Cómo elegir una API de transmisión en directo: qué comparar antes de construir

Elige una API de transmisión en directo por el retraso con el que tus espectadores ven el directo y por lo que cuenta su factura: si la imagen les llega muchos segundos tarde o con alrededor de un segundo de retraso sobre el anfitrión, si pueden responder mientras todavía importa, y si se te factura por minutos de espectador, por horas de vídeo o por gigabytes enviados. Un reproductor, un estudio y un código para insertar están en todas las listas de funciones, así que son esas respuestas las que distinguen a un servicio de otro.
Este artículo recorre diez preguntas que hacerle a cualquier API de transmisión en directo, SDK de livestream o API de streaming de vídeo, con el porqué de cada una y cómo comprobar la respuesta por tu cuenta. No nombra ningún servicio. Al final responde a cada pregunta para WordPlus Cloud, con lo que deja a tu cargo.
Una difusión, o una transmisión participativa
Con estas palabras se venden dos tipos de servicio, construidos sobre protocolos distintos.
Un servicio de difusión corta la transmisión en archivos cortos, segmentos de unos pocos segundos cada uno, y los envía a los espectadores por HTTP normal, casi siempre como HLS. Los archivos viajan por cualquier red y cualquier caché, así que lleva una transmisión a un público muy grande, con varios segundos de retraso sobre el directo. Un servicio en tiempo real envía la transmisión por WebRTC, el protocolo de las videollamadas, trama a trama a través de sus servidores multimedia, así que los espectadores la ven casi tan pronto como la mostraría una llamada, y su chat, sus reacciones y sus preguntas llegan mientras el anfitrión sigue con el tema.
| Difusión por HLS | Tiempo real por WebRTC | |
|---|---|---|
| Retraso | Muchos segundos | Cerca de un segundo |
| Se envía como | Archivos por HTTP | Paquetes, como una llamada |
| El público | Mira | Mira y participa |
Ninguno de los dos es mejor en general. Un partido que ve un país entero sin escribir una palabra es una difusión. Una clase, un lanzamiento con preguntas o una charla con un chat al lado es una transmisión participativa. Ten claro cuál construyes antes de comparar precios, porque los precios de las dos también se calculan de formas distintas.
1. ¿Con cuánto retraso ve el directo un espectador?
El retraso viene de cómo viaja la transmisión. HLS solo envía un segmento cuando está completo, y un reproductor guarda varios de reserva: el estándar de HLS le indica que empiece al menos a tres duraciones objetivo del final en directo de la lista de reproducción, y la guía de creación de Apple recomienda una duración objetivo de 6 segundos. Eso deja a un espectador 18 segundos o más por detrás. Low-Latency HLS envía partes de cada segmento a medida que se crean, de un segundo cada una según la misma guía, y un reproductor sigue guardando al menos tres de ellas, así que quedan unos segundos.
WebRTC no tiene segmentos. Envía cada trama en cuanto se codifica, como hace en una llamada.
Dos segundos importan poco a quien ve una película. Importan mucho a un profesor que pregunta «¿lo ve todo el mundo?», o a un anfitrión que lee el chat en voz alta y lo responde.
Pregunta:
- ¿Cuánto retraso lleva un espectador respecto al anfitrión, de la cámara a la pantalla, y cómo se midió?
- ¿Llega el chat al compás de la imagen, o por delante de ella?
- ¿Crece el retraso durante una transmisión larga, y qué lo hace volver a bajar?
2. ¿Cómo entra la imagen?
Un anfitrión sale en directo desde algún sitio: la cámara de un navegador o de un teléfono, una pantalla compartida, o un codificador como OBS que mezcla escenas y cámaras. Un navegador o un teléfono no necesitan instalar nada. Un codificador envía la transmisión por un protocolo propio, casi siempre RTMP, un protocolo más antiguo que lleva el vídeo por TCP, o WHIP, el estándar del IETF para enviar una transmisión a un servicio WebRTC con una sola petición HTTP y un token de tipo bearer. OBS lo tiene desde la versión 30.
