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。
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。
Meta/Google 作者提出的 MOQT Properties 扩展草案,定义高效承载逐 Object 编码时间戳的属性集,编码结果也可被应用层复用,2026 年 10 月首版。
Meta 与 Google 作者联合提出的 MoQ 草案(2026 年 10 月),为 MOQT 定义订阅级流控扩展:订阅者可限制单个订阅的 subgroup 流数量与总字节数,包含 Setup 协商、信用授予消息与会话错误码。
Cisco Meraki 作者提出的草案,让 MoQ 中继广播自身地理位置与路径指标,用于支持 GDPR/HIPAA 等数据驻留合规的 geo-fencing、GDOR 分布式编排与延迟优化,可选 IATA 机场码作为人类可读标识。
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。
Akamai、Comcast、Synamedia 与 Cisco 联合起草的工作组草案,为 MOQT 定义基于 Common Access Token(CAT)的令牌授权机制,2026 年 6 月更新至 01 版。
mediasoup Rust 0.30.0 发布,新增 sctpZeroChecksum 选项以启用 RFC 9653 定义的 SCTP 零校验和,并修复空流列表下延迟流重置未延迟入站数据的问题。该版本为破坏性变更:consumer.getStats() 的 fractionLost 与 packetsLost 现仅统计到消费端下行链路的丢包,不再把发送端上行丢包计入。
2026 年 10 月 1 日发布的 MoQT draft-22 系统定义了运行在 QUIC/WebTransport 之上的发布/订阅协议:Objects/Tracks/Namespaces 数据模型、relay 转发与缓存职责、订阅优先级与传输顺序控制、控制消息线格式,以及用未分配码点防止协议僵化的机制,是 MoQ 走向 RFC 的核心草案。
推荐理由:MoQ 标准化的主线文档,draft-22 是厂商互操作(Cloudflare/Bitmovin/Ant Media 等)共同对齐的版本。
Pion WebRTC 发布 v4.2.22,将 TCP mux 写缓冲设为 4 MB,并处理了媒体方向被省略的情况。该版本自上一版以来共合并 16 个提交到 main 分支。
MediaMTX v1.21.1 修复了 WebRTC 播放 AV1 流时因编码器填充 OBU padding 导致的卡顿,并过滤 DJI 无人机流中特定 UUID 的 SEI 单元以解决 Chrome 和 Firefox 解码卡死。HLS 会话改由服务器管理,muxer 关闭后会话保留最多 30 秒并返回 404 而非 401。此外要求浏览器 POST 请求携带允许的 origin,并修复 H265 DTS 提取与 MP4 封装等多项问题。
讲解 SRS 的 WebRTC over TCP 直传方案:无需部署 TURN,通过 SRS_RTC_SERVER_TCP_ENABLED 等环境变量即可让 UDP 不可用网络下的 WebRTC 走 TCP;支持与 HTTP API/HTTP-FLV 复用同一 TCP 端口(如 8080),并可配合 rtc_to_rtmp 让一个端口同时服务 WebRTC 与 HTTP 直播,便于负载均衡器转发。
推荐理由:UDP 受限网络(企业防火墙、运营商 NAT)是 WebRTC 落地常见痛点,此文给出可直接落地的配置方案。
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。
论文指出多路径传输对实时视频收益有限的根因是调度器只看字节、不识别关键帧;MoMQ 作为 MoQT 扩展让应用与 relay 用声明式规则把 Object 元数据映射到标注路径,在 Starlink+WiFi 真实试验台上用 4 条规则将 P99.9 帧完成时间从 384.7ms 降至 114.1ms,播放缓冲需求减少 61.5%,且是唯一满足 150ms 交互延迟目标的配置。
