איך בוחרים API לשיחות וידאו: מה להשוות לפני שבונים

בחרו API לשיחות וידאו לפי מה שקורה לשיחות הקשות ולפי מה שהוא סופר: האם שיחה מתחברת דרך חומת אש קפדנית, כמה קרובים השרתים שלו למשתמשים שלכם, מי יכול לראות את המדיה, והאם החשבון גדל עם הדקות, עם האנשים או עם הרזולוציה. וידאו ב-HD, שיתוף מסך ומסך שיחה מופיעים בכל רשימת תכונות, ולכן דווקא התשובות האלה מבדילות בין שירותים.
הפוסט הזה עובר על עשר שאלות שכדאי לשאול על כל API לשיחות וידאו, SDK לשיחות וידאו או API לועידות וידאו, עם הסבר למה כל אחת חשובה ואיך לבדוק את התשובה בעצמכם. הוא לא מזכיר אף שירות בשמו. בסוף הוא עונה על כל שאלה עבור WordPlus Cloud, יחד עם מה שהוא משאיר לכם.
פגישה שמטמיעים, או שיחות בתוך האפליקציה שלכם
תחת המילים האלה נמכרים שני סוגים שונים של שירות.
שירות פגישות נותן לכם חדר בדף משלו, שאנשים פותחים מקישור או שאתם מכניסים למסגרת באתר שלכם. API לשיחות נותן לכם את החלקים: SDK לכל פלטפורמה, לעתים קרובות עם מסך שיחה מוכן, והשיחות מתקיימות בתוך האפליקציה שלכם, בין המשתמשים שלכם.
| פגישה מוטמעת | API ו-SDK לשיחות | |
|---|---|---|
| השיחה רצה | בדף שלו, במסגרת | במסכים שלכם |
| מי רשאי להצטרף | כל מי שיש לו קישור | מי שהשרת שלכם מאשר |
| אתם כותבים | קישור | נתיב ל-token ומסך |
יש גם דרך שלישית, שרתי מדיה בקוד פתוח על שרתים משלכם, והיא משאירה לכם הכי הרבה להפעיל. איך שיחות וידאו קבוצתיות עובדות מראה מה זה דורש. עשר השאלות שבהמשך הן לשני הסוגים הראשונים.
1. האם כל שיחה מתחברת?
שיחת וידאו עוברת ישירות בין שני המכשירים כשהרשתות שלהם מאפשרות זאת, ורבות לא מאפשרות. נתבים ביתיים, רשתות סלולריות וחומות אש במשרדים מסתירים כל אחד את המכשירים שמאחוריהם בדרך משלו, ולכן חלק מהשיחות מתחברות רק דרך ממסר, שרת TURN, ששני הצדדים יכולים להגיע אליו. הפוסט שלנו על שרתי STUN ו-TURN מסביר למה.
חשוב באותה מידה איפה הממסר הזה מאזין. TURN משתמש כברירת מחדל בפורט 3478, וב-5349 עם TLS, והתקן שלו מעביר אותו גם על TCP, כי יש חומות אש שחוסמות UDP לגמרי. רשת של מלון או של משרד שמוציאה החוצה רק את הפורטים של הווב חוסמת את כל אלה, ולכן רק ממסר בפורט 443 עובר.
שאלו:
- האם הממסרים כלולים, ובאילו פורטים, כולל 443?
- מה קורה כשאפילו ממסר לא מצליח להגיע: השיחה נכשלת, או עוברת לשרת שכן מצליח?
- כשטלפון עובר מ-Wi-Fi לגלישה סלולרית, השיחה ממשיכה, או מתנתקת?
כששיחה לא מתחברת, הפוסט שלנו על חיבורי WebRTC שנכשלים מראה איך לגלות למה.
2. כמה קרובים השרתים למשתמשים שלכם?
כל ממסר וכל שרת מדיה מוסיפים את הדרך אליהם ובחזרה. ההמלצה של ה-ITU על השהיה בשיחות, G.114, מציינת שרוב היישומים לא מושפעים הרבה כל עוד ההשהיה נשארת מתחת ל-150 מילישניות בכיוון אחד. שני אנשים באותה עיר שמדברים דרך שרת ביבשת אחרת שומעים זה את זה באיחור, אף שהם גרים במרחק כמה רחובות זה מזה.