Pregunta:
- ¿Puede un anfitrión salir en directo desde un navegador, sin instalar nada?
- ¿Qué protocolos de codificador acepta, y con qué codificadores se ha probado?
- Cuando el codificador se cae durante un minuto, ¿la transmisión lo espera, o termina?
- ¿Se puede sustituir una clave de transmisión que se ha filtrado, y deja de funcionar la antigua?
3. ¿Qué recibe cada espectador?
La gente mira a la vez en un teléfono con una sola barra de datos móviles y en una pantalla grande con fibra. Un servicio que envía a todos la misma imagen le falla a uno de los dos. Hay dos maneras de evitarlo. Un servicio de difusión suele volver a codificar la transmisión en varios tamaños, una escalera de calidades, y el reproductor elige una según su conexión. Un servicio en tiempo real a menudo hace que el anfitrión envíe varios tamaños a la vez, simulcast, y sus servidores multimedia reenvían a cada espectador el que le encaja (cómo funcionan los servidores multimedia).
Pregunta:
- ¿Cuántas calidades, hasta qué resolución, y quién elige: el reproductor, el espectador o los dos?
- Con una conexión débil, ¿se hace más pequeña la imagen antes de detenerse?
- ¿Puede mi página leer cómo se reproduce la transmisión para un espectador, para ayudar a alguien cuya imagen se congela?
4. ¿A qué distancia están los servidores, y se llega a ellos?
Un espectador lejos del servidor espera a que cada paquete recorra la distancia, y pierde más por el camino. Pregunta dónde funcionan los servidores multimedia, y si cada espectador llega por sí solo a uno de su propia región. Cómo conectar usuarios de distintas regiones repasa lo que significa cada respuesta.
La red que hay en medio cuenta lo mismo. HLS viaja como cualquier página web, a través de cualquier cortafuegos que deje salir la web. WebRTC prefiere UDP, que bloquean muchas oficinas y hoteles, así que un servicio en tiempo real también necesita una entrada por los puertos de la web. Nuestro artículo sobre los puertos WebRTC enumera lo que debe permitir un cortafuegos.
Pregunta:
- ¿Dónde están los servidores multimedia, y entra cada espectador en el más cercano?
- ¿Recibe la imagen un espectador en una red que solo deja salir la web?
5. ¿Qué cuenta la factura?
La mayoría de las API de transmisión en directo cuentan minutos de espectador, un minuto de una persona mirando. Una transmisión para 1.000 personas durante una hora son 60.000 de esos minutos, así que el tamaño de tu público importa más que cuántas transmisiones hagas. Algunas cuentan en su lugar, o además, horas de vídeo codificado o gigabytes entregados.
Después mira qué más se cuenta. Algunos precios suben con la resolución, otros cuentan el tiempo que una página espera antes de que empiece la transmisión, y la grabación, el almacenamiento, el chat y cada codificador pueden ser cada uno una línea propia. Cuánto cuestan las videollamadas por minuto calcula un mes entero paso a paso, con una transmisión en directo incluida.
Pregunta:
- ¿Un minuto a 1080p cuenta igual que un minuto a 360p?
- ¿Se cuenta a un espectador desde que abre la página, o desde que la transmisión sale en directo?
- ¿Qué pasa cuando se supera el plan: se rechaza a los espectadores nuevos, se corta a los que miran, o se factura el exceso?
6. ¿Quién puede mirar, y quién puede salir en directo?
Una transmisión para todos solo necesita su enlace. Una transmisión para los miembros de un club, los alumnos de un curso o quienes tienen una entrada necesita más, porque un enlace se pasa con facilidad. Con la mayoría de las API, tu servidor firma un token para cada espectador o para cada transmisión, y lo que cambia es cuánto dice el token, y si un token firmado para una persona sirve para otra.
