«Вообще ничего не работало», написал знакомый и прислал архив диагностики. По логу всё было прилично: разрешения выданы, модели скачаны, индикаторы громкости во время звонка прыгали. Разговор шёл двадцать минут, в папке звонка лежали два пустых файла.
Я делаю Sozvon, опенсорсный рекордер и расшифровщик звонков для Mac. Он пишет Zoom, Meet, Telegram, FaceTime и расшифровывает запись локально. Из этой одной жалобы за неделю выросло пять багов, и все про одно: что происходит со звуком, когда человек надевает или снимает Bluetooth‑наушники. Ниже все пять, с логами и кодом.

Как устроен захват
Sozvon пишет две дорожки: mic.m4a (мой голос) и system.m4a (собеседники и всё, что играет в системе). С раздельными дорожками проще вычитать эхо и разделять спикеров.
Микрофон берётся через ScreenCaptureKit (
captureMicrophone).Системный звук берётся через process tap из Core Audio (macOS 14.2+). Тап это «отвод» от звукового выхода, как врезка в трубу: звук Zoom или Meet идёт в наушники как обычно, а Sozvon получает его копию. Технически Sozvon собирает виртуальное агрегатное устройство из настоящего выхода и тапа и читает из него. Дальше важны две вещи: тап создаётся под формат выхода (например, 48 кГц) и под конкретное устройство.
Системный звук тоже можно было бы брать через ScreenCaptureKit, но он не слышит FaceTime, а тап слышит. Поэтому ScreenCaptureKit для системного звука оставлен запасным вариантом: когда тап не стартовал или пользователь не дал разрешение на запись системного аудио.
Грабли 1. В звонке наушники работают на 16 кГц, а кодировщик AAC с этим не согласен
Кусок лога из того архива:
system audio: process tap on A8-37-...:output, 16000.0 Hz 2 ch mic.m4a: lpcm 16000.0 Hz, 1 ch, 16 bit cannot open mic.m4a: Error Domain=com.apple.coreaudio.avfaudio Code=560226676 {failed call=AudioConverterSetProperty(converter, kAudioConverterEncodeBitRate, ...)}, not writing this track cannot open system.m4a: ... kAudioConverterEncodeBitRate ..., not writing this track
Когда звонок открывает микрофон Bluetooth‑наушников, они переходят из A2DP (музыка, 44,1 или 48 кГц, только выход) в режим гарнитуры HFP, и микрофон с выходом начинают работать на 16 кГц, а то и на 8. Файл дорожки открывался с битрейтом 64 кбит/с на канал. На 16 кГц системный кодировщик AAC такой битрейт не принимает, и AVAudioFile(forWriting:) бросает ошибку. Дорожка помечается как непишущаяся, чтобы не повторять попытку на каждом пакете, и до конца звонка остаётся пустой. Индикаторы при этом показывают уровень, потому что меряют буферы до записи. Отсюда и «в логе всё прилично».
Исправление: ограничить битрейт частотой.
// 64 кбит/с на канал AAC не берёт на 16 кГц: ограничиваем частотой AVEncoderBitRateKey: Int(fmt.channelCount) * min(64000, 2 * Int(fmt.sampleRate)),
Если кодировщик откажет и тут, файл открывается второй раз, уже без ключа битрейта: пусть выбирает сам. Что именно AAC принимает на разных частотах, можно проверить без кода, через afconvert: 64 кбит/с на 8 и 16 кГц моно он отвергает, 2 × частота принимает.
Битрейт был рассчитан на 48 кГц и зашит константой. Формат первого буфера может оказаться любым.
Грабли 2. Тап считает, что там всё ещё 48 кГц
Если запись началась, пока наушники в A2DP, тап создаётся на 48 кГц. Потом звонок открывает микрофон, наушники уходят в HFP на 16 кГц, а агрегатное устройство и тап продолжают отдавать формат 48 кГц. В файле получается каша, ускоренная в три раза. Это не нули, поэтому проверка «тап оглох, пересоздай» на неё не срабатывает.
