snoreman 源码解析 — 用手机录鼾声并分析的 React Native App

> 一句话版本：一个 React Native 手机 App，睡觉时开着录鼾声，每秒采样一次分贝值，超过阈值就标记为"打鼾"，第二天看波形图、统计数据和严重程度评估。

核心内容

项目结构

snoreman/
├── hooks/use-recording.ts       ← 核心：录音 + 分贝采样 + 打鼾检测
├── utils/storage.ts             ← 数据持久化 + 打鼾分析算法
├── components/
│   ├── audio-player-chart.tsx   ← 播放器 + 波形图 + 阈值滑块
│   ├── decibel-chart.tsx        ← 实时分贝图表 + 圆形仪表盘
│   └── recording-tips-modal.tsx ← 录音提示弹窗
├── app/
│   ├── (tabs)/index.tsx         ← 主页：录音列表 + 实时录音
│   ├── recording/[id].tsx       ← 详情页：波形回放 + 统计
│   ├── settings.tsx             ← 设置页：阈值、提醒、语言
│   └── _layout.tsx              ← 根布局 + 通知配置
├── locales/                     ← 中英文国际化
└── package.json                 ← Expo SDK 54, React 19

技术栈

核心模块 1：录音 Hook（use-recording.ts）

这是整个 App 的核心，~250 行。

录音配置：

const RECORDING_OPTIONS = {
  sampleRate: 8000,        // 8kHz（人声足够）
  numberOfChannels: 1,     // 单声道
  bitRate: 16000,          // 16kbps（极低码率）
  isMeteringEnabled: true, // 开启分贝采样
};

为什么这么低？8kHz 单声道 16kbps 约 200-300KB/分钟，录一整晚 8 小时也才 ~20MB。

分贝转换：

// expo-audio 的 metering 返回 dBFS（-160 到 0）
// 映射为近似的 SPL 分贝值
const meteringToDecibel = (metering: number) => {
  const spl = metering + 90;  // dBFS + 90 ≈ SPL
  return Math.max(0, Math.min(100, spl));
};

真实世界参考：呼吸 ~10dB、耳语 ~20dB、安静房间 ~30dB、正常说话 ~50dB、打鼾 40-70dB。

采样流程：

每 1 秒触发一次
  → recorder.getStatus() 获取 metering 值
  → dBFS → SPL 转换
  → 生成数据点 { timestamp, decibel, isSnoring }
  → 存入 decibelDataRef（内存）
  → 每 5 秒持久化到 AsyncStorage（防崩溃丢数据）
  → App 切后台时立即保存

后台录音：

await AudioModule.setAudioModeAsync({
  shouldPlayInBackground: true,
  allowsBackgroundRecording: true,
  interruptionMode: 'doNotMix',
});

iOS 支持后台持续录音（用户需授权）。

核心模块 2：打鼾分析（storage.ts）

打鼾检测算法（纯阈值法，无 ML）：

1. 遍历每个分贝数据点
2. 超过阈值（默认 45dB）→ 开始记录事件
3. 低于阈值 → 结束事件（如果持续 ≥ 1秒）
4. 统计事件数量、总时长、最大/平均分贝

严重程度分级：

数据存储优化（值得学习的部分）：

旧方案：所有录音（含分贝数据）存一个 JSON key
  → 列表加载慢（每次都读全部分贝数据）

新方案：分离存储
  → sleep_recordings_meta：只存元数据（列表显示用）
  → decibel_data_{id}：每个录音的分贝数据单独存储
  → 列表秒加载，详情页按需加载

还做了懒迁移：打开旧格式录音时自动转新格式，不一次性全迁移。

核心模块 3：波形回放（audio-player-chart.tsx）

~500 行的复合组件，集成了：

• 波形图：竖线条形图，紫色=正常，红色=超阈值
• 播放器：播放/暂停、进度滑块、快进快退 15 秒
• 阈值滑块：右侧垂直滑块调节阈值，实时重新着色波形
• 点击跳转：点击红色波形条自动跳转播放（提前 2 秒，听到完整呼噜声）
• 降采样：最多渲染 400 个数据点（8 小时录音 = 28800 个数据点，需要降采样）