Pregunta:
- ¿Puede mirar alguien sin cuenta, y puedo desactivarlo para una transmisión concreta?
- ¿Abre un enlace reenviado una transmisión solo para miembros?
- ¿Puedo sacar a un espectador durante la transmisión, y que no vuelva a entrar?
- ¿Quién puede salir en directo en una transmisión, y cómo se comprueba?
7. ¿Forma parte el chat de la transmisión?
Una transmisión participativa necesita un chat al lado, y un chat con público necesita moderación: fijar un mensaje, borrar uno, ralentizar el chat para todos, silenciar a alguien un rato, vetar a alguien. Algunas API traen un chat con la transmisión, otras lo dejan a un segundo servicio con su propia factura.
Pregunta:
- ¿Viene el chat con la transmisión, por la misma conexión y con el mismo inicio de sesión?
- ¿Quién lo modera, y puede mi servidor hacer lo mismo sin ninguna página abierta?
- ¿Cuántos mensajes conserva, y durante cuánto tiempo?
8. ¿Puede un espectador subir al escenario?
Una pregunta en voz alta, una entrevista, una mesa redonda: cada una necesita que un espectador entre con su cámara y su micrófono, a la vista de todos los que miran, sin una segunda app de llamadas. Solo el tipo en tiempo real puede hacerlo, porque un espectador que va muchos segundos por detrás no puede hablar con el anfitrión.
Pregunta:
- ¿Puede un espectador levantar la mano, y el anfitrión subirlo al escenario y bajarlo?
- ¿Cómo aparecen los invitados: uno al lado del otro, quien habla en grande, o una sola persona en primer plano?
9. ¿Hay un reproductor y un estudio listos para usar?
Un reproductor es más que un elemento de vídeo. Los navegadores solo reproducen sonido cuando alguien ya ha hecho clic o ha escrito en el sitio (MDN sobre la reproducción automática), así que un espectador que abre una transmisión desde un enlace puede verla sin sonido, y el reproductor necesita una forma de activarlo. Indica cuándo la transmisión todavía no ha empezado, se reproduce en cuanto empieza sin recargar, y muestra el chat y cuántos miran. El anfitrión necesita un estudio: la cámara antes de salir en directo, la pantalla, el codificador, el botón para salir en directo y el de terminar. Uno listo para usar ahorra semanas, y tiene que parecerse al resto de tu app.
Pregunta:
- ¿Qué plataformas tienen uno: la web, React, iOS, Android?
- ¿Puedo cambiar su estilo, y colocar el reproductor y el chat por separado?
- ¿Está el resto del SDK disponible para un reproductor propio?
- ¿Hay una biblioteca de servidor en el lenguaje en el que escribo, o una API HTTP?
10. ¿Qué recibe tu servidor de vuelta, y qué queda?
Tu app necesita saber qué pasó: cuándo salió en directo una transmisión y cuándo terminó, quién la vio y durante cuánto tiempo. Lo necesita para mostrar lo que está en directo ahora, para avisar a los seguidores o para facturar a tus propios usuarios por visualización o por minuto. Los webhooks lo traen, y como un webhook puede llegar dos veces, cada uno necesita un id.
Después lee la página de límites: cuánto puede durar una transmisión, cuántos pueden mirarla y cuánto dura una clave de transmisión. Y pregunta qué queda cuando termina una transmisión: una grabación, su repetición, su chat.
Compruébalo tú mismo en una tarde
Una tabla de funciones responde a pocas de estas preguntas. Una prueba pequeña responde a la mayoría. Construye la transmisión más pequeña que puedas en cada servicio que estés valorando, y sigue estos ocho pasos:
- Sal en directo desde un navegador, y mira en un teléfono con datos móviles. Pon delante de la cámara un reloj que muestre los segundos, y fotografíalo junto a la pantalla del teléfono: la diferencia es el retraso.
