本文以Linux嵌入式设备接入原生libwebrtc为例，讲解一对一可视对讲的整体架构：信令服务器交换SDP与ICE候选，STUN/TURN解决NAT穿透与中继；板卡侧需适配摄像头、硬件编码器、声卡与显示，并遵守格式、时间戳和执行三项约定；媒体经RTP/SRTP传输，拥塞控制与Pacing协同调节码率；音频经APM做AEC、NS、AGC，NetEq协调播放节奏；最后给出延迟拆解与分阶段验证方法。

本文介绍了构建WebRTC视频会议实时语音转字幕的架构，重点在语音断句的VAD方法。推荐使用libwebrtc和fftw3两种开源VAD实现，并提供相关代码示例。