推荐理由:把 MoQT 的语义元数据用于多路径调度,给出了 QUIC 时代弱网对抗的新方向。
论文面向 360° 沉浸式直播,基于 MoQ 重新设计多接入路径下的瓦片流投递机制,支持灵活的瓦片调度与无缝接入切换;原型在真实网络仿真中对比 DASH 与标准 MoQ,提升了增强瓦片与基础层的 goodput、降低增强瓦片尾部端到端延迟,并消除标准 MoQ 在带宽受限下的持续停滞。
推荐理由:MoQ 在高码率沉浸式视频上的系统性扩展,已被 ACM MM 2026 接收,代表学术侧的落地验证。
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。
在去年把 330+ 城市全部变为 MoQ relay(每日仍有 1000+ 客户端测试)之后,Cloudflare 新增隔离与访问控制:一次 API 调用即可创建独立 relay 并签发 publish/subscribe 分级 token,无需选区域、估容量、配负载均衡;同时支持 MoQ Transport draft-14 与 draft-16,draft-16 的 PUBLISH 让 relay 在首个观众到来前就开始收流,SUBSCRIBE_NAMESPACE 支持按命名空间批量订阅;beta 期免费。
推荐理由:MoQ 从开放预览走向可生产使用的关键一步,发布/订阅权限模型对直播与竞拍等场景是刚需。
论文在 Mininet 模拟拓扑中评估 MoQ SWITCH 式 ABR 对直播与时移播放的适配,验证标准 ABR 算法可直接用于时移播放并显著提高吞吐:订阅者重缓冲后可恢复更高吞吐,增加不到 4 秒的流延迟即可换来约 4 倍吞吐提升,开源了 MOQtail 扩展与测试框架。
推荐理由:直接回应 MoQ 工作组正在讨论的 ABR 切换语义,给 SWITCH 设计提供实证数据。
文章对比三条路线:纯 WebRTC 延迟 <200ms 但千人以上分发困难,纯 RTMP 3-5 秒延迟且不支持双向,RT-One 用统一架构让台上连麦走 RTC(<300ms)、台下观看走快直播(<1s),观众举手上麦时无感切换;给出的量化指标包括 2000+ 全球节点、抗丢包 >80%、单课堂 10 万人,并按 1v1 教学、万人公开课、小班课等场景给出选择依据。
2026 年 5 月 26 日 MoQ 虚拟临时会议集中讨论 track 切换:客户端驱动的 SWITCH(PR #1378,订阅者在组边界发 SWITCH 消息)与 Will Law 提出的 relay 执行型 DTS(订阅多轨组成 switching set,由 relay 按吞吐量选轨),会上分析了与基线协议 SUBSCRIBE_UPDATE+FETCH 方案的差异并开放邮件列表共识征集。
推荐理由:MoQ ABR 语义是标准落地前最关键的未决问题,这份记录呈现了两条技术路线的取舍。
声网 SD-RTN 通过在全球部署 250 多个数据中心,用持续链路探测与实时并行计算调度数据流路由,实现毫秒级超低延迟传输。调度不只看平均延迟,还关注特定时延内的包投递成功率,并综合节点负载、QoS 要求和业务类型选路。面对突发故障,系统以多路并发冗余在可靠性与带宽成本间取舍,并针对不同区域网络特性做适配优化。
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。
Cloudflare 排查了一个 QUIC 性能问题:CUBIC 拥塞窗口被钉在最小下限导致吞吐骤降,根因与内核空闲判断优化有关,修复方法是正确测量空闲期、区分 RTT 等待与真正的应用空闲。
推荐理由:QUIC 拥塞控制在真实生产环境的排障案例,对所有 QUIC 媒体传输方有参考价值。
Tsahi 指出 MoQ 在实时侧面对已成熟的 WebRTC(自带 NACK、抖动缓冲等双向工具)、在流媒体侧面对成熟的 HLS/DASH 生态都没有明显代差,且运营商才是省去 TURN 的受益方而非终端用户;他认为需要三个条件之一才会改变看法——标志性消费服务把 30%-50% 流量切到 MoQ、公开的真实成本/性能对比数据、或一个 WebRTC 与 HLS 都无解的用例;并估计 RFC 发布要到 2027 年底至 2028 年中。
推荐理由:对 MoQ 热度的少数派冷静分析,论据具体(标准进度、厂商名单、缺失的拉动方),有助于校准技术投入预期。
