微信小程序音視頻與WebRTC互通的技術(shù)思路和實(shí)踐
2017年騰訊視頻云團(tuán)隊(duì)跟微信團(tuán)隊(duì)聯(lián)合,將視頻云 SDK 跟微信小程序整合在一起,并通過和 兩個標(biāo)簽的形式開放內(nèi)部的功能。通過這兩個標(biāo)簽,開發(fā)者可以實(shí)現(xiàn)在線直播、低延時監(jiān)控、雙人視頻通話以及多人視頻會議等功能。
WebRTC(Web Real-Time CommunicaTIon),是一個支持網(wǎng)頁瀏覽器進(jìn)行實(shí)時語音對話或視頻對話的技術(shù),是谷歌收購 GIPS 公司而獲得的一項(xiàng)技術(shù),在 Chrome 瀏覽器上無需安裝插件,通過 javascript 就可以編寫實(shí)時音視頻通話程序。
如果您跟我一樣是一個實(shí)用主義者,那我就簡單從實(shí)用主義角度說一下我的結(jié)論:小程序音視頻搞定了手機(jī),WebRTC拿下了PC。如果你對技術(shù)比較感興趣,那我們就可以從多個技術(shù)的角度去列舉兩者的區(qū)別,下面是一張?jiān)敿?xì)對比的表格:
小程序音視頻是將騰訊視頻云的 liteavsdk 嵌入到微信內(nèi)部實(shí)現(xiàn)的,然后通過和 兩個標(biāo)簽將 SDK 內(nèi)部的音視頻能力開放出來。所以小程序的標(biāo)簽起到了開發(fā)者 API 的作用,而內(nèi)部的 SDK 則是真正用來實(shí)現(xiàn)音視頻功能。
WebRTC 由谷歌收購 GIPS 得來(這里不得不提一下,我加入騰訊時所在的第一個團(tuán)隊(duì)就是 QQ 團(tuán)隊(duì),當(dāng)時 QQ 的音視頻還是購買的 GIPS 公司的產(chǎn)品,不過由于各種不靠譜,后來就轉(zhuǎn)為自研路線了)。所以其技術(shù)被完整的保留并且加入到了 Google 的 Chrome 瀏覽器內(nèi)核當(dāng)中。而且最近蘋果也已經(jīng)開始在 Safari 瀏覽器中支持 WebRTC 的相關(guān)能力。
小程序音視頻的主要協(xié)議是目前在直播領(lǐng)域最為常用的 RTMP 推流協(xié)議,以及 HTTP-FLV 播放協(xié)議,這兩種協(xié)議都已經(jīng)有多年的沉淀而且在互聯(lián)網(wǎng)上的資料也是汗牛充棟。WebRTC的底層則是使用RTP和RTCP兩種數(shù)據(jù)協(xié)議,其中RTP主要用于音視頻數(shù)據(jù)傳輸,而RTCP則一般用于控制。小程序音視頻由于是微信統(tǒng)一實(shí)現(xiàn)的,而且微信團(tuán)隊(duì)每個版本都盡量要求功能對齊,否則寧可不上,所以在碎片化問題上基本不存在。
WebRTC在這里則要尷尬的多,一方面Android系統(tǒng)的碎片化本身讓W(xué)ebRTC的具體表現(xiàn)呈現(xiàn)“百花齊放”的景象,同時,iOS 目前的內(nèi)嵌WebView(也就是在微信等APP里打開的各種內(nèi)嵌網(wǎng)頁)不支持WebRTC也還是個很麻煩的問題。
小程序音視頻跟隨微信的版本發(fā)布,有什么問題一般是當(dāng)前代碼流修正,然后跟隨下一個版本發(fā)布,所以一般一個功能點(diǎn)(比如給 pusher 加一個美顏的功能)或者一個問題點(diǎn)(比如不支持手勢放大)從確立到最終實(shí)現(xiàn)(或解決)僅需要一個月的時間,而且微信APP新版本的覆蓋速度也確實(shí)挺快。
