DummyAudioMixer について追記

src/dummy_audio_mixer.cpp

@@ -16,8 +16,14 @@ void DummyAudioMixer::Mix(size_t number_of_channels,
                           webrtc::AudioFrame* audio_frame_for_mixing) {
   webrtc::MutexLock lock(&mutex_);
   for (auto& source_and_status : audio_source_list_) {
-    // 第一引数の設定値にサンプリングレートがリサンプリングされる
-    // -1 を指定するとリサンプリングされなくなる
+    /**
+     * webrtc::AudioTrackSinkInterface の OnData はこの関数内で呼ばれる
+     * 
+     * 第一引数の設定値にサンプリングレートがリサンプリングされるが、
+     * -1 を指定するとリサンプリングされなくなる。
+     * SoraAudioSinkImpl の OnData 内でリサンプリングするため、
+     * ここでは -1 を指定している。
+    */
     source_and_status->audio_source->GetAudioFrameWithInfo(
         -1, &source_and_status->audio_frame);
   }
@@ -41,6 +47,11 @@ void DummyAudioMixer::RemoveSource(Source* audio_source) {
 
 DummyAudioMixer::DummyAudioMixer(webrtc::TaskQueueFactory* task_queue_factory)
     : task_queue_factory_(task_queue_factory) {
+  /**
+   * 通常 webrtc::AudioMixer の Mix は音声出力デバイスのループで呼ばれるが、
+   * sora::SoraClientContextConfig::use_audio_device を false にした際に設定される、
+   * webrtc::AudioDeviceDummy はループを回さないため、ここでループを作ることとした。
+   */
   task_queue_ =
       std::make_unique<rtc::TaskQueue>(task_queue_factory_->CreateTaskQueue(
           "TestAudioDeviceModuleImpl",

src/dummy_audio_mixer.h

@@ -12,6 +12,18 @@
 #include <rtc_base/task_utils/repeating_task.h>
 #include <rtc_base/thread_annotations.h>
 
+/**
+ * webrtc::AudioMixer を継承した DummyAudioMixer です。
+ * 
+ * PeerConnectionFactory 生成時に渡す cricket::MediaEngineDependencies の
+ * audio_mixer を指定しない場合 webrtc::AudioMixerImpl が使用されます。
+ * これはすべての AudioTrack の出力データのサンプリングレートとチャネル数を揃え、
+ * ミキシングした上で音声出力デバイスに渡す役割を担います。
+ * しかし、 Python SDK では音声をデバイスに出力することはありません。
+ * ですが、 AudioTrack からデータを受け取る AudioSinkInterface::OnData は
+ * AudioMixer により駆動されているため、 AudioSinkInterface::OnData を呼び出す仕組みだけを持つ
+ * シンプルな webrtc::AudioMixer になっています。
+ */
 class DummyAudioMixer : public webrtc::AudioMixer {
  public:
   struct SourceStatus;

src/sora_factory.cpp

@@ -36,6 +36,7 @@ SoraFactory::SoraFactory(std::optional<bool> use_hardware_encoder,
 #endif
 
   sora::SoraClientContextConfig context_config;
+  // Audio デバイスは使わない、 use_audio_device を true にしただけでデバイスを掴んでしまうので常に false
   context_config.use_audio_device = false;
   if (use_hardware_encoder) {
     context_config.use_hardware_encoder = *use_hardware_encoder;
@@ -44,8 +45,10 @@ SoraFactory::SoraFactory(std::optional<bool> use_hardware_encoder,
       [use_hardware_encoder = context_config.use_hardware_encoder, openh264](
           const webrtc::PeerConnectionFactoryDependencies& dependencies,
           cricket::MediaEngineDependencies& media_dependencies) {
+        // 通常の AudioMixer を使うと use_audio_device が false のとき、音声のループは全て止まってしまうので自前の AudioMixer を使う
         media_dependencies.audio_mixer =
             DummyAudioMixer::Create(media_dependencies.task_queue_factory);
+        // アンチエコーやゲインコントロール、ノイズサプレッションが必要になる用途は想定していないため nullptr
         media_dependencies.audio_processing = nullptr;
 
 #ifndef _WIN32