录制通话场景下 WebCodecs 与 WebRTC 的取舍

录制通话场景下 WebCodecs 与 WebRTC 的取舍

💡 原文中文,约2900字,阅读约需7分钟。
📝

内容提要

文章比较了WebRTC与WebCodecs中继两种视频通话架构:若产品核心是实时对话,应选WebRTC;若核心是录像、转录、回放等事后价值,则中继更合适。中继延迟更高、浏览器支持较新,但每路轨道可直接持久化,无需媒体服务器和复杂录制管线,运维更简单。作者建议按延迟需求、浏览器覆盖、直播规模、自托管和PSTN等条件决策,并在真实用户地点实测后再采用。

🔎

延伸解读

延迟与录制:两种架构的根本分歧

文章指出,WebRTC 为实时对话优化,但录制质量会与实时路径冲突:simulcast 的多层自适应虽利于观众,却让录制器必须选层、处理切换和合成,工程复杂。WebCodecs 中继则让每条轨道对观众和存储都是同一路流,发送端发了什么,录像就是什么,合成推迟到回放和导出时进行。因此,选择取决于产品核心是“对话”还是“录像”。

浏览器覆盖是硬约束,不是小代价

WebCodecs 的浏览器门槛更高:Chrome/Edge 94+、Safari 16.4+(iOS 有限制)、Firefox 133+。若用户来自受管控企业电脑或老旧手机,这个覆盖面比录制便利更重要。文章建议不要自己做检测,而用 SDK 的支持检查为实时路径做门禁,不支持的浏览器走回放和 MP4。测试时应在声称支持的每个浏览器上跑同一场双人通话,把模糊的兼容性问题定位到具体浏览器和轨道。

运维简化与单区域边界

中继架构省去了媒体服务器定容、SFU 跨区域平衡、simulcast 调优和独立录制机群,容量规划变成按参会分钟数做算术,故障面收敛为一个托管中继。但单区域设计也意味着分散在各洲的团队要共同承担与中继之间距离带来的延迟。文章强调,若用户聚集在一个区域,这通常不是问题;否则应在正式采用前,在真实用户地点之间实测一场双人通话,地理位置的影响压倒其他变量。

决策清单:何时该转身选 WebRTC

文章给出明确边界:当录像就是产品(复核、异步视频、研究、客服质检)时,选中继;当“实时那一刻”是产品,或亚秒级延迟是硬需求、必须支持低于 WebCodecs 门槛的浏览器、负载是大规模直播需按观众切质量、必须自托管或分叉媒体内核、PSTN/SIP 是核心时,选 WebRTC。作者还提醒,应在准备离开的 WebRTC 平台上跑同一场通话,对比对话体感与录像完整性。

❓

Q&A

WebCodecs 中继和 WebRTC 在延迟上具体差多少?

WebCodecs 中继的延迟比点对点 WebRTC 更高,因为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,这种延迟差异通常不会被察觉;但对于跨大洲的快速交锋式对话、拍卖等场景,300 毫秒延迟就会改变行为。

为什么说录制优先的产品用中继更省钱?

在 WebRTC 平台上,录制质量会和实时路径互相打架:simulcast 发送多个质量层,录制器必须选层、处理层切换、合成画面再编码,工程复杂。中继模型下每条轨道一路流,对观众和存储都是同一路,发送端发了什么录像里就是什么,实时阶段无需合成,合成发生在回放和导出时,重试只花几毫秒算力,避免了额外录制管线和复杂运维。

WebCodecs 中继方案对浏览器版本有什么要求?

WebCodecs 需要 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,也能覆盖你无法控制浏览器的环境。如果用户从受管控的企业电脑或老旧手机接入,浏览器覆盖面可能比录制便利更重要。

什么情况下应该选择 WebRTC 而不是 WebCodecs 中继?

当“实时那一刻”就是产品,或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;必须支持低于 WebCodecs 门槛的浏览器或没有 WebCodecs 的环境;负载是大规模直播需要按观众切换质量;必须自托管或分叉媒体内核;PSTN 拨入或 SIP 互联是产品核心。

采用中继方案后,运维上能省掉哪些东西?

中继方案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,也没有自带弹性伸缩和告警的录制机群。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。

中继方案下视频质量会变差吗?音频转录准确吗?

视频质量不会变差:摄像头视频最高以 720p、30 fps 编码,与录制优先产品实际保留的规格一致,放弃的是按观众自适应切换质量,而不是分辨率。音频方面,麦克风音频作为独立轨道与视频同一个时钟传输,按说话人转录不需要靠 diarisation 去猜;纯音频会话是一等公民,检查麦克风轨道后跳过摄像头即可。

🏷️

标签

➡️

继续阅读