相比之下,WebRTC則不是一個團(tuán)隊(duì)或者一家公司的問題了,因?yàn)樗F(xiàn)在已經(jīng)走標(biāo)準(zhǔn)路線,所以每一個新特性都是先確定標(biāo)準(zhǔn),然后再推動瀏覽器廠商(包括蘋果)進(jìn)行跟隨。這里面的故事就多了,時間也就更久了。相信您已經(jīng)發(fā)現(xiàn),在前面幾個問題的分析上,我的觀點(diǎn)都傾向小程序音視頻。確實(shí),在目前國內(nèi)的移動領(lǐng)域里,谷歌和蘋果都不能一家說了算,真正說了算的還是微信。
但是在桌面瀏覽器這個部分,Chrome目前在PC瀏覽器市場上留到地位的存在決定了 WebRTC 的優(yōu)勢就很大了,開發(fā)者可以在不安裝插件的情況下就可以實(shí)現(xiàn)自己想要的功能。相比之下,由于沒有 Chrome 的原生支持,所以如果我們要在 PC 上對接小程序音視頻,就需要安裝瀏覽器插件或者通過 wxlite://start 這樣的偽協(xié)議喚起本地 exe 應(yīng)用程序(類似在網(wǎng)頁上打開 QQ 聊天窗口)。
小程序音視頻和WebRTC支架并非零和博藝,雙方都有自己的優(yōu)勢和不足,所以本著“打不過他們,就加入他們”的思路,騰訊視頻云團(tuán)隊(duì)在2018年春節(jié)回來后,就馬不停蹄地開始了小程序音視頻和WebRTC互通的相關(guān)工作。
目前,需要向各位開發(fā)者匯報的是,在最新版本的微信中,小程序音視頻已經(jīng)可以跟WebRTC打通,目前在PC 的Chrome瀏覽器上就可以跟小程序進(jìn)行實(shí)時音視頻互通。就像結(jié)婚一樣,既然你決定要選擇另一個人作為人生下半輩子的伴侶,那你肯定會先深入地了解一下TA這個人,比如性格,脾氣,愛好等各個方面。
同樣,我們要想很好的將小程序音視頻和WebRTC打通,那也必須要多了解一下WebRTC,這里我就說一下我對 WebRTC 這個“人” 在性格上的一些理解。
說WebRTC長得不好看,只是我的一種比喻,我的意思是想說WebRTC的學(xué)習(xí)成本不低,雖然Google做了很多淺顯易懂的PPT來教你怎么 GetTIng Start,但真要完整的學(xué)進(jìn)去,還是需要靜下心來,慢慢地把她當(dāng)成自己認(rèn)可的目標(biāo)去學(xué)下去。但是如果你是第一次戀愛(也就是第一次接觸實(shí)時音視頻),你會發(fā)現(xiàn)學(xué)習(xí)WebRTC的過程,本身就是了解一個實(shí)時音視頻技術(shù)細(xì)節(jié)的過程。
說WebRTC喜歡遷就比人,也是一種比喻,WebRTC所支持的后臺架構(gòu)非常多(比如 Mixer, Mesh,Router),而且谷歌認(rèn)為這些后臺實(shí)現(xiàn)都比較簡單,所以既沒有開放后臺相關(guān)的源碼,也沒有提供統(tǒng)一的后臺解決方案。這種開放式的設(shè)計(jì)思路非常好,但副作用就是實(shí)現(xiàn)成本高。在真刀真槍的項(xiàng)目落地時,小規(guī)模的公司或者開發(fā)者就很容易被這種技術(shù)門檻擋在門外。尤其是想要將 WebRTC 真正應(yīng)用到企業(yè)級解決方案中,面對錄制和存檔的剛性需求,就需要花費(fèi)大量時間進(jìn)行定制開發(fā)。
但是看過《新聞聯(lián)播》里國家領(lǐng)導(dǎo)人之間談話鏡頭的人都知道,這種翻譯是會影響交流速度的。小程序音視頻和WebRTC之間互通,中間引入一個翻譯員,是不是通訊延時也就增加了?
