Web前端WebRTC攻略：音视频设备及数据采集

56 阅读 0 评论 37 点赞

我是靠谱客的博主糊涂刺猬，最近开发中收集的这篇文章主要介绍Web前端WebRTC攻略：音视频设备及数据采集，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

2021年1月26日，W3C 和 IETF 同时宣布 WebRTC（Web Real-Time Communications，Web 实时通信）现发布为正式标准，标志着 WebRTC正式走进舞台。尽管如此，WebRTC 早已在视频会议和直播中得到了广泛的应用，成为了线上通信及协作服务的基石。

一、音视频采集基本概念

在讲浏览器提供的用 JS 采集音视频 API 之前，需要先了解音视频采集的基本概念。

摄像头

用于捕捉（采集）图像和视频。

帧率

Frame rate 摄像头一秒钟采集图像的次数称为帧率。帧率越高，视频就越平滑流畅。但是在直播中一般不会设置太高，因为帧率越高，每秒传输率越大，宽带占用就越高。而在显示器上，同样的概念称之为刷新率，就越高越好。

分辨率

分辨率是用于度量视频图像内数据量多少的一个参数，通常表示成 ppi。一般有1080P、720P、320P 等。宽高比一般为 4:3 或 16:9。和帧率相同，分辨率越高越清晰，但在直播中占用的宽带越多。因此分辨率应该根据网络情况进行动态调整。

麦克风

用于采集音频数据。

采样率

指录音设备在一秒钟内对声音信号的采样次数，采样率越高还原声音越真实。8,000Hz 是电话通话所用采样率, 对于人的说话已经足够。

轨（Track）

WebRTC 中的“轨”借鉴了多媒体的概念。火车轨道的特性你应该非常清楚，两条轨永远不会相交。“轨”在多媒体中表达的就是每条轨数据都是独立的，不会与其他轨相交，如 MP4 中的音频轨、视频轨，它们在 MP4 文件中是被分别存储的。

流（Stream）

可以理解为容器。在 WebRTC 中，“流”可以分为媒体流（MediaStream）和数据流（DataStream）。其中，媒体流可以存放 0 个或多个音频轨或视频轨；数据流可以存 0 个或多个数据轨。

二、音视频采集

getUserMedia

getUserMedia 方法在浏览器中访问音视频设备非常简单。

var promise = navigator.mediaDevices.getUserMedia(constraints);

结果会通过 Promise 返回stream，用 URL.createObjectURL/srcObject 转换后，设置为 Video 或 Audio 元素的 src 属性来进行播放。

失败时 promise catchError 可能的异常有：

AbortError：硬件问题
NotFoundError：找不到满足请求参数的媒体类型。
NotReadableError：操作系统上某个硬件、浏览器或者网页层面发生的错误导致设备无法被访问。
TypeError：类型错误，constraints 对象未设置空，或者都被设置为 false。
OverConstrainedError：指定的要求无法被设备满足。
SecurityError：安全错误，需要用户浏览器设置中开启。
NotAllowedError：用户拒绝了当前的浏览器实例的访问请求；或者用户拒绝了当前会话的访问；或者用户在全局范围内拒绝了所有媒体访问请求。

MediaStreamConstraints 参数

媒体约束 - MediaStreamConstraints，可以在 getusermedia 时指定 MediaStream 中要包含哪些类型的媒体轨，并且设置一些限制。

可以指定采集音频还是视频，或是同时对两者进行采集。

const mediaStreamContrains = { video: true, audio: true };

也可以进一步对媒体做限制。

const mediaStreamContrains = {
  video: {
    frameRate: { min: 20 },
    width: { min: 640, ideal: 1280 },
    height: { min: 360, ideal: 720 },
    aspectRatio: 16 / 9,
  },
  audio: {
    echoCancellation: true,
    noiseSuppression: true,
    autoGainControl: true,
  },
};

