Прямі трансляції з камери: розробка live streaming на iOS та Android

Уявіть: користувач запускає стрім, але за хвилину глядачі скаржаться на затримки та артефакти. Типова ситуація: мобільний застосунок використовує програмне кодування, а мережа не справляється з піковим бітрейтом. У результаті — втрата аудиторії та негативні відгуки. Перегрів пристрою та швидкий розряд батареї — ще одна проблема програмного кодування. Ми знаємо, як цього уникнути. Наша команда реалізувала понад 20 проєктів live streaming для iOS та Android, гарантуючи стабільність навіть при нестабільному з'єднанні. Економія ресурсів: апаратне кодування знижує енергоспоживання на 90% порівняно з програмним. За кожним стрімом стоїть складний конвеєр: захоплення з камери, апаратне кодування H.264/H.265, упаковка в контейнер, відправка на медіасервер та доставка до CDN. Кожен етап має своє API та свої підводні камені. Розберемо їх детально.

Захоплення відео та аудіо

AVCaptureSession — точка входу на iOS. Налаштовуємо пресет якості (sessionPreset = .hd1280x720), додаємо AVCaptureDeviceInput для камери та мікрофона, додаємо AVCaptureVideoDataOutput і AVCaptureAudioDataOutput з делегатами. captureOutput(_:didOutput:from:) віддає CMSampleBuffer — сирі кадри з камери в реальному часі.

Орієнтація: AVCaptureConnection.videoOrientation потрібно оновлювати при повороті пристрою. Якщо цього не робити, глядачі бачать відео боком при початку трансляції в портреті.

На Android використовуємо Camera2 API або CameraX (рекомендується). CameraX.bindToLifecycle() з Preview + VideoCapture use case. VideoCapture.output.prepareRecording() — нативний запис. Для стрімінгу потрібен сирий потік: ImageAnalysis use case з setOutputImageFormat(OUTPUT_IMAGE_FORMAT_YUV_420_888), кадри обробляємо вручну через MediaCodec.

Чому апаратне кодування?

Програмний FFmpeg на телефоні — це перегрів та розряджена батарея за 20 хвилин. Ми використовуємо тільки апаратні кодувальники: VideoToolbox на iOS та MediaCodec на Android. Це в 10 разів енергоефективніше та дає стабільні 30 fps при 720p.

На iOS: VideoToolbox — VTCompressionSession. Створюємо сесію з kVTVideoEncoderSpecification_RequireHardwareAcceleratedVideoEncoder: kCFBooleanTrue. Callback outputCallback отримує CMSampleBuffer із закодованим H.264/H.265.

Важливі параметри:

• kVTCompressionPropertyKey_RealTime: kCFBooleanTrue — режим реального часу
• kVTCompressionPropertyKey_ProfileLevel: kVTProfileLevel_H264_High_AutoLevel
• kVTCompressionPropertyKey_AverageBitRate: 2_000_000 (2 Mbps для 720p)
• kVTCompressionPropertyKey_MaxKeyFrameInterval: 60 (keyframe кожні 2 сек при 30 fps)

На Android: MediaCodec. MediaFormat.createVideoFormat("video/avc", width, height). configure(format, null, null, MediaCodec.CONFIGURE_FLAG_ENCODE). В dequeueOutputBuffer отримуємо закодовані NAL units.

Для аудіо: AudioRecord → MediaCodec з audio/mp4a-latm (AAC-LC). Sample rate 44100 Гц, бітрейт 128 kbps.

Як забезпечити стабільність трансляції?

Адаптивний бітрейт — ключовий механізм. Моніторимо швидкість відправлення: RTMPStream.info.byteCount в HaishinKit, NetworkInfo callback в rtmp-rtsp-stream-client-java. Якщо пропускна здатність падає, послідовно знижуємо бітрейт, framerate та роздільну здатність. Оптимальний інтервал перевірки — 5-10 секунд, щоб уникнути різких стрибків якості. Такий підхід знижує кількість розривів на 70%.

HaishinKit — популярна бібліотека для iOS, що забезпечує RTMP та SRT трансляції. Для Android аналогічно застосовується rtmp-rtsp-stream-client-java.

Упаковка в RTMP або SRT

З CMSampleBuffer/MediaCodec output отримуємо NAL units H.264 та AAC frames. Їх потрібно упакувати в транспортний протокол. Ми використовуємо SRT через його стійкість до мережевих проблем, або RTMP для широкої сумісності з CDN.

Готові бібліотеки:

• iOS: HaishinKit (Swift) — RTMP, SRT, HLS. Нативний Swift без залежності FFmpeg. RTMPStream, SRTStream.
• Android: rtmp-rtsp-stream-client-java (Pedro Vicente) — RTMP та RTSP push. RtmpCamera2 з CameraX. SRTStream для SRT.
• Flutter: rtmp_streaming (обгортка над нативними бібліотеками) або нативний platform channel.
• Кросплатформа з FFmpeg: ffmpeg-kit-ios / ffmpeg-kit-android — FFmpegKit.executeAsync("-f avfoundation -i 0:0 -c:v libx264 -preset ultrafast -f flv rtmp://..."). Працює, але навантажує CPU більше апаратного кодувальника.

Порівняння RTMP і SRT

SRT кращий за RTMP в 2-3 рази за затримкою та стійкістю до втрат.

Для мобільного стрімінгу рекомендуємо SRT через його стійкість до мережевих проблем.

Попередній перегляд та UI

Прев'ю з камери — AVCaptureVideoPreviewLayer (iOS) / PreviewView CameraX (Android). Поверх накладаємо оверлей: індикатор «В ефірі», лічильник глядачів, бітрейт та рівень сигналу.

Перемикання фронтальна/тильна камера без переривання стріму: iOS — AVCaptureSession.beginConfiguration() → видаляємо старий input → додаємо новий → commitConfiguration(). HaishinKit підтримує це в один рядок: stream.captureSettings.isVideoMirrored.

Що входить в роботу над live streaming

1. Розробка захоплення відео/аудіо з камери
2. Апаратне кодування з налаштуванням параметрів
3. Інтеграція обраного протоколу (RTMP/SRT/HLS)
4. Адаптивний бітрейт та моніторинг мережі
5. UI прев'ю та оверлей з індикаторами
6. Тестування на реальних пристроях в різних мережах
7. Документація з інтеграції та підтримка після запуску

Зв'яжіться з нами для обговорення вашого проєкту. Замовте розробку live streaming — отримайте консультацію інженера з досвідом. Також ви можете запросити приклади наших проєктів.

Терміни

Реалізація стрімінгу з камери (RTMP або SRT) на одну платформу з прев'ю та базовим UI — 3-5 днів. Кросплатформа з адаптивним бітрейтом, перемиканням камер та інтеграцією конкретного медіасервера — 1-2 тижні. Вартість розраховується індивідуально залежно від складності, а такий підхід окупається за рахунок стабільності та енергоефективності.

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.