Blog

Come scegliere un’API per videochiamate: cosa confrontare prima di iniziare

· Andrij Tkachenko · 13 min di lettura

Una lente d’ingrandimento su una finestra di videochiamata con due persone, tra un globo attraversato da linee che uniscono dei punti e un lucchetto

Scegli un’API per videochiamate in base a ciò che succede alle chiamate difficili e a ciò che conteggia: se una chiamata si collega attraverso un firewall rigido, quanto sono vicini i suoi server ai tuoi utenti, chi può vedere i media, e se il conto cresce con i minuti, con le persone o con la risoluzione. Video HD, condivisione dello schermo e una schermata di chiamata sono in ogni elenco di funzioni, quindi sono queste risposte a distinguere un servizio dall’altro.

Questo articolo passa in rassegna dieci domande da fare a qualsiasi API per videochiamate, SDK per videochiamate o API per videoconferenze, con il motivo per cui ognuna conta e come verificare la risposta da te. Non nomina nessun servizio. Alla fine risponde a ogni domanda per WordPlus Cloud, con ciò che lascia a te.

Una riunione da incorporare, o chiamate nella tua app

Sotto queste parole si vendono due tipi diversi di servizio.

Un servizio di riunioni ti dà una stanza su una sua pagina, che le persone aprono da un link o che metti in un frame sul tuo sito. Un’API per chiamate ti dà i pezzi: un SDK per ogni piattaforma, spesso con una schermata di chiamata già pronta, e le chiamate avvengono dentro la tua app, tra i tuoi utenti.

Riunione incorporata API e SDK per chiamate
La chiamata si svolge Sulla sua pagina, in un frame Nelle tue schermate
Chi può entrare Chiunque abbia il link Chi il tuo server ammette
Tu scrivi Un link Una route per i token e una schermata

C’è una terza strada, media server open source su server tuoi, ed è quella che ti lascia più cose da gestire. Come funzionano le videochiamate di gruppo mostra che cosa richiede. Le dieci domande qui sotto sono per le prime due.

1. Ogni chiamata si collega?

Una videochiamata va direttamente tra i due dispositivi quando le loro reti lo permettono, e molte non lo permettono. Router domestici, reti mobili e firewall aziendali nascondono ciascuno a modo suo i dispositivi che hanno dietro, quindi una parte delle chiamate si collega solo attraverso un relay, un server TURN, che entrambi i lati possono raggiungere. Il nostro articolo sui server STUN e TURN spiega perché.

Altrettanto importante è dove quel relay è in ascolto. TURN usa di default la porta 3478, e la 5349 su TLS, e il suo standard lo porta anche su TCP, perché alcuni firewall bloccano del tutto l’UDP. Una rete d’albergo o d’ufficio che lascia uscire solo le porte del web le blocca tutte, quindi passa solo un relay sulla porta 443.

Chiedi:

  • I relay sono inclusi, e su quali porte, tra cui la 443?
  • Cosa succede quando nemmeno un relay arriva: la chiamata fallisce, o passa a un server che ci arriva?
  • Quando un telefono passa dal Wi-Fi ai dati mobili, la chiamata continua o cade?

Quando una chiamata non si collega, il nostro articolo sulle connessioni WebRTC non riuscite mostra come scoprire perché.

2. Quanto sono vicini i server ai tuoi utenti?

Ogni relay e ogni media server aggiungono il viaggio fino a lì e ritorno. La raccomandazione dell’ITU sul ritardo nelle chiamate, G.114, osserva che la maggior parte delle applicazioni non ne risente molto finché il ritardo resta sotto i 150 ms in una direzione. Due persone nella stessa città che parlano attraverso un server in un altro continente si sentono in ritardo, anche se abitano a poche strade di distanza.

Chiedi:

  • Dove sono i relay e i media server, e ogni persona raggiunge da sé quello più vicino?
  • In una chiamata di gruppo con persone in due continenti, vanno tutti su un solo server, o ognuno entra in uno vicino a sé?

Come collegare utenti in regioni diverse spiega che cosa significa ogni risposta per una chiamata.

3. Una chiamata a due e una chiamata di gruppo funzionano allo stesso modo?

Una chiamata tra due persone può andare direttamente tra i dispositivi. Una chiamata di gruppo no, oltre un pugno di persone, perché ogni dispositivo dovrebbe inviare la sua fotocamera a ciascuno degli altri. Così le chiamate di gruppo girano su media server che prendono ogni fotocamera una volta sola e la inoltrano agli altri, e molti servizi le vendono come un secondo prodotto, con un SDK e un prezzo a sé.

