编码与格式 / 系统课时
对比 RTMP、SRT 和 WebRTC 适用条件
对比 RTMP、SRT 和 WebRTC 适用条件
直播协议选错,可能导致观众延迟过高、弱网卡顿,或者浏览器根本无法播放。本篇通过传输机制、延迟、网络适应能力和终端支持四个维度比较 RTMP、SRT、WebRTC,并用具体场景确定直播链路的协议组合。
学习目标
- 解释 RTMP、SRT、WebRTC 的传输方式和典型延迟差异。
- 根据丢包、网络抖动、浏览器兼容性选择合适的协议。
- 为普通直播、远程贡献和实时互动设计可落地的传输方案。
三种协议分别解决什么问题
RTMP、SRT 和 WebRTC 都能传输实时音视频,但设计目标不同,不能简单理解为三个可以直接互换的播放器选项。
RTMP:成熟的直播推流协议。 经典 RTMP 通常基于 TCP,通过可靠、有序传输交付音视频数据,常用于 OBS 向直播服务器推流。它适合网络较稳定、希望兼容现有直播基础设施的场景。TCP 丢包重传可能造成队头阻塞,不适合以极低延迟为首要目标的互动链路。
SRT:面向不稳定网络的可靠音视频传输。 SRT 基于 UDP,利用丢包恢复机制和可配置的延迟缓冲,在公网远程推流、异地制作和跨地域媒体传输中比较实用。它不是浏览器原生播放协议,通常需要网关或媒体服务器转换。
WebRTC:面向实时音视频交互。 WebRTC 支持浏览器及原生应用之间的低延迟音视频通信,通常优先使用 UDP,并具备网络拥塞控制、抖动缓冲和安全传输机制。视频会议、直播连麦、远程协作等场景经常使用 WebRTC。
三者的传输位置可以这样理解:

比较延迟和弱网表现
下面的延迟是工程选型中的常见参考范围,不是协议保证值。实际端到端延迟还受到编码器、服务器、播放器缓冲、转封装和网络条件影响。
| 对比维度 | RTMP | SRT | WebRTC |
|---|---|---|---|
| 主要传输基础 | TCP | UDP | 通常 UDP,必要时可中继或回退 |
| 常见用途 | 直播推流 | 公网远程贡献 | 实时互动与超低延迟播放 |
| 参考端到端延迟 | 约 1~5 秒,视播放链路而定 | 约 0.5~3 秒,视缓冲与播放链路而定 | 优化后约 0.2~1 秒 |
| 丢包处理 | TCP 重传 | ARQ 丢包重传与延迟缓冲 | 拥塞控制、NACK、PLI 等机制 |
| 弱网特点 | 可靠但可能累积延迟 | 可通过缓冲容纳抖动与重传 | 倾向保持实时性,必要时降低码率或画质 |
| 浏览器原生支持 | 不支持经典 RTMP 播放 | 不支持 | 主流现代浏览器支持 |
这些范围只是不同典型部署下的经验值,不能直接用于证明某协议必然更快。例如 RTMP 推流再经过普通 HLS 分发,最终播放延迟可能超过 10 秒;SRT 的低延迟贡献链路也不代表观众最终能在 1 秒内看到画面。
以 30 fps 视频、传输码率 4 Mbps 为例,假设公网存在 2% 随机丢包和 80 ms 往返时延:
- RTMP:TCP 负责重传,但连续丢包或拥塞可能使后续数据等待,播放器缓冲逐渐增加。
- SRT:若配置 200 ms 接收延迟缓冲,部分丢失的数据有机会在播放截止时间前完成重传;恢复是否成功还取决于 RTT、重传时机和带宽余量。
- WebRTC:接收端可请求重传或新关键帧,发送端也可能调整码率。过期视频帧可能被丢弃,以避免画面一直落后于实时进度。
判断浏览器兼容性与部署成本
如果最终观众使用网页观看,必须区分直播输入协议与终端播放协议。
经典 RTMP 不能直接通过现代浏览器的原生媒体播放能力解码播放。实践中一般由 OBS 使用 RTMP 推流到媒体服务器,再转成 HLS、WebRTC 或其他浏览器支持的播放形式。
