WebRTC（七）：媒体能力协商

目的

在 WebRTC 中，每个浏览器或终端支持的音视频编解码器、分辨率、码率、帧率等可能不同。媒体能力协商的目的就是：

• 确保双方能“听得懂”对方发的媒体流；
• 明确谁发送、谁接收、怎么发送；
• 保障连接的互操作性和兼容性。

P2P的基本流程

参与角色

流程详解

连接信令服务器

• peerA 和 peerB 分别通过 WebSocket 或其他方式连接信令服务器，用于后续中转 SDP 和 ICE 数据。

PeerConnection 创建 + 添加媒体流（媒体准备）

peerA：

• 创建 RTCPeerConnection 实例。
• 通过 getUserMedia() 获取本地音视频流。
• addTrack() 或 addStream() 将媒体加入连接对象。

创建 Offer SDP（发起协商）

• peerA 调用 createOffer()：
  • 生成包含自身媒体能力（支持的音视频编解码器、方向、SSRC、码率等）的 SDP。
• peerA 调用 setLocalDescription(offer)：
  • 表示将该 SDP 用作自己的本地描述。
  • 浏览器会开始进行 ICE 候选收集（即寻找可用的 IP/端口路径）。

发送 Offer SDP（信令交换）

• peerA 将 Offer SDP 通过 signal 发送给 peerB。
• 此时可以看到 peerA → signal → peerB 的 “Send SDP Offer”。

接收方处理 Offer

peerB：

• 创建 RTCPeerConnection 实例。
• setRemoteDescription(offer) 设置远端描述（即 peerA 的 SDP）。
• 浏览器据此了解 peerA 的媒体能力，并开始准备回答。

创建 Answer SDP（应答协商）

• peerB 调用 createAnswer()，根据双方交集生成 Answer SDP。
• 调用 setLocalDescription(answer) 设置为自己的本地描述。

发送 Answer SDP（信令交换）

• peerB → signal → peerA 发送 Answer SDP。
• peerA 调用 setRemoteDescription(answer)，设置为远端描述，协商正式完成。

到这一步为止，媒体能力协商完成（Codec、方向等确认）。

ICE 候选协商（网络通路探测）

• 双方浏览器后台通过 STUN 向公网发送绑定请求，收集本地的候选地址（ICE candidate）。
• 每收集到一个 ICE 候选地址，会触发 onicecandidate 事件。

发送和添加 ICE 候选（网络路径建立）

• 每次 onicecandidate 被触发，候选地址通过信令发送给对方：
  • peerA → signal → peerB
  • peerB → signal → peerA
• 收到对方候选后，使用 addIceCandidate() 添加。

当 ICE 连接状态变为 connected 或 completed 时，即可开始进行媒体传输。

媒体流建立

• 媒体协商完成，网络路径打通后：
  • peerB 触发 onAddStream或 ontrack 事件，表示收到远端音视频流。
  • 同样地，peerA 也会收到对方的流。

重点流程

重要函数

createOffer()

作用

生成一个 SDP Offer，描述本地支持的音视频媒体能力（如 codec、媒体方向、分辨率、带宽等）。

使用示例

const offer = await pc.createOffer();

应用场景

• 发起方调用，用于开始媒体协商；
• 会触发 ICE 候选的收集。

createAnswer()

作用

接收到对方 SDP Offer 后，根据自己的能力生成一个 SDP Answer。

使用示例

const answer = await pc.createAnswer();

应用场景

• 接收方调用，用于回应媒体协商；
• 也会触发 ICE 候选收集。

setLocalDescription(desc)

作用

设置本地描述（Offer 或 Answer），并开始 ICE 候选收集。

使用示例

await pc.setLocalDescription(offer); // offer 或 answer 都可以

说明

• 必须在发送 SDP 之前调用；
• 必须配合 createOffer 或 createAnswer 使用。

setRemoteDescription(desc)

作用

设置远端 SDP 描述（对方发送的 offer 或 answer），用于协商建立媒体连接。

使用示例

await pc.setRemoteDescription(remoteOffer);

注意

• 必须在 createAnswer() 前调用（即先设置远端再生成应答）；
• SDP 是通过信令服务器中转接收的。

onicecandidate

作用

监听本地收集到的每一个 ICE 候选地址（IP + port），用于网络路径穿透。

示例

pc.onicecandidate = (event) => {
  if (event.candidate) {
    sendCandidateToPeer(event.candidate); // 通过信令发送
  }
};

注意

• 每收集一个候选地址就触发一次；
• 全部收集完毕会收到一个 null 的 event.candidate。

addIceCandidate(candidate)

作用

将从对方接收到的 ICE 候选加入本地 ICE 代理中，用于连接建立。

示例

await pc.addIceCandidate(remoteCandidate);

注意

• 一定要在 setRemoteDescription 之后调用；
• 多次调用用于添加多个候选。

addTrack

作用

添加音频或视频轨道（MediaStreamTrack）。

示例

const stream = await navigator.mediaDevices.getUserMedia({ video: true, audio: true });
const pc = new RTCPeerConnection();

stream.getTracks().forEach(track => {
  pc.addTrack(track, stream); // 同一个 MediaStream 确保同步
});

特性

ontrack

作用

当远端添加了新的媒体轨（音轨/视频轨）时触发，一般用于播放远程视频或音频。

示例

pc.ontrack = (event) => {
  remoteVideo.srcObject = event.streams[0];
};

特性

• 可接收多个轨道；
• 是 addTrack() 和 recvonly 类型媒体方向配合使用的标准回调。

发起端与接收端

发起端

const pc = new RTCPeerConnection();

pc.onicecandidate = e => sendCandidate(e.candidate);
pc.ontrack = e => remoteVideo.srcObject = e.streams[0];

localStream.getTracks().forEach(track => {
  pc.addTrack(track, localStream);
});

const offer = await pc.createOffer();
await pc.setLocalDescription(offer);
sendOffer(offer);

接收端

const pc = new RTCPeerConnection();

pc.onicecandidate = e => sendCandidate(e.candidate);
pc.ontrack = e => remoteVideo.srcObject = e.streams[0];

await pc.setRemoteDescription(offer);
localStream.getTracks().forEach(track => {
  pc.addTrack(track, localStream);
});
const answer = await pc.createAnswer();
await pc.setLocalDescription(answer);
sendAnswer(answer);

总结

• 目的：确保双方选用兼容的音视频编解码器、分辨率、码率和传输参数，实现高质量的实时通信。
• 载体：基于 SDP（Session Description Protocol）协议，描述媒体的相关能力。
• 流程：
  • 一方创建并发送包含自身支持能力的 SDP Offer
  • 对方收到后生成 SDP Answer，确认兼容参数
  • 双方通过设置本地和远端描述完成协商
• 内容包括：
  • 编解码器列表（如 VP8、H.264、Opus）
  • 媒体流方向（发送、接收、双向）
  • 带宽限制和媒体属性
  • 网络传输细节（ICE、DTLS安全层）
• 结果：协商成功后，双方基于共同支持的参数建立安全稳定的音视频流通道。