Chiedi:

  • Quando una terza persona entra in una chiamata a due, i due devono riagganciare e ricominciare?
  • Quante persone possono essere in video contemporaneamente, e in una sola chiamata?
  • Alcune persone possono solo ascoltare, e parlare quando un host lo consente?

4. Su che cosa si calcola il conto?

La maggior parte delle API per videochiamate conteggia i minuti-partecipante, un minuto di una persona in una chiamata. Una lezione di 30 persone per un’ora ne fa 1.800, quindi le dimensioni delle tue chiamate contano più del loro numero. Quanto costano le videochiamate al minuto fa i conti di un mese intero.

Poi guarda che cos’altro viene conteggiato. Alcuni prezzi salgono con la risoluzione, alcuni conteggiano a parte i minuti attraverso un relay, e registrazione, banda e chiamate tra due persone possono essere ciascuna una voce a sé.

Chiedi:

  • Un minuto in HD viene conteggiato come un minuto in audio?
  • Le chiamate tra due persone vengono conteggiate, e quelle che passano per un relay?
  • Cosa succede oltre il piano: la chiamata viene interrotta, o ti viene fatturata l’eccedenza?

5. Chi può vedere e sentire la chiamata?

Ogni chiamata WebRTC è cifrata lungo il percorso. L’architettura di sicurezza di WebRTC lo richiede: tutti i media sono protetti con SRTP, con chiavi concordate tramite DTLS. Questo tiene fuori chiunque si trovi sulla rete tra i due capi. La domanda è dove siano i capi. In una chiamata diretta tra due dispositivi, sono i dispositivi. In una chiamata attraverso un media server, il server è uno dei capi, e può vedere ogni frame.

Una chiamata di gruppo resta privata rispetto ai suoi media server solo quando ogni frame viene cifrato prima di lasciare il dispositivo, con chiavi che i server non hanno mai. SFrame è lo standard IETF per questo, e alcuni servizi fanno lo stesso a modo loro.

Chiedi:

  • Chi ha le chiavi di una chiamata di gruppo: il servizio, il mio server, o solo le persone che ne fanno parte?
  • Una chiamata che passa a un relay o a un media server resta cifrata end-to-end?
  • Una registrazione richiede che il servizio veda i media?

6. Chi decide chi può chiamare ed entrare?

Una chiamata dovrebbe iniziare solo dove la tua app dice sì. Con la maggior parte delle API il tuo server firma un token per ogni chiamata o stanza, e ciò che cambia è quanto dice il token. Uno che si limita a far entrare un utente lascia i ruoli alle impostazioni del servizio. Uno che dice chi parla, chi ascolta soltanto e chi fa da host tiene queste decisioni nel tuo codice.

Chiedi:

  • Un token dato a una persona può essere usato da un’altra, o per un’altra chiamata?
  • Il mio server può silenziare qualcuno, farlo uscire o chiudere una chiamata senza nessuna pagina aperta?
  • Un host può fare lo stesso dalla schermata di chiamata, e solo un host?

7. Come raggiunge una chiamata la persona chiamata?

Una chiamata che squilla in una scheda che nessuno guarda è una chiamata persa. Chiedi dove squilla: in ogni scheda che la persona ha aperta, sul suo telefono, e su un telefono con l’app chiusa. Un’app chiusa squilla solo tramite le chiamate di sistema del telefono, CallKit su iOS e il framework Telecom su Android, e l’SDK deve supportarle.

Chiedi:

  • Una chiamata squilla su ogni dispositivo contemporaneamente, e smette ovunque appena si risponde su uno?
  • Squilla su un telefono bloccato, e finisce nell’elenco delle chiamate recenti?
  • Per quanto squilla, e che cosa viene a sapere ciascun lato quando nessuno risponde?

8. C’è una schermata di chiamata già pronta, e puoi modificarla?

Una schermata di chiamata richiede più lavoro di quanto sembri: lo squillo, la scelta di fotocamera e microfono, la griglia che si risistema da sola, chi sta parlando, lo schermo condiviso, e l’audio che un browser tiene muto finché qualcuno non fa clic. Una già pronta fa risparmiare settimane. Deve anche somigliare al resto della tua app.

Chiedi:

  • Quali piattaforme ne hanno una: il web, React, iOS, Android?
  • Posso cambiarne i colori e i testi, e sostituirne una parte con una mia?
  • Il resto dell’SDK c’è anche per una schermata mia, fino a ogni persona in una chiamata di gruppo?
  • C’è una libreria server nel linguaggio in cui scrivo, o un’API HTTP?

