《超低延时直播白皮书》已发布，推动直播延时降低90%以上

点击上方“LiveVideoStack”关注我们

直播行业的蓬勃发展，推动直播技术快速演进，超低延时直播技术也应运而生。

2月22日，腾讯云携手信通院联合发布《超低延时直播白皮书》，旨在为超低时延直播技术标准化奠定基础，促进超低延时直播技术创新化发展，推动各行各业借助超低延时音视频技术进行数字化转型和业务创新，从而为广大用户带来更优的线上互动体验。

超低延时直播技术架构和性能优化显著，延时降低90%以上

腾讯云作为超低延时直播技术的主导和引领者，首创将WebRTC技术引入直播领域，并首家将直播延时降低到500ms以内。

具体而言，超低延时直播摒弃传统直播的传输播控模型，借鉴 WebRTC通信模型，将传输和播放控制实时反馈联动，形成反馈闭环，通过感知网络状态来调整播控缓存策略和传输策略，将传输和播控缓存根据实时网络进行最优匹配，使用户在变动的网络环境下获取到最优的体验。

图：超低延时直播播放模型

另一方面，超低延时直播基于WebRTC对信令流程、音视频编码格式支持、传输改造、媒体处理优化源等方面进行全面优化升级，更加符合大规模直播场景的应用。

此外，超低延时直播在核心指标比如渲染卡顿、首帧耗时等指标均超过传统直播CDN，为用户打造更优的直播互动效果。

白皮书节选内容如下：

WebRTC的初衷是用于低延时P2P(Peer-to-Peer)通信，在直播场景也面临挑战，具体体现为：

• 信令流程繁杂，难以满足直播首帧要求。标准WebRTC的信令需要经过SDP(Session Description Protocol)交换，ICE(Interactive Connectivity Establishment)交互，DTLS(Datagram Transport Layer Security)握手之后方能传输流媒体数据，导致其首帧耗时严重恶化。

• 原生WebRTC的音视频编码格式支持受限。标准WebRTC音频不支持AAC，视频不支持H.265和B帧，不支持私有数据的透传，不支持可选加密，这些都限制了在大规模直播场景的应用。

• 原生WebRTC传输策略不适合直播，其重传发包策略上基于P2P通话和会议，不适合一对多的直播场景。在通话场景，为保证低延时，重传较激进， 但在高码率、高画质的直播场景，激进的重传会带来大量的带宽浪费。

• 原生WebRTC码控策略不适应直播，其通过探测带宽，按照带宽容量来调整编码码率发包，而超大房间的直播，主播编码推流被多个下行用户复用，这个场景下，单个用户无法反馈给主播去调整推流编码，因此需要新的解决方案。

针对上述问题，腾讯云快直播基于WebRTC，在超低延时直播方面进行了大量的优化升级。

1）信令改造

标准WebRTC的信令交互是一个繁复冗长的过程，不利于直播的快速开播，解决这个问题需要对信令进行细致的考虑。

快直播提出的miniSDP二进制压缩方案（压缩比10%）是一个事实上的标准，它将SDP压缩到一个MTU之内，在一个UDP包内完成SDP交互。信令简化压缩后，再通过一定的冗余，使得在50%的丢包下也能保证首帧成功。在此基础上，进一步提出的0-RTT方案，降低70%的延迟。miniSDP和0-RTT的结合，大幅减少信令耗时、提升信令交互成功，进而降低首帧耗时和提升开播成功率。

2）音视频改造

• 支持AAC

AAC作为传统直播领域最为常用的音频格式，但WebRTC不支持。快直播基于WebRTC根据RFC6416和ISO/IEC 14496-3，实现对上述AAC格式的完整支持，以避免WebRTC 中Opus音频格式的转码。与此同时，附加其上的Audio FEC(Forward Error Correction)能够根据网络配置不同的冗余度，使音频能抗50%以上的丢包。

• 支持 H.265

H.265比H.264有更高的压缩率，在直播领域已经普遍采用，标准WebRTC不支持 H.265，为避免H.265到H.264转码带来的成本和耗时。快直播以RFC7798为基础，实现了对H.265的支持，从而避免转码成本的增加和转码延迟的引入。

• 支持B帧

B帧在直播流中广泛存在，其增强了画质，同时大幅减少了码率。标准WebRTC为了减少编解码引入的耗时，不支持B帧，但快直播在延迟和画质、压缩率、成本之间取得了一个较好的平衡，通过客户端SDK配合CDN，实现B帧的支持。

3）传输改造

• 柔性分级传输

标准WebRTC弱网应对策略是通过反馈网络到推流端，使推流端调整码率来适应网络。直播场景，主播和观众一对多模型，不能因为某些观众的网络问题去调整主播推流码率。快直播通过服务端和客户端的配合，基于WebRTC扩展帧属性和依赖关系，采样柔性分级丢帧的传输策略渐进式降低码率，以适应弱网情况。

• 自适pacing（平滑发包）

快直播充分利用客户端缓存信息、流媒体信息自适应调节发包平滑长度，同时满足平滑去抖动和收帧延迟要求。

• 自适应码率（Simulcast/ABR）

快直播一方面支持通过客户端使用扩展的RTCP作为切流信令，另一方面，服务端也具备依据网络情况来无缝切流的能力。服务端通过渐进式的超发来探测网络的承载能力，作为切流决策依据，达到快速、精准、无缝切流的目的。

• P2P分发网络

快直播利用WebRTC原生自带的Peer to Peer的能力，能够将看同一视频流的用户群就近地组织成网络，相互分享传输，每个客户端节点一边通过RTCP与CDN协商数据，同时与其他客户端节点约定内容共享，在保持低延时的前提下依然能够取得不错的效果。

4）其他改造

• 支持私有数据透传以适配业务

众多客户在使用标准直播时，需要通过Meta Data、SEI(Supplemental Enhancement Information)和自定义NALU(Network Abstraction Layer Unit)等方式传递业务信息；快直播通过RTP扩展，支持全链路的私有数据透传；使得标准直播到快直播的迁移过渡平滑无缝。

• 可选加密

标准WebRTC设计应用于音视频通信领域，为保证安全，加密为必选项，而直播部分场景，其内容本身公开，但对性能和终端消耗敏感，安全性可以适当降低，快直播可根据SDP协商选择开关加密。关闭加密可明显减少前后端开销，也进一步节省DTLS握手耗时，最终减少首帧耗时。

• 媒体处理优化源

针对低延时场景，在保证画质的基础上，降低I帧大小。结合AI的能力，在编码前对视频源进行前置处理，使视频源更适配编码场景。

欢迎扫描下方二维码，获取完整版白皮书报告。

---

扫描图中二维码或点击阅读原文

了解大会更多信息

喜欢我们的内容就点个“在看”吧！