在與同行交流過程中，發現很多同行對 WebRTC 改動太多，導致無法升級 WebRTC 版本。而 WebRTC 開源社群的快速迭代，讓他們感到欣喜又焦慮：開源社群的迭代效果，是不是超過了他們對 WebRTC 的優化效果？我們針對特定場景優化 WebRTC 時，怎麼緊跟 WebRTC 開源社群通用的優化？
作者：阿里雲智慧技術專家 熊金水
理念
簡言之，把 WebRTC 作為 Framework 使用，而不是 Library，即：WebRTC 倉庫輕量化，核心模組外掛化。
詳細的，WebRTC 作為 Framework 串聯核心模組；核心模組既可以以外掛形式使用我們的實現，也可以 Fallback 到 WebRTC 的預設實現。目的是減少 WebRTC 衝突的可能性，提高升級 WebRTC 的敏捷性。
目標：一年升級一次 WebRTC，一次花費一個人月。
架構
模組拆解
WebRTC 的核心模組，包括：
音訊
- ADM 採集、APM、ACM 編碼；
- NetEQ 與解碼、AM、ADM 渲染；
視訊
- 採集、編碼；
- JB、解碼、渲染；
通用
- RTP 打包與解包、FEC 生成與恢復、CC 與 Pacer、ICE、SDP 信令等。
WebRTC 在長期的演進中，API 已經具備了作為 Framework 的大部分能力。紅色的核心模組，已經基本可以外掛化，如下面的 API：
倉庫管理
light-rtc 作為 WebRTC 倉庫，我們需要保留兩個 Remote，一個是 Alibaba，一個是 Google。升級 WebRTC 時，我們從 Google 上 Pull 最新程式碼， 解決衝突，然後 Push 到 Alibaba。
對外掛化的模組，我們需要放到單獨的倉庫 lrtc-plugin 裡，這樣有兩個好處：
- 對 light-rtc 倉庫改動少，減少與 Google 衝突的可能性；
- 更重要的，讓每個開發同學，在每次改動前，更主動、更有意識的思考，放到哪個倉庫更合適，否則容易慣性思維，直接改動 light-rtc。
對 lrtc-plugin 依賴的第三方庫，也應該以單獨的倉庫存在，並保留兩個 Remote，比如 Opus，這樣，即使修改了 Opus 原始碼，仍然可以像升級 light-rtc 一樣，方便的單獨升級 Opus 版本。
模組
Codec
音訊編解碼器、視訊編解碼器，是我們最常優化的部分之一：
- 新的編碼工（AV1/SCC/ROI 等）優化視訊質量和頻寬；
- 解析度自適應，使不同能力（編碼能力、傳送頻寬等）的傳送端，傳送不同解析度的碼流；
- Simulcast，為不同能力（解碼能力、顯示能力、接收頻寬等）的接收端，提供不同解析度碼流；
- SVC，提供時域/空域分層；
- 新的視訊解碼實現，規避 Mac 硬解卡死等問題；
- 新的音訊編碼器，適配商用接收端；
……
這部分外掛化是相對簡單的，只需要實現自己的 [Video|Audio][Encoder|Decoder]Factory 即可。以 Simulcast為例，在自己實現的 VideoEncoderFactory 裡，先用 WebRTC 原始的 VideoEncoderFactory，建立多個 Encoder 物件，然後封裝到一個 Simulcast Encoder 裡。
ADM
很可惜，ADM(Audio Device Module)沒有提供檢測裝置插拔的功能，需要增加 Callback 介面。
另外，雖然 WebRTC 支援樣本數量的監控，但是當前只用於列印日誌，如果想在此基礎上做更多事情（如：發現採集樣本為 0 時，重啟採集），則單獨做一個 AudioSampleMoniter 的類，比較有利於擴充套件。
ADM 是一個適配難點，相信是困擾 RTC 同行的共同難題。不同作業系統、不同機型，都可能有不一樣的問題。例如：
- Mac 3.5mm 耳機插拔時，偶爾崩潰；
- Mac 獲取的裝置 ID 在插拔後發生變化，不能做持久化；
- 聯想 X1 電腦，多次插拔後，整個 Audio 後臺服務失效；
- 某些 Windows 機型採集不到聲音；
- 某些手機採音許可權問題；
……
這些修改大部分屬於 Bugfix，參考“Bugfix”章節。
APM
APM(Audio Processing Module)可能是 light-rtc 相對難處理的部分。
APM 與 NetEQ 一起，可能是 WebRTC 核心模組中，開源價值最大的部分。在我對 APM 有限的認知裡，對 APM 常見的優化可能有：
- 混音後的遠端訊號，做濾波/均衡處理。這是業界不少音訊演算法的必要條件；
- 利用 Android 手機特性，優化 AECM，尤其是 Double Talk 時的效果；
