WebRTC چیست و چطور تماس صوتی و تصویری را برقرار می‌کند؟

WebRTC چیست؟ مجموعه‌ای استاندارد از فناوری‌هاست که به مرورگر و برنامه‌ی موبایل اجازه می‌دهد صدا و تصویر را زنده و مستقیم بین دو نفر رد و بدل کنند، بدون افزونه و بدون نصب نرم‌افزار جداگانه. اسمش مخفف «Web Real-Time Communication» است و بسیاری از تماس‌های اینترنتی امروز، از جمله تماس‌های فینگت، روی همین پایه ساخته شده‌اند. در این صفحه بدون ورود به کدنویسی می‌گوییم این فناوری از چه بخش‌هایی تشکیل شده، یک تماس مرحله‌به‌مرحله چطور شکل می‌گیرد، رمزگذاری چه معنایی دارد و در فینگت دقیقاً کجا به کار رفته است.

بروزرسانی: زمان مطالعه حدود ۱۲ دقیقه نوشته‌ی تیم فنی فینگت

WebRTC چیست؟ تعریف ساده و دلیل وجودش

WebRTC یک استاندارد باز برای ارتباط زنده است. به زبان ساده، به مرورگر یا برنامه یاد می‌دهد چطور میکروفون و دوربین را بخواند، آن را فشرده کند، به دستگاه دیگر برساند و آن‌طرف دوباره پخش کند؛ همه در چند ده میلی‌ثانیه. استاندارد آن را گروه‌های W3C و IETF تعریف کرده‌اند و مرورگرهای اصلی، مثل کروم، فایرفاکس، سافاری و اج، آن را پشتیبانی می‌کنند.

پیش از آن، تماس در مرورگر یعنی نصب افزونه‌ای مثل فلش یا برنامه‌ای جداگانه. هر افزونه مشکل امنیتی و ناسازگاری خودش را داشت و روی موبایل تقریباً کار نمی‌کرد. WebRTC این وابستگی را برداشت: تماس بدون افزونه، با همان مرورگری که دارید. به همین دلیل بسیاری از ابزارهای جلسه‌ی آنلاین و تماس تصویری از آن استفاده می‌کنند و برنامه‌های اندروید هم می‌توانند از همان کتابخانه‌ی متن‌باز بهره ببرند.

وب آر تی سی همان VoIP است؟

نه دقیقاً. VoIP اسم کلی «صدا روی اینترنت» است و WebRTC یکی از راه‌های ساختن آن، با تمرکز بر مرورگر و موبایل. اگر هنوز مفهوم کلی را نخوانده‌اید، VoIP چیست تصویر بزرگ‌تر را نشان می‌دهد و این صفحه یک لایه‌ی فنی‌تر پایین می‌رود.

خلاصه: WebRTC موتور تماس است، نه خود برنامه. ظاهر برنامه، فهرست مخاطبان، ورود و اعلان تماس را هر سرویس جدا می‌سازد.

WebRTC از چه بخش‌هایی ساخته شده؟

پشت یک تماس چند قطعه‌ی مستقل کار می‌کنند. شناختن‌شان کمک می‌کند وقتی تماسی بد می‌شود بدانید مشکل احتمالاً در کدام قطعه است.

گرفتن رسانه

دسترسی به میکروفون، دوربین یا صفحه‌ی نمایش با اجازه‌ی کاربر. مرورگر پیش از شروع اجازه می‌پرسد و بدون آن هیچ چیزی ضبط یا ارسال نمی‌شود.

کدک‌ها

برنامه‌هایی که صدا و تصویر را فشرده می‌کنند. برای صدا معمولاً Opus و برای تصویر H.264 یا VP8 به کار می‌رود؛ VP9 در برخی موارد مثل اشتراک صفحه.

اتصال همتا به همتا

شیئی که اتصال بین دو دستگاه را می‌سازد، آدرس‌های ممکن را امتحان می‌کند و مسیر مناسب را انتخاب می‌کند. اسمش در مستندات RTCPeerConnection است.

رمزگذاری

همه‌ی رسانه‌ی WebRTC به‌صورت اجباری رمز می‌شود. این کار با مجموعه‌ی DTLS و SRTP انجام می‌شود و اختیاری نیست.

کانال داده

مسیر کنار صدا و تصویر برای فرستادن پیام‌های کوچک. برنامه‌ها از آن برای هماهنگی‌های درون تماس، مثل وضعیت و کنترل، استفاده می‌کنند.

