技术背景
如果你是音视频开发者亦或寻求这块技术方案的公司，在探讨这个问题之前，你可能网上看了太多关于语音广播和语音对讲相关的资料，大多文章认为语音对讲和语音广播无本质区别，实现思路也大同小异。
今天我们主要探讨的是，语音对讲有哪些可行的技术方案？实际使用场景下，分别有哪些限制？如何实现相对可行的语音对讲方案？
提到语音对讲，典型的限制如RTP UDP包无法实现跨网段的数据传输，基于此，一般可以考虑以下两种解决方案：
方案1：
Android平台GB28181设备接入端，语音这块，走实时音视频点播通道，编码后的audio数据，封装到PS包，和视频数据一起打包。数据接收这块，跨网段使用RTP over TCP模式。
不幸的是，好多国标平台侧，并不支持TCP，使用UDP打洞，这需要部署单独的打洞服务器，也存在穿透不成功的情况。
方案2：
通过语音对讲模式，一般来说SDP里面“s=Talk”代表语音对讲，但实际场景下，又有两种模式：
- 模式1：“s=Talk”模式；
- 模式2：“s=Play”模式。
模式1：“s=Talk”模式，这种实现，相对来说难度稍小，只需把PCMA打包成rtp包发送或接收：
s=Talk ............ t=0 0 m=audio 端口 RTP/AVP 8 a=rtpmap:8 PCMA/8000 a=sendrecv y=xxxx.......
模式2：“s=Play”模式：
s=Play ............ t=0 0 m=audio 端口号 RTP/AVP 96 a=rtpmap:96 PS/90000 a=sendrecv y=xxxxxxxx....
“s=Play”模式下，SDP处理难度加大，按照GB/T28181规范，当看到SDP描述里面“m=audio”时，可判定国标平台侧不想要video数据，仅需要国标设备接入端发送纯音频即可，从而实现传统意义的语音对讲。
大多开发者在实现GB28181设备接入的时候都是音视频数据一起打包发送的，如果需要兼容这种情况，需要针对纯音频打包PS，纯音频打包PS，可以参照GB/T28181-2016规范针对音视频或纯视频模式下的PS打包，当然，也可以直接PCMA over RTP模式。
方案2的SDP信息有个“a=sendrecv”，具体来说，用同一个端口来同时发送和接收RTP包。按照GB28181标准，语音对讲，先把audio RTP包发到媒体服务器，需要确保各个网段的GB28181设备可以访问到媒体服务器。Android平台GB28181设备接入端先主动发RTP包到媒体服务器，媒体服务器再用相同的端口，发到Android平台GB28181设备接入端。
值得一提的是，语音广播在一些国标平台的实现，可能走点对点模式（如宇视），并没有通过媒体服务器来转发RTP包，此外，如果SDP信息中“s=Play”，那么对应的200 OK响应中的SDP 也需要确保是Play模式，即“s=Play”。
优劣势分析
方案1把音视频数据，按照GB/T28181-2016规范，都打到一个PS包中，然后使用相同的端口发送，PS包大，对带宽要求也高，如因网络抖动很容易出现延迟或丢包，从而导致语音对讲的极差体验，而且UDP存在穿透问题。
方案2，我们只传纯音频，加之PCMA码率仅有64kbps，加上RTP头的字节数，带宽占用非常小，美中不足的是，技术实现相对复杂。
技术实现
我们Android平台GB28181设备接入模块，已经实现了上述提到的技术方案，相关接口设计如下：
// Github: https://github.com/daniulive/SmarterStreaming // Contract: 89030985@qq.com public interface GBSIPAgentTalkListener { /* *收到语音对讲INVITE */ void ntsOnInviteTalk(String deviceId, SessionDescription sessionDescription); /* *发送talk invite response 异常 */ void ntsOnTalkInviteResponseException(String deviceId, int statusCode, String errorInfo); /* * 收到CANCEL Talk INVITE请求 */ void ntsOnCancelTalk(String deviceId); /* * 收到Ack */ void ntsOnAckTalk(String deviceId); /* * 收到Bye */ void ntsOnByeTalk(String deviceId); /* * 不是在收到BYE Message情况下，终止Talk */ void ntsOnTerminateTalk(String deviceId); void ntsOnTalkDialogTerminated(String deviceId); } public interface GBSIPAgent { // 其他接口省略...... void addTalkListener(GBSIPAgentTalkListener talkListener); /* *响应Invite Talk 200 OK */ boolean respondTalkInviteOK(String deviceId, String addressType, String localAddress, MediaSessionDescription mainLocalAudioDescription, MediaSessionDescription subLocalAudioDescription); /* *响应Invite Talk 其他状态码 */ boolean respondTalkInvite(int statusCode, String deviceId); /* *终止Talk会话 */ void terminateTalk(String deviceId, boolean isSendBYE); /* *终止所有Talk会话 */ void terminateAllTalks(boolean isSendBYE); }
相关调用示例代码如下：
