Glasovni pozivi i audio sobe u web aplikaciji: kako rade

Glasovni poziv u web aplikaciji je WebRTC poziv s trakom mikrofona i bez kamere: ista veza kao kod videopoziva, koja prenosi nekoliko desetaka kilobita u sekundi umjesto stotina. Audio soba je grupni poziv u kojem nekoliko osoba govori, a svi ostali slušaju, i za nju trebaju medijski poslužitelj i pravilo na vašem poslužitelju o tome tko smije govoriti.
Oboje su pozivi između korisnika vaše aplikacije, prema njihovim računima, preko interneta. U njima nema telefonskih brojeva ni telefonske mreže. Ovaj članak pokazuje što glasovni poziv šalje, izmjereno u Chromiumu, koji kod u pregledniku treba, po čemu se audio soba razlikuje od poziva između dvije osobe i kako aplikacija dodaje oboje, a da sama ne gradi medijski dio.
Glasovni poziv je videopoziv bez kamere
Svaki preglednik koji govori WebRTC mora podržavati dva audio kodeka: Opus te G.711 kao PCMA i PCMU, za starije telefonske sustave (RFC 7874). Gdje to obje strane mogu, prednost ima Opus. Opus pokriva sve od 6 kbit/s za uskopojasni govor do 510 kbit/s za glazbu u stereu, a njegova vlastita specifikacija kao idealnu mjeru za širokopojasni govor navodi 16 do 20 kbit/s (RFC 6716).
Uspostavili smo poziv samo sa zvukom između dviju veza u Chromiumu 156, s njegovim lažnim mikrofonom, i pročitali što je pošiljatelj javio:
| Što smo čitali | Glasovni poziv | Videopoziv |
|---|---|---|
| Kodek | Opus, 48 kHz, mono | VP8 |
| Zvuk ili slika | oko 21 kbit/s | blizu 480 kbit/s |
| RTP zaglavlja | oko 12 kbit/s |
Glasovni poziv slao je 50 paketa u sekundi, po jedan za svakih 20 milisekundi zvuka, a zaglavlja tih paketa iznosila su više od pola onoga što je bilo zvuka u njima. IP i UDP na žici dodaju još. Videopoziv, slika 640 puta 480 s lažne kamere, bio je nakon 20 sekundi blizu 480 kbit/s i još je rastao kako je preglednik nalazio više prostora, pa ta brojka govori više o početku poziva nego o njegovu kraju.
Glasovni poziv, dakle, prenosi mnogo manje bitova od videopoziva, i zato izdrži na slaboj mobilnoj mreži na kojoj video zapinje. Sve ostalo je isto: ponuda i odgovor, adrese obiju strana i relej za mreže koje blokiraju izravan put.
Kod u pregledniku
Glasovni poziv traži samo mikrofon i reproducira ono što stigne u elementu <audio>:
// call.js: mikrofon, uz zatraženo poništavanje jeke, smanjenje šuma i kontrolu razine iz preglednika
const stream = await navigator.mediaDevices.getUserMedia({
audio: { echoCancellation: true, noiseSuppression: true, autoGainControl: true },
});
const pc = new RTCPeerConnection({ iceServers: [{ urls: 'stun:stun.example.com:3478' }] });
pc.addTrack(stream.getAudioTracks()[0], stream);
pc.ontrack = ({ streams }) => {
const audio = document.getElementById('them');
audio.srcObject = streams[0];
// Preglednik reproducira zvuk tek nakon što je osoba kliknula ili tipkala na stranici.
audio.play().catch(() => showTurnSoundOn());
};
// Isključivanje zvuka: traka i dalje radi, a druga strana čuje tišinu.
document.getElementById('mute').onclick = () => {
const track = stream.getAudioTracks()[0];
track.enabled = !track.enabled;
};<audio id="them" autoplay></audio>
<button id="mute">Mute</button>Ponuda, odgovor i kandidati idu preko signalizacijskog poslužitelja, točno kao i za video: kako WebRTC spaja dva preglednika sadrži taj relej, nekoliko redaka Node.js-a, i stranicu oko njega. Tri stvari su u glasovnom pozivu važnije nego u videopozivu:
- Jeka. Bez slušalica zvučnik prijenosnog računala pušta drugu osobu u vlastiti mikrofon. RFC 7874 traži od svake WebRTC krajnje točke da tu jeku poništi, a Chromium je sve tri gore navedene opcije imao uključene prema zadanim postavkama kad smo pročitali
track.getSettings()za obično{ audio: true }. Ipak ih zatražite i ostavite uključene, osim ako aplikacija pušta glazbu. - Zvuk koji ne kreće. Preglednici zadržavaju zvuk dok osoba ne koristi stranicu. Poziv odgovoren klikom je u redu. Poziv kojem se netko pridruži preko poveznice otvorene u novoj kartici može se spojiti u tišini, pa stranici dajte gumb koji pokreće zvuk kad
play()odbije. - Isključivanje zvuka bez prekidanja poziva. Isključivanje
track.enabledšalje tišinu i zadržava vezu, pa je ponovno uključivanje trenutačno i ništa ne traži. Zaustavljanje trake značilo bi ponovno traženje mikrofona.
Ako je problem u samom mikrofonu, test mikrofona otkriva koji dio ne radi, u pregledniku, prije ikakvog poziva.
Audio soba je grupni poziv sa slušateljima
Poziv između dvije osobe ide od jednog preglednika do drugog. Soba s dvadeset osoba ne može tako raditi: u meshu svaki govornik šalje kopiju svog glasa svakoj drugoj osobi, pa slanje raste sa svakim tko se pridruži. Grupni pozivi šalju svaki glas jednom medijskom poslužitelju, koji ga prosljeđuje svima ostalima (kako rade grupni videopozivi).
