基於Web瀏覽器對音視訊編解碼的探索和實踐

​Labs 導讀

音視訊編解碼在服務端以及客戶端，已經是比較成熟的技術。但是在Web瀏覽器上，如何快速的對音視訊進行編解碼，實現音視訊內容製作、自定義視訊播放器等功能，且不依賴於服務端，一直是較難實現的行業痛點。

1FFmpeg

FFmpeg是一套可以用來記錄、轉換數字音訊、視訊，並能將其轉化為流的開源計算機程式。採用LGPL或GPL許可證。它提供了錄製、轉換以及流化音視訊的完整解決方案。它包含了非常先進的音訊/視訊編解碼庫libavcodec。FFmpeg擁有非常強大的功能包括視訊採集功能、視訊格式轉換、視訊抓圖、給視訊加水印等。

業內絕大部分音視訊編解碼能力底層都是使用FFmpeg進行二次封裝。FFmpeg在Linux平臺下開發，採用C語言編寫，並且可以在各大作業系統環境中編譯執行，包括Linux、Windows、Mac OS X等。

如何讓FFmpeg在瀏覽器Javascript執行時裡執行，一直是一個困擾Web開發者的難題。

2“官配”WebAssembly

WebAssembly是由主流瀏覽器廠商組成的W3C社群團體制定的一個新的規範。它是一種低階的類組合語言，具有緊湊的二進位制格式，可以以接近原生的效能執行，併為諸如C / C ++等語言提供一個編譯目標，以便它們可以在Web上執行。它也被設計為可以與JavaScript共存，允許兩者一起工作。

WebAssembly的出現彷彿成為了FFmpeg的官配，WebAssembly+FFmpeg的組合出現在越來越多的Web應用上，用於在Web瀏覽器上進行輕量快速的音視訊處理。

通過Emscripten compiler，可將C/C++專案(或任何其他語言的專案)使用 LLVM編譯，編譯出Javascript檔案或WASM，在瀏覽器、 Node.js，或wasm runtimes上執行。

3應用實踐

“超級編輯部”中的“視訊擷取上傳”和“擷取關鍵幀”功能就是基於WebAssembly+FFmpeg實現了Web端本地音視訊處理。無需呼叫後臺api，也無需網路傳輸，實現了音視訊快速剪輯，節約了時間和網路頻寬，減輕了伺服器壓力。

另外，由於FFmpeg需要進行大量的運算，為了避免運算佔用瀏覽器JavaScript主執行緒，我們採用了Web Worker新開啟一個獨立執行緒，非同步地執行FFmpeg，待FFmpeg運算處理結束後再將運算結果推送到Javascript主執行緒，從而提高了效率，並且避免了主執行緒阻塞。

4WebCodecs

WebAssembly+FFmpeg的方案能解決幾乎所有Web瀏覽器上的編解碼需求。但是這樣做，有一個很大的缺點，就是無法應用硬體(GPU)對編解碼過程進行加速，只能通過軟體(CPU)進行運算。這無疑是一種效能不夠有益的方案，沒有充分利用現代計算機的硬體優勢。

為了解決這些問題，W3C WICG工作組提出了WebCodecs提案，WebCodecs API提供了一套比較底層的介面，能讓開發者直接訪問瀏覽器的編碼器與解碼器：

• Video and audio decoders
• Video and audio encoders
• Raw video frames
• Image decoders

這些介面現在在Chrome94的測試版上面已正式可用。可以通過以下方法檢測一下瀏覽器是否支援：

接下來我們以H264的解碼過程為例，展示WebCodecs對視訊的解碼過程：

① 首先我們將回調函式和解碼器引數傳遞給VideoDecoder構造器，建立解碼器例項；

② 一旦解碼器被初始化，你就可以開始給它提供EncodedVideoChunk物件了。所以我們接下來需要根據視訊流構造EncodedVideoChunk物件提供給解碼器進行解碼；

③ 解碼器會將解碼後的資料通過我們傳遞的handlerFrame回撥輸出。如果我們是開發視訊播放器的話，拿到解碼後的資料：

• 等待合適的時間，顯示視訊幀
• 通過canvas.drawImage(frame)繪製幀

一旦不再需要某個幀，呼叫 close() 以在垃圾回收器到達之前主動釋放底層記憶體，這將減少Web應用程式使用的平均記憶體量。

5結語

可以看到經過越來越多的探索以及標準的制定，在Web瀏覽器上對音視訊編解碼已經逐漸走向成熟。相信通過越來越多開發者不斷的探索和實踐，在Web瀏覽器上實現媲美原生並且跨平臺的視訊播放器，音視訊剪輯工具等將成為可能。

同時，WebCodecs搭配WebTransport、WebGPU等一系列新型的提案和Api，將給Web上的音視訊處理帶來更多的可能性：

① 低延時Web端直播

改善目前Web端基於http-flv/hls直播的體驗，WebTransport 替代HTTP， WebCodecs替代MSE, 相信Web端直播的延遲和卡頓資料會大大改善。

② 低延時雲遊戲、遠端桌面

目前Web端的雲遊戲方案大都使用WebRTC, WebRTC為通話場景設計，本身的JitterBuffer，音視訊同步，渲染延遲設計會引入額外的延遲，且Web端並沒有暴露出來可以控制延遲的API, 使用WebTransport + WebCodecs 可以做到更可控的極致低延遲，相信未來在雲遊戲、遠端桌面等場景WebTransport + WebCodecs的方案會成為主流。

③ 基於Web端的視訊內容製作

OBS是直播推流與視訊錄製常用的工具，隨著我們有了WebCodecs的直接編解碼能力，配合WebTransport 的瀏覽器推流的能力，一個Web版本的OBS所需要的能力也越來越完備，我們拭目以待一個WebOBS工具出現。

④ 元宇宙

通過WebGPU用於瀏覽器的3D模型渲染，配合WebCodecs對渲染幀進行編解碼處理，在元宇宙的內容製作上將會有更多想象空間。