跳到正文
只看一手#传输协议
  1. IETF WISH 工作组文档78

    RFC 9725 定稿：WebRTC-HTTP 摄取协议 WHIP 成为正式标准

    WISH 工作组的 WHIP 于 2025 年 3 月发布为 RFC 9725（Standards Track），定义基于 HTTP 的简单协议，让 WebRTC 内容可标准化地推入流媒体服务与 CDN，同时更新 RFC 8840 和 RFC 8842。

    推荐理由：WHIP 从草案转正为正式 RFC，是 WebRTC 推流标准化的行业级节点。

  2. IETF MoQ 工作组文档72

    draft-ietf-moq-msf-01：定义运行于 MOQT 之上的流媒体格式 MSF

    IETF MoQ 工作组草案，由 Akamai 的 W. Law 与 Cisco 的 S. Nandakumar 提出，规定在 Media over QUIC Transport（MOQT）上承载媒体的流格式 MSF，2026 年 6 月更新至 01 版，是 MoQ 协议栈的核心规范之一。

    推荐理由：MoQ 核心流格式草案，直接决定新一代低延迟传输的媒体承载方式。

  1. LiveKit Blog71

    LiveKit 发布 Connectors，将 Twilio 和 WhatsApp 通话接入 LiveKit 房间

    LiveKit 发布 Connectors，把 Twilio Programmable Voice 和 WhatsApp Business Calling 的通话作为普通参会者接入 LiveKit 房间，无需配置 SIP 中继或网关。WhatsApp 通话端到端走 WebRTC（ICE、DTLS-SRTP、Opus），Twilio 通话经 Media Streams WebSocket 以 G.711 原始形式发布，仅为需要的订阅者转成 Opus。Connectors 已在 LiveKit Cloud 正式可用，计费与 SIP 相同，每分钟 0.004 美元（Ship）和 0.003 美元（Scale）。

    推荐理由：LiveKit 把 Twilio 与 WhatsApp 通话直接接入房间，读者可据此判断现有 SIP 方案是否要改。

  1. Hugging Face Speech-to-Speech Releases58

    Hugging Face speech-to-speech v0.2.12：Smart Turn v3.2 端点检测与 OpenAI Realtime 的 WebRTC 传输

    speech-to-speech 0.2.x 线的收官版本：Realtime 模式默认启用量化 CPU 版 Smart Turn v3.2 区分完整话轮与思考中停顿（可用 --no_smart_turn 回退 Silero）；为 OpenAI Realtime API 新增 WebRTC 传输，在 POST /v1/realtime/calls 做 SDP 协商，RTP 音频与 oai-events 数据通道与 WebSocket 共享同一管线池；并支持 --stt none 直接把 VAD 音频喂给带音频能力的 LLM。

    推荐理由：0.2.x 收官版集中落地话轮检测与 WebRTC 传输两项语音 Agent 关键能力，是 v1.0 之前的稳定基线。

  1. 声网博客58

    声网解读自建实时传输网络 SD-RTN 的调度与质量保障指标

    SD-RTN 以全球 200 多个数据中心（文中另处称 250+）组成软件定义实时网，用基于 UDP 的多路复用传输协议与智能调度系统做动态路由；对外给出分档质量承诺：200ms 内包到达率 99.9%（RTC）、800ms（极速直播）、2s（一般直播），并说明 FEC、自适应码率等弱网对抗手段与传输层加密、抗 DDoS 机制。

    推荐理由：厂商自述底层传输网的架构与可量化 SLA 指标，是理解 RTC 私有传输网络的直接材料。

  1. LiveKit Blog56

    LiveKit 推 data tracks：WebRTC 通道承载非音视频数据

    data tracks 把任意二进制帧接入 LiveKit 的 track 基础设施，面向遥操作、传感器与遥测场景：SFU 按订阅选择性转发，走无序丢失容忍的 WebRTC data channel，采用 12 字节自定义 RTP 风格包头以吃满 MTU，房间内并发轨道理论上限 65,535；已支持 JS、Rust、Python、C++、Unity SDK。

    推荐理由：把 RTC 的选择性转发能力扩展到非音视频数据，对机器人与遥操作类实时应用是实用的能力更新。

  1. LiveKit Blog58

    LiveKit 论语音 AI 传输选型：WebRTC 优于 WebSocket

    文章指出把原始音频推过 WebSocket 会继承 TCP 的队头阻塞——单包丢失即让接收端停滞数百毫秒，后续音频积压后突发播放，破坏对话节奏；而 WebRTC 为实时媒体设计，在丢包恢复、抖动缓冲与拥塞控制上开箱即有，作者将其定位为“demo 能跑、生产会垮”的架构差异。

    推荐理由：从协议特性出发解释语音 Agent 传输层选型，对自建实时链路的团队有直接参考意义。

已经到底了