WebRTC 如何實現網路通訊
WebRTC 的起源
Google 在 2010 年收購了一家名為 Global IP Solutions (GIPS) 的公司。這家公司的技術核心是即時語音和視訊通訊，包括了先進的語音編碼器（如 Opus）、回音消除、降噪等功能。
收購 GIPS 後，Google 將這些專有技術開源，並將其與自己正在開發的瀏覽器技術整合。在 2011 年，Google 正式將這套技術命名為 WebRTC，並向 IETF（網際網路工程任務組）提交標準化草案。
開源與標準化
Google 提出 WebRTC 的初衷，是為了讓網頁瀏覽器能夠直接進行即時語訊和視訊通訊，而不需要安裝任何外掛（如過去的 Flash 或 Java applet）。
為了實現這個目標，Google 積極與多個組織合作，包括：
- IETF (Internet Engineering Task Force)：負責制定網路通訊協議的標準。
- W3C (World Wide Web Consortium)：負責制定網頁相關技術的標準。
在這些組織的共同努力下，WebRTC 逐漸成為一個開放的、標準化的技術，並獲得了主流瀏覽器（如 Chrome、Firefox、Safari、Edge）的支援，最終成為了網路即時通訊的基礎技術之一。
WebRTC 的技術
WebRTC（Web Real-Time Communication）是如何實現網路電話語音串流的？簡單來說，它就像一個內建在瀏覽器裡的通訊工具箱，能讓電腦或手機之間直接進行語音、視訊和資料傳輸，而不需要經過複雜的伺服器中轉。
以下是 WebRTC 實現語音串流的幾個核心步驟和技術：
1. 取得與處理本地媒體（Get Media）
首先，WebRTC 需要取得你設備上的音訊。這一步驟透過瀏覽器提供的 API 實現，你可能會看到一個彈跳視窗詢問你是否允許網站存取你的麥克風。
- getUserMedia() API：這是 WebRTC 的起點。它會向作業系統請求存取你的麥克風，一旦你允許，你的聲音訊號就會被捕捉下來。
- 音訊處理：原始的音訊訊號非常龐大，WebRTC 會對其進行數位化、編碼和壓縮。這個過程會使用語音編碼器（Audio Codec），例如 Opus，它是一種高效能、低延遲的編碼器，非常適合即時通訊。
2. 建立連線（Peer-to-Peer Connection）
WebRTC 的核心優勢在於它能建立點對點（P2P）連線，讓兩台設備可以直接通話，而非將資料先上傳到伺服器再傳給對方。這樣可以大幅降低延遲。
- SDP（Session Description Protocol）：為了讓兩台設備知道如何互相通話，它們需要交換彼此的通話設定。SDP 就是用來描述這些設定的，例如：
- 支援的語音編碼器：雙方都支援 Opus 編碼嗎？
- IP 位址與埠號：我的「網路地址」是什麼？
- ICE（Interactive Connectivity Establishment）：由於網路環境複雜，設備可能在防火牆、路由器或 NAT 之後，直接連線會很困難。ICE 就是解決這個問題的技術框架。它會嘗試多種連線方式：
- STUN 伺服器：幫助設備找出自己對外的公網 IP。
- TURN 伺服器：如果 P2P 連線真的無法建立（例如網路限制非常嚴格），TURN 伺服器會充當中繼者，將所有的資料流量中轉，確保通話可以進行，但這會犧牲一些延遲優勢。
3. 即時串流（Real-Time Streaming）
一旦 P2P 連線建立，語音數據就會開始即時傳輸。WebRTC 使用了兩種核心協議來實現這一步：
- RTP（Real-time Transport Protocol）：這個協議負責將壓縮後的語音資料打包成一個個的資料封包，並加上時間戳和序號，以確保接收端能正確地將封包重新組裝成連貫的聲音。
- UDP（User Datagram Protocol）：與 TCP 不同，UDP 是一種「不可靠」的傳輸協議。這聽起來很糟，但對即時通訊來說是優點。UDP 不保證每個封包都會送達，也不會花時間重新發送遺失的封包。這使得它非常快速，能最大限度地降低延遲，即使偶爾丟失一個語音封包，對整體語音品質的影響也相對較小。
4. 播放語音（Render Audio）
接收端收到 RTP 封包後，WebRTC 會進行以下處理：
- 緩衝區與抖動處理（Jitter Buffer）：網路環境不穩定會導致封包抵達的時間不一（稱為「抖動」）。接收端會將封包暫存在一個緩衝區裡，重新排列它們的順序，並以穩定的速度將它們送給解碼器。
- 解碼與播放：封包內的壓縮語音數據被解碼器還原，最終轉換為類比訊號，透過你的耳機或喇叭播放出來。
總結一下，WebRTC 實現網路電話語音串流的流程如下：
- 捕捉你的麥克風聲音，並用高效的編碼器 Opus 進行壓縮。
- 透過 SDP 與對方交換通話設定，並利用 ICE（STUN/TURN）技術找到最佳的連線路徑，建立 P2P 連線。
- 利用 RTP 和 UDP 將語音數據快速且低延遲地傳輸給對方。
- 在接收端用 緩衝區 處理延遲問題，並將語音解碼後播放出來。
這個複雜的過程都是在你的瀏覽器內部自動完成的，這就是為何能輕鬆地在許多網頁上進行語音通話，而不需要安裝任何額外的軟體或外掛。
