Аудиокниги — сложный контент: файлы на 15 часов, нестабильное соединение, пользователи требуют точного возврата к позиции. Типичный баг — при переключении между Wi-Fi и LTE плеер теряет прогресс, а таймер сна обрывает главу без fade-out. Мы решили это на уровне архитектуры: агрессивное кеширование через URLSession background tasks, синхронизация позиции с облачным хранилищем каждые 5 секунд, плавное затухание перед остановкой. Результат — приложение не вылетает, позиции сохраняются, пользователи не жалуются.
Форматы файлов и потоковое воспроизведение
Аудиокниги чаще всего в форматах: MP3 (самый широкий), M4B (AAC с chapter markers, стандарт Apple), M4A, OGG/Opus. M4B предпочтителен для новых каталогов — он нативно содержит главы, обложку и метаданные без сайдкара.
Потоковое воспроизведение (не скачивать полностью перед воспроизведением): AVPlayer на iOS открывает HTTP URL и начинает играть без полной загрузки. ExoPlayer (Media3) на Android — аналогично через DefaultDataSource.Factory. Для длинных файлов (15 часов = ~800 МБ) это критично.
Главы из M4B: AVAsset.loadChapterMetadataGroups(bestMatchingPreferredLanguages:) возвращает AVTimedMetadataGroup[] с временными метками и названиями. На Android — MediaMetadataRetriever.extractMetadata + парсинг MP4 box structure для chapter atoms, либо используем ExoPlayer с кастомным MetadataRetriever.
Почему M4B — лучший выбор для нового каталога?
M4B использует контейнер MP4 с встроенными chapter markers, что упрощает навигацию и хранение метаданных. В отличие от MP3 не требуется внешний файл глав. При потоковой передаче клиент сразу получает структуру книги.
Точное сохранение позиции
Пользователь слушает книгу в машине, закрывает приложение — при следующем открытии должен попасть ровно на то место. С точностью до секунды.
Сохраняем currentTime (Double, секунды) + bookId + timestamp сохранения в UserDefaults/SharedPreferences при каждом фоновом переходе, уходе в background (applicationDidEnterBackground) и через Timer каждые 5 секунд во время воспроизведения. Timer каждые 5 секунд — не каждую секунду, это избыточно.
При восстановлении: player.seek(to: CMTime(seconds: savedPosition, preferredTimescale: 1000)) с .seconds точностью. Не MSEC — для аудио достаточно.
Синхронизация между устройствами: CloudKit CKRecord (iOS) или Firebase Firestore с userId/bookId ключом. При открытии книги на новом устройстве предлагаем «Продолжить с 1:23:45» — пользователь решает.
Как обеспечить бесшовную синхронизацию?
Используем облачное хранилище с конфликт-резолюцией «last write wins». При каждом сохранении позиции отправляем запрос в Firestore/CloudKit с временной меткой. При загрузке книги на другом устройстве сравниваем метки и выбираем актуальную. Дополнительно храним локальный кеш на случай отсутствия сети.
Таймер сна
Популярная функция: воспроизведение останавливается через N минут. Тривиально — DispatchQueue.main.asyncAfter (iOS) или Handler.postDelayed (Android). Нетривиальный вариант: «остановить в конце текущей главы» — получаем endTime текущей главы из метаданных и планируем остановку на это время.
Плавное затухание перед остановкой: за 30 секунд до конца уменьшаем player.volume линейно до 0 через CADisplayLink / ValueAnimator. Не резкая остановка — это раздражает.
Технические детали плавного затухания
Используем таймер с частотой 60 FPS (CADisplayLink на iOS, Choreographer на Android). Каждое обновление уменьшает громкость на (1/60)*(1/30) = 0.00056. По достижении времени остановки ставим player на паузу и возвращаем громкость к исходной для следующего воспроизведения.Скорость воспроизведения и pitch correction
player.rate = 1.5 (AVPlayer) ускоряет воспроизведение, но поднимает pitch — голос становится писклявым. iOS автоматически применяет pitch correction для AVPlayer при rate ≠ 1.0 начиная с iOS 16. На более старых — AVAudioUnitTimePitch в AVAudioEngine pipeline.