- Haz una pregunta en voz alta, y pide al espectador que la responda en el chat. Mira cuánto tarda la respuesta en llegarte.
- En las herramientas para desarrolladores del navegador del espectador, ralentiza la red. Mira si la imagen se hace más pequeña o se detiene.
- Mira desde una red que solo deja salir la web, como la Wi-Fi estricta de una oficina o de un hotel. Nuestro test de conexión muestra de antemano lo que deja pasar esa red.
- Abre la transmisión desde un enlace en una pestaña nueva, y mira qué hace el reproductor con el sonido.
- Abre una transmisión solo para miembros en una ventana privada, sin sesión iniciada, con el enlace que tiene un miembro.
- Detén el codificador durante un minuto y vuelve a ponerlo en marcha. Mira si los espectadores siguen ahí.
- Abre la página de uso del servicio, y lee cómo se ha contado esta tarde.
Cómo las responde WordPlus Cloud
WordPlus Cloud es del segundo tipo: una API y un SDK de transmisión en directo sobre WebRTC, con un reproductor, un estudio y un chat listos para usar, sobre servidores multimedia que gestionamos nosotros mismos. Las mismas diez preguntas, en orden:
- Los espectadores ven la transmisión con alrededor de un segundo de retraso sobre el anfitrión, por WebRTC y sin segmentos, y el chat y las reacciones llegan por la misma conexión, al compás de la imagen.
- Un anfitrión sale en directo con la cámara y el micrófono de un navegador o de un teléfono, comparte una pantalla, o transmite desde OBS o cualquier otro codificador por WHIP. El estudio le da una dirección y una clave para el codificador, y una clave nueva anula la anterior. Aceptamos WHIP, no RTMP. Una transmisión en directo cuyo codificador sigue sin volver durante 5 minutos termina, salvo que alguien en su escenario siga enviando una cámara o una pantalla.
- El anfitrión envía hasta 1080p, y cada espectador recibe una capa que le encaja, elegida según el tamaño del reproductor y la conexión, hasta Full HD en un reproductor grande. Un espectador también puede elegir una capa, hasta 720p. Cada página puede leer, una vez por segundo, cómo se reproduce la transmisión para su espectador: la imagen y el sonido que llegan, lo que se pierde, el viaje de ida y vuelta, cuánto tardó en empezar la imagen, las interrupciones y las reconexiones.
- Nuestros servidores multimedia funcionan en varias regiones, y cada espectador entra por sí solo en uno de su propia región, mientras nuestros servidores pasan la transmisión de una región a otra por enlaces privados. La página de la red los muestra en un mapa. Un espectador en una red que solo deja salir la web recibe igualmente la transmisión, por el puerto 443.
- La factura cuenta las conexiones simultáneas, a partir de 1.000: $11.99 al mes con facturación anual, o $14.99 con facturación mensual. Cada espectador ocupa una. Con 1.000 conexiones, 50 espectadores a la vez no gastan créditos, y cada 1.000 conexiones más añaden 20. Por encima de eso, cada espectador gasta un crédito por minuto, contado solo mientras la transmisión está en directo, lo que supone $0.20 por 1.000 minutos de espectador, y tu plan añade 5.000 créditos al mes por cada 1.000 conexiones. Un solo precio en cualquier resolución, y el ancho de banda, los relés y los mensajes del chat nunca se cobran. Una transmisión para 1.000 espectadores durante una hora, 4 veces al mes, sale por unos $56.59 con el plan. Una vez usados tus créditos y un mes de préstamo, los espectadores nuevos por encima de lo que incluye el plan no entran hasta que añadas créditos o termine el mes, y quienes ya miran siguen.
- Tu servidor decide quién es quién, con una regla para cada tipo de transmisión: rechaza a alguien, o lo hace espectador, espectador que solo lee el chat, moderador o anfitrión. Un visitante sin sesión iniciada mira cuando tu regla lo dice. Si no, la transmisión es solo para miembros, y un enlace reenviado no abre nada. Una transmisión es para todos los que la miran, así que va cifrada por el camino pero no de extremo a extremo: nuestros servidores multimedia la ven, como necesita una transmisión.
