Feature/macos audio device selection

CHANGES.md

@@ -32,6 +32,14 @@
     - 変更対象外の API
       - `ctx.end()`, `ctx.save()` , `ctx.restore()` は単語なので変更なし
   - @voluntas @torikizi
+- [ADD] macOS でオーディオデバイス選択機能を追加
+  - `--audio-input-device` オプションでオーディオ入力デバイスを指定可能にする
+  - `--audio-output-device` オプションでオーディオ出力デバイスを指定可能にする
+  - デバイスはインデックス番号またはデバイス名（完全一致、大文字小文字を区別しない）で指定可能
+  - @voluntas
+- [ADD] macOS で `--list-devices` オプションを追加
+  - 利用可能なオーディオデバイスとビデオデバイスの一覧を表示する機能
+  - @voluntas
 - [FIX] Ubuntu 環境のカメラで MJPEG より YUV が優先されてしまうのを修正
   - @melpon
 - [FIX] Ayame モードで `--video-codec-type` / `--audio-codec-type` が大小文字の不一致で無視される問題を修正

src/mac_helper/mac_capturer.h

@@ -42,6 +42,9 @@ class MacCapturer : public sora::ScalableVideoTrackSource,
 
   void OnFrame(const webrtc::VideoFrame& frame) override;
 
+  // デバイス一覧を表示
+  static void ListDevices();
+
  private:
   void Destroy();
 

src/mac_helper/mac_capturer.mm

@@ -10,6 +10,8 @@
 
 #include "mac_capturer.h"
 
+#include <iostream>
+
 // WebRTC
 #include <rtc_base/logging.h>
 
@@ -117,6 +119,15 @@ - (void)capturer:(RTCVideoCapturer*)capturer
                                                device);
 }
 
+void MacCapturer::ListDevices() {
+  NSArray<AVCaptureDevice*>* devices = captureDevices();
+  [devices enumerateObjectsUsingBlock:^(AVCaptureDevice* device, NSUInteger i,
+                                        BOOL* stop) {
+    std::cout << "  [" << i << "] " << [device.localizedName UTF8String]
+              << std::endl;
+  }];
+}
+
 AVCaptureDevice* MacCapturer::FindVideoDevice(
     const std::string& specifiedVideoDevice) {
   // Device の決定ロジックは ffmpeg の avfoundation と同じ仕様にする

src/main.cpp

@@ -10,6 +10,11 @@
 #include <SDL3/SDL_main.h>
 
 // WebRTC
+#if defined(__APPLE__)
+#include <api/audio/create_audio_device_module.h>
+#include <api/environment/environment_factory.h>
+#include <modules/audio_device/include/audio_device.h>
+#endif
 #include <api/make_ref_counted.h>
 #include <rtc_base/log_sinks.h>
 #include <rtc_base/ref_counted_object.h>
@@ -80,6 +85,65 @@ static void ListVideoDevices() {
   std::cout << sora::FormatV4L2Devices(*devices);
 }
 
+#elif defined(__APPLE__)
+
+static void ListDevices() {
+  // オーディオデバイス一覧
+  auto adm = webrtc::CreateAudioDeviceModule(
+      webrtc::CreateEnvironment(),
+      webrtc::AudioDeviceModule::kPlatformDefaultAudio);
+  if (!adm) {
+    std::cerr << "Failed to create AudioDeviceModule" << std::endl;
+    return;
+  }
+
+  if (adm->Init() != 0) {
+    std::cerr << "AudioDeviceModule::Init failed" << std::endl;
+    return;
+  }
+
+  auto print_audio_devices = [&](bool is_input) {
+    const char* title =
+        is_input ? "=== Available audio input devices ==="
+                 : "=== Available audio output devices ===";
+    std::cout << title << std::endl;
+    std::cout << std::endl;
+
+    int16_t device_count =
+        is_input ? adm->RecordingDevices() : adm->PlayoutDevices();
+    if (device_count <= 0) {
+      std::cout << "  (none)" << std::endl << std::endl;
+      return;
+    }
+
+    for (uint16_t i = 0; i < static_cast<uint16_t>(device_count); ++i) {
+      char name[webrtc::kAdmMaxDeviceNameSize] = {0};
+      char guid[webrtc::kAdmMaxGuidSize] = {0};
+      int32_t result = is_input ? adm->RecordingDeviceName(i, name, guid)
+                                : adm->PlayoutDeviceName(i, name, guid);
+      if (result != 0) {
+        std::cout << "  [" << i << "] <failed to read device name>" << std::endl;
+        continue;
+      }
+      std::cout << "  [" << i << "] " << name;
+      if (guid[0] != '\0') {
+        std::cout << " (" << guid << ")";
+      }
+      std::cout << std::endl;
+    }
+    std::cout << std::endl;
+  };
+
+  print_audio_devices(true);
+  print_audio_devices(false);
+
+  // ビデオデバイス一覧
+  std::cout << "=== Available video devices ===" << std::endl;
+  std::cout << std::endl;
+  MacCapturer::ListDevices();
+  std::cout << std::endl;
+}
+
 #endif
 
 int main(int argc, char* argv[]) {
@@ -107,9 +171,15 @@ int main(int argc, char* argv[]) {
     ListVideoDevices();
     return 0;
   }
+#elif defined(__APPLE__)
+  if (args.list_devices) {
+    ListDevices();
+    return 0;
+  }
 #else
   if (args.list_devices) {
-    std::cerr << "--list-devices is only supported on Linux" << std::endl;
+    std::cerr << "--list-devices is not supported on this platform"
+              << std::endl;
     return 1;
   }
 #endif
@@ -235,6 +305,10 @@ int main(int argc, char* argv[]) {
 
   rtcm_config.no_video_device = args.no_video_device;
   rtcm_config.no_audio_device = args.no_audio_device;
+#if defined(__APPLE__)
+  rtcm_config.audio_input_device = args.audio_input_device;
+  rtcm_config.audio_output_device = args.audio_output_device;
+#endif
 
   rtcm_config.fixed_resolution = args.fixed_resolution;
   rtcm_config.simulcast = args.sora_simulcast;

src/momo_args.h

@@ -39,6 +39,10 @@ struct MomoArgs {
   // libcamera のコントロール設定。key value の形式で指定する。
   std::vector<std::pair<std::string, std::string>> libcamera_controls;
   std::string video_device = "";
+#if defined(__APPLE__)
+  std::string audio_input_device = "";
+  std::string audio_output_device = "";
+#endif
   std::string resolution = "VGA";
   int framerate = 30;
   bool fixed_resolution = false;