SRT 也通常作为采集设备到媒体服务器之间的贡献协议。浏览器没有通用的原生 SRT 播放接口,因此需要媒体服务器接收 SRT,再转封装或转码为终端可播放的协议。
WebRTC 可以在现代浏览器中直接用于实时音视频,但需要信令协调连接信息,并根据网络情况使用 STUN、TURN 或 SFU 等组件。WebRTC 的信令方式不由 WebRTC 标准固定规定,实际应用需要自己实现或采用现成服务。
部署前可以检查三个问题:
- 观众端是否要求低于 1 秒延迟? 如果需要多人实时连麦、游戏互动或远程控制,优先评估 WebRTC。
- 采集端是否跨公网且经常丢包? 如果是异地摄像机、户外背包设备或远程制作,优先测试 SRT。
- 是否已有稳定的 OBS 与 RTMP 直播设施? 如果只需要普通推流和观看,可以保留 RTMP 输入,再根据终端选择合适的播放协议。
另外,WebRTC 不等于所有场景都需要浏览器之间建立直接连接。多人直播通常使用 SFU 转发媒体流,避免每位参与者分别向所有其他用户发送完整视频。
用具体直播场景完成协议选型
假设一个在线教学平台同时存在三类需求:普通课程直播、教师与学生连麦、外地机位回传。可以按照业务指标而不是单纯按照协议名称选型。
| 场景 | 目标指标 | 推荐链路 |
|---|---|---|
| 普通课程直播 | 可接受约 5~15 秒延迟,优先覆盖广泛终端 | OBS RTMP 推流,服务器 HLS 分发 |
| 教师与学生实时连麦 | 目标端到端延迟低于 500 ms | 浏览器 WebRTC,经 SFU 转发 |
| 外地摄像机回传 | 公网约 1%~3% 丢包,允许数百毫秒恢复缓冲 | 编码器 SRT 传输,服务器接收后分发 |
这是三种不同路径,且实际项目可以组合使用:外地摄像机通过 SRT 回传,导播服务器完成音视频处理,普通观众观看 HLS,连麦参与者使用 WebRTC。
一个可执行的选型验收方案如下:
- 固定测试视频为 1080p、30 fps、4 Mbps,音频使用 48 kHz AAC 或 Opus,具体取决于链路支持情况。
- 分别模拟 0%、1%、3% 的丢包率,以及 30 ms、100 ms 的网络 RTT。每组连续测试至少 10 分钟。
- 使用画面时间戳或同步时钟测量采集到显示的端到端延迟,记录中位数与 P95,不只记录最低值。
- 同时统计卡顿次数、累计卡顿时长、实际接收码率和音画同步偏差。
- 连麦链路重点检查延迟与画面恢复;远程回传重点检查丢包后的画面完整性;普通直播重点检查多终端兼容和连续播放能力。
建议先设定验收门槛:连麦 P95 延迟低于 800 ms,远程贡献链路每 10 分钟明显画面冻结不超过 2 次,普通直播的测试设备播放成功率达到 100%。这些是示例项目的验收目标,不是协议本身的性能承诺。
避免三个常见选型错误
误区一:SRT 基于 UDP,所以任何情况下都比 RTMP 快。 SRT 为恢复丢包需要预留缓冲,延迟设置过大时也会增加等待时间。正确做法是根据实际 RTT 和丢包情况逐步调整缓冲,并测试接收端画面恢复表现。
误区二:WebRTC 延迟低,所以所有万人直播都应使用 WebRTC。 大规模 WebRTC 分发需要考虑 SFU 集群、带宽、转发成本与容量规划。如果普通课程不需要实时互动,HLS 往往更方便结合 CDN 扩展。
误区三:使用 RTMP 推流就意味着观众也要用 RTMP 播放。 推流协议和播放协议可以不同。已有 RTMP 采集设备时,媒体服务器可以接入 RTMP,并向浏览器提供 HLS 或 WebRTC 输出。
最终可以采用一条简单的工程决策原则:普通直播优先评估 RTMP 输入配合 HLS 分发;公网弱网回传优先评估 SRT;实时互动优先评估 WebRTC。协议只决定传输链路的一部分,最终仍需用端到端延迟、卡顿、网络成本和终端兼容性验证选择。