کنترل ازدحام

الگوریتم‌هایی که نرخ ارسال را با وضعیت شبکه تنظیم می‌کنند تا با اینترنت ضعیف، تماس نه کاملاً قطع شود و نه بی‌نهایت تأخیر بیاورد.

یک تماس WebRTC مرحله‌به‌مرحله چطور برقرار می‌شود؟

برقراری تماس در WebRTC شبیه آشنا کردن دو نفر با هم است: اول باید کسی بگوید «او را صدا کن»، بعد دو نفر نشانی هم را بگیرند و آخر مستقیم صحبت کنند. این مراحل را به‌ترتیب ببینید.

  1. اجازه‌ی دسترسی

    برنامه از دستگاه اجازه‌ی میکروفون و در تماس تصویری دوربین می‌گیرد. از این لحظه تصویر محلی روی صفحه‌ی خودتان دیده می‌شود.

  2. ساختن پیشنهاد

    دستگاه شما یک متن فنی به اسم SDP می‌سازد که می‌گوید چه کدک‌هایی دارد و چه چیزهایی می‌تواند بفرستد؛ این همان «پیشنهاد» تماس است.

  3. سیگنالینگ

    پیشنهاد از طریق سرور خود سرویس به طرف مقابل می‌رسد و او با «پاسخ» جواب می‌دهد. این مرحله را سیگنالینگ می‌گویند و خود WebRTC آن را تعریف نمی‌کند؛ هر سرویس با وب‌سوکت یا روش دیگر انجامش می‌دهد. زنگ خوردن گوشی هم همین‌جا شروع می‌شود.

  4. جمع‌کردن نشانی‌ها

    هر دو دستگاه فهرستی از نشانی‌های ممکن برای رسیدن به خودشان می‌سازند، از آدرس داخل شبکه‌ی محلی تا آدرس عمومی که سرورهای STUN نشان می‌دهند. به هر کدام «کاندیدا» می‌گویند.

  5. امتحان مسیرها

    کاندیداها از دو طرف با هم جفت و آزمایش می‌شوند. اگر مسیر مستقیم باز باشد انتخاب می‌شود؛ اگر نه، تماس از سرور رله‌ی TURN می‌گذرد. جزئیات این بخش در STUN و TURN آمده است.

  6. دست‌دادن رمزگذاری

    دو دستگاه کلیدهای رمز را از طریق DTLS با هم توافق می‌کنند و بعد صدا و تصویر درون بسته‌های SRTP رمز می‌شود.

  7. جریان زنده

    صدا و تصویر مدام فرستاده می‌شود و کیفیت با وضعیت شبکه بالا و پایین می‌رود تا تماس قطع نشود.

در عمل همه‌ی این هفت مرحله معمولاً در یک تا چند ثانیه تمام می‌شود. اگر تماسی دیر وصل می‌شود، بیشتر وقت‌ها مرحله‌ی امتحان مسیرها یا سیگنالینگ کند بوده است.

سیگنالینگ چیست و چرا WebRTC به سرور نیاز دارد؟

تماس WebRTC تا وقتی برقرار شود مستقیم است، اما برای برقرار شدن باید دو طرف یک‌بار هم‌دیگر را پیدا کنند. دستگاهی که تازه زنگ می‌زند هیچ نشانی از گوشی مقابل ندارد؛ باید پیامی به یک سرور بدهد و آن سرور پیام را به او برساند. این کار سیگنالینگ است و بیرون از استاندارد می‌ماند. به همین دلیل می‌گویند «WebRTC بدون سرور کار می‌کند» نیمه‌درست است: صدا و تصویر مستقیم می‌روند، ولی هماهنگی اولیه به سرور وابسته است.

سرور سیگنالینگ صدا و تصویر را نمی‌بیند. فقط پیام‌های کوچک رد و بدل می‌کند: چه کسی به چه کسی زنگ می‌زند، تماس قبول شد یا رد شد، و کاندیداهای مسیر. همین سرور معمولاً زمان شروع، مدت و وضعیت تماس را هم می‌داند، چون باید تماس را مدیریت کند.

چرا هر سرویس سیگنالینگ خودش را دارد؟

چون سیگنالینگ به منطق محصول گره خورده است: حساب کاربری، فهرست مخاطبان، اعلان تماس ورودی و رد یا قبول کردن. استاندارد عمداً این‌ها را آزاد گذاشته تا هر برنامه بتواند آن‌ها را به شیوه‌ی خودش بسازد. نتیجه این است که دو برنامه‌ی مختلف مبتنی بر WebRTC لزوماً نمی‌توانند به هم زنگ بزنند.

