[发明专利]一种实时音频传输系统及其使用方法

说明书

本发明一种实时音频传输系统及其使用方法，其特征在于：建立包括如下五个部分的音频传输构架：媒体发布源、媒体服务单元、媒体订阅端、音频中转服务器端和群组控制单元；群组控制单元负责实时音频会议群组的会话管理；同时建立三种工作模式。与现有技术相比，本发明的优点在于：建立的音频音频传输构架及其运行模式，可以减少多路音频混合的计算量，减少多路音频传输的冗余，只发送真正用户需要听到的数据，避免发送大量冗余数据。

技术领域

本发明涉及一种实时音频传输系统及其使用方法。

背景技术

传统的音视频会议数据传输方式主要有Mesh方式、基于MCU的媒体服务器方式和基于SFU的媒体服务器方式。Mesh方式在多方音视频交互中，全部采用P2P结构，这种结构比较适用于参与方比较少的情况(2～3方)，对于参与方多的情况，由于客户端需要较大的上行带宽，会导致通信效果下降，参见附图1所示。MCU(Multi-point Control Unit)是媒体服务器的一种结构，客户端上传媒体到MCU后，MCU会将多个媒体流解码、混屏、编码后再发给各个客户端，如果每个客户端的订阅不一样，则需要为每个客户端“单独”编码，因此MCU通常是计算能力较强的服务器来实现，其好处是混屏、编码后的视频只有一路流，压缩率能够提高，缺点是MCU计算量太大，规模部署成本很高，额外的解码、混屏、编码工作也为引入额外的延迟(几十毫秒到上百毫秒)，参见图2所示。SFU(Selective Forwarding Unit)也是媒体服务器的一种结构，客户端上传媒体流(通常是SVC或Simulcast)到SFU后，SFU根据其它不同客户端的订阅需求和可用带宽约束选择性的发送媒体流，其好处是服务器负载低，部署成本较低，甚至便于在计算能力较低的客户端实现借路，延迟也比MCU要低；但相对MCU，上行SVC或Simulcast压缩效率要低于单路流(估计差10％～50％)；如果客户端订阅很多路，下行多路没有合并的流的压缩效率也会降低(估计差10％～100％)。

基于MCU或基于SFU的视频架构，可以实现多人参与的大型视频会议，其传输构架是一种星形结构，MCU媒体服务器或SFU作为媒体服务器处于星形结构的中心节点分发媒体数据给各个客户端。如果将多个星形结构连接，则可组合为更加复杂的视频会议结构，可实现分会场及扩容等功能。但是这种结构中间必须有一个媒体服务器，即MCU媒体服务器或SFU媒体服务器，如果视频会议中只有两个人，也经过服务器，无法做到P2P直连，成本较高；而且很多时候(70％的情况)P2P的网络质量是优于服务器中转，服务器中转至少增加了一次转发，因此效果上可能也不如P2P。另外，这种星形结构对于链路优化也比较困难，例如，由于客户端可能分布在全球不同地区，某客户端上行到媒体服务器的链路质量欠佳，导致其它客户端订阅这个客户端的媒体质量无法保证。

而基于P2P的视频架构，只适用于小型视频会议系统，比如浏览器的WebRTC通过多方建立点对点连接实现小型的视频会议，不需要媒体服务器；但这种点对点直连的结构不适合较大型的会议(比如超过7人)，因为每个客户端都必须向对端传送媒体，导致上行压力过大。

并且音频跟视频有很大不同，如果会场同时有3个或以上人在讲话，实际上是听不清的，因此把每个人的音频都转发出去会比较浪费带宽资源。

发明内容

本发明所要解决的首要技术问题是针对上述现有技术提供本发明所要解决的首要技术问题是针对上述现有技术提供一种能实现一对一、又能实现多对多，同时还能减少多路音频传输时计算量和传输冗余的实时音频传输系统。

本发明进一步所要解决的技术问题是针对上述现有技术提供一种能实现一对一、又能实现多对多，同时还能减少多路音频传输时计算量和传输冗余的实时音频传输系统的使用方法。

本发明解决上述技术问题所采用的技术方案为：一种实时音频传输系统，其特征在于：建立包括如下五个部分的音频传输构架：

音频发布源，能够将自身采集的音频数据发出，且所有音频发布源在发出音频数据的同时携带一个用来描述当前音频数据的音量大小的字段；