wav[26] = (byte) ((sampleRate >> 16) & 0xff);
wav[27] = (byte) ((sampleRate >> 24) & 0xff);
int byteRate = sampleRate * channelCount * bitDepth / 8;
wav[28] = (byte) (byteRate & 0xff);
wav[29] = (byte) ((byteRate >> 8) & 0xff);
wav[30] = (byte) ((byteRate >> 16) & 0xff);
wav[31] = (byte) ((byteRate >> 24) & 0xff);
wav[32] = (byte) (channelCount * bitDepth / 8); // block align
wav[33] = 0;
wav[34] = (byte) bitDepth; // bits per sample
wav[35] = 0;
// data chunk
wav[36] = 'd'; wav[37] = 'a'; wav[38] = 't'; wav[39] = 'a';
wav[40] = (byte) (dataSize & 0xff);
wav[41] = (byte) ((dataSize >> 8) & 0xff);
wav[42] = (byte) ((dataSize >> 16) & 0xff);
wav[43] = (byte) ((dataSize >> 24) & 0xff);
// copy PCM
System.arraycopy(pcm, 0, wav, 44, dataSize);
return wav;}
立即学习“Java免费学习笔记（深入）”；
录音与播放线程必须独立且带缓冲队列
不能让录音线程直接往 Socket.getOutputStream() 写，也不能让网络接收线程直接调用 SourceDataLine.write() —— 实时性依赖固定延迟缓冲，不是越快越好。
- 录音端：用
TargetDataLine.read()采集固定大小（如 320 字节对应 20ms @8kHz/16bit/mono）到BlockingQueue<byte></byte>，另起线程从队列取数据、封装 WAV、加长度头、发送 - 播放端：网络线程收到完整 WAV 块后，放入另一个
BlockingQueue<byte></byte>；播放线程以恒定速率（如每 20ms 取一块）从队列取数据，用AudioSystem.getAudioInputStream(new ByteArrayInputStream(wavBytes))解析并写入SourceDataLine - 队列容量建议设为 3–5，过大会增加端到端延迟，过小易触发丢包或爆音
实际跑通前必须验证的三件事
很多“能连上但没声音”的问题，根源不在网络或音频 API，而在底层假设被打破。
- 确认麦克风权限：Linux 下需
sudo usermod -a -G audio $USER；Windows 上检查 Java 是否被静音策略拦截 - 确认音频格式兼容：
AudioSystem.isLineSupported(info)必须返回true，尤其注意AudioFormat.Encoding.PCM_SIGNED和字节序（bigEndian=false） - 确认 Socket 阻塞行为：服务端
ServerSocket.accept()后，立即对Socket.getInputStream()和Socket.getOutputStream()调用setSoTimeout(5000)，避免某端异常断连时另一端永久阻塞
真正难的不是写完代码，而是让两台机器上不同版本 JRE 的音频子系统，在无额外库前提下，对同一段二进制流达成完全一致的时序解释——这要求所有参数、缓冲策略、线程调度节奏全部显式控制，不能依赖任何“默认”。