@Override public void ntsOnInviteTalk(String deviceId, SessionDescription sessionDescription) { handler_.postDelayed(new Runnable() { @Override public void run() { gb28181_agent_.respondTalkInvite(180, device_id_); MediaSessionDescription audio_description = null; SDPRtpMapAttribute rtp_map_attribute = null; Vector<MediaSessionDescription> audio_des_list = session_description_.getAudioDescriptions(); if (audio_des_list != null && !audio_des_list.isEmpty()) { for(MediaSessionDescription m : audio_des_list) { if (m != null && m.isValidAddressType() && m.isHasAddress()) { rtp_map_attribute = m.getRtpMapAttribute(SDPRtpMapAttribute.PCMA_ENCODING_NAME); if (rtp_map_attribute != null) { audio_description = m; break; } } } if (null == rtp_map_attribute) { for(MediaSessionDescription m : audio_des_list) { if (m != null && m.isValidAddressType() && m.isHasAddress()) { rtp_map_attribute = m.getRtpMapAttribute(SDPRtpMapAttribute.PS_ENCODING_NAME); if (rtp_map_attribute != null) { audio_description = m; break; } } } } } if (null == audio_description) { gb28181_agent_.respondTalkInvite(488, device_id_); Log.i(TAG, "ntsOnInviteTalk get audio description is null, response 488, device_id:" + device_id_); return; } if (null == rtp_map_attribute ) { gb28181_agent_.respondTalkInvite(488, device_id_); Log.i(TAG, "ntsOnInviteTalk get rtp map attribute is null, response 488, device_id:" + device_id_); return; } Log.i(TAG,"ntsOnInviteTalk, device_id:" +device_id_+", is_tcp:" + audio_description.isRTPOverTCP() + " rtp_port:" + audio_description.getPort() + " ssrc:" + audio_description.getSSRC() + " address_type:" + audio_description.getAddressType() + " address:" + audio_description.getAddress() + " payload_type:" + rtp_map_attribute.getPayloadType() + " encoding_name:" + rtp_map_attribute.getEncodingName()); long rtp_sender_handle = libPublisher.CreateRTPSender(0); if (0 == rtp_sender_handle) { gb28181_agent_.respondTalkInvite(488, device_id_); Log.i(TAG, "ntsOnInviteTalk CreateRTPSender failed, response 488, device_id:" + device_id_); return; } gb_talk_rtp_payload_type_ = rtp_map_attribute.getPayloadType(); gb_talk_rtp_encoding_name_ = rtp_map_attribute.getEncodingName(); libPublisher.SetRTPSenderTransportProtocol(rtp_sender_handle, audio_description.isRTPOverUDP()?0:1); libPublisher.SetRTPSenderIPAddressType(rtp_sender_handle, audio_description.isIPv4()?0:1); libPublisher.SetRTPSenderLocalPort(rtp_sender_handle, 0); libPublisher.SetRTPSenderSSRC(rtp_sender_handle, audio_description.getSSRC()); libPublisher.SetRTPSenderSocketSendBuffer(rtp_sender_handle, 256*1024); // 音频配置到256KB libPublisher.SetRTPSenderClockRate(rtp_sender_handle, rtp_map_attribute.getClockRate()); libPublisher.SetRTPSenderDestination(rtp_sender_handle, audio_description.getAddress(), audio_description.getPort()); gb_talk_is_receive_ = audio_description.isHasAttribute("sendrecv"); if (gb_talk_is_receive_) { libPublisher.EnableRTPSenderReceive(rtp_sender_handle, 1); // libPublisher.SetRTPSenderReceiveSSRC(rtp_sender_handle, audio_description.getSSRC()); libPublisher.SetRTPSenderReceivePayloadType(rtp_sender_handle, gb_talk_rtp_payload_type_, gb_talk_rtp_encoding_name_, 2, rtp_map_attribute.getClockRate()); // 目前发现某些平台 PS-PCMA 是8000, 不建议设置 //if (gb_talk_rtp_encoding_name_.equals("PS")) { // libPublisher.SetRTPSenderReceivePSClockFrequency(rtp_sender_handle, 