9. Cosa succede su una rete debole?

Le chiamate peggiorano in piccoli modi molto prima di fallire. Ogni browser deve gestire VP8 e H.264, come richiede RFC 7742, e cosa fa una chiamata su una connessione scadente dipende dal servizio: abbassare l’immagine, scegliere un altro codec, inviare due volte i pacchetti audio, o rinunciare alla fotocamera per tenere la voce.

Chiedi:

  • Su una connessione debole, l’immagine cede prima dell’audio?
  • La mia schermata viene a sapere com’è ogni connessione, così può dirlo alla persona?
  • Quando una connessione cade per un momento, quanto la aspetta la chiamata?

Un telefono con una tacca di dati mobili risponde a queste domande meglio di qualsiasi scheda tecnica.

10. Che cosa viene a sapere il tuo server, e quali sono i limiti?

La tua app deve sapere che cosa è successo: chi ha chiamato chi, quanto hanno parlato e perché una chiamata è finita. Le serve per mostrare un elenco delle chiamate recenti, per proporre un messaggio quando nessuno ha risposto, o per fatturare al minuto i tuoi utenti. Lo portano i webhook, e dato che un webhook può arrivare due volte, ognuno ha bisogno di un id.

Poi leggi la pagina dei limiti: per quanto una chiamata può squillare e durare, quante persone possono starci e quanto vive un token. E immagina il giorno in cui te ne vai. Una chiamata lascia meno dietro di sé di una chat. Ciò che resta è il tuo registro di ogni chiamata, e il suo posto è nel tuo database.

Mettilo alla prova per un pomeriggio

Un listino e una tabella di funzioni rispondono a poche di queste domande. Un piccolo test risponde alla maggior parte. Costruisci la chiamata più piccola che puoi su ogni servizio che stai valutando, ed esegui questi sette passi:

  1. Chiama tra due browser su reti diverse, uno sul Wi-Fi e l’altro su un telefono con i dati mobili.
  2. Chiama da una rete che lascia uscire solo il web, come il Wi-Fi rigido di un ufficio o di un albergo. Il nostro test WebRTC mostra in anticipo che cosa lascia passare quella rete.
  3. Durante una chiamata, sposta un telefono dal Wi-Fi ai dati mobili. Guarda se la chiamata continua.
  4. Aggiungi una terza persona a una chiamata a due. Guarda se i due devono prima riagganciare.
  5. Apri l’app come la persona chiamata in due schede e su un telefono con l’app chiusa, e chiamala. Guarda dove squilla, e se gli altri smettono appena uno risponde.
  6. Dalla console del browser, prova a entrare con un token che il tuo server ha dato a qualcun altro, o per un’altra chiamata.
  7. Apri la pagina dei consumi del servizio, e leggi come è stato conteggiato questo pomeriggio.

Come risponde WordPlus Cloud

WordPlus Cloud è del secondo tipo: un’API per chiamate, con SDK e una schermata di chiamata già pronta, su relay e media server che gestiamo noi stessi. Le stesse dieci domande, in ordine:

  1. Le chiamate tra due persone si collegano su tre percorsi, provati uno dopo l’altro: direttamente tra i due dispositivi, attraverso i nostri relay sulla 443 e sulla 80, le porte del web, e attraverso i nostri media server quando nemmeno i relay arrivano. Una chiamata passa da un percorso all’altro da sola, senza riagganciare.
  2. I nostri relay e media server sono attivi in diverse regioni, e ogni dispositivo raggiunge da sé il più vicino. In una chiamata di gruppo ogni persona entra in un server della propria regione, e i nostri server si passano ogni traccia tra le regioni su collegamenti privati. La pagina della rete li mostra su una mappa.
  3. Una chiamata a due diventa una chiamata di gruppo quando uno dei due lati aggiunge qualcuno, senza che nessuno riagganci. Le chiamate di gruppo girano sui nostri media server, senza limite di persone in una chiamata, e il tuo server dice chi parla, chi ascolta soltanto e chi fa da host.
  4. Il conto si calcola sulle connessioni simultanee, a partire da 1.000: $11.99 al mese con fatturazione annuale, o $14.99 con fatturazione mensile. Le chiamate tra due persone sono incluse su ogni percorso, con o senza relay. Con 1.000 connessioni, le chiamate di gruppo non consumano crediti fino a 32 persone in video contemporaneamente, con una persona in audio che conta la metà, e ogni 1.000 connessioni in più ne aggiungono 12. Oltre, costano $0.20 ogni 1.000 minuti di una persona in video, $0.10 in audio, e il tuo piano aggiunge 5.000 crediti al mese ogni 1.000 connessioni. Un solo prezzo a qualsiasi risoluzione, e banda e relay non vengono mai addebitati.
  5. Le chiamate tra due persone sono cifrate end-to-end su ogni percorso, anche attraverso i nostri relay e media server. Una chiamata di gruppo è cifrata end-to-end quando il tuo server lo dice: ogni frame viene cifrato prima di lasciare il dispositivo, con una chiave che dà solo il tuo server, e i nostri media server inoltrano ciò che non possono leggere.
  6. Decide il tuo server. Dà alla pagina un token per ogni chiamata che consente, e per ogni persona che entra in una chiamata di gruppo, dicendo chi parla, chi ascolta soltanto e chi fa da host. Gli host spengono un microfono, fanno parlare qualcuno e tolgono qualcuno dalla chiamata, e il tuo server può fare lo stesso senza nessuna pagina aperta e revocare l’accesso in qualsiasi momento.
  7. Una chiamata squilla in ogni scheda e app che la persona chiamata ha aperte, per 45 secondi, e smette di squillare ovunque appena risponde su una di esse. Gli SDK per iOS e Android fanno squillare un telefono bloccato e un’app chiusa come una telefonata, tramite CallKit e le notifiche di chiamata di Android. Ogni chiamata dice perché è finita, compreso il caso in cui nessuno risponde.
  8. Una schermata di chiamata già pronta sul web, su iOS e su Android: pulsanti di chiamata, lo squillo e la finestra di chiamata, in nove lingue. Cambiane i colori e i testi, sostituiscine un pezzo con uno tuo, o disegna la tua interfaccia sullo stesso SDK. Librerie server per Node.js, PHP e Python, guide per Next.js, Express, Laravel, PHP puro, Django, FastAPI e Flask, e un’API HTTP per qualsiasi altro linguaggio.
  9. In una chiamata tra due persone, la connessione dell’altro lato viene indicata come eccellente, buona, scarsa o persa, con il percorso preso dalla chiamata, così la tua schermata può dirlo. Una chiamata cambia percorso da sola quando cambia una rete, e la connessione di un lato può cadere per un massimo di 45 secondi e tornare.
  10. Il tuo server viene a sapere di ogni chiamata tramite webhook: chi ha chiamato chi, quando si è risposto, per quanti secondi si è parlato e perché è finita, e quando ogni persona è entrata e uscita da una chiamata di gruppo, tutto contato sui nostri server. Una chiamata mantiene il suo id per quante volte venga inviato il suo webhook, quindi un doppione viene conservato una volta sola. I limiti sono pubblicati: una chiamata squilla 45 secondi, un token di chiamata dura fino a 6 ore, e un lato la cui connessione cade ha 45 secondi per tornare.

La guida alle chiamate ha il codice di ogni parte in ogni stack. Come implementare le videochiamate in Next.js costruisce un’app intera passo dopo passo, e la demo dal vivo ti permette di aprirla in due browser e chiamare dall’uno all’altro.

Cosa lascia a te

  • Una route che dà i token. Chi può chiamare chi è una tua logica, quindi è codice che scrivi tu, e lo stesso vale per il registro che il tuo webhook tiene di ogni chiamata.
  • Avvisare qualcuno che ha perso una chiamata. Una chiamata squilla per 45 secondi ovunque la persona abbia una pagina o un’app. Dopo, il tuo server viene a sapere che nessuno ha risposto, e l’email o il messaggio tocca a te inviarli.
  • La registrazione. Gli SDK per le app oggi non registrano le chiamate.
  • I numeri di telefono. Le chiamate sono tra gli utenti della tua app, via internet, senza numeri di telefono e senza rete telefonica.

Se vuoi una riunione in cui chiunque entri da un link, senza un’app tua intorno, un servizio di riunioni da incorporare fa più al caso tuo. Lo stesso vale se le tue chiamate devono raggiungere numeri di telefono.

Parti dalla guida alle chiamate

WordPlus Cloud for Apps ha un prezzo in base alle connessioni simultanee, a partire da 1.000, con fatturazione mensile o annuale. Le chiamate tra due persone sono incluse, e lo stesso piano e lo stesso SDK portano chiamate di gruppo, live streaming e chat sulla stessa connessione. Scopri l’API e l’SDK per videochiamate con ogni operazione in ogni stack, cosa fa il cloud per le app, o i prezzi per le app. Scegli anche per la chat? Come scegliere un’API di chat fa le stesse domande sui messaggi. Trasmetti anche in diretta a un pubblico? Come scegliere un’API di live streaming fa le stesse domande su una diretta. Domande sulla tua integrazione? Scrivici.