مقایسه‌ی WebRTC با تماس معمولی و تماس از طریق سرور

موضوعتماس معمولی اپراتورWebRTC (مسیر مستقیم)WebRTC (از طریق رله)
بسترشبکه‌ی مکالمه‌ی اپراتوراینترنت، مستقیم بین دو دستگاهاینترنت، با عبور از سرور TURN
تأخیرپایین و تقریباً ثابتمعمولاً پایین؛ به فاصله و شبکه بستگی داردکمی بیشتر چون یک توقف اضافه دارد
نیاز به نصبسیم‌کارتمرورگر یا برنامههمان
بار روی سرور سرویسنداردفقط سیگنالینگرسانه هم از سرور رد می‌شود و هزینه‌ی ترافیک دارد
وقتی به کار می‌آیداضطراری و بدون اینترنتاغلب شبکه‌های خانگیشبکه‌های بسته یا پشت NAT سخت
رمزگذاری رسانهبسته به شبکه‌ی اپراتورDTLS-SRTPDTLS-SRTP

در WebRTC مسیر مستقیم ترجیح داده می‌شود چون سریع‌تر و کم‌هزینه‌تر است. رله زمانی لازم می‌شود که دیوار آتش یا نوع شبکه اجازه‌ی اتصال دو دستگاه را به هم ندهد؛ برای درک بهتر تفاوت این دو حالت تماس P2P یا از طریق سرور را ببینید.

کجا WebRTC را هر روز می‌بینید؟

تماس در مرورگر، جلسه‌ی آنلاین از داخل یک صفحه‌ی وب، تماس تصویری پشتیبانی مشتری روی سایت، کلاس مجازی و تماس‌های داخل بسیاری از برنامه‌های موبایل همه می‌توانند روی WebRTC باشند. شما معمولاً اسمش را نمی‌بینید، چون برنامه‌ها آن را زیر ظاهر خودشان پنهان می‌کنند. فقط وقتی مرورگر می‌پرسد «اجازه‌ی استفاده از میکروفون و دوربین را می‌دهید؟» یا وقتی صفحه‌ای را به اشتراک می‌گذارید، حضور آن را حس می‌کنید.

کاربردش هم به تماس محدود نیست. کانال داده‌ی WebRTC برای ارسال مستقیم فایل‌های کوچک و بازی‌های آنلاین هم به کار می‌رود، چون تأخیر کمی دارد. در این صفحه روی تماس صوتی و تصویری تمرکز داریم.

چه زمانی WebRTC انتخاب منطقی است و چه زمانی نه؟

وقتی می‌خواهید تماس زنده‌ی کم‌تأخیر داشته باشید، نمی‌خواهید کاربر چیزی نصب کند و دو طرف قرار است مستقیم صحبت کنند. وقتی ضبط یا پخش انبوه برای هزاران بیننده می‌خواهید، ابزارهای دیگری مثل پخش زنده‌ی معمولی مناسب‌ترند.

WebRTC در فینگت چطور استفاده می‌شود؟

تماس‌های صوتی و تصویری فینگت روی WebRTC ساخته شده‌اند. برای صدا از کدک Opus با تنظیم تحمل خطا (FEC) استفاده می‌شود، برای تصویر H.264 یا VP8 و برای اشتراک صفحه در وب VP9. این انتخاب‌ها در پس‌زمینه انجام می‌شوند و لازم نیست چیزی را تنظیم کنید.

مسیر ترجیحی تماس مستقیم بین دو دستگاه است. اگر شبکه‌ی یکی از طرفین اجازه ندهد، تماس از سرور رله‌ی TURN خود فینگت عبور می‌کند. سرور سیگنالینگ فینگت برای برقرار شدن تماس لازم است، اما محتوای صدا و تصویر روی آن ضبط یا ذخیره نمی‌شود. رسانه با همان DTLS-SRTP استاندارد رمز می‌شود. فینگت اطلاعات فنی تماس را ثبت می‌کند، مثل زمان، مدت، وضعیت و آمار کیفیتی مثل تأخیر و افت بسته، تا بتواند خطاها را بررسی کند؛ محتوای مکالمه جزو آن نیست.