Android ExoPlayer: playbackParameters = PlaybackParameters(speed = 1.5f) — pitch correction встроен. Flutter just_audio: player.setSpeed(1.5) с pitchCorrectionMethod по умолчанию.
Диапазон полезных скоростей: 0.75x (для сложного технического контента), 1.0x, 1.25x, 1.5x, 2.0x. Больше 2x — разборчивость падает критически.
| Скорость |
Применение |
Pitch correction |
| 0.75x |
Технический контент |
Авто |
| 1.0x |
Стандарт |
Нет |
| 1.25x |
Ускоренное прослушивание |
Да |
| 1.5x |
Быстрое чтение |
Да |
| 2.0x |
Предел разборчивости |
Да |
"For audio playback, AVPlayer applies pitch correction when the rate is not 1.0." — Apple AVPlayer documentation.
Офлайн-скачивание и DRM
Скачивание для офлайна — URLSessionDownloadTask + URLSessionConfiguration.background (iOS): работает даже когда приложение не запущено, прогресс сохраняется при крашах. Android: WorkManager + DownloadManager или OkHttp с кастомным прогрессом.
Для платного контента нужен DRM. FairPlay Streaming (iOS) — интегрируется с AVContentKeySession. Widevine L3 (Android) — ExoPlayer с DefaultDrmSessionManager. Ключ шифрования запрашивается у лицензионного сервера при каждом воспроизведении. Без DRM пользователь копирует файл из /Library/Application Support и слушает без подписки.
Альтернатива без full DRM: AES-256 шифрование файла на диске с ключом, привязанным к аккаунту и DeviceID. Дешевле в реализации, но меньше защиты.
| DRM |
iOS |
Android |
| FairPlay Streaming |
AVContentKeySession |
— |
| Widevine L3 |
— |
ExoPlayer + DrmSessionManager |
| AES-256 self-managed |
CommonCrypto |
Android Keystore |
Каталог и поиск
Библиотека пользователя: купленные и скачанные книги. Каталог магазина: поиск, жанры, новинки, рекомендации. Пагинация через cursor (Alchemy-style next token или offset/limit). Обложки — через SDWebImage/Coil/cached_network_image с агрессивным disk cache (обложки меняются редко).
Что входит в работу
- Исходный код приложения (iOS/Android) с комментариями.
- API-документация и схема базы данных.
- Доступы к App Store Connect / Google Play Console.
- Обучение команды заказчика (2-3 сессии).
- Техническая поддержка на 3 месяца после релиза.
- Интеграция с existing backend или настройка нового.
| Функция |
MVP |
Полная версия |
| Воспроизведение MP3/M4B |
да |
да |
| Главы и навигация |
нет |
да |
| Офлайн-скачивание |
нет |
да |
| Синхронизация позиции |
нет |
да |
| DRM |
нет |
да |
| Таймер сна |
да |
да |
Сроки: MVP-плеер с каталогом и базовым воспроизведением — 3-4 недели. Полный продукт с DRM, офлайном, синхронизацией и подпиской — 8-12 недель. Экономия на лицензиях DRM при использовании self-managed AES-256 может достигать 30%.
Хотите обсудить ваш проект? Свяжитесь с нами — оценим архитектуру и предложим оптимальное решение. Закажите разработку приложения для аудиокниг под ключ.
Как выбрать подход к камере на мобильных платформах
Приложения, где пользователи снимают, слушают или смотрят, технически одни из самых требовательных. Мы сталкиваемся с этим каждый день. Не из-за сложности API, а из-за разницы в железе: на флагмане камера работает идеально, на бюджетном устройстве с нестандартным Camera HAL возникают артефакты и сбои. На iOS стабилизация одного поколения отличается от другого. Платформенные различия формируют 80% всей сложности медиа-разработки. Наш опыт — 7+ лет в мобильных медиа и более 40 реализованных проектов с камерой, аудио и видео.
CameraX против Camera2 и AVFoundation
На Android долгое время Camera2 API был единственным адекватным выбором для кастомных камер. Это низкоуровневый API с CaptureRequest, CameraCharacteristics, ImageReader — мощный, но многословный. Только preview с корректным aspect ratio и правильной ориентацией занимает несколько сотен строк кода.
