主流的第三方直播 SDK 对比（腾讯云、即构、阿里云、声网、网易云信、网宿）

2023-11-17
广东
本文字数：2960 字
阅读完需：约 10 分钟

直播业务概述

大家所熟知的直播平台虎牙、斗鱼、快手、抖音、B 站，直播功能看似普遍，但从零到一开发却不简单。直播中运用到的技术难点非常之多，音频视频处理/编解码，前后处理，直播分发，即时通讯等技术，学好任何一项都需要比较高的成本，将它们融合到直播功能上更是难上加难。

由于公司新项目计划做直播产品，开发周期比较紧。经过调研：最快搭建一个直播功能的方案就是运用第三方直播 SDK，低成本、效率高、风险低。本文将整理介绍几款主流的直播 SDK，便于音视频直播的开发者清晰快速选择适合项目的 SDK，开发者最重要的是：学会站在巨人的肩膀上编程，效率更高。

以下所有信息都是从官网文档收集人工整理汇总而成，有部分信息不确定或未提及若存在偏差，欢迎大家随时指正便于修改，希望能帮助到大家选择产品和服务快速搭建线上直播间。

直播产品介绍

2.1 直播产品

直播产品定义：一个通用的直播模型一般包括三个模块：主播方、服务器端和播放端。

2.2 直播类型

业务视角分类：一般分为单主播直播、多主播直播。主要区别在推流端的数量。单主播直播的特点是只有一个推流端（主播），多个拉流端（观众）。多主播直播的特点是有多个主播（推流端），和多个观众（拉流端）。

单主播直播：最早的直播场景，只有一个主播推流，观众不能与主播连麦互动，只能看主播直播，比如单主播的秀场直播、职业培训这类场景。
多主播直播：指主播之间进行互动连麦（多人连麦直播场景），主播与主播之间进行互动 PK（PK 直播场景）的一种直播类型。技术实现是在实时音视频的基础上，将实时音视频某个房间中的画面经云端混流后（多主播直播模式为了保证画面同步性一般采用混流服务），通过旁路直播的方式直播出来。
连麦的主播使用的都是 RTC 服务所以延迟较低 300ms 左右，因观众不要求完全的实时同步，一般使用的是 CDN 的分发网络，延迟在 3s 左右。

直播根据延迟角度分类：分为 CDN 直播和超低延迟直播，CDN 直播延迟通常延迟 3s 以上，超低延迟直播通常延迟小于 1s。

CDN 直播：传统的 CDN 直播方式，满足高并发的基础直播、对直播内容同步性无强要求的场景。可实现观众文字互动体验。通常适合单主播多个观众的直播间。
超低延迟直播：与单向直播相比，强调多人连麦、画面特效等直播能力，给予观众“露脸发声”与主播互动的能力，因为对实时性要求更高。

2.3 实时音视频、旁路转推、直播分发、低延迟直播、CDN 直播的区别和关系？

实时音视频（Real-Time Communication, RTC）：（关键词：双人/多人通话，UDP 私有协议，低延时）主要应用场景是音视频通话和连麦直播。使用基于 UDP 的私有协议，其延迟可低于 100ms，典型的场景：QQ 电话、微信电话。即构实时音视频 RTC 覆盖各平台，除了 iOS/Android/