
WebRTC 是 Web Real-Time Communication 的縮寫,顧名思義,它是一套讓瀏覽器進行即時語音或視頻對話的技術。它涵蓋了視頻會議的核心環節——採集、編解碼、網路傳輸、顯示,並且跨平台支援 Windows、Linux、Mac、Android 與 iOS。2011 年 5 月開放原始碼後,迅速成為下一代視頻通話的事實標準。
本文示範如何以 WebRTC 為基礎,實現不同客戶端之間的音視頻通話,而且不只限於行動端到行動端,還包括行動端與瀏覽器之間。

一、WebRTC 的實現原理
二、iOS 下 WebRTC 環境的搭建
三、WebRTC 的 API 與點對點連接流程
四、iOS 客戶端實作與服務端信令通道
WebRTC 的音視頻通信基於 P2P,也就是點對點連接。
傳統模式 vs 點對點模式
傳統連線都以伺服器為中介:HTTP 是客戶端↔伺服器;即時通訊傳文字、圖片、錄音時是「客戶端 A ↔ 伺服器 ↔ 客戶端 B」。而點對點一旦通道建立,資料就不經過伺服器,直接在兩端之間流動:A↔B、A↔C……有無數種組合。
想想音視頻通話的場景,伺服器確實沒必要拿到雙方的通話內容,這樣做最大的好處就是大幅減輕伺服器壓力。
那 WebRTC 不需要伺服器嗎?
這是常見的誤解。嚴格來說,它只是不需要伺服器中轉資料。至少有兩件事非靠伺服器不可:
第一點很好理解:A 與 B 要建連線,得有伺服器居中協調、控制何時開始;連線中斷時,也需要伺服器通知另一端。這些用來控制連線狀態的資料稱為信令,而與伺服器之間的那條通道就是信令通道。

圖中的 signalling 就是往伺服器送、收信令,底層調用 WebRTC,取得對方基本資訊後,才建立虛線部分的 Media 連線。
信令能承載的內容還包括:控制通信開關的連線訊息、錯誤告知、媒體流元資料(編解碼器與其設定、頻寬、媒體類型)、建立安全連線所需的金鑰資料,以及外界看得到的網路資訊如 IP 與埠號。這些 API 本身並沒有實作,得由開發者自行完成。
NAT 穿透是怎麼回事
NAT 的出現是為了緩解 IPv4 位址匱乏。我們通常處於路由器之下,被分配到 192.168.0.x 這種內網位址,一台路由器的公網位址對應了 n 台裝置的內網位址。
但這帶來一個問題:A 想傳資料給 B,封包到了 B 所在的路由器會被 NAT 攔下,B 收不到;反過來說,因為 A 的 NAT 已經記住了 B 這個位址,當 B 主動送資料給 A 時就不會被攔。這正是 NAT 穿透的核心思路。
於是我們有了做法:借一台公網伺服器,A、B 都往它送封包,伺服器因而得知雙方的公網 IP 與埠號;由於 A、B 是主動送出的,伺服器也能穿透兩側的 NAT。伺服器把 B 的位址給 A、A 的位址給 B,之後兩邊直接互通就不會被攔。
WebRTC 在 RTCPeerConnection 中使用 ICE 框架來保證 NAT 穿透,ICE 由 STUN、TURN、SDP 等技術與協議組成,共同完成防火牆與 NAT 的穿越工作。

關鍵前提:WebRTC 已經內建在瀏覽器裡,網頁端直接用 JS 呼叫 API 即可。但在 iOS 平台,你得從官網下載指定版本的原始碼自行編譯——原始碼超過 10 GB,編譯過程關卡重重,最後產出的 webrtc 靜態庫約 300 多 MB。
編譯完成後你會得到一個 .a 檔與 include 目錄下的標頭檔:

把整个 WebRTC 資料夾加入工程,並補上所需的系統相依庫:

至此 iOS 下的 WebRTC 環境就完成了。
WebRTC 主要提供三個 API:
其中 RTCPeerConnection 是整套架構的核心。
建立點對點連線的流程
我們需要從 STUN Server 取得一個 ice candidate,它基本上就是你的公網位址。同時需要自建的伺服器維持信令通道,告知雙方彼此的 candidate 與 SDP 內容,以及何時建立、何時斷開。
補充 SDP(Session Description Protocol):它描述多媒體連線的內容,例如解析度、格式、編碼、加密演算法,讓兩端能理解彼此的資料。這些描述性元資料並不是媒體流本身。
把流程串起來:
1. A 與 B 連上伺服器,建立一條 TCP 長連線(WebSocket/MQTT/Socket/XMPP 皆可,這裡為了省事用 WebSocket)。
2. A 從 ICE Server 取得 ice candidate 傳給 Socket 伺服器,並產生含 SDP 的 offer 一併送出。
3. Socket 伺服器把 A 的 offer 與 candidate 轉發給 B,B 保存下來。
4. B 回傳含自己 SDP 的 answer 與 ice candidate。
5. Socket 伺服器把 B 的資料轉給 A。
至此 A 與 B 的 P2P 連線建立完成。
多人聊天室的信令設計
上面是兩個人之間的流程,要做成多人聊天室就得擴展。使用者的操作大致是:連上伺服器 → 進入聊天室 → 與所有已在房間的人建立點對點連線並顯示 → 有人離開時收到通知並關閉該連線 → 有人加入時收到通知並建立新連線 → 離開頁面時關閉所有連線。
伺服器至少要負責三件事:新人加入時把新資訊告知房內其他人、把房內其他人資訊告知新人、有人離開時通知房內其他人。