8000); // } // 如果是PCMA编码, 采样率和通道可以先不设置 // libPublisher.SetRTPSenderReceiveAudioSamplingRate(rtp_sender_handle, 8000); // libPublisher.SetRTPSenderReceiveAudioChannels(rtp_sender_handle, 1); } if (libPublisher.InitRTPSender(rtp_sender_handle) != 0 ) { gb28181_agent_.respondTalkInvite(488, device_id_); libPublisher.DestoryRTPSender(rtp_sender_handle); return; } int local_port = libPublisher.GetRTPSenderLocalPort(rtp_sender_handle); if (0==local_port) { gb28181_agent_.respondTalkInvite(488, device_id_); libPublisher.DestoryRTPSender(rtp_sender_handle); return; } Log.i(TAG,"ntsOnInviteTalk get local_port:" + local_port); String local_ip_addr = IPAddrUtils.getIpAddress(context_); MediaSessionDescription main_local_audio_des = new MediaSessionDescription(audio_description.getType()); main_local_audio_des.addFormat(String.valueOf(rtp_map_attribute.getPayloadType())); main_local_audio_des.addRtpMapAttribute(rtp_map_attribute); main_local_audio_des.addAttribute(new SDPAttribute("sendonly")); if (audio_description.isRTPOverTCP()) { // tcp主动链接服务端 main_local_audio_des.addAttribute(new SDPAttribute("setup", "active")); main_local_audio_des.addAttribute(new SDPAttribute("connection", "new")); } main_local_audio_des.setPort(local_port); main_local_audio_des.setTransportProtocol(audio_description.getTransportProtocol()); main_local_audio_des.setSSRC(audio_description.getSSRC()); MediaSessionDescription sub_local_audio_des = null; if (gb_talk_is_receive_) { sub_local_audio_des = new MediaSessionDescription(audio_description.getType()); sub_local_audio_des.addFormat(String.valueOf(rtp_map_attribute.getPayloadType())); sub_local_audio_des.addRtpMapAttribute(rtp_map_attribute); sub_local_audio_des.addAttribute(new SDPAttribute("recvonly")); if (audio_description.isRTPOverTCP()) { // tcp主动链接服务端 sub_local_audio_des.addAttribute(new SDPAttribute("setup", "active")); sub_local_audio_des.addAttribute(new SDPAttribute("connection", "new")); } sub_local_audio_des.setPort(local_port); sub_local_audio_des.setTransportProtocol(audio_description.getTransportProtocol()); sub_local_audio_des.setSSRC(audio_description.getSSRC()); } if (!gb28181_agent_.respondTalkInviteOK(device_id_, audio_description.getAddressType(), local_ip_addr, main_local_audio_des, sub_local_audio_des) ) { libPublisher.DestoryRTPSender(rtp_sender_handle); Log.e(TAG, "ntsOnInviteTalk call respondPlayInviteOK failed."); return; } gb_talk_rtp_sender_handle_ = rtp_sender_handle; } private String device_id_; private SessionDescription session_description_; public Runnable set(String device_id, SessionDescription session_des) { this.device_id_ = device_id; this.session_description_ = session_des; return this; } }.set(deviceId, sessionDescription),0); }
总结
实际上，GB28181平台语音广播和语音对讲，特别是语音对讲，不光要解决传输跨网段问题，还可能要处理回音，噪音，增益控制等，这块，我们之前有了非常好的技术积累，处理起来轻车熟路，有需要测试的开发者，也可以私信联系我。
两种技术方案虽然都可以实现语音对讲，方案1相对实现起来简单，但缺点明显，方案2技术优势有目共睹，更适合相对复杂的网络环境。遗憾的是，大多公司都没有实现，或者说市面上真正实现跨网段语音对讲的尚在少数，感兴趣的开发者可以酌情参考。