שאלו:
- איפה נמצאים הממסרים ושרתי המדיה, והאם כל אדם מגיע לקרוב ביותר מעצמו?
- בשיחה קבוצתית עם אנשים בשתי יבשות, כולם הולכים לשרת אחד, או שכל אחד מצטרף לשרת קרוב אליו?
איך לחבר משתמשים מאזורים שונים עובר על מה שכל תשובה אומרת לגבי שיחה.
3. האם שיחה בין שניים ושיחה קבוצתית עובדות באותה דרך?
שיחה בין שני אנשים יכולה לעבור ישירות בין המכשירים. שיחה קבוצתית לא יכולה, מעבר לקומץ אנשים, כי כל מכשיר היה צריך לשלוח את המצלמה שלו לכל אחד מהאחרים. לכן שיחות קבוצתיות רצות על שרתי מדיה שמקבלים כל מצלמה פעם אחת ומעבירים אותה לשאר, ושירותים רבים מוכרים אותן כמוצר שני, עם SDK ומחיר משלו.
שאלו:
- כשאדם שלישי מצטרף לשיחה בין שניים, השניים צריכים לנתק ולהתחיל מחדש?
- כמה אנשים יכולים להיות בווידאו בו-זמנית, וכמה בשיחה אחת?
- האם חלק מהאנשים יכולים רק להאזין, ולדבר ברגע שמארח מרשה להם?
4. מה החשבון סופר?
רוב ממשקי ה-API לשיחות וידאו סופרים דקות משתתף, דקה של אדם אחד בשיחה. שיעור של 30 איש במשך שעה הוא 1,800 דקות כאלה, ולכן הגודל של השיחות שלכם חשוב יותר ממספר השיחות. כמה עולה שיחת וידאו לדקה מחשב חודש שלם מההתחלה ועד הסוף.
אחר כך בדקו מה עוד נספר. יש מחירים שעולים עם הרזולוציה, יש שסופרים בנפרד את הדקות שעוברות דרך ממסר, והקלטה, רוחב פס ושיחות בין שני אנשים יכולים כל אחד להיות שורה משלו בחשבון.
שאלו:
- האם דקה ב-HD נספרת כמו דקה באודיו?
- האם שיחות בין שני אנשים נספרות, וגם אלה שעוברות דרך ממסר?
- מה קורה מעבר לתוכנית: השיחה מנותקת, או מחויבת על התוספת?
5. מי יכול לראות ולשמוע את השיחה?
כל שיחת WebRTC מוצפנת בדרכה. ארכיטקטורת האבטחה של WebRTC מחייבת זאת: כל המדיה מאובטחת ב-SRTP, עם מפתחות שמוסכמים דרך DTLS. זה מרחיק כל מי שנמצא ברשת שבין שני הקצוות. השאלה היא איפה הקצוות. בשיחה ישירה בין שני מכשירים, הקצוות הם המכשירים. בשיחה דרך שרת מדיה, השרת הוא אחד הקצוות, והוא יכול לראות כל פריים.
שיחה קבוצתית נשארת חסויה מפני שרתי המדיה שלה רק כשכל פריים מוצפן לפני שהוא יוצא מהמכשיר, במפתחות שאף פעם אינם אצל השרתים. SFrame הוא התקן של ה-IETF לזה, ויש שירותים שעושים את אותו הדבר בדרך משלהם.
שאלו:
- מי מחזיק את המפתחות של שיחה קבוצתית: השירות, השרת שלי, או רק האנשים שבה?
- האם שיחה שעוברת לממסר או לשרת מדיה עדיין מוצפנת מקצה לקצה?
- האם הקלטה מחייבת שהשירות יראה את המדיה?
6. מי מחליט מי רשאי להתקשר ולהצטרף?
שיחה צריכה להתחיל רק במקום שבו האפליקציה שלכם אומרת כן. ברוב ממשקי ה-API השרת שלכם חותם על token לכל שיחה או חדר, וההבדל הוא כמה ה-token אומר. token שרק מכניס משתמש משאיר את התפקידים להגדרות של השירות. token שאומר מי מדבר, מי רק מאזין ומי מארח שומר את ההחלטות האלה בקוד שלכם.
שאלו:
- האם אדם אחר יכול להשתמש ב-token שניתן לאדם אחד, או להשתמש בו לשיחה אחרת?