以 WebSocket 為例,流程可整理為:建立連線 → 送出 join 信令(含房號)→ 伺服器回 peers 信令(含房內其他使用者資訊)→ 若有新成員,伺服器推 new_peer → 若有人離開,推 remove_peer → 離開時關閉 WebSocket。
對外介面設計
WebRTCHelper 對外只暴露單例、代理與連線方法:
@protocol WebRTCHelperDelegate; @interface WebRTCHelper : NSObject <SRWebSocketDelegate> + (instancetype)sharedInstance; @property (nonatomic, weak) id<WebRTCHelperDelegate> delegate; /** 與伺服器建立連線 */ - (void)connectServer:(NSString *)server port:(NSString *)port room:(NSString *)room; /** 退出房間 */ - (void)exitRoom; @end @protocol WebRTCHelperDelegate <NSObject> @optional - (void)webRTCHelper:(WebRTCHelper *)webRTChelper setLocalStream:(RTCMediaStream *)stream userId:(NSString *)userId; - (void)webRTCHelper:(WebRTCHelper *)webRTChelper addRemoteStream:(RTCMediaStream *)stream userId:(NSString *)userId; - (void)webRTCHelper:(WebRTCHelper *)webRTChelper closeWithUserId:(NSString *)userId; @end
代理的三個方法分別對應:本地流的設定(顯示自己的畫面)、遠端流抵達(顯示對方畫面)、連線關閉(注意只關閉該 userId 的連線,不影響你與其他人的連線)。
使用端只要兩行:
[WebRTCHelper sharedInstance].delegate = self; [[WebRTCHelper sharedInstance] connectServer:@"192.168.0.7" port:@"3000" room:@"100"];
顯示畫面的核心邏輯:
- (void)webRTCHelper:(WebRTCHelper *)webRTChelper setLocalStream:(RTCMediaStream *)stream userId:(NSString *)userId {
RTCEAGLVideoView *localVideoView = [[RTCEAGLVideoView alloc] initWithFrame:CGRectMake(0, 0, KVideoWidth, KVideoHeight)];
localVideoView.tag = 100;
_localVideoTrack = [stream.videoTracks lastObject];
[_localVideoTrack addRenderer:localVideoView];
[self.view addSubview:localVideoView];
}
- (void)webRTCHelper:(WebRTCHelper *)webRTChelper addRemoteStream:(RTCMediaStream *)stream userId:(NSString *)userId {
[_remoteVideoTracks setObject:[stream.videoTracks lastObject] forKey:userId];
[self _refreshRemoteView];
}
只需要三步:建立 RTCEAGLVideoView 實例、從 stream 取出 RTCVideoTrack、用該 track 為 view 設定 renderer,再把 view 加畫面上。音頻會自動輸出(遠端音頻會播放,自己的不會)。
這裡有一個關鍵:RTCVideoTrack 必須被持有,否則畫面可能完全不顯示。所以本地 track 存成屬性,遠端 track 存進陣列。

上圖是手機截圖,因為模擬器無法調用 Mac 的攝影機,所以第一格是本地畫面,後面幾格是遠端使用者傳來的,人數越多就往下排。
WebRTCHelper 內部實作
+ (instancetype)sharedInstance {
static dispatch_once_t onceToken;
dispatch_once(&onceToken, ^{
instance = [[[self class] alloc] init];
[instance initData];
});
return instance;
}
- (void)initData {
_connectionDic = [NSMutableDictionary dictionary]; // 裝 RTCPeerConnection
_connectionIdArray = [NSMutableArray array]; // 裝已連接的使用者 id
}
