小程序直播连麦的技术实现与解析

微信在去年年底开放了小程序直播接口。小程序从仅适用于阅读、生活服务、工具等应用的流量入口，成为了许多音视频应用的又一个新平台。新功能的开放让更多应用可以利用微信的熟人社交链为应用快速拉新，提供便捷的增值服务，或加速应用变现。我们的客户，荔枝 FM 就在小程序上实现语音社交直播，花椒直播也通过小程序实现直播答题一掷千金的场景。

小程序直播目前对在线教育、金融、医疗、政务民生、社交行业开放了接口，而在增加互动连麦后，将能在这些场景下实现更丰富的业务功能，拓展出更多的使用场景，例如：

线上课堂：1对1、1对多的在线直播课，适用于职业教育、小班教育、学前教育等场景，实现老师、学生实时互动；
视频会议：一秒快速建立多人视频会议，实现高效远程协作；
在线医疗：突破医疗资源的地域限制，以及系统平台限制，实现远程多方视频会诊，降低诊断成本；
在线购物：直播展示商品，同时观众连麦互动，进一步促成交易；
VIP 客服：专属视频客服，1对1实时交流；
银行开户：专用网络，无需安装 App，通过小程序快速实现信息认证与视频开户；
远程报警：从微信小程序实现一键报警，迅速连接相关部门，并通过实时视频通信，使警方能实时掌控现场情况。

通过附加低延时、高质量的音视频互动，可以为微信小程序延伸出更广阔的应用场景。不过在开发过程中还需要解决三大难点。

小程序互动连麦直播的实现与难点

iOS 的微信内核浏览器不支持 WebRTC。如果开发者通过 WebRTC 来实现小程序直播，则只能在 Android 平台上实现直播连麦。所以要想实现支持 iOS 与 Android 平台，就需要通过微信<live-pusher>和<live-player>两个直播接口来实现。

然而通过这两个接口都是基于 RTMP 协议进行拉流与推流。这种基于 TCP 的协议天然存在较高的延时，并不适用于直播连麦场景。

小程序直播连麦的技术实现与解析

我们曾在《详解音视频直播中的延时》一文中详细分析过不同阶段延时的产生与应对，延时的产生过程简化后如上图，延时由两大部分构成：

端上的延时。采集端和播放端会出现不同程度的延时（T1）。这一段的延时受到设备性能、编解码算法、直播/通话时选取的分辨率和帧率等因素影响，延时可能是几十毫秒；
在端与服务器之间的传输延时（T2）。这一段延时受到网络质量、传输线路选择、跨运营商、跨国等因素影响。上文提到小程序接口限制只能推/拉rtmp流，如果直接通过CDN传输，延时可达2-5s。设备端上的几十毫秒延时跟这个相比，微不足道。

因此，解决小程序延时问题的本质在于缩短T2的延时。

声网降低延时的做法是在音视频流经过协议转换后，不通过 CDN 传输，而是通过 Agora 的私有 UDP 协议后，进行低延时的传输。普通的 UDP 建立的是不可靠的传输，因此要进行深度开发来抗丢包，让传输变得可靠。并且，为了保证传输质量，要搭建整套低延时的 UDP 传输网络，有较高的技术和资金门槛。若直接上公网传输，无异于“裸奔”。