Теперь Sozvon смотрит на номинальную частоту устройства вывода (kAudioDevicePropertyNominalSampleRate) и слушает её изменения. Пока выход в режиме гарнитуры (меньше 44,1 кГц), системный звук пишет ScreenCaptureKit: он отдаёт нормальный звук и за выходом по умолчанию следит сам. Звонок закончился, частота вернулась, запись возвращается на тап.
Сначала я переключался по признаку «выход через Bluetooth», и это было ошибкой. AirPods в роли наушников, когда микрофон у Mac, остаются на 48 кГц, тап там работает и слышит FaceTime. ScreenCaptureKit FaceTime не слышит, так что переключать надо только по частоте. FaceTime целиком в AirPods, с их микрофоном, по‑прежнему слабое место.
Вторая деталь: AirPods переходят в HFP в тот момент, когда открывается микрофон, то есть одновременно со стартом записи. Проверку режима гарнитуры приходится повторять сразу после того, как навешаны слушатели, иначе переход попадает в промежуток между проверкой и подпиской.
Грабли 3. Тап привязан к устройству
В первой версии исправления (её прислал контрибьютор, о нём в конце) тап стал пересоздаваться не на каждую смену устройства вывода, а только при смене режима гарнитуры. Выглядело разумно: с частотой всё в порядке, тап можно не трогать.
Но агрегатное устройство собирается под UID конкретного выхода. Если наушники выдернуть, оно не отдаёт нули, оно перестаёт отдавать что‑либо. Проверка на цифровую тишину молчит, потому что пакетов нет вообще, и голос собеседника пропадает, пока не сработает общий таймаут: две минуты тишины, после которых источник захватывается заново.
В итоге тап пересоздаётся на каждую смену устройства вывода, а проверка режима гарнитуры решает только одно: тап или ScreenCaptureKit.
Грабли 4. ScreenCaptureKit держится за пропавший микрофон
Это нашлось уже на живом тесте. Bluetooth‑наушники Anker, Google Meet, запись идёт, выключаю Bluetooth. Meet переключается на микрофон Mac. Sozvon перестаёт показывать уровень, а потом сообщает «Тебя не слышно».
За выходом по умолчанию ScreenCaptureKit следит сам, а за микрофоном нет: какое устройство открыл, то и держит. Устройство исчезло, поток молчит, ошибки нет. Раньше выручал тот же общий таймаут, то есть в записи посреди звонка получалась дыра на две минуты.
Теперь рекордер подписан на смену микрофона по умолчанию:
var addr = AudioObjectPropertyAddress( mSelector: kAudioHardwarePropertyDefaultInputDevice, mScope: kAudioObjectPropertyScopeGlobal, mElement: kAudioObjectPropertyElementMain) AudioObjectAddPropertyListenerBlock(AudioObjectID(kAudioObjectSystemObject), &addr, .main) { _, _ in Task { @MainActor in await recorder.recapture(.mic) } }
Сначала стартует новый поток, потом отключается старый, перекрытие отсекается по таймстемпам, и дыры в дорожке нет. Файл сохраняет формат первого буфера, а всё, что приходит в другом (16 кГц от наушников, 48 кГц от Mac), конвертируется на лету.
Грабли 5. Уведомления приходят пачкой
Отключение наушников порождает не одно событие, а несколько: сменился выход, сменилась частота, сменился вход, иногда по два раза. Каждое запускало своё переподключение. Два одновременных старта ScreenCaptureKit для одного источника, и macOS перестаёт отвечать, пока не сработает мой же таймаут на старт потока:
starting the capture failed: The recording didn't start: macOS didn't respond within 10 seconds. starting the capture failed: The recording didn't start: macOS didn't respond within 10 seconds.
Через десять секунд всё поднялось, но этих десяти секунд системного звука в записи нет.