- (void)connectServer:(NSString *)server port:(NSString *)port room:(NSString *)room {
_server = server;
_room = room;
NSURLRequest *request = [NSURLRequest requestWithURL:[NSURL URLWithString:
[NSString stringWithFormat:@"ws://%@:%@", server, port]]
cachePolicy:NSURLRequestUseProtocolCachePolicy timeoutInterval:10];
_socket = [[SRWebSocket alloc] initWithURLRequest:request];
_socket.delegate = self;
[_socket open];
}
- (void)webSocketDidOpen:(SRWebSocket *)webSocket {
[self joinRoom:_room];
}
- (void)joinRoom:(NSString *)room {
if (_socket.readyState == SR_OPEN) {
NSDictionary *dic = @{@"eventName": @"__join", @"data": @{@"room": room}};
NSData *data = [NSJSONSerialization dataWithJSONObject:dic options:NSJSONWritingPrettyPrinted error:nil];
[_socket send:data];
}
}
伺服器收到 join 後會回一則 _peers:
{
data = { connections = (); you = "e297f0c0-..."; };
eventName = "_peers";
}
connections 為空代表房間裡目前沒人;若已有人,這個陣列會裝著他們的 id。
六種信令事件的處理
- (void)webSocket:(SRWebSocket *)webSocket didReceiveMessage:(id)message {
NSDictionary *dic = [NSJSONSerialization JSONObjectWithData:[message dataUsingEncoding:NSUTF8StringEncoding]
options:NSJSONReadingMutableContainers error:nil];
NSString *eventName = dic[@"eventName"];
if ([eventName isEqualToString:@"_peers"]) {
// 新加入房間:初始化工廠、本地流、為每個既有成員建立連線並送出 offer
} else if ([eventName isEqualToString:@"_ice_candidate"]) {
// 把對端的公網位址加進對應的 peerConnection
RTCICECandidate *candidate = [[RTCICECandidate alloc] initWithMid:nil
index:sdpMLineIndex sdp:sdp];
[[_connectionDic objectForKey:socketId] addICECandidate:candidate];
} else if ([eventName isEqualToString:@"_new_peer"]) {
// 有人加入:為他建立新的 peerConnection 並加上本地流
} else if ([eventName isEqualToString:@"_remove_peer"]) {
// 有人離開:關閉該連線並清理
[self closePeerConnection:socketId];
} else if ([eventName isEqualToString:@"_offer"]) {
// 對方發來 offer:設定遠端 SDP,角色轉為 RoleCallee
RTCSessionDescription *remoteSdp = [[RTCSessionDescription alloc] initWithType:type sdp:sdp];
[peerConnection setRemoteDescriptionWithDelegate:self sessionDescription:remoteSdp];
} else if ([eventName isEqualToString:@"_answer"]) {
// 收到對方的 answer:設定遠端 SDP
}
}
1. _peers:初始化 RTCPeerConnectionFactory、建立本地流、為每個既有成員建立 RTCPeerConnection 並註冊 delegate、加上本地流,最後以 RoleCaller 身分對每個連線送出 offer。
- (void)createLocalStream {
_localStream = [_factory mediaStreamWithLabel:@"ARDAMS"];
