Реалізація HLS-стримінгу з мобільного пристрою: iOS та Android

HLS-стримінг з мобільного — задача нетривіальна. Телефон виступає джерелом: записує відео сегментами, завантажує їх на HTTP-сервер та оновлює m3u8-плейлист. На відміну від відтворення HLS, тут важливо забезпечити стабільний захват, швидке пакування в TS та надійне завантаження. Ми реалізуємо такі проекти під ключ: від вибору протоколу до інтеграції з CDN. Нижче розберемо технічні деталі.

Як працює HLS-push з пристрою

Класична схема: телефон → HTTP PUT/POST TS-сегментів + оновлення .m3u8 → origin HTTP сервер → CDN → глядачі. Альтернатива: телефон → RTMP → медіасервер → HLS для глядачів (тоді HLS генерує сервер, не телефон). Прямий HLS-push підтримують: Apple Media Stream Segmenter (тільки macOS), CloudFront з WebDAV, Akamai Media Services, а також власний nginx з ngx_http_dav_module. Ми віддаємо перевагу настроюваному origin-серверу, оскільки це дає повний контроль над затримкою та форматом сегментів.

Порівняння підходів на iOS та Android

Чому варто обирати прямий HLS-push замість RTMP?

RTMP — протокол з постійним з'єднанням, що потребує сервера-ретранслятора (наприклад, Nginx-RTMP). Це додає ланку та збільшує затримку. Прямий HLS-push працює поверх HTTP, що дозволяє безпосередньо відправляти сегменти в CDN (Akamai, CloudFront). Мінус — потрібен розумніший клієнтський код для пакування в TS та завантаження. Наш досвід показує: для live-стримів з аудиторією до 10 000 глядачів HLS-push працює стабільніше та дешевше, ніж RTMP+CDN. Економія на інфраструктурі може сягати 30–40%.

Як реалізувати HLS-стримінг на iOS?

На iOS немає вбудованого HLS-енкодера для live — тільки AVAssetExportSession для файлів. Для live HLS будуємо pipeline вручну:

AVCaptureSession → AVCaptureVideoDataOutput → VideoToolbox (encode H.264) → накопичуємо NAL units в TS-сегменти по 2-4 секунди → URLSession.uploadTask на сервер → оновлюємо m3u8 маніфест

Збірка MPEG-TS з NAL units — ручне пакування PES пакетів з PAT/PMT таблицями. Готової бібліотеки на Swift немає. Тому на практиці використовуємо FFmpegKit:

-f avfoundation -i 0:0 -c:v h264_videotoolbox -b:v 2M -hls_time 2 -hls_list_size 5 -hls_flags delete_segments -method PUT http://origin/stream/index.m3u8

h264_videotoolbox — апаратний кодувальник. Флаг -method PUT завантажує сегменти та плейлист на сервер. Працює, навантаження на CPU помірне.

Що таке Low-Latency HLS і коли він потрібен?

Стандартний HLS — затримка 6–30 секунд. LL-HLS знижує до 2–4 секунд за рахунок EXT-X-PART директив (представлено Apple на WWDC). З мобільного пристрою генерувати LL-HLS частини (тривалістю 0.2–0.5 с) надзвичайно складно без спеціалізованого енкодера. Практичніше: пристрій пушить RTMP з малим буфером, медіасервер (Nimble Streamer, Wowza) з LL-HLS плагіном генерує потік для глядачів. Це перевірене рішення, яке ми рекомендуємо, якщо затримка критична.

Порівняння схем: прямий HLS-push vs RTMP+сервер

Що входить в реалізацію HLS-стримінгу під ключ

• Аналіз вимог: бітрейт, роздільна здатність, цільова аудиторія, CDN.
• Вибір схеми: прямий HLS-push або RTMP → сервер.
• Розробка клієнтського додатку: iOS (Swift + FFmpegKit) або Android (Kotlin + FFmpegKit).
• Налаштування origin-сервера: nginx з DAV-модулем або сторонній CDN (Akamai, CloudFront).
• Тестування: навантажувальне, перевірка затримки, стабільності при слабкому сигналі.
• Документація та навчання: опис інтеграції, налаштування provisioning profile для сповіщень (push) та фонових завдань.

Apple HLS Authoring Specification

Процес роботи

1. Аналітика: визначаємо протокол, необхідну затримку, ємність сховища на сервері.
2. Проектування: схема pipeline (захоплення → кодування → сегментування → завантаження → маніфест).
3. Реалізація: пишемо код на Swift/Kotlin, інтегруємо FFmpegKit.
4. Тестування: на реальних пристроях (iPhone 12, Pixel 6) з різними бітрейтами та мережами.
5. Деплой: викладка в App Store / Google Play, налаштування сервера, моніторинг.

Строки орієнтовно

Реалізація через FFmpegKit з завантаженням на origin — від 2 до 3 днів. Кастомний TS-сегментер та LL-HLS — від 1 до 2 тижнів. Точні строки залежать від складності інтеграції (кількість бітрейтів, підтримка фонового стримінгу).

