ShareX 多音轨录制：从单源到多源的代码改造

ShareX 多音轨录制：从单源到多源的代码改造

【免费下载链接】ShareXShareX is a free and open-source application that enables users to capture or record any area of their screen with a single keystroke. It also supports uploading images, text, and various file types to a wide range of destinations.项目地址: https://gitcode.com/GitHub_Trending/sh/ShareX

录教程视频时，最典型的需求是把麦克风讲解和系统声音收进同一个文件，这就是多音轨录制的场景。ShareX 当前的录屏音频链路建立在 FFmpeg 的 dshow 设备输入上，配置层只保存一个音频设备，因此一次只能选一个源。接下来直接看代码，确认这条链路上哪里卡住了。

从设置窗口到 FFmpeg 命令：一条只传单值的链路

设置窗口里的单选槽位

入口在 FFmpegOptionsWindow.axaml.cs。RefreshSourcesAsync()先跑设备枚举，再把结果写进下拉框：

bool wasLoaded = _settingsLoaded; _settingsLoaded = false; VideoSourceComboBox.ItemsSource = videoSources; AudioSourceComboBox.ItemsSource = audioSources; VideoSourceComboBox.SelectedItem = videoSources.First(x => EqualsSource(x, options.VideoSource)); AudioSourceComboBox.SelectedItem = audioSources.First(x => EqualsSource(x, options.AudioSource)); _settingsLoaded = wasLoaded;

问题在SelectedItem上就能看出来：整个面板只给音频源留了一个选择槽位，写回的options.AudioSource是单值。配置层 FFmpegOptions.cs 里的AudioSource确实就是一个string，数据模型层面就没预留第二个。

设备枚举的两个桶

枚举逻辑在 FFmpegCLIManager.cs。GetDirectShowDevices()先跑一次ffmpeg -list_devices true -f dshow -i dummy，再把输出逐行分类：

if (isAudio) { devices.AudioDevices.Add(deviceName); } else { devices.VideoDevices.Add(deviceName); }

平铺地分成视频、音频两个桶。它不区分麦克风和立体声混音，因为下游只消费一个设备名，没动力去区分。

命令拼装里没有第二个输入位

链路最后一步是 ScreenRecordingOptions.cs 的命令拼装。GetFFmpegArgs()的纯音频分支把一路音频输入写进参数串（gdigrab 和 ddagrab 分支里也是同样这两行）：

else if (FFmpeg.IsAudioSourceSelected) { AppendInputDevice(args, "dshow", true); args.Append($"-i audio={Helpers.EscapeCLIText(FFmpeg.AudioSource)} "); }

AppendInputDevice会为这一路输入补-f dshow、-thread_queue_size 1024、-rtbufsize 256M和-audio_buffer_size 80这组缓冲参数。从这里往后就是-c:a编码器、-t时长这类输出参数。整个文件没有一处-filter_complex——第二个-i audio=...塞得进去吗？目前没有位置。

为什么当前架构不做多音轨录制

先把目标命令摆出来。想让两个音频源进同一个文件，手写的 FFmpeg 命令长这样：

ffmpeg -f gdigrab -i desktop -f dshow -i audio="麦克风" -f dshow -i audio="立体声混音" -filter_complex amerge=inputs=2 out.mp4

关键点在amerge滤镜这一环：先合并多路流，再交给编码器。现在的实现里没有这个环节。这其实是个设计取舍，不是疏忽：单输入时，命令拼装可以保持线性字符串拼接，配置面板只需要一个下拉框；支持多源后，"一个设备一组参数"的结构就得重新定义，面板复杂度也跟着涨。当前版本选了简单。

两条先绕过去的办法

🎙️办法一：虚拟声卡。装一个虚拟混音设备（VB-Cable、VoiceMeeter 这类工具，原理是把多路系统音频路由成一块虚拟设备），然后在 ShareX 里选它：

1. 安装虚拟音频混音工具
2. 系统设置里把麦克风和立体声混音都路由到虚拟设备
3. 在 ShareX 的录屏音频源中选中该虚拟设备

代码里其实留了伏笔：FFmpegCaptureDevice.cs 预留了VirtualAudioCapturer这个常量，官方也在往这条路上走。

办法二：两轨录制后期合成。分别录一份带声音的屏幕和一份麦克风音频，再用剪辑工具或手动跑一次 FFmpeg 把音轨混进去。适合不赶时间的离线场景。

注意：虚拟设备会引入约 10~30ms 的额外延迟，对直播类实时场景要提前评估。

想提 PR 的话，改三处

🔧 改动集中在三个文件，范围都是"在现有结构里加一个第二值"：

1. FFmpegOptions.cs：给AudioSource增加第二个音频源字段，或改成列表。
2. ScreenRecordingOptions.cs：GetFFmpegArgs()中为每个选中的设备各拼一路-i audio=...，并在编码器参数前插入-filter_complex amerge=inputs=N合并环节；AppendInputDevice要按输入路数各调用一次。
3. FFmpegOptionsWindow.axaml.cs 及对应 axaml：把音频源区从单选 ComboBox 改成多选，RefreshSourcesAsync()回写多值。

对录屏工具来说，讲解声和系统声同轨是教程类内容的基本需求，这个功能值得做。等改动落地，想一次收两路声音的人就不用再绕虚拟声卡了。

【免费下载链接】ShareXShareX is a free and open-source application that enables users to capture or record any area of their screen with a single keystroke. It also supports uploading images, text, and various file types to a wide range of destinations.项目地址: https://gitcode.com/GitHub_Trending/sh/ShareX