RTCAudioTrack *audioTrack = [_factory audioTrackWithID:@"ARDAMSa0"];
[_localStream addAudioTrack:audioTrack];
NSArray *deviceArray = [AVCaptureDevice devicesWithMediaType:AVMediaTypeVideo];
AVCaptureDevice *device = [deviceArray lastObject];
AVAuthorizationStatus authStatus = [AVCaptureDevice authorizationStatusForMediaType:AVMediaTypeVideo];
if (authStatus == AVAuthorizationStatusRestricted || authStatus == AVAuthorizationStatusDenied) {
NSLog(@"相機訪問受限");
} else if (device) {
RTCVideoCapturer *capturer = [RTCVideoCapturer capturerWithDeviceName:device.localizedName];
RTCVideoSource *videoSource = [_factory videoSourceWithCapturer:capturer constraints:[self localVideoConstraints]];
RTCVideoTrack *videoTrack = [_factory videoTrackWithID:@"ARDAMSv0" source:videoSource];
[_localStream addVideoTrack:videoTrack];
}
}
2. _ice_candidate:這個事件裡的資料就是對方的公網位址,由 STUN 伺服器下發以完成 NAT 穿透。收到時建立 RTCICECandidate 並加入對應連線。而「送出」的時機在 RTCPeerConnectionDelegate:
- (void)peerConnection:(RTCPeerConnection *)peerConnection gotICECandidate:(RTCICECandidate *)candidate {
NSDictionary *dic = @{@"eventName": @"__ice_candidate",
@"data": @{@"label": [NSNumber numberWithInteger:candidate.sdpMLineIndex],
@"candidate": candidate.sdp, @"socketId": _currentId}};
[_socket send:[NSJSONSerialization dataWithJSONObject:dic options:NSJSONWritingPrettyPrinted error:nil]];
}
STUN 伺服器這裡用的是 Google 的:
static NSString *const RTCSTUNServerURL = @"stun:stun.l.google.com:19302";
備用清單(部分可能被牆,也可自建):
stun.l.google.com:19302 stun1.l.google.com:19302 stun.ekiga.net stun.ideasip.com stun.iptel.org stunserver.org stun.voiparound.com stun.voipstunt.com stun.xten.com
3. _new_peer:為新成員建立 peerConnection、加上本地流,並更新兩個容器。
4. _remove_peer:關閉該 peerConnection,從陣列與字典移除,再對外拋出關閉回調。
5. _offer:從 offer 取出 SDP,設定為遠端描述,角色設為 RoleCallee。設定完成後會回到 SDP 的代理方法中生成 answer,形成閉環。
6. _answer:自己發出 offer 後收到的回覆,只需保存遠端 SDP。當 SDP 與 ICE Candidate 都交換完畢,點對點連線才算建立完成。
SDP 的兩個代理方法
// 建立本地 SDP 成功後
- (void)peerConnection:(RTCPeerConnection *)peerConnection
didCreateSessionDescription:(RTCSessionDescription *)sdp error:(NSError *)error {
[peerConnection setLocalDescriptionWithDelegate:self sessionDescription:sdp];
}
// 本地或遠端 SDP 設定完成後
- (void)peerConnection:(RTCPeerConnection *)peerConnection
didSetSessionDescriptionWithError:(NSError *)error {
if (peerConnection.signalingState == RTCSignalingHaveRemoteOffer) {