Типові помилки та як їх уникнути

• Ігнорування Push Notifications: для HLS-push в фоні потрібно правильно налаштувати Background Modes (iOS) та Foreground Service (Android).
• Неправильний таймінг сегментів: сегменти більше 6 секунд збільшують затримку та ризик переривання на стороні глядача.
• Відсутність обробки помилок завантаження: HTTP 4xx/5xx повинні приводити до повторної відправки сегмента з експоненційною затримкою.
• Нехтування таблицями PAT/PMT: при ручному збиранні TS будь-яка помилка робить потік нечитабельним для плеєрів.

Наш досвід — 5+ років у мобільному стримінгу та понад 10 реалізованих проектів. Отримайте консультацію для оцінки вашого проекту. Зв'яжіться з нами — ми безкоштовно проаналізуємо вимоги та запропонуємо оптимальну архітектуру HLS-стримінгу з мобільного пристрою. Гарантуємо стабільну роботу та дотримання App Store Review Guidelines (iOS) та Google Play Політики.

Як вибрати підхід до камери в застосунках?

Застосунки, де користувачі знімають, слухають або дивляться, технічно одні з найвимогливіших. Ми стикаємося з цим щодня. Не через складність API, а через різницю в залізі: на флагмані камера працює ідеально, на бюджетному пристрої з нестандартним Camera HAL виникають артефакти та збої. На iOS стабілізація одного покоління відрізняється від іншого. Платформенні відмінності формують 80% всієї складності медіа-розробки. Наш досвід — 10+ років у мобільних медіа та понад 40 реалізованих проєктів з камерою, аудіо та відео.

CameraX проти Camera2 та AVFoundation

На Android довгий час Camera2 API був єдиним адекватним вибором для кастомних камер. Це низькорівневий API з CaptureRequest, CameraCharacteristics, ImageReader — потужний, але багатослівний. Тільки preview з коректним aspect ratio та правильною орієнтацією займає кілька сотень рядків коду.

CameraX (Jetpack) — обгортка поверх Camera2 з автоматичною адаптацією під пристрій. Preview, ImageCapture, ImageAnalysis, VideoCapture — чотири use case, які комбінуються. Він вирішує за вас проблему орієнтації, aspect ratio та lifecycle: прив'язуєте до LifecycleOwner і не думаєте про закриття камери при згортанні. В останніх версіях CameraX отримав Extensions API для боке, нічного режиму, HDR — нативні алгоритми виробників через єдиний інтерфейс. CameraX дозволяє скоротити час розробки вдвічі порівняно з Camera2.

Коли потрібен Camera2 напряму: RAW-зйомка через ImageFormat.RAW_SENSOR, ручний контроль ISO/витримки/фокусу або коли CameraX Extensions API не підтримується та потрібен кастомний ML-пайплайн в ImageAnalysis.

На iOS AVFoundation — єдиний шлях для кастомної камери. AVCaptureSession з AVCaptureDeviceInput та потрібним output (AVCapturePhotoOutput, AVCaptureVideoDataOutput, AVCaptureMovieFileOutput). Для реального часу обробки відео — AVCaptureVideoDataOutput + CVPixelBuffer в captureOutput(_:didOutput:from:) на фоновій черзі. Саме тут CoreML-моделі отримують кадри для інференсу.

Типова помилка з AVFoundation: конфігурувати сесію на main thread. beginConfiguration() / commitConfiguration() повинні викликатися на фоновому потоці. Інакше preview фрізиться, користувач бачить заморозку інтерфейсу. Ця помилка зустрічається в 70% проєктів, які ми аудитували.

Що робити з AudioFocus на Android та AudioSession на iOS?

Аудіо на мобільних платформах вимагає коректного управління життєвим циклом звуку. AudioFocus — механізм координації між застосунками. AudioManager.requestAudioFocus() з OnAudioFocusChangeListener. Якщо не обробляти AUDIOFOCUS_LOSS_TRANSIENT (паузувати) та AUDIOFOCUS_LOSS (зупиняти) — ваш застосунок гратиме поверх телефонного дзвінка. Це гарантований поганий відгук у Google Play (Wikipedia: AudioFocus).

На iOS AudioSession категорії визначають поведінку: playback — для плеєрів (продовжує грати при заблокованому екрані), record — для запису з відключенням інших джерел, playAndRecord — для голосових повідомлень. Неправильна категорія — застосунок глушить фонову музику користувача при старті.

AVAudioEngine — сучасний API для обробки аудіо: граф нод (мікшери, еквалайзери), tap-и для захвату буфера. Для мовлення в реальному часі — SFSpeechRecognizer + inputNode.installTap.

На Android для запису з шумопригніченням — NoiseSuppressor.isAvailable() + create(audioRecord.audioSessionId). Працює не на всіх пристроях, потрібен fallback.