- El chat viene con la transmisión, por la misma conexión, con reacciones sobre la imagen. El anfitrión y los moderadores que nombra tu servidor fijan y borran mensajes, ralentizan el chat a un mensaje cada tantos segundos, hasta 300, silencian a alguien desde un minuto hasta un día, y lo sacan o lo vetan. Tu servidor hace todo eso sin ninguna página abierta, y escribe en el chat con un nombre propio. El chat conserva sus últimos 200 mensajes, durante un día después del último.
- Los espectadores suben al escenario. Un espectador levanta la mano, el anfitrión lo invita, y todos los que miran lo ven junto al anfitrión con su cámara y su micrófono, hasta 720p, en una cuadrícula, con quien habla en grande, o con una sola persona en primer plano. Un visitante sin sesión iniciada mira, y no sube al escenario.
- Un reproductor, un estudio y un chat listos para usar, como un solo elemento en cualquier página,
<LiveStream>en React, y pantallas nativas en iOS y Android. Coloca el reproductor y el chat por separado, cambia su estilo o dibuja tu propio reproductor sobre el mismo SDK. Hablan nueve idiomas, y el reproductor muestra Activar sonido cuando el navegador lo inicia en silencio. Bibliotecas de servidor para Node.js, PHP y Python, guías para Next.js, Express, Laravel, PHP puro, Django, FastAPI y Flask, y una API HTTP para cualquier otro lenguaje. - Tu servidor se entera por webhook de cuándo sale en directo y cuándo termina cada transmisión, y de cuándo empieza y deja de mirar cada espectador con sesión iniciada, con los segundos de directo, contados en nuestros servidores. Cada evento tiene un id, así que una repetición se guarda una sola vez, y tu servidor puede listar las transmisiones en directo en este momento con cuántos miran cada una. Los límites están publicados: el pase de un espectador a una transmisión dura 10 minutos y la página lo renueva, y una clave de transmisión se conserva hasta que pasa un año sin que nadie la use.
La guía de transmisiones en directo tiene el código de cada parte en cada stack. Cómo implementar transmisiones en directo en Next.js construye paso a paso un sitio completo de clases en directo, y su demo en vivo te deja salir en directo como profesor y mirar como alumno en otra ventana.
Lo que deja a tu cargo
- La regla. Quién transmite y quién mira es tu propia lógica, así que es código que escribes tú, con la ruta que la consulta, y también lo es el registro que tu webhook guarda de cada transmisión.
- Avisar a la gente de que una transmisión ha empezado. Tu servidor se entera de que sale en directo, y el correo o el aviso los envías tú.
- Las grabaciones y las repeticiones. Los SDK para apps no graban transmisiones hoy.
- RTMP. Un codificador que solo envía RTMP necesita una versión más reciente, u otro codificador con WHIP, como OBS 30 o posterior.
- Una transmisión en un solo sentido. Cada espectador ocupa una conexión de tu plan, porque en una transmisión en tiempo real todos siguen conectados. A un público que nunca escribe y al que no le importa un retraso de muchos segundos le encaja un servicio de difusión por HLS.
Empieza por la guía de transmisiones en directo
WordPlus Cloud for Apps tiene un precio según las conexiones simultáneas, a partir de 1.000, con facturación mensual o anual. El mismo plan y el mismo SDK traen llamadas, llamadas en grupo y chat por la misma conexión. Consulta la API y el SDK de transmisión en directo con su demo en vivo y cada stack, lo que la nube hace para apps o los precios para apps. ¿Eliges también un servicio de llamadas y de chat? Cómo elegir una API de videollamadas hace las mismas preguntas sobre las llamadas, y cómo elegir una API de chat sobre los mensajes. ¿Preguntas sobre tu integración? Escríbenos.