如果通话本身就是产品,那就用 WebRTC;如果通话的录像才是产品,那 WebCodecs 中继这套权衡就值得搞清楚。
每个视频平台都要先回答一个问题:这通电话是干什么用的?如果答案是“对话”(人与人交谈,延迟能立刻被感知),那么行业用十五年时间收敛到了 WebRTC:点对点路径、转发 simulcast 层的 SFU、为每一毫秒而战的拥塞控制。它是个奇迹,对实时对话来说也是正确答案。
但越来越多的视频产品,卖的是对话里“发生过什么”:转录稿、回放、复核、导出。通话只是采集环节,价值是事后从录像里提取出来的。对这类产品来说,纯粹为实时延迟做优化,换来的是复杂度(要跑 SFU、要管 simulcast 层、还要额外挂上录制管线),而你真正卖的东西却迟到、被混音、还被计费两次。
Synento 是故意做了相反的取舍:浏览器用 WebCodecs 编码,通过 WebSocket 传输帧,中继把帧追加到持久化流里。延迟比点对点 WebRTC 高,浏览器门槛也更新。作为交换,每个会话本身就已经是一份录像。本指南讲这套取舍,也包括你什么时候该转身走人、去选 WebRTC。
1. 延迟是真正的代价
Synento 的实时性不如一条优质的 WebRTC 路径。每一帧都要从单一区域通过 WebSocket 发到中继,而不是走通往每个观众的最短路径。对于站会、访谈、客服通话或课堂,没人会察觉。但对于跨大洲的快速交锋式对话、拍卖,或任何 300 毫秒延迟就会改变行为的场景,他们一定会察觉。
诚实的测试方法是:延迟升高时,你的用户会不会开始抢话?如果会(现场辩论、谈判、演出),就选 WebRTC,并接受随之而来的整套录制机制。如果不会(对录制优先的产品来说通常都不会),那么这点延迟差异换来的是一套没有媒体服务器、不用调 simulcast、也没有单独录制账单的架构。
2. 录制才是真正的省钱点
在 WebRTC 平台上,录制质量会和实时路径互相打架。Simulcast 会发送多个质量层,让每个观众拿到自己网络能承载的那一层;录制器必须选层、处理通话中的层切换、合成画面,再做编码。那些有利于观众的自适应行为,恰恰会伤害录像,要把两者调和好是相当困难的工程。
中继模型绕开了这个问题。每条轨道一路流,对每个观众和对存储都是同一路。发送端发了什么,录像里就是什么:摄像头、麦克风和屏幕各自是带时间戳的独立轨道。实时阶段没有什么需要合成,也就没有什么会在实时阶段出错。合成依然会发生,但发生在回放和导出时,基于完整数据进行。在那里,重试只花几毫秒算力,而不是丢掉一整场会话。
3. 浏览器支持是另一项代价
WebCodecs 比 WebRTC 更新,覆盖的浏览器更少:Chrome 和 Edge 94 及以上,Safari 16.4 及以上(iOS 上还有若干限制),Firefox 133 及以上。WebRTC 能覆盖这些浏览器的更老版本,也能覆盖你完全无法控制浏览器的环境。如果你的用户从受管控的企业电脑或老旧手机上接入,这个覆盖面比任何录制上的便利都重要。
不要自己做检测。用 SDK 的支持检查来给实时路径做门禁,其余所有人走回放和 MP4——它们在哪儿都能播。下面这段检查就是全部策略。
按你测试这里其他东西的方式来测试这张矩阵:在你声称支持的每个浏览器上跑同一场双人通话,然后对着清单(manifest)做断言。一个能加入但从未发布轨道的浏览器,会表现为轨道缺失,这就把一句模糊的“兼容性问题”,变成了一个明确的浏览器名和一条明确的轨道名。
import { SynentoRoom } from '@synento/client'
const support = SynentoRoom.checkSupport()
if (!support.supported) {
// Chrome/Edge 94+、Safari 16.4+、Firefox 133+。更老的浏览器改走
// 回放和 MP4 路径,而不是给一场坏掉的实时通话。
showFallback(`实时通话需要较新的浏览器:${support.reason}`)
throw new Error(support.reason)
}
const room = new SynentoRoom({ getToken, userId: 'alice' })
await room.connect()
4. 决策清单
当录像就是产品时(复核管线、异步视频、研究、客服质检),选 WebCodecs 中继。当“实时那一刻”就是产品时,或者以下任一条是硬性要求时,选 WebRTC。
- 参与者之间亚秒级延迟是产品需求,而不是加分项。
- 你必须支持低于 WebCodecs 门槛的浏览器,或者根本没有 WebCodecs 的环境。
- 你的负载是大规模直播、需要按观众切换质量,那属于 simulcast 和 SVC 的地盘。
- 你必须自托管或分叉媒体内核,出于数据管控或规模化后的单位成本考虑。
- PSTN 拨入或 SIP 互联是产品核心,而不是边缘场景。
5. 你不再需要运维的东西
中继这套取舍同时也是运维上的取舍。没有媒体服务器要定容,没有 SFU 集群要跨区域保平衡,没有 simulcast 策略要按网络调优,也没有一套自带弹性伸缩和凌晨两点告警的录制机群。容量规划变成按参会分钟数做算术,故障面变成一个托管中继,而不是一串有状态机器组成的流水线。
这种简单正是单区域设计的意义所在,也是它的边界。单区域意味着行为可预测、出问题时只需要看一个地方;它也意味着分散在各洲的团队,要共同承担他们与中继之间距离所带来的那点延迟。如果你的用户聚集在一个区域(大多数录制优先的产品都是如此),你永远不会再想起这件事。如果不是,就在正式采用前实测一通真实通话。清单加一块秒表,胜过任何架构图。
- 在正式采用前,在你真实用户所在的地点之间实测一场双人通话。地理位置的影响压倒其他所有变量。
- 在你准备离开的那个 WebRTC 平台上跑同一场通话,对比对你的产品真正重要的东西:对话的体感,还是录像的完整性。
常见问题
视频质量会更差吗?
不会。摄像头视频最高以 720p、30 fps 编码,这与录制优先产品实际保留的规格一致。你放弃的是按观众自适应切换质量,而不是分辨率。
音频呢?
麦克风音频作为独立轨道,与视频同一个时钟传输,所以按说话人转录不需要靠 diarisation 去猜。纯音频会话是一等公民:检查有没有麦克风轨道,然后跳过摄像头即可。
延迟差距会缩小吗?
中继传输总会比点对点路径多一跳。随着网络逐年变好,这个差距的影响会越来越小;但如果你的产品今天就需要尽可能低的延迟,那就毫不犹豫地选 WebRTC 平台。
本文来自作者投稿,版权归原作者所有。如需转载,请注明出处:https://www.nxrte.com/jishu/webrtc/73366.html