Audio soba tome dodaje uloge:
| Poziv dvoje | Audio soba | |
|---|---|---|
| Tko govori | oboje | govornici, nekoliko njih |
| Kuda ide zvuk | od preglednika do preglednika | kroz medijski poslužitelj |
| Tko odlučuje | njih dvoje | domaćin i vaš poslužitelj |
Slušatelji ne šalju baš ništa. Primaju glasove govornika, svaki proslijeđen preko poslužitelja, a mikrofoni im ostaju zatvoreni. Slušatelj podigne ruku, domaćin mu dopusti da govori, a kasnije ga ponovno učini slušateljem.
O tom zadnjem dijelu mora se odlučivati na poslužitelju. Gumb koji na stranici samo skriva mikrofon nije pravilo: svatko može otvoriti konzolu preglednika i ipak poslati zvuk. Medijski poslužitelj mora odbiti ono što slušatelj šalje i oduzeti to onome tko prestane biti govornik, na temelju dokaza koji može dati samo vaš poslužitelj.
Što i dalje vrijedi
Bez kamere štedi se propusnost i ništa drugo. Glasovnom pozivu i dalje treba:
- STUN i TURN. Neke mreže blokiraju izravan put između dvaju uređaja, za glas kao i za video. Relej na portu 443 propušta te pozive (STUN i TURN poslužitelji, objašnjeni).
- Zvonjava. Pozvana osoba mora je čuti u kojoj god kartici ili na kojem god uređaju ima otvoreno, a prestati je čuti na ostalima čim se javi.
- Veza koja preživi promjenu mreže. Telefon koji s Wi-Fija prijeđe na mobilne podatke gubi put kojim je poziv išao, pa poziv mora pronaći novi bez prekidanja.
Glasovni pozivi i audio sobe s WordPlus Cloudom
S paketom @wordplus/realtime glasovni poziv je videopoziv s type: 'audio'. Vaša aplikacija odlučuje tko smije zvati koga u vlastitoj ruti, koja odgovara tokenom za poziv. U Expressu:
// server.mjs: GET /call-token?to=34&type=audio, koji gumb pita kad ga se pritisne.
app.get('/call-token', async (req, res) => {
// Ovdje ide vaša vlastita provjera: tko smije zvati koga.
const me = req.session.userId;
if (!me) return res.sendStatus(401);
res.json({ token: await realtime.callToken(me, req.query.to, { type: req.query.type }) });
});await rt.callScreen(); // zvonjava i prozor poziva, na svakoj stranici na kojoj poziv može zazvoniti<call-button to="34" token-url="/call-token" type="audio" name="Ann">Call Ann</call-button>Poziv zvoni u svakoj kartici i na svakom uređaju koji Ann ima otvoren. Ide izravno između dvaju preglednika kad to njihove mreže dopuštaju, preko naših releja na portovima 443 i 80 kad ne dopuštaju, a preko naših medijskih poslužitelja kad ni releji ne mogu proći, prelazeći s jednog puta na drugi bez prekidanja. Pozivi između dvije osobe šifrirani su s kraja na kraj na svakom putu i ni na jednom ne troše kredite.
Audio soba je grupni poziv čiji tokeni kažu type: 'audio', uz publish: false za slušatelje. Ovdje domaćin sobe 7 govori i vodi je, a ostali slušaju dok im se ne dopusti da govore:
// GET /room-token?id=7, koji pita <group-call-button call="room:7" token-url="/room-token?id=7" type="audio">.
app.get('/room-token', async (req, res) => {
const me = req.session.userId;
if (!me) return res.sendStatus(401);
const host = await isHostOf(req.query.id, me); // vaše, iz vaših podataka
res.json({
token: await realtime.groupCallToken(me, `room:${req.query.id}`, {
type: 'audio',
admin: host,
publish: host || (await maySpeak(req.query.id, me)),
}),
});
});
// Domaćin nekome dopušta da govori ili ga ponovno čini slušateljem, dok soba traje.
await realtime.call('room:7').permit(34, { publish: true });Zaslon poziva domaćinu daje Promote to Speaker i Demote to Viewer uz svaku osobu, a medijski poslužitelji odbijaju zvuk svakoga koga je vaš token ili permit() učinio slušateljem. Grupni poziv šifriran je s kraja na kraj kad njegovi tokeni kažu encrypt: true. U grupnim pozivima određen broj osoba istodobno na videu ne troši kredite uz vaš plan, pri čemu se osoba samo sa zvukom računa kao pola, a svaka iznad toga troši jedan kredit po minuti, sa zvukom upola manje (ograničenja). Koliko iznosi mjesec poziva: kako procijeniti trošak videopoziva.
Nastava, webinari i audio sobe pokazuje podignute ruke i vlastiti gumb Let speak u Nodeu, PHP-u i Pythonu, a stranica o pozivima u vodiču za Express ostalo: tko smije zvati, vlastito sučelje poziva i pozive u chatu.
Glasovni pozivi za vašu aplikaciju
WordPlus Cloud for Apps ima cijenu prema istodobnim vezama, od 1.000 naviše, naplaćuje se mjesečno ili godišnje, a pozivi između dvije osobe ne troše kredite ni na jednom putu. Pogledajte pozive i grupne pozive za aplikacije ili cijene za aplikacije. Imate pitanja o svojoj integraciji? Pišite nam.