Prototyp: czy telefon nagra opowieść i niczego nie zgubi?
Pierwsze dwa dni kodu poświęciliśmy najtrudniejszym pytaniom. Jak nie stracić nagrania, gdy aplikacja się zamknie? Który mikrofon brzmi lepiej? Czy odsłuch może brzmieć dokładnie tak jak eksport?

Trzeci wpis z serii o tym, jak powstaje Tellavio.
Plan przewidywał na prototyp techniczny trzy do czterech tygodni. Pierwszy działający ekran testowy powstał 5 października, a pomiary na prawdziwych telefonach 6 października. Prototyp nie był ładny. Miał jedno zadanie: sprawdzić, czy da się zbudować nagrywanie, któremu można zaufać.
Nagranie, które przetrwa awarię
Telefon to nie studio. Może zadzwonić, system może zamknąć aplikację w tle, bateria może się wyczerpać. Dlatego Tellavio nie trzyma nagrania w pamięci do końca podejścia. Zapisuje je na bieżąco w krótkich blokach, a każdy blok dostaje sumę kontrolną w dzienniku. Po ponownym uruchomieniu aplikacja sprawdza dziennik i odtwarza wszystkie poprawne bloki.
Jak długi powinien być blok? Zmierzyliśmy to na telefonie Galaxy S21 Ultra, zabijając aplikację w trakcie nagrania. Przy blokach 2-sekundowych traciliśmy średnio 0,73 s, najwyżej 1,52 s. Wybraliśmy blok 1-sekundowy: strata spada o połowę, a koszt to jeden mały zapis na sekundę.
Ważna zasada: aplikacja nie obiecuje, że odzyska każdą próbkę. Mówi uczciwie, ile odzyskała, na przykład „Odzyskano 00:31”.

Sprawdziliśmy też połączenie przychodzące w trakcie nagrania. Aplikacja zatrzymała nagranie i po rozmowie odzyskała 38,26 s z 38,5 s. W próbie z wygaszonym ekranem nagranie trwające ponad dwie minuty nie miało żadnych przerw w dźwięku.
Który mikrofon?
Android oferuje kilka „źródeł” mikrofonu. Wydawałoby się, że najlepsze będzie surowe, bez obróbki. Pomiar pokazał coś innego. Na Galaxy S21 Ultra przy tym samym tekście i tej samej odległości głos ze zwykłego źródła był 48 dB ponad tłem, a z surowego tylko 23 dB. Surowe nagranie było tak ciche, że nie dało się go rozsądnie podgłośnić. Ten sam wynik dał tańszy Galaxy A16.
Zdecydowaliśmy też, że aplikacja nie nagrywa przez mikrofon słuchawek Bluetooth. Słuchawki przesyłają wtedy głos jak w rozmowie telefonicznej, zwykle w 16 kHz, z mocną kompresją. Wbudowany mikrofon telefonu nagrywa w 48 kHz. Słuchawki Bluetooth służą tylko do odsłuchu, a lepszy dźwięk da przewodowy mikrofon USB-C.
Odsłuch brzmi jak eksport
W wielu programach podgląd i eksport to dwie różne ścieżki obliczeń, które z czasem zaczynają brzmieć inaczej. Tellavio ma jedną. Ten sam kod miesza głos z muzyką, wycisza muzykę pod głosem, wyrównuje głośność do −16 LUFS (typowy poziom dla podcastów) i pilnuje szczytów. Test porównuje próbka po próbce to, co słychać w słuchawkach, z tym, co trafia do pliku. Różnica nie przekracza najmniejszego kroku 16-bitowego dźwięku.
Sprawdziliśmy gotowe rozwiązanie Google (Media3). Dało ten sam dźwięk, ale było 4,4 raza wolniejsze i nie umiało wyciszać muzyki pod głosem ani wyrównywać głośności. Zostaliśmy przy własnym kodzie.
Decyzje po prototypie
Do 6 października zapadło jedenaście pierwszych decyzji, większość na podstawie pomiarów. Kilka z nich:
- aplikacja natywna na Androida (Kotlin), bo większość pracy to silnik dźwięku, nie interfejs,
- gotowy plik w formacie M4A (128 kb/s), który odtwarzają przeglądarki, Android i iOS, a WAV dla tych, którzy chcą dalej montować,
- materiał do 60 minut, do dwóch podkładów i dwóch efektów naraz.
Prototyp spełnił swoje zadanie. Następnym krokiem była aplikacja, której da się normalnie używać.