其實(shí)不會,因?yàn)樾〕绦蛞粢曨l和WebRTC的視頻編碼標(biāo)準(zhǔn)在常規(guī)應(yīng)用場景中是一致的,都是H.264標(biāo)準(zhǔn),這是音頻格式不同而已。這就意味著,翻譯員要做的事情很少,兩邊基本都能挺對對方在說什么,所以延時不會增加太多。
僅僅完成了音視頻數(shù)據(jù)在小程序和WebRTC之間的握手還遠(yuǎn)遠(yuǎn)不夠,因?yàn)樵谝淮纬晒Φ囊粢曨l通話背后,不僅僅是把一端的音視頻數(shù)據(jù)傳遞到另一端這么簡單,還有狀態(tài)的同步和成員間的狀態(tài)協(xié)同。
比如多人視頻通話中,涉及到呼叫和接通的流程,其中一方如果掛斷了,其他人要收到掛斷的通知。同時,如果有新的參與者加入,那么其他人也要收到相應(yīng)的通知。WebRTC 中有很多組件,比如 RTCPeerConnecTIon 就在處理上訴林林種種的邏輯。但是 WebRTC 的接口中引入的新名詞非常多,對于初學(xué)者來說還是有一定的入門門檻,為了簡化這里的邏輯,我們引入一個叫做“房間”的概念。
所謂房間(Room),就是把同時參與視頻通話的各方圈在一起的一個東西。比如雙人通話中,通話中的兩個人 A 和 B 就可以認(rèn)為在一個房間中。再比如在多人通話中,通話中的五個人(A B C D E)也可以認(rèn)為是在一個房間里。
有了房間的概念,那我們就可以對剛才說的狀態(tài)協(xié)同用兩個簡單的動作描述一下:如果有一個人加入了視頻通話,那么就可以理解為他/她已經(jīng)進(jìn)房(EnterRoom)了;如果有一個退出了視頻通話,那么就可以理解為他/她已經(jīng)離開房間(LeaveRoom)了。而房間的門板上始終寫著:“目前在房間里有哪幾個人”。
有了房間的概念,我們就可以將小程序的兩個簡單的和 標(biāo)簽,同 WebRTC 那一套復(fù)雜的 API 進(jìn)行功能上的對齊,我們甚至不需要修改我們在第一版中定義的接口,就可以達(dá)成這個目標(biāo):原理如下:1) 的 url 接口不再傳遞 rtmp:// 協(xié)議的推流地址,而是傳遞 room:// 協(xié)議的推流地址。room:// 協(xié)議的使用方式可以參考我們的原理版文檔DOC。;
2)標(biāo)簽在 start 成功之后,就相當(dāng)于成功進(jìn)入一個 room,之后,您可以通過 onPushEvent (PUSH_EVT_ROOM_USERLIST = 1020) 事件,收到房間里還有那些人的信息。在視頻通話期間,房間內(nèi)各個成員的進(jìn)進(jìn)出出,也都會通過這個事件通知給您的小程序代碼;
3)ROOM_USERLIST 里每一項(xiàng)都是一個二元組(如果是 1v1 的視頻通話,ROOM_USERLIST 里只會有一個人): userid 和 playurl。 userid 代表是哪個用戶, playurl 則是這個用戶遠(yuǎn)程畫面的播放地址。您要做的只是使用標(biāo)簽播放這些遠(yuǎn)程畫面的圖像和聲音而已;
4)在 WebRTC 這一端,您可以參考我們的 webrtc API,這套 API 相對于 WebRTC 原生的 API,更適合初學(xué)者使用。