- 嘯叫檢測與抑制；
- 利用機型特性，優化 AGC，提高語音音量;
……
下圖是 WebRTC APM 內部模組的資料流程圖：
從圖中可以看出，APM 其實也為外掛化做了準備，但是隻在近端訊號的尾部、遠端訊號的頭部。從 APM 建構函式上也可以看出來：
濾波/均衡，可以方便的實現一個 CustomProcessing 的 render_pre_processor。
其他的優化，遵循輕量化/外掛化的理念，沒有現成的外掛介面，我們可以創造新的外掛介面，如嘯叫抑制，以及 AECM 優化的部分演算法。
但 APM 仍然會有很多沒辦法外掛化的，只能修改 light-rtc 倉庫，如 AECM Double Talk 優化等。
AM
AM(Audio Mixer)的外掛化，可以在不修改 light-rtc 的基礎上，玩出很多花樣：
- 播放本地檔案；
- 藉助語音檢測演算法，優化語音排序，從而選出更準確的語音做混音；
- Mono 變成 Stereo，藉助 HRTF，可以在多方同時說話時提高說話人辨識度和可懂度；
- 對 RTP 方案的回放，倍速回放時變速不變調；
……
FEC
FEC(Forward Error Correction)，常見的修改：
- 調參，如冗餘度、MaxFrames、Table 型別，包括固定引數和動態自適應調參兩類，已有的外掛介面 WebRTC::FecControllerFactoryInterface 即可滿足;
- RSFEC，需要創造新的外掛介面；
- Opus Inband FEC。WebRTC 動態配置的 Opus FEC 引數，不能很好的解決弱網時聲音卡頓問題。這時，一個辦法是把 Opus 獨立成倉庫，直接修改 Opus 編碼器。
CC
CC(Congestion Control)，包含兩個方面，一個是 CC 演算法本身，一個是 CC 關聯模組。
演算法本身，可以用不同的演算法實現，如 WebRTC 預設的 goog_cc，也可以是 BBR，甚至是滿足 WebRTC::NetworkControllerFactoryInterface 介面的外部外掛。
關聯模組：
- 頻寬分配：不同場景可能不一樣，如視訊會議裡，需要“保音訊、保螢幕”。可以通過 rtc::BitrateAllocationStrategy 實現外掛化。
- Pacer 調優：對於螢幕內容，I幀往往非常大，WebRTC 的 2.5 倍的傳送頻寬，會導致巨大的首幀時間。具體解法見仁見智。
……
VideoRender
Android、iOS、Mac，WebRTC 都提供了預設的實現，雖然有少量 Bug，但是基本滿足需求。
Windows 平臺，早期 WebRTC 提供了 D3D 的實現，最新版已經剔除，我們可以在 lrtc-plugin 倉庫實現自己的 D3D，或者其他的渲染，如 QT OpenGL。
VideoProcess
WebRTC 並沒有提供視訊前處理（如：美顏）、後處理（如：超解析度）的介面，但是我們完全可以像 rtc::BitrateAllocationStrategy 一樣，創造 VideoProcessInterface 介面, 並在 lrtc-plugin 倉庫裡實現。
讓 VideoProcessInterface 同時繼承 Sink 和 Source 介面，可以方便的把多個物件串聯起來。
其他 & Bugfix
其他核心模組，如 JitterBuffer、ICE 等，目前接觸的主要是 Bugfix，還沒有發現自己定製重寫的必要。
Bugfix，往往只能修改 light-rtc 倉庫。一方面，是儘量把 Bugfix 內聚成函式，減少對已有程式碼的修改；另一方面，儘量把 Bugfix 貢獻到開源社群(Issue Tracker)，既為開源社群做了貢獻，也徹底避免了升級的衝突。
貢獻到開源社群，往往比想象的要複雜，但也更能鍛鍊人。在特定場景，往往只用了 WebRTC 一部分能力，如視訊 JitterBuffer，一個 Bugfix 可能只考慮到了 H264，貢獻到開源社群時，則需要同時兼顧 VP8/VP9，甚至是將來的 AV1。在這個過程中，Google 工程師會在 Code Review 中與你親密切磋，其實是非常好的鍛鍊機會，進一步提高對 WebRTC 的認識。
參考
WebRTC m74 原始碼
RSFEC：
- WebRTC RSFEC 詳解和剖析；
- ARTP 技術探祕之：WebRTC 中支援 RS FEC。
（以上兩篇文章之後將會在本號推送）
CC
「視訊雲技術」你最值得關注的音視訊技術公眾號，每週推送來自阿里雲一線的實踐技術文章，在這裡與音視訊領域一流工程師交流切磋。