- האם השרת שלי יכול להשתיק מישהו, להוציא אותו או לסיים שיחה בלי שום דף פתוח?
- האם מארח יכול לעשות את אותו הדבר ממסך השיחה, ורק מארח?
7. איך שיחה מגיעה למי שמתקשרים אליו?
שיחה שמצלצלת בלשונית שאף אחד לא מסתכל עליה היא שיחה שלא נענתה. שאלו איפה היא מצלצלת: בכל לשונית שפתוחה אצל האדם, בטלפון שלו, ובטלפון שהאפליקציה בו סגורה. אפליקציה סגורה מצלצלת רק דרך שיחות המערכת של הטלפון, CallKit ב-iOS ו-Telecom framework ב-Android, וה-SDK צריך לתמוך בהן.
שאלו:
- האם שיחה מצלצלת בכל המכשירים בבת אחת, ומפסיקה בכולם ברגע שעונים לה באחד?
- האם היא מצלצלת בטלפון נעול, ומופיעה ברשימת השיחות האחרונות?
- כמה זמן היא מצלצלת, ומה כל צד יודע כשאף אחד לא עונה?
8. האם יש מסך שיחה מוכן, ואפשר לשנות אותו?
מסך שיחה הוא יותר עבודה ממה שהוא נראה: הצלצול, הבחירה של מצלמה ומיקרופון, פריסת האריחים שמסתדרת מחדש מעצמה, מי מדבר, המסך המשותף, וקול שהדפדפן משאיר שקט עד שמישהו לוחץ. מסך מוכן חוסך שבועות. הוא גם צריך להיראות כמו שאר האפליקציה שלכם.
שאלו:
- לאילו פלטפורמות יש כזה: ווב, React, iOS, Android?
- האם אפשר לשנות את הצבעים והמילים שלו, ולהחליף חלק אחד שלו בחלק משלי?
- האם שאר ה-SDK זמין למסך משלי, עד לכל אדם בשיחה קבוצתית?
- האם יש ספריית שרת בשפה שאני כותב בה, או API של HTTP?
9. מה קורה ברשת חלשה?
שיחות משתבשות בדרכים קטנות הרבה לפני שהן נכשלות. כל דפדפן חייב לתמוך ב-VP8 וב-H.264, כפי ש-RFC 7742 דורש, ומה ששיחה עושה בחיבור גרוע תלוי בשירות: להוריד את איכות התמונה, לבחור קודק אחר, לשלוח חבילות קול פעמיים, או לוותר על המצלמה כדי לשמור על הקול.
שאלו:
- בחיבור חלש, האם התמונה נפגעת לפני הקול?
- האם המסך שלי יודע כמה טוב כל חיבור, כדי שיוכל לומר את זה לאדם?
- כשחיבור נופל לרגע, כמה זמן השיחה מחכה לו?
טלפון עם פס קליטה אחד ברשת הסלולרית עונה על אלה טוב יותר מכל דף מפרט.
10. מה השרת שלכם מקבל בחזרה, ומה המגבלות?
האפליקציה שלכם צריכה לדעת מה קרה: מי התקשר למי, כמה זמן הם דיברו ולמה שיחה הסתיימה. היא צריכה את זה כדי להציג רשימה של שיחות אחרונות, כדי להציע הודעה כשאף אחד לא ענה, או כדי לחייב את המשתמשים שלכם לפי דקה. webhooks מביאים את זה, ומכיוון ש-webhook יכול להגיע פעמיים, לכל אחד מהם צריך מזהה.
אחר כך קראו את דף המגבלות: כמה זמן שיחה יכולה לצלצל ולהימשך, כמה אנשים יכולים להיות בה, וכמה זמן token תקף. ודמיינו את היום שבו תעזבו. שיחה משאירה אחריה פחות מצ׳אט. מה שנשאר הוא הרישום שלכם של כל שיחה, ומקומו במסד הנתונים שלכם.
נסו בעצמכם, אחר צהריים אחד
מחירון וטבלת תכונות עונים רק על מעטות מהשאלות האלה. בדיקה קטנה עונה על רובן. בנו את השיחה הקטנה ביותר שאתם יכולים על כל שירות שאתם שוקלים, ועברו על שבעת הצעדים האלה:
- התקשרו בין שני דפדפנים ברשתות שונות, אחד ב-Wi-Fi והשני בטלפון בגלישה סלולרית.