针对 RTC 试错式带宽探测在蜂窝网络波动下迟缓失准的问题,OCC 直接读取物理层信息实时获取可用带宽,并通过帧级带宽测量、APP 限速感知估计与编码器友好码率控制三项策略适配 RTC 的流量突发与编码滞后特性;在开源蜂窝测试床的实网实验中,尾网络延迟降低 13%-68%,视频帧码率提升 1.2-3.5 倍。
推荐理由:把跨层信息引入实时拥塞控制的新思路,实验增益明确,代表 2026 年 RTC 传输研究的一个方向。
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。
文章从传输层(UDP/DTLS-SRTP 对 QUIC/WebTransport)、架构(SFU 对 pub/sub relay)、浏览器支持与生产成熟度逐项对比两种协议,指出 WebTransport 在 2026 年仍只占网页加载的极小比例,而 Safari iOS 26.4 刚宣布支持 WebTransport;建议交互场景继续用 WebRTC、面向 2028 年的大规模分发再准备 MoQ。
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。
针对静态 FEC 配置在丢包率与缓冲变化下要么浪费带宽要么保护不足的问题,TAROT 逐段选择冗余度、块大小与符号化参数,联合考虑传输层丢包/goodput、应用层缓冲动态与块级时序;支持 Reed-Solomon、RaptorQ 与 XOR 码,在低延迟直播与 VOD、多种网络轨迹与 ABR 算法下,FEC 开销最多降 43%,感知质量提升 10 VMAF。
推荐理由:用优化模型替代经验阈值的 FEC 调参方法,兼顾开销与画质的量化结果有工程参考价值。
SRT 基于 UDP 引入序列号与时间戳,用选择性自动重传替代 TCP 的顺序阻塞重传以避免队头阻塞,并可在配置的延迟窗口内换抗丢包能力;协议层内置 AES-128/256 端到端加密、传输层统一时间基准做音视频同步、仅出站连接简化防火墙穿透,还持续监测丢包/RTT/带宽/抖动以自适应调整;定位为专业直播与远程制作的低延迟传输方案。
把抗弱网能力分为四层:发送前加固(抗错编码、I 帧最高保护等级的不平等保护、FEC 冗余)、传输中动态适配(实时探测带宽/丢包/延迟/抖动并调码率、按延迟预算决定是否重传)、接收端补救(运动补偿错误隐藏、FEC 解码恢复)、系统级协同(Wi-Fi 与蜂窝多路径传输、按接收者网络选发低码率高保护流)。
从协议本质对比两种方案:RTMP 基于 TCP,网络抖动时反复重传导致数秒至十几秒延迟;声网基于 UDP 私有协议加全球 200 多个节点调度,平均延迟 200-800ms、抗丢包率称可达 70%-80%;文中给出维度对比表(延迟、抗丢包、连麦体验、全球覆盖、成本)与大型发布会、电商带货、出海三类场景的选型建议。
按 RFC 8445 梳理 ICE 四阶段流程:收集本地/反射/中继候选地址,并行发送 STUN 绑定请求做连通性检查,按网络距离设定优先级选路,主路径失效时自动切换 TURN 中继;说明该机制是 WebRTC 在 NAT 环境下建立媒体通道的基础。
按 RFC 9000 梳理 QUIC 设计:1-RTT 首次握手、0-RTT 重连,基于 Connection ID 的连接迁移使 Wi-Fi 与 5G 切换无需重建会话,单调递增包编号消除重传模糊,连接级与流级双层流控;并分析其在 IM 长连接中的收益与 BBR 等可插拔拥塞控制对弱网的表现。
Chad Hart 回应 Fippo 的 MoQ 数据帖,认为“MoQ 会不会取代 WebRTC”这个提法本身有问题——互联网上传媒体有太多不同用例,MoQ 虽被包装成通用方案但更可能先在特定场景落地;文章按用例分析两者位置,并指出 MoQ 的 HTTP/3、QUIC、WebTransport 底座有内在技术优势,且 WebTransport 正获得所有现代浏览器支持。
推荐理由:从用例出发而非阵营出发的协议比较,帮助判断 MoQ 的真实落地顺序。
Cloudflare 披露并修复其 QUIC 实现中与包确认相关的两个 DDoS 漏洞(客户未受影响),文章解析 Optimistic ACK 攻击向量及通过动态跳过包号验证客户端行为的解决方案。
推荐理由:QUIC 传输层安全的重要公开案例,MoQ/RTC over QUIC 部署需关注。