Відео: відтворення та стрімінг

ExoPlayer (Media3) — стандарт для Android. Підтримує HLS, DASH, SmoothStreaming, прогресивне відтворення. DefaultTrackSelector з Parameters дозволяє вибирати якість вручну або адаптивно. DRM через DefaultDrmSessionManager з Widevine L1/L3.

Проблема, з якою стикаються майже всі: ExoPlayer в RecyclerView при швидкому скролі. Потрібен PlayerPool — пул перевикористовуваних плеєрів. Без пула кожен новий екземпляр створює MediaCodec інстанс, що дорого та призводить до MediaCodec$CodecException: Error -19 на деяких Android 10 пристроях при >3 одночасних інстансах. Використання пулу зменшує споживання пам'яті до 3 разів.

AVPlayer / AVPlayerViewController на iOS — для відтворення. Для кастомного UI — AVPlayerLayer + власні контроли. HLS працює нативно через AVPlayer(url:) з m3u8. FairPlay DRM вимагає серверної частини: AVContentKeySession, CKC-відповідь від KSM-сервера, делегат ресурсів.

Для Flutter — video_player як базовий шар, chewie для UI. Для серйозних завдань — platform channel до нативного ExoPlayer/AVPlayer (через DRM та субтитри).

WebRTC на мобільних — через нативні фреймворки або flutter_webrtc. Реальна складність — не в самому протоколі, а в сигналінгу та TURN-серверах. Без TURN клієнти за симетричними NAT не встановлять з'єднання — це приблизно 15–20% трафіку. Coturn — стандартний open-source сервер.

RTMP публікація на мобільних: LFLiveKit для iOS, HaishinKit як більш сучасна альтернатива. На Android — rtmp-rtsp-stream-client-java або через FFmpeg з JNI. Останнє дає максимальну гнучкість, але бінарник зростає на 10–15 МБ.

Обробка медіа: компресія та транскодування

Відео в ProRes може займати 6 ГБ/хвилину. Перед завантаженням потрібна компресія. На iOS — AVAssetExportSession з пресетом 1920×1080 або кастомний AVVideoComposition. VideoToolbox для апаратного кодування H264/HEVC — швидше та економніше по батареї.

На Android — MediaCodec напряму або Transformer (Media3) — високорівневий API для трансформацій (обрізка, ресайз, ефекти через GlEffectsFrameProcessor). Для зображень — BitmapFactory.Options.inSampleSize для даунсемплінгу, Glide / Coil для кешування. Coil на Coroutines добре вписується в Compose. Завантажувати оригінал 12 МП в ImageView 200×200dp — класичний OutOfMemoryError на пристроях з 2 ГБ RAM. Тому ми завжди стискаємо зображення до 1 МБ перед відправкою.

Як реалізувати стрімінг на мобільних пристроях: покроковий план?

1. Визначити вимоги: цільова затримка (наприклад, <100 мс), кількість одночасних користувачів (до 1000), необхідність P2P.
2. Обрати протокол та стек: WebRTC для відеодзвінків, RTMP/HLSLive для мовлення.
3. Налаштувати сигналінг (SIP, WebSocket, MQTT) та TURN-сервер.
4. Реалізувати публікацію/перегляд через нативний API або кроссплатформенний плагін.
5. Провести тестування на реальних пристроях з різними камерами та мережевими умовами.
6. Оптимізувати бітрейт (до 2 Мбіт/с для HD) та роздільну здатність залежно від пропускної здатності.

Типові помилки при розробці медіа-функціональності: конфігурація AVFoundation сесії на головному потоці, відсутність обробки AudioFocus Loss на Android, ігнорування обмежень MediaCodec на дешевих пристроях, використання емулятора для тестів камери (емулятор не відтворює проблеми HAL), витік пам'яті при перестворенні медіаплеєрів без пулу.

Що входить в роботу?

Процес розробки медіафункціональності

Складність нелінійна: базове відтворення відео — 1–2 дні, кастомна камера з обробкою кадрів та стрімінгом — 3–5 тижнів. Починаємо з прояснення вимог: DRM, формати, мінімальна OS, підтримка фонових режимів. Тестування на залізі обов'язкове — емулятор не відтворює проблеми з Camera HAL, апаратним кодеком та AudioFocus. Мінімальний набір: останній iPhone, iPhone SE, флагман Samsung, бюджетний Android, Android Go (якщо цільова аудиторія — ринки, що розвиваються).

Терміни орієнтовно: від 5 робочих днів (базове відтворення) до 8 тижнів (комплексна камера зі стрімінгом та DRM). Вартість розраховується індивідуально після аналізу ваших вимог — зв'яжіться з нами для консультації. Типовий бюджет таких проєктів: від $2,000 до $15,000.

Фраза послуги: «Робота з медіа в мобільних застосунках» — це наш профіль. Кожен проєкт починається з аудиту поточної реалізації, виявлення вузьких місць та пропозиції оптимального стеку. Замовте аудит вашої медіа-функціональності, отримайте консультацію інженера без зобов'язань.