- התקשרו מרשת שמוציאה החוצה רק תעבורת ווב, כמו Wi-Fi קפדני של משרד או של מלון. בדיקת ה-WebRTC שלנו מראה מראש מה הרשת הזו מעבירה.
- באמצע שיחה, העבירו טלפון אחד מ-Wi-Fi לגלישה סלולרית. בדקו אם השיחה ממשיכה.
- הוסיפו אדם שלישי לשיחה בין שניים. בדקו אם השניים צריכים לנתק קודם.
- פתחו את האפליקציה בתור מי שמתקשרים אליו, בשתי לשוניות ובטלפון שהאפליקציה בו סגורה, והתקשרו אליו. בדקו איפה זה מצלצל, והאם השאר מפסיקים ברגע שעונים באחד.
- מהקונסול של הדפדפן, נסו להצטרף עם token שהשרת שלכם נתן למישהו אחר, או לשיחה אחרת.
- פתחו את דף השימוש של השירות, וקראו איך נספר אחר הצהריים הזה.
איך WordPlus Cloud עונה עליהן
WordPlus Cloud שייך לסוג השני: API לשיחות, עם ערכות SDK ומסך שיחה מוכן, על ממסרים ושרתי מדיה שאנחנו מפעילים בעצמנו. אותן עשר שאלות, לפי הסדר:
- שיחות בין שני אנשים מתחברות בשלושה נתיבים, שמנסים אותם לפי הסדר: ישירות בין שני המכשירים, דרך הממסרים שלנו ב-443 וב-80, הפורטים של הווב, ודרך שרתי המדיה שלנו כשאפילו הממסרים לא מצליחים להגיע. שיחה עוברת מנתיב לנתיב מעצמה, בלי לנתק.
- הממסרים ושרתי המדיה שלנו פועלים בכמה אזורים, וכל מכשיר מגיע לקרוב ביותר מעצמו. בשיחה קבוצתית כל אדם מצטרף לשרת באזור שלו, והשרתים שלנו מעבירים כל זרם בין אזורים בקישורים פרטיים. דף הרשת מציג אותם על מפה.
- שיחה בין שניים הופכת לשיחה קבוצתית כשאחד הצדדים מוסיף מישהו, בלי שאף אחד מנתק. שיחות קבוצתיות רצות על שרתי המדיה שלנו, בלי מגבלה על מספר האנשים בשיחה, והשרת שלכם קובע מי מדבר, מי רק מאזין ומי מארח.
- החשבון סופר חיבורים בו-זמניים, החל מ-1,000: $11.99 לחודש בחיוב שנתי, או $14.99 בחיוב חודשי. שיחות בין שני אנשים כלולות בכל נתיב, דרך ממסר או בלעדיו. עם 1,000 חיבורים, שיחות קבוצתיות הן ללא מדידה עד 32 אנשים בווידאו בו-זמנית, כשאדם באודיו נספר כחצי, וכל 1,000 חיבורים נוספים מוסיפים 12. מעבר לזה הן עולות $0.20 ל-1,000 דקות של אדם בווידאו, $0.10 באודיו, והתוכנית שלכם מוסיפה 5,000 קרדיטים בחודש לכל 1,000 חיבורים. מחיר אחד בכל רזולוציה, ורוחב פס וממסרים לעולם לא מחויבים.
- שיחות בין שני אנשים מוצפנות מקצה לקצה בכל נתיב, גם דרך הממסרים ושרתי המדיה שלנו. שיחה קבוצתית מוצפנת מקצה לקצה כשהשרת שלכם קובע כך: כל פריים מוצפן לפני שהוא יוצא מהמכשיר, במפתח שרק השרת שלכם מוסר, ושרתי המדיה שלנו מעבירים את מה שהם לא יכולים לקרוא.
- השרת שלכם מחליט. הוא נותן לדף token לכל שיחה שהוא מאשר, ולכל אדם שמצטרף לשיחה קבוצתית, שאומר מי מדבר, מי רק מאזין ומי מארח. מארחים משתיקים מיקרופון, נותנים למישהו לדבר ומוציאים מישהו, והשרת שלכם יכול לעשות את אותו הדבר בלי שום דף פתוח, ולבטל גישה בכל רגע.
