Co-streaming в мобильном приложении: WebRTC + RTMP

Как объединить WebRTC и RTMP на мобильном устройстве?

Мы часто сталкиваемся с задачей в мобильном приложении: два стримера должны транслировать одновременно, зрители видят обоих, а задержка минимальна. Технически это пересечение WebRTC (Wikipedia) и RTMP (трансляция результата зрителям). На мобильных устройствах с ограниченными ресурсами объединить их нетривиально — особенно когда требуется синхронизация аудио и видео в реальном времени. В среднем на реализацию MVP уходит 5–7 недель, но полное решение с поддержкой обоих платформ и AEC занимает до 12 недель. Типичная задержка при client-side mixing — 150–300 мс, мы научились снижать её до 50–100 мс за счёт оптимизации аудиопайплайна. При этом server-side подход (MCU/SFU) даёт задержку 100–150 мс, но требует аренды серверов примерно за 200–500 у.е. в месяц на каждые 1000 одновременных стримов — что окупается при высокой нагрузке. Наш опыт показывает, что для приложений с 500–2000 DAU client-side mixing экономит до 60% бюджета на инфраструктуре.

Архитектура co-стрима

Стандартная схема:

Стример A: камера → WebRTC → Сигнальный сервер ← WebRTC ← камера: Стример B ↓ Mixing Server (SFU/MCU) ↓ RTMP → Twitch/YouTube/Custom 

Но на мобиле добавляется вариант без MCU — client-side mixing. Стример A получает видео стримера B через WebRTC, смешивает оба потока локально через Metal/OpenGL и отправляет смешанный стрим на RTMP. Это дешевле серверно, но требует мощного процессора на устройстве и нестабильно при плохой сети второго участника.

В продакшене для приложений с 1000+ одновременных co-стримов — только серверный MCU/SFU (LiveKit, mediasoup, Agora). Для MVP с небольшой нагрузкой — client-side mixing работает.

Сравнение подходов:

Дополнительно сравним методы микширования:

WebRTC на iOS и Android

iOS: GoogleWebRTC (CocoaPods) или WebRTC.xcframework от Google. Основной объект — RTCPeerConnection. Инициализация:

let config = RTCConfiguration() config.iceServers = [RTCIceServer(urlStrings: ["stun:stun.l.google.com:19302"], username: nil, credential: nil)] config.sdpSemantics = .unifiedPlan let constraints = RTCMediaConstraints( mandatoryConstraints: ["OfferToReceiveVideo": "true", "OfferToReceiveAudio": "true"], optionalConstraints: nil ) let peerConnection = factory.peerConnection(with: config, constraints: constraints, delegate: self) 

Android: org.webrtc:google-webrtc:1.0.+ или io.getstream:stream-webrtc-android. Логика аналогичная через PeerConnection.

Сигнальный сервер — WebSocket, который обменивает SDP offer/answer и ICE candidates между стримерами. Обычно пишем на Node.js (ws) или используем готовый — LiveKit Server, Agora RTM.

Почему client-side mixing — не панацея?

Главные проблемы, с которыми мы сталкиваемся в реальных проектах:

Задержка аудио при смешивании

Отметим: когда A слышит B через WebRTC с задержкой 150–200 ms, а стрим формируется из локального аудио A, зрители слышат рассинхрон. Решение: компенсация задержки через AVAudioPlayerNode.scheduleBuffer с явным AVAudioTime, чтобы локальное аудио A в итоговом стриме было задержано на то же время, что и входящее от B.

Echo cancellation

Если у стримера нет наушников, его микрофон захватывает звук из динамика (WebRTC-аудио от партнёра). Встроенный AEC WebRTC работает только на аудиотреке RTCPeerConnection. При кастомном аудиопайплайне нужен AVAudioEngine с AVAudioUnitEQ + собственный AEC или speex DSP.

Переключение между co-стримом и solo

При выходе партнёра из co-стрима нужно плавно убрать его окно из композиции и перестроить layout без прерывания RTMP-трансляции. Это означает: Metal render pass должен проверять наличие второй текстуры и корректно рендерить full-frame режим, если второй участник отключился.

Как мы это делаем: опыт реализации под ключ

Наши инженеры с многолетним опытом в мобильной разработке предлагают решение co-streaming под ключ. Мы прорабатываем архитектуру, выбираем оптимальный стек (client-side или server-side), реализуем WebRTC-интеграцию, композицию видео и аудио, а также сигнальный сервер. Пример одного из проектов: для social-платформы с 10 000 DAU мы реализовали двухпользовательский co-стрим на iOS с client-side mixing и компенсацией задержки аудио — проект занял 6 недель. Стоимость такого решения варьируется от 1.5 до 3.5 тыс. у.е. в зависимости от сложности, что значительно дешевле аренды серверного MCU (около 500 у.е. в месяц). Оценим ваш проект — свяжитесь с нами для консультации. Получите консультацию по вашему проекту — мы оценим требования и предложим оптимальное решение.

Процесс работы

1. Аналитика: обсуждаем требования, нагрузку, целевую аудиторию. Определяем, нужен client-side или server-side подход.
2. Проектирование: разрабатываем схему сигнального сервера, протоколы, API для состояния стрима.
3. Реализация: пишем код на Swift/Kotlin, интегрируем WebRTC, настраиваем аудиопайплайн.
4. Тестирование: проверяем задержку, качество при различных сетевых условиях, эхо. Проводим нагрузочное тестирование с 1000 виртуальных пользователей.
5. Деплой: настраиваем серверную часть, CI/CD, публикуем в App Store или Google Play.

Что входит в работу

• Документация по архитектуре и API.
• Исходный код мобильного приложения и сигнального сервера.
• Настройка CI/CD (TestFlight, Firebase App Distribution).
• Интеграция с выбранной streaming-платформой.
• Поддержка в течение 30 дней после сдачи.

Сроки

Client-side co-стрим (iOS, два участника, Metal-композиция, базовый сигнальный сервер): 5–7 недель. Полная реализация с MCU, Android-поддержкой, AEC, управлением состоянием: 8–12 недель. Стоимость рассчитывается индивидуально после анализа требований и выбора архитектуры.

Оценим ваш проект — свяжитесь с нами для консультации. Получите консультацию по вашему проекту — мы оценим требования и предложим оптимальное решение.