وقتی اینترنت ضعیف شود، اپ هشدار «اینترنت شما یا مخاطب ضعیف است» می‌دهد و در شرایط خیلی بد تصویر را موقتاً می‌ایستاند تا صدا بماند. تماس فقط یک‌به‌یک است و هر دو طرف باید فینگت داشته باشند. اپ برای اندروید از صفحه‌ی دانلود فینگت نصب می‌شود و برای آیفون و کامپیوتر نسخه‌ی وب هست. اگر بخواهید همین حالا تجربه‌اش کنید، تماس تصویری فینگت ساده‌ترین نقطه‌ی شروع است.

فینگت WebRTC را برای تماس دونفره به کار می‌برد. اتاق چندنفره، ضبط تماس و گفتگوی متنی درون تماس در آن نیست.

WebRTC چه چیزهایی را حل نمی‌کند؟

پاسخ «WebRTC چیست» با مرز آن کامل می‌شود؛ برای انتظار درست این سوءتفاهم‌های رایج را بشناسید.

اینکه WebRTC خودش یک برنامه است

فقط مجموعه‌ی ابزار است. حساب کاربری، مخاطبان، اعلان و کیفیت تجربه را برنامه‌ای که از آن استفاده می‌کند می‌سازد.

اینکه رمزگذاری یعنی هیچ داده‌ای ثبت نمی‌شود

رمزگذاری رسانه را در مسیر محافظت می‌کند، اما سرویس‌ها ممکن است اطلاعات فنی تماس مثل زمان و مدت را ثبت کنند. سیاست هر سرویس را باید در قوانین و حریم خصوصی همان سرویس خواند.

اینکه همیشه مستقیم است

اگر شبکه اجازه ندهد، تماس از رله می‌گذرد. این کاملاً عادی است و بخشی از طراحی استاندارد.

اینکه کیفیت فقط به برنامه بستگی دارد

پایداری اینترنت، وای‌فای، قدرت پردازش گوشی و کیفیت میکروفون هم مؤثرند. وقتی صدا خراب است، ابتدا قطع‌شدن تماس و وضعیت شبکه را بررسی کنید.

اینکه به‌جای تماس اضطراری کافی است

تماس اینترنتی با تماس اضطراری اپراتور یکی نیست و بدون اینترنت پایدار کار نمی‌کند.

نمونه: چرا دو دوست تماس را با وای‌فای و دیگری با رله وصل کردند؟

سناریوی نمونه

دو تماس در یک شب

نمونه‌ای فرضی: سارا از خانه با وای‌فای معمولی به دوستش نیما زنگ می‌زند. هر دو شبکه‌ی خانگی ساده دارند و دو دستگاه مسیر مستقیم پیدا می‌کنند؛ تماس سریع و بی‌واسطه وصل می‌شود. چند ساعت بعد سارا از اینترنت یک مجموعه‌ی اداری با تنظیمات سخت‌گیرانه به مادرش زنگ می‌زند. شبکه‌ی اداری اجازه‌ی اتصال مستقیم نمی‌دهد و تماس از طریق رله وصل می‌شود. برای سارا فرقی حس نمی‌شود جز اینکه تصویر کمی دیرتر می‌رسد. دلیل این است که در اولی مسیر کوتاه بود و در دومی بسته‌ها یک توقف اضافه داشتند.

سناریوی نمونه

آموزش نمونه

این نمونه نشان می‌دهد چرا یک برنامه در دو شبکه رفتار متفاوت دارد؛ دلیلش خود برنامه نیست، مسیر شبکه است. اگر در شبکه‌ی خاصی تماس همیشه کند بود، یک بار شبکه‌ی دیگر را امتحان کنید.

چک‌لیست قبل از یک تماس WebRTC بی‌دردسر

برای تماس در مرورگر یا برنامه، این چند مورد بیشتر وقت‌ها مشکل را از پیش حل می‌کند.

  • مرورگر یا برنامه به‌روز است؛ نسخه‌ی خیلی قدیمی ممکن است کدک‌ها را نداشته باشد.
  • اجازه‌ی میکروفون و در صورت نیاز دوربین داده شده است؛ بررسی‌اش در اجازه‌ی دوربین و میکروفون مرورگر آمده است.
  • اینترنت پایدار است؛ برای تماس تصویری وای‌فای معمولاً بهتر از اینترنت همراه پرنوسان است.
  • برنامه‌های سنگین پس‌زمینه بسته شده‌اند.
  • برای جلوگیری از اکو از هدفون یا هدست استفاده می‌شود.
  • اگر تصویر پرید، دوربین موقتاً خاموش می‌شود و تماس صوتی ادامه پیدا می‌کند.