使用采集到的音视频媒体流

通过 getUserMedia 采集到的媒体流,可以在本地直接播放使用。

// 设置contrains参数，只获取视频流
const mediaStreamContrains ={ 
    video: true 
};
const localVideo = document.querySelector('video');


function gotLocalMediaStream(mediaStream) {
  //成功获取媒体流，并通过添加到videoDom的srcObject，就能播放。
  localVideo.srcObject = mediaStream;
  localVideo.play()
}


function handleLocalMediaStreamError(error) {
  console.log('navigator.getUserMedia失败: ', error);
}


// 传入contrains参数，调用getUserMedia API 获取媒体流对象。
navigator.mediaDevices.getUserMedia(mediaStreamContrains).then(gotLocalMediaStream).catch(handleLocalMediaStreamError);

三、音视频设备

MediaDevices 接口提供了访问（连接到计算机上的）媒体设备（如摄像头、麦克风）以及屏幕分享的方法。

我们可以通过它，获取可用的音视频设备列表。

MediaDeviceInfo，它表示的是每个输入 / 输出设备的信息:

deviceID：设备的唯一标识
label：设备名称
kind：设备种类：可用于识别出是音频设备还是视频设备，是输入设备还是输出设备。

需要注意的是，出于安全原因，除非用户已被授予访问媒体设备的权限（要想授予权限需要使用 HTTPS 请求），否则 label 字段始终为空。另外，label 可以用作指纹识别机制的一部分，以识别是否是合法用户。

获取音视频设备列表

MediaDevices.enumerateDevices().then((deviceList) => {
  console.log(deviceList);
});

通过调用navigator.MediaDevices.enumerateDevices()返回每一个 MediaDeviceInfo，并将每个 MediaDeviceInfo 中的基本信息打印出来，也就是我们想要的每个音视频设备的基本信息。

可以通过 kind 字段再将设备区分为：音频/视频设备，输入/输出设备。

根据 deviceid，能知道该设备是否为默认设备。

以音频设备为例，将耳机插入电脑后，耳机就变成了音频的默认设备；将耳机拔出后，默认设备又切换成了系统的音频设备。

四、音视频录制及桌面分享

音视频录制

录制从端来说，可以分为服务端录制和客户端录制。

服务端录制：无需担心客户端因电脑问题造成录制失败（如磁盘空间不足、CPU 占用率过高等问题）；缺点是实现的复杂度很高。
客户端录制：优点是方便录制者（如老师）操控，所录制的视频清晰度高,实现相对简单。缺点是，录制时会开启的编码器，很耗CPU，且对内存和硬盘要求也高，一旦硬件占高负载会容易造成程序卡死。

WebRTC客户端录制

首先了解一下基础知识：
在 JavaScript 中，有很多用于存储二进制数据的类型，这些类型包括：ArrayBuffer、ArrayBufferView 和 Blob。WebRTC 录制音视频流之后，最终是通过 Blob 对象将数据保存成多媒体文件的。

ArrayBuffer

ArrayBuffer 对象表示通用的、固定长度的二进制数据缓冲区。因此，你可以直接使用它存储图片、视频等内容。

let buffer = new ArrayBuffer(16); // 创建一个长度为 16 的 bufferlet view = new Uint32Array(buffer);

let buffer = new Uint8Array([255, 255, 255, 255]).buffer;
let dataView = new DataView(buffer);

一开始生成的 buffer 是不能被直接访问的。只有将 buffer 做为参数生成一个具体的类型的新对象时（如 Uint32Array 或 DataView），这个新生成的对象才能被访问。

ArrayBufferView

ArrayBufferView 并不是一个具体的类型，而是代表不同类型的 Array 的描述。这些类型包括：Int8Array、Uint8Array、DataView 等。也就是说 Int8Array、Uint8Array 等才是 JavaScript 在内存中真正可以分配的对象。

Blob

Blob（Binary Large Object）是 JavaScript 的大型二进制对象类型，WebRTC 最终就是使用它将录制好的音视频流保存成多媒体文件的。而它的底层是由上面所讲的 ArrayBuffer 对象的封装类实现的，即 Int8Array、Uint8Array 等类型。

var aBlob = new Blob( array, options );

实现录制

浏览器为我们提供了一个录制音视频的类，即 MediaRecorder。

var mediaRecorder = new MediaRecorder(stream[, options]);