Теперь изменения захвата идут по одному на источник. Запрос, пришедший во время работы предыдущего, запоминается и выполняется один раз после него. Если в очереди оказались и «сменилось устройство», и «перепроверь режим гарнитуры», побеждает первое.
private var busy: Set<Source> = [] private var pending: [Source: Bool] = [:] // true: принудительно, false: только перепроверить private func serialized(_ source: Source, forced: Bool) async -> Bool { if busy.contains(source) { pending[source] = (pending[source] ?? false) || forced return false } busy.insert(source); defer { busy.remove(source) } var ok = await step(source, forced: forced) while let again = pending.removeValue(forKey: source) { ok = await step(source, forced: again) } return ok }
Как это проверяли
Юнит‑тестом такое не поймать, нужны настоящие наушники. Я собрал тестовую копию приложения со своим bundle id и своей папкой данных, чтобы не трогать рабочую установку, и прогнал сценарии:
Meet уже идёт в наушниках, запись стартует в режиме гарнитуры (случай из диагностики).
Посреди записи выключить Bluetooth, говорить в Mac.
Включить обратно, дождаться, пока Meet переключится, ещё раз выключить.
Собеседник для этого не нужен: наушники уходят в HFP сами, как только кто‑то открывает их микрофон, а за «собеседника» играет музыка или любое видео. Дальше разбор recorder.log и уровней дорожек по секундам.

Микрофон пишется все 73 секунды без дыр, переключения на микрофон Mac и обратно занимают меньше секунды, в расшифровке ни одна фраза не потерялась. Тишина на системной дорожке приходится на паузы в музыке.
А на Windows?
Sozvon сейчас портируется на Windows, и тот же список я прогнал там. Картина другая.
Битрейт не проблема. Поток просит у WASAPI 48 кГц float с
AUDCLNT_STREAMFLAGS_AUTOCONVERTPCM, Windows сама пересчитывает 8/16/24/44,1 кГц, а AAC кодируется после звонка.Hands‑Free там отдельное устройство. Наушники могут быть видны как два эндпоинта, Stereo и Hands‑Free. Звонок играет в Hands‑Free, устройством по умолчанию остаётся Stereo, и loopback с устройства по умолчанию теряет собеседника. Пришлось писать второй loopback на тот выход, где прямо сейчас есть активная сессия.
Смена устройства ловится через
IMMNotificationClient::OnDefaultDeviceChanged, пропажа черезAUDCLNT_E_DEVICE_INVALIDATED, после чего открывается новое устройство по умолчанию.Сон и закрытая крышка: запись сохраняется перед уходом в сон (
PBT_APMSUSPEND), чтобы не получить часы тишины.
Чеклист
Если вы пишете что‑то, что захватывает звук:
Не зашивайте параметры кодировщика под 48 кГц. Первый буфер может прийти на 16 или на 8.
Дорожка, которая не открылась, должна быть видна пользователю сразу, а не через двадцать минут.
Следите за сменой входа и выхода по умолчанию и за частотой текущего выхода.
Тап и агрегатное устройство привязаны к конкретному выходу, пересоздавайте их на каждую смену.
Сериализуйте переподключения: уведомления приходят пачками.
Проверяйте руками, с настоящими Bluetooth‑наушниками, в обе стороны: надеть посреди звонка и снять.
Про контрибьютора
Первую версию исправления битрейта и переключения на ScreenCaptureKit прислал человек из сообщества, в одном пулл‑реквесте с двумя новыми ассистентами для саммари (OpenCode и ZCode). Ревью вышло долгим: в процессе нашлись ещё три бага из этого списка, часть я дочинил сам, и всё ушло одним релизом 0.1.7. Он пришёл чинить свой баг, а баг оказался общим ещё для нескольких человек.
Код открыт: github.com/Able1991/sozvon. Если у вас Bluetooth‑наушники и Sozvon вёл себя странно, обновитесь и напишите, как теперь.
Как появился Sozvon и какие грабли были с эхом и памятью, я писал в первой статье: «17 ГБ памяти, тысяча «Thank you» и эхо без наушников».
Ninil
Если я понял вас правильно, то вы делаете то же что и https://github.com/ninilich/boring-meeting
Able1991 Автор
Как то у меня даже выглядит похоже)
Не находил его. Из ближайшего похожего находил https://useminutes.app/