CameraX (Jetpack) — обёртка поверх Camera2 с автоматической адаптацией под устройство. Preview, ImageCapture, ImageAnalysis, VideoCapture — четыре use case, которые комбинируются. Он решает за вас проблему ориентации, aspect ratio и lifecycle: привязываете к LifecycleOwner и не думаете о закрытии камеры при сворачивании. В последних версиях CameraX получил Extensions API для боке, ночного режима, HDR — нативные алгоритмы производителей через единый интерфейс.
Когда нужен Camera2 напрямую: RAW-съёмка через ImageFormat.RAW_SENSOR, ручной контроль ISO/выдержки/фокуса или когда CameraX Extensions API не поддерживается и требуется кастомный ML-пайплайн в ImageAnalysis.
На iOS AVFoundation — единственный путь для кастомной камеры. AVCaptureSession с AVCaptureDeviceInput и нужным output (AVCapturePhotoOutput, AVCaptureVideoDataOutput, AVCaptureMovieFileOutput). Для реал-тайм обработки видео — AVCaptureVideoDataOutput + CVPixelBuffer в captureOutput(_:didOutput:from:) на фоновой очереди. Именно тут CoreML-модели получают кадры для инференса.
Типичная ошибка с AVFoundation: конфигурировать сессию на main thread. beginConfiguration() / commitConfiguration() должны вызываться на фоновом потоке. Иначе preview фризит, пользователь видит заморозку интерфейса. Эта ошибка встречается в 70% проектов, которые мы аудировали.
Почему AudioFocus критичен для Android приложений
Аудио на мобильных платформах требует корректного управления жизненным циклом звука. AudioFocus — механизм координации между приложениями. AudioManager.requestAudioFocus() с OnAudioFocusChangeListener. Если не обрабатывать AUDIOFOCUS_LOSS_TRANSIENT (паузировать) и AUDIOFOCUS_LOSS (останавливать) — ваше приложение будет играть поверх телефонного звонка. Это гарантированный плохой отзыв в Google Play. Android Developer Guide: AudioFocus
На iOS AudioSession категории определяют поведение: playback — для плееров (продолжает играть при заблокированном экране), record — для записи с отключением других источников, playAndRecord — для голосовых сообщений. Неправильная категория — приложение заглушает фоновую музыку пользователя при старте.
AVAudioEngine — современный API для обработки аудио: граф нод (микшеры, эквалайзеры), tap-ы для захвата буфера. Для речи в реальном времени — SFSpeechRecognizer + inputNode.installTap.
На Android для записи с шумоподавлением — NoiseSuppressor.isAvailable() + create(audioRecord.audioSessionId). Работает не на всех устройствах, нужен fallback.
Видео: воспроизведение и стриминг
ExoPlayer (Media3) — стандарт для Android. Поддерживает HLS, DASH, SmoothStreaming, прогрессивное воспроизведение. DefaultTrackSelector с Parameters позволяет выбирать качество вручную или адаптивно. DRM через DefaultDrmSessionManager с Widevine L1/L3.
Проблема, с которой сталкиваются почти все: ExoPlayer в RecyclerView при быстром скролле. Нужен PlayerPool — пул переиспользуемых плееров. Без пула каждый новый экземпляр создаёт MediaCodec инстанс, что дорого и приводит к MediaCodec$CodecException: Error -19 на некоторых Android 10 устройствах при >3 одновременных инстансах.
AVPlayer / AVPlayerViewController на iOS — для воспроизведения. Для кастомного UI — AVPlayerLayer + собственные контролы. HLS работает нативно через AVPlayer(url:) с m3u8. FairPlay DRM требует серверной части: AVContentKeySession, CKC-ответ от KSM-сервера, делегат ресурсов.
Для Flutter — video_player как базовый слой, chewie для UI. Для серьёзных задач — platform channel к нативному ExoPlayer/AVPlayer (из-за DRM и субтитров).
| Протокол |
Задержка |
Применение |
| RTMP |
2–5 сек |
Стриминг на YouTube/Twitch |
| HLS |
6–30 сек |
VOD, широковещательный |
| DASH |
6–30 сек |
VOD с адаптивным битрейтом |
| WebRTC |
< 500 мс |
Видеозвонки, P2P |
| SRT |
1–4 сек |
Профессиональный стриминг |
WebRTC на мобильных — через нативные фреймворки или flutter_webrtc. Реальная сложность — не в самом протоколе, а в сигналинге и TURN-серверах. Без TURN клиенты за симметричными NAT не установят соединение — это примерно 15–20% трафика. Coturn — стандартный open-source сервер.
