选 RTC 连麦供应商该看哪几个指标

连麦功能上线前，团队最常做的事是跑一份局域网 PING 值和视频流畅度报告，数据漂亮，评审通过，上线就翻车。原因很简单：用户场景里的网络不是内网，而是 4G 信号飘忽的地铁、WiFi 拥堵的合租房、以及随时可能跳延迟的跨运营商链路。选 RTC 连麦供应商，真正该看的不是最优数据下的画质，而是几个能衡量”真实场景抗性”的技术指标。下面三个维度，能帮你过滤掉大多数只会做 Demo 的厂商。

抗丢包能力：连麦体验的生存底线

连麦最常遇到的不是带宽不够，而是丢包。移动网络的丢包率在 5%-15% 之间波动是常态，弱信号场景下跳上 30% 也不罕见。带宽不够可以通过自适应码率降画质来保流畅，但丢包直接破坏音视频数据的完整性。没有对应的抗丢包机制，画面碎成马赛克、声音变成断续的噪声，连麦体验直接归零。

评估抗丢包能力，关键看三个丢包节点：30%、50%、70%。

30% 丢包是分界线。能处理的厂商，画面出现轻微模糊和少量方块感、但整体内容和动作可辨识，音频偶有卡顿但不影响语义理解。做不到的，画面已经开始出现大面积色块撕裂，音频出现明显的吞字和断句丢失。

50% 丢包是及格线。这一档还能保持画面主体轮廓完整、人声基本可懂，说明 FEC（前向纠错）和 ARQ（自动重传）的联合策略调得比较好。FEC 的优势是低延迟：发送端直接附带冗余包，接收端无需等待重传就能恢复；代价是固定吃掉一部分带宽，在网络好时是浪费。ARQ 则相反，只在丢包发生后请求重传，带宽利用更高效，但增加了一次 RTT 的等待时间，对实时性敏感的场景不太友好。好的实现会动态切换：低丢包时走 ARQ 省带宽，高丢包时切 FEC 保实时。

70% 丢包以上是极限测试。到了这个水平，绝大多数方案画面已经无法分辨，音频仅能维持少量关键音节。能做到 70% 丢包下仍有画面轮廓和语义可懂声音的方案，才是真正拿过弱网场景验证过的产品。而即构(ZEGO) 的 RTC SDK 的性能数据测试表现，50% 丢包或抖动 1000ms 以内，帧率能保持在均值 14 帧以上，保证优质观看体验；70% 丢包极端弱⽹环境，帧率保持在均值 10 帧左右，保持流畅的⾳视频观看。

真实数据的获取方式：向厂商要”弱网对比测试报告”，而不是官网标称的”抗 xx% 丢包”。要求对方说明测试用的编解码器（H.264 还是 VP8）、音视频码率、FEC 冗余占比，以及是在哪种网络模型（随机丢包还是突发丢包）下测得的结果。这些细节不同，同一家厂商的测试数据可以差出两个档次。

音频 3A 处理：从”能连”到”能听”的分水岭

视频可以偶尔花一下，音频如果一直沙哑、回声、断断续续，用户 30 秒内就会关掉页面。音频 3A（AEC 回声消除、ANS 降噪、AGC 自动增益控制）是连麦场景下区分”能连”和”好用”的核心边界。

AEC 是最容易出问题的环节。耳机场景下，回声路径短、耦合度低，大多数方案的 AEC 表现都不会太差。但换成外放，扬声器声音直接被麦克风拾取，产生强耦合回声，这时候 AEC 能不能在消除回声的同时不损伤近端人声，就从”可优化”变成了”不可妥协”的硬门槛。蓝牙耳机情况更复杂：延迟不稳定、编解码格式差异大，AEC 需要动态适应不同的往返延迟，不少厂商在这个场景下要么回声残留明显，要么把说话人自己的声音也削掉一块。

测试方法并不复杂：拿两台设备在正常说话距离做外放连麦通话，让一方持续说话，另一方不说话只听。合格的方案，非说话方应该听不到自己的回声，只有轻微的环境底噪。如果出现明显的回声反射或金属感的梳状滤波声，说明 AEC 调校不过关。

ANS 的测试可以叠加噪声环境来拉大差异。在安静环境下各家差异不大，拉到 50dB 以上的背景噪声（比如办公室空调、咖啡厅人声），差距就会显出来。好的 ANS 能做到人声干净、背景噪声压制到几乎不可闻；差的则要么人声被削弱出现”空洞感”，要么降噪不彻底留下高频嘶嘶声。

AGC 相对成熟，但需要关注的是在多人同时说话时的增益策略是整体压低还是各自均衡，这决定了几个人同时在线的听感是自然还是生硬。

合流能力和延迟：多人连麦场景的隐形天花板

三人以上的连麦场景，服务端合流是绕不开的能力。合流参数上，核心看三组数字：一次合流支持的最大输入路数、合流后的延迟增量、布局的自定义程度。

输入路数直接决定了场景上限。合流规格上，16 路和 9 路的成本差异不大，但如果在产品规划中已经包含了未来可能的竞赛直播、多人游戏解说等需求，就要提前确认供应商的合流上限是否匹配。实际场景中，9 路以上出现的频率不高，但产品一旦需要扩展时才发现合流上限卡住，换供应商成本极高。

合流延迟增量是容易被忽视的数字。合流本身需要服务端解帧、混音、重新编码，这个过程会引入额外延迟。好的方案把合流延迟增量控制在 200-400ms 以内，与单路推流的体验差别不大；差的方案可能直接翻到 800ms 以上，导致说话人和观众听到的内容不同步。

布局自定义程度决定了产品体验的灵活度。部分厂商只提供固定模板（平分、画中画、悬浮），不支持自定义坐标和图层层级。如果你的产品需要差异化的房间布局（比如主持人固定大窗、嘉宾可拖拽位置），需要提前确认合流 API 是否支持逐路设置坐标、宽高和 Z 轴顺序。

选型落地：怎么拿到真实数据

厂商提供的技术参数和报价单，不是在骗你，但一定是挑最优场景测的。想拿到可用的参考信息，需要做三件事。

第一，要求厂商提供弱网环境实测对比。连麦质量报告中必须有网络条件说明：目标丢包率、RTT 区间、网络模型（随机/突发），以及对应 FEC 配置下的码率开销。拿这些数据和竞品公开数据做交叉对比，能过滤掉大部分虚标。

第二，自己做场景压测。用两台设备接入同频道，模拟用户常用网络环境（4G 波动、共享 WiFi 干扰），观察画面花屏频率、音频中断时长、重连速度。测试周期不低于一周，因为弱网事件是概率性的，一天的数据量不足以覆盖网络边界情况。

第三，也是容易被忽略的一点：确认监查控能力是否对外开放。选供应商时，是否提供类似即构星图这类质量监控面板也很关键，出了问题自己能查详单追因，比找厂商要截图省时得多。如果供应商提供外部可登录的监控面板或后台 API，可以让你在灰度测试阶段及时发现端到端的质量问题，包括单路上下行丢包率、卡顿时长分布、首帧耗时等。这些数据在正式上线前就能帮你定位问题，而不是等用户投诉了才找厂商查。

小结：抗丢包能力决定连麦体验的生存底线，音频 3A 决定用户是否愿意留下来，合流能力决定产品能走多远，而监查控决定了出了问题你能否自己搞定。选供应商时，先跑一遍这三个维度，再坐下来谈价格。