// 收到對方 offer,產生 answer
[peerConnection createAnswerWithDelegate:self constraints:[self offerOranswerConstraint]];
} else if (peerConnection.signalingState == RTCSignalingHaveLocalOffer) {
// 依角色送出 __offer 或 __answer
}
}
遠端流抵達時的處理:
- (void)peerConnection:(RTCPeerConnection *)peerConnection addedStream:(RTCMediaStream *)stream {
dispatch_async(dispatch_get_main_queue(), ^{
[_delegate webRTCHelper:self addRemoteStream:stream userId:_currentId];
});
}
Node.js 信令服務端
服務端我們用 skyrtc 框架,幾乎不用寫邏輯,所有訊息轉發都由框架內部處理:
var express = require('express');
var app = express();
var server = require('http').createServer(app);
var SkyRTC = require('skyrtc').listen(server);
var path = require("path");
var port = process.env.PORT || 3000;
server.listen(port);
app.use(express.static(path.join(__dirname, 'public')));
app.get('/', function(req, res) {
res.sendfile(__dirname + '/index.html');
});
SkyRTC.rtc.on('new_connect', function(socket) { console.log('創建新連接'); });
SkyRTC.rtc.on('remove_peer', function(socketId) { console.log(socketId + " 用戶離開"); });
SkyRTC.rtc.on('new_peer', function(socket, room) { console.log("新用戶 " + socket.id + " 加入房間 " + room); });
SkyRTC.rtc.on('ice_candidate', function(socket, ice_candidate) { console.log("收到 " + socket.id + " 的 ICE Candidate"); });
SkyRTC.rtc.on('offer', function(socket, offer) { console.log("收到 " + socket.id + " 的 Offer"); });
SkyRTC.rtc.on('answer', function(socket, answer) { console.log("收到 " + socket.id + " 的 Answer"); });
SkyRTC.rtc.on('error', function(error) { console.log("發生錯誤:" + error.message); });
因為手上沒那麼多台手機,這裡用瀏覽器充當部分客戶端:監聽本機 3000 埠,拜訪網頁時渲染 index.html,搭配 SkyRTC-client.js 完成瀏覽器端的 WebRTC 通信。如此一來,行動端到行動端、行動端到瀏覽器、瀏覽器到瀏覽器都能在同一個聊天室通話。
1. 啟動 WebSocket 伺服器前,先在 server.js 所在目錄執行 npm install 安裝相依套件(NPM 類似 CocoaPods),完成後執行 node server.js,再開瀏覽器前往 localhost:3000#100(3000 是埠號,100 是房號)。


2. 接著執行 iOS 客戶端。先下載 WebRTC 的標頭檔與 .a 靜態庫,解壓後依第二節的方式加入工程,然後替換 VideoChatViewController 中的伺服器位址:
[[WebRTCHelper sharedInstance] connectServer:@"192.168.0.7" port:@"3000" room:@"100"];
用模擬器時位址填 localhost;用實機時,手機必須與電腦在同一個 Wi-Fi 網段且位址相符。

WebRTC 開源之前,即時音視頻通話聽起來門檻極高:回聲消除、噪聲抑制……看到傅里葉變換就頭痛的工程師很難自己搞定。Google 收購 GIPS 並開源 WebRTC 之後,開發者下載、編譯、整合,第一次聽到網路那端傳來的「喂喂喂」時,確實非常振奮。
但電信業要求可用性四個 9,而那個剛剛還讓人興奮的「喂喂喂」,連一個 9 都達不到。從 demo 到真正可用的產品,中間隔著的是外行與內行之間的距離。IM 這條路還很長。