- שיחה מצלצלת בכל לשונית ובכל אפליקציה שפתוחות אצל מי שמתקשרים אליו, במשך 45 שניות, ומפסיקה לצלצל בכולן ברגע שהוא עונה באחת מהן. ערכות ה-SDK ל-iOS ול-Android מצלצלות בטלפון נעול ובאפליקציה סגורה כמו שיחת טלפון, דרך CallKit ודרך התראות השיחה של Android. כל שיחה אומרת למה היא הסתיימה, כולל כשאף אחד לא ענה.
- מסך שיחה מוכן בווב, ב-iOS וב-Android: כפתורי שיחה, הצלצול וחלון השיחה, בתשע שפות. שנו את הצבעים והמילים שלו, החליפו חלק ממנו בחלק משלכם, או ציירו ממשק משלכם על אותו SDK. ספריות שרת ל-Node.js, ל-PHP ול-Python, מדריכים ל-Next.js, Express, Laravel, PHP רגיל, Django, FastAPI ו-Flask, וגם API של HTTP לכל שפה אחרת.
- בשיחה בין שני אנשים, החיבור של הצד השני מדווח כמצוין, טוב, גרוע או אבוד, יחד עם הנתיב שהשיחה עברה בו, כך שהמסך שלכם יכול לומר את זה. שיחה משנה את הנתיב שלה מעצמה כשרשת משתנה, והחיבור של צד אחד יכול ליפול עד 45 שניות ולחזור.
- השרת שלכם שומע על כל שיחה ב-webhook: מי התקשר למי, מתי ענו, כמה שניות דיברו ולמה השיחה הסתיימה, ומתי כל אדם הצטרף לשיחה קבוצתית ועזב אותה, והכול נמדד בשרתים שלנו. שיחה שומרת על המזהה שלה לא משנה כמה פעמים ה-webhook שלה נשלח, כך שחזרה נשמרת פעם אחת. המגבלות מפורסמות: שיחה מצלצלת 45 שניות, token של שיחה תקף עד 6 שעות, ולצד שהחיבור שלו נפל יש 45 שניות לחזור.
המדריך לשיחות מביא את הקוד של כל חלק בכל סטאק. איך לממש שיחות וידאו ב-Next.js בונה אפליקציה שלמה צעד אחר צעד, וההדגמה החיה מאפשרת לפתוח אותה בשני דפדפנים ולהתקשר מאחד לשני.
מה הוא משאיר לכם
- נתיב שנותן את ה-tokens. מי רשאי להתקשר למי הוא הלוגיקה שלכם, ולכן זה קוד שאתם כותבים, וכך גם הרישום שה-webhook שלכם שומר על כל שיחה.
- להודיע למישהו שהחמיץ שיחה. שיחה מצלצלת 45 שניות בכל מקום שבו יש לאדם דף או אפליקציה. אחרי זה השרת שלכם שומע שאף אחד לא ענה, ואת האימייל או את ההודעה שולחים אתם.
- הקלטה. ערכות ה-SDK לאפליקציות לא מקליטות שיחות כיום.
- מספרי טלפון. השיחות הן בין המשתמשים של האפליקציה שלכם, דרך האינטרנט, בלי מספרי טלפון ובלי רשת טלפון.
אם אתם רוצים פגישה שכל אחד מצטרף אליה מקישור, בלי אפליקציה שלכם סביבה, שירות פגישות שמטמיעים מתאים לכם יותר. כך גם אם השיחות שלכם צריכות להגיע למספרי טלפון.
התחילו מהמדריך לשיחות
WordPlus Cloud for Apps מתומחר לפי חיבורים בו-זמניים, החל מ-1,000, בחיוב חודשי או שנתי. שיחות בין שני אנשים כלולות, ואותה תוכנית ואותו SDK מביאים שיחות קבוצתיות, שידורים חיים וצ׳אט על אותו חיבור. ראו את ה-API וה-SDK לשיחות וידאו עם כל משימה בכל סטאק, מה הענן עושה לאפליקציות, או המחירים לאפליקציות. בוחרים גם לצ׳אט? איך בוחרים API לצ׳אט שואל את אותן שאלות על הודעות. משדרים גם לקהל? איך בוחרים API לשידור חי שואל את אותן שאלות על שידור. שאלות על האינטגרציה שלכם? כתבו לנו.