RTMP публикация на мобильных: LFLiveKit для iOS, HaishinKit как более современная альтернатива. На Android — rtmp-rtsp-stream-client-java или через FFmpeg с JNI. Последнее даёт максимальную гибкость, но бинарник растёт на 10–15 МБ.
Обработка медиа: компрессия и транскодирование
Видео в ProRes может занимать 6 ГБ/минуту. Перед загрузкой нужна компрессия. На iOS — AVAssetExportSession с пресетом 1920×1080 или кастомный AVVideoComposition. VideoToolbox для аппаратного кодирования H264/HEVC — быстрее и экономнее по батарее.
На Android — MediaCodec напрямую или Transformer (Media3) — высокоуровневый API для трансформаций (обрезка, ресайз, эффекты через GlEffectsFrameProcessor). Для изображений — BitmapFactory.Options.inSampleSize для даунсемплинга, Glide / Coil для кеширования. Coil на Coroutines хорошо вписывается в Compose. Загружать оригинал 12 МП в ImageView 200×200dp — классический OutOfMemoryError на устройствах с 2 ГБ RAM.
Как реализовать стриминг на мобильных устройствах: пошаговый план
- Определить требования: целевая задержка, количество одновременных пользователей, необходимость P2P.
- Выбрать протокол и стек: WebRTC для видеозвонков, RTMP/HLSLive для вещания.
- Настроить сигналинг (SIP, WebSocket, MQTT) и TURN-сервер.
- Реализовать публикацию/просмотр через нативный API или кроссплатформенный плагин.
- Провести тестирование на реальных устройствах с разными камерами и сетевыми условиями.
- Оптимизировать битрейт и разрешение в зависимости от пропускной способности.
Типичные ошибки при разработке медиа-функциональности
- Конфигурация AVFoundation сессии на главном потоке.
- Отсутствие обработки AudioFocus Loss на Android.
- Игнорирование
MediaCodec ограничений на дешёвых устройствах.
- Использование эмулятора для тестов камеры — эмулятор не воспроизводит проблемы HAL.
- Утечка памяти при пересоздании медиаплееров без пула.
Что входит в работу
| Deliverable |
Описание |
| Анализ требований |
Выбор стека, приоритетов, тестовых устройств |
| Проектирование |
Архитектура, диаграммы потоков данных, выбор API |
| Реализация |
Код с использованием выбранных инструментов |
| Интеграция с бэкендом |
GraphQL/REST, DRM, WebRTC сигналинг |
| Тестирование |
На реальных устройствах (не менее 5 моделей) |
| Документация |
API-документация, инструкция по сборке |
| Поддержка после релиза |
1 месяц инцидентной поддержки, обучение команды |
Процесс разработки медиафункциональности
Сложность нелинейна: базовое воспроизведение видео — 1–2 дня, кастомная камера с обработкой кадров и стримингом — 3–5 недель. Начинаем с прояснения требований: DRM, форматы, минимальная OS, поддержка фоновых режимов. Тестирование на железе обязательно — эмулятор не воспроизводит проблемы с Camera HAL, аппаратным кодеком и AudioFocus. Минимальный набор: последний iPhone, iPhone SE, флагман Samsung, бюджетный Android, Android Go (если целевая аудитория — развивающиеся рынки).
Сроки ориентировочно: от 5 рабочих дней (базовое воспроизведение) до 8 недель (комплексная камера со стримингом и DRM). Стоимость рассчитывается индивидуально после анализа ваших требований — свяжитесь с нами для консультации.
Фраза услуги: «Работа с медиа в мобильных приложениях» — это наш профиль. Каждый проект начинается с аудита текущей реализации, выявления узких мест и предложения оптимального стека.
Коммерческие сигналы: закажите аудит вашей медиа-функциональности, получите консультацию инженера без обязательств.