降采样策略：不是均匀采样，而是每个区间取最大值——确保打鼾峰值不会被漏掉。

UI 亮点

• 实时录音时：大号分贝数字 + 绿/红状态指示 + 实时波形条 + 阈值调节
• 录音列表：左滑删除、长按删除、严重程度彩色标签
• 详情页：波形图 + 播放器 + 统计卡片 + 导出/删除
• 横竖屏切换（详情页）
• 深色/浅色模式跟随系统
• 中英文自动切换

源码设计亮点

1. 防数据丢失

• 每 5 秒定期保存到 AsyncStorage
• App 切后台时立即保存
• 崩溃重启可恢复

2. 存储分离

• 元数据和分贝数据分开存储
• 列表页秒加载，详情页按需加载

3. 格式迁移

• 旧格式（完整 URI）→ 新格式（相对路径）
• 旧存储（单一 JSON）→ 新存储（分离存储）
• 懒迁移：访问时才转，不一次性全转

4. 模拟器兼容

• iOS 模拟器无法获取真实 metering 数据
• 开发环境自动生成模拟数据（25-40dB 基础噪音 + 10% 概率模拟打鼾）

5. 极低资源消耗

• 8kHz 单声道 16kbps → 200-300KB/分钟
• 8 小时录音仅 ~20MB
• 每 1 秒采样一次（不是每帧）

分析

优势：

• 实用性强：解决真实需求（打鼾监测）
• 工程质量高：数据防丢失、存储分离、懒迁移、降采样
• 用户体验好：实时波形、阈值调节、点击跳转呼噜声
• 跨平台：Expo SDK 54，iOS/Android/Web
• 国际化：中英文自动切换
• 资源消耗极低

风险/不足：

• 纯阈值检测，无 ML（无法区分鼾声和环境噪音）
• 69 stars，个人项目，可能停更
• 后台录音依赖系统权限，iOS 限制较多
• 无云同步、无长期趋势分析
• 无法区分打鼾类型（OSA/CSA/混合）

改进方向：

• 用轻量音频分类模型（如 YAMNet）替代纯阈值
• 加入睡眠分期（深睡/浅睡/REM 对应不同鼾声模式）
• 长期趋势图表（周/月打鼾频率变化）
• 与 Apple Health / Google Fit 集成

后台保活机制分析

snoreman 的保活策略（非常朴素）

依赖 expo-audio 自带的后台录音能力，没有做任何特殊保活：

await AudioModule.setAudioModeAsync({
  shouldPlayInBackground: true,      // 后台继续录音
  allowsBackgroundRecording: true,   // 关键开关：注册为后台音频类别
  interruptionMode: 'doNotMix',      // 其他 App 播放音频时不中断
});

数据安全措施（不是保活，是防丢数据）：

• App 切后台时立即把内存中的分贝数据写入 AsyncStorage
• 每 5 秒定期保存
• 崩溃重启可恢复已保存的数据

它没做的

• ❌ 前台 Service / 通知栏常驻
• ❌ 静音音频播放保活
• ❌ Location / PushKit / VoIP 保活
• ❌ 心跳检测 + 自动重启

实际能撑多久？

iOS 的 allowsBackgroundRecording 依赖 Background Audio 机制，长时间无用户交互（12h+）可能被系统回收，低电量模式会直接杀掉。

改造为 24 小时录音 App 的保活方案

Android（简单）：

1. 前台通知 + Foreground Service

2. START_STICKY 自动重启

3. 基本就够了

iOS（困难）：

1. 分段录音：每 4 小时自动停一次、再自动开，重置系统计时器

2. 播放静音音频：录音同时循环播放静音 WAV，欺骗系统认为 App 在"播放音乐"

3. Background App Refresh：注册后台刷新任务，定期检查录音状态

4. 本地通知：定期弹静默通知提醒系统 App 还活着

> 方案 1+2 组合基本能稳定 24 小时，但方案 2 有被 App Store 审核拒的风险。自用不上架的话完全没问题。

改造为 24 小时录音 App 可行性

与 PLAUD Note 对比

结论

• 功能上：完全可行，改动量 ~30%（去掉打鼾检测 + 加文件分段 + 接 AI 转录）
• 作为 PLAUD 替代：硬件差距没法补——手机放口袋录会议，噪音远大于专用设备
• 最佳定位：Android 自用的免费 24h 录音 + AI 转录工具

评分