واژه‌نامه‌ی WebRTC

بعد از اینکه فهمیدید WebRTC چیست، این اصطلاح‌ها در مقاله‌ها و مستندات زیاد جلوی چشمتان می‌آیند.

WebRTC
مجموعه‌ی استاندارد برای تماس زنده‌ی صدا و تصویر در مرورگر و برنامه.
سیگنالینگ
رد و بدل کردن پیام‌های هماهنگی برای شروع تماس؛ بیرون از استاندارد و بر عهده‌ی سرویس.
SDP
متنی که توان‌ها و کدک‌های هر دستگاه را توصیف می‌کند.
ICE
روشی برای پیدا کردن بهترین مسیر بین دو دستگاه از میان چند کاندیدا.
STUN
سروری که آدرس عمومی دستگاه را به آن نشان می‌دهد.
TURN
سرور رله‌ای که وقتی اتصال مستقیم ممکن نیست، رسانه را عبور می‌دهد.
DTLS-SRTP
مجموعه‌ی رمزگذاری استاندارد که رسانه‌ی WebRTC را محافظت می‌کند.
NAT
مکانیزمی در روتر که چند دستگاه را پشت یک آدرس عمومی پنهان می‌کند و اتصال مستقیم را سخت می‌کند.

پرسش‌های متداول درباره WebRTC چیست

WebRTC چیست؟

WebRTC یک استاندارد باز برای تماس زنده‌ی صدا، تصویر و داده بین دو دستگاه است که در مرورگرها و برنامه‌های موبایل پشتیبانی می‌شود. با آن می‌شود بدون افزونه تماس برقرار کرد.

WebRTC چه فرقی با تماس معمولی دارد؟

تماس معمولی از شبکه‌ی مکالمه‌ی اپراتور می‌گذرد، اما WebRTC صدا و تصویر را روی اینترنت می‌فرستد. به همین دلیل به اینترنت نیاز دارد ولی تصویر، اشتراک صفحه و قابلیت‌های دیگر را هم می‌تواند داشته باشد.

آیا WebRTC سرور لازم دارد؟

برای شروع تماس بله، چون دو دستگاه باید از طریق یک سرور سیگنالینگ همدیگر را پیدا کنند. بعد از برقراری، رسانه تا جای ممکن مستقیم می‌رود و فقط وقتی مسیر مستقیم ممکن نباشد از سرور رله عبور می‌کند.

آیا تماس‌های WebRTC رمزگذاری می‌شوند؟

بله، رمزگذاری رسانه در استاندارد اجباری است و با DTLS-SRTP انجام می‌شود. این به معنای ثبت‌نشدن هر نوع اطلاعات از سوی سرویس نیست؛ سیاست داده در هر سرویس جداگانه است.

فینگت از WebRTC استفاده می‌کند؟

بله. تماس صوتی و تصویری یک‌به‌یک در اپ و نسخه‌ی وب فینگت روی WebRTC است. محتوای صدا و تصویر روی سرورهای فینگت ضبط یا ذخیره نمی‌شود، اما اطلاعات فنی تماس مثل زمان و آمار کیفیت برای عیب‌یابی ثبت می‌شود.

برای WebRTC باید چیزی نصب کنم؟

در مرورگر خیر؛ هر کسی که می‌پرسد WebRTC چیست باید بداند پشتیبانی آن داخل مرورگر است. برای اپ‌هایی مثل فینگت روی اندروید خود برنامه را نصب می‌کنید و آیفون و کامپیوتر می‌توانند از نسخه‌ی وب استفاده کنند.

چرا گاهی تماس WebRTC کند یا ناپایدار است؟

معمولاً به اینترنت، وای‌فای یا مسیر شبکه برمی‌گردد. اگر دو دستگاه نتوانند مستقیم وصل شوند و تماس از رله بگذرد، تأخیر کمی بیشتر می‌شود. نزدیک‌تر شدن به مودم، بستن برنامه‌های سنگین و تغییر شبکه معمولاً کمک می‌کند.

آیا می‌شود با WebRTC تماس گروهی ساخت؟

از نظر فنی بله، با طراحی مناسب سرور. اما فینگت فعلاً فقط تماس یک‌به‌یک دارد و اتاق چندنفره ندارد.