参数解释：

stream：通过 getUserMedia 获取的本地视频流或通过 RTCPeerConnection 获取的远程视频流。
options：可选项，指定视频格式、编解码器、码率等相关信息，如
mimeType: ‘video/webm;codecs=vp8’。

录制流

var buffer;


//当该函数被触发后，将数据压入到blob中
function handleDataAvailable(e) {
  if (e && e.data && e.data.size > 0) {
    buffer.push(e.data);
  }
}


function startRecord() {
  buffer = [];
  //设置录制下来的多媒体格式
  var options = {
    mimeType: "video/webm;codecs=vp8",
  };


  //判断浏览器是否支持录制
  if (!MediaRecorder.isTypeSupported(options.mimeType)) {
    console.error(`${options.mimeType} is not supported!`);
    return;
  }


  try {
    //创建录制对象
    mediaRecorder = new MediaRecorder(window.stream, options);
  } catch (e) {
    console.error("Failed to create MediaRecorder:", e);
    return;
  }


  //当有音视频数据来了之后触发该事件
  mediaRecorder.ondataavailable = handleDataAvailable;
  //开始录制
  mediaRecorder.start(10);
}
...

播放录制文件

首先根据 buffer 生成 Blob 对象；然后，根据 Blob 对象生成 URL，并通过 video标签进行播放。

<video id="playback"></video>

 var blob = new Blob(buffer, {type: 'video/webm'}); playback.src = window.URL.createObjectURL(blob); playback.srcObject = null; playback.controls = true; playback.play();

屏幕分享

桌面分享可以当做特殊音视频数据来看待，在实时音视频，尤其是在在线教育场景中，尤为常见。

对于屏幕分享者：每秒钟多次抓取的屏幕，每一屏数据取它们的差值，然后对差值进行压缩；如果差值超过一定程度，则单独对这一屏数据进行帧内压缩，该压缩方法，类似于视频编码中 GOP 的 I 帧。

对于远端观看/控制者：收到数据进行解压缩，还原成画面播放即可。另外如果有操控指令，需要实现对应的信令系统，并自行信令控制。

总结为以下流程：

抓屏、压缩编码、传输、解码、显示、控制。和音视频流程基本一致。

屏幕分享的协议有：

RDP（Remote Desktop Protocal）：windows 下的桌面共享协议。

VNC（Virtual Network Console）：在不同的操作系统上共享远程桌面，像 TeamViewer、RealVNC 都是在使用这个协议。

WebRTC屏幕分享

由于 WebRTC 不包含控制部分，因此他的处理过程只使用了视频方式，而不需要信令控制。因此它和 RDP/VNC 还是存在差异。

桌面数据的采集
在桌面数据采集上，和 VNC 一样是通过各平台提供的 API 实现的。BitBlt、Hook、DirectX 等。最新的 WebRTC 都是使用的这种方式 GetWindowDC：可以通过它来抓取窗口。
桌面数据的编码
WebRTC 对桌面的编码使用的是视频编码技术，即 H264/VP8 等（好处就是压缩率高）；但 RDP/VNC 则不一样，它们使用的是图像压缩技术。
传输
WebRTC 有根据网络情况的调节能力，网络差时会进行丢数据保证实时性。
解码渲染
解码同第二点，渲染一般会通过 OpenGL/D3D 等 GPU 进行渲染。

通过 getDisplayMedia API 来采集桌面：

特别注意：在桌面采集的参数里，不能设置音频的constraint，也就是说，不能在采集桌面的同时采集音频。

//get桌面数据流function getDeskStream(stream) {  localStream = stream;}
//采集桌面function shareDesktop() {  //只有在 PC 下才能抓取桌面  if (utils.isPC) {    //开始捕获桌面数据    navigator.mediaDevices      .getDisplayMedia({ video: true })      .then(getDeskStream)      .catch(handleError);
    return true;  }  return false;}

最后，桌面分享的展示与录制和前文提到的实现方式基本相同的，这里不再赘述了。

以上就是浏览器端 WebRTC 通过设备采集音视频数据及其播放与录制的相关介绍。有了数据，接下来才可以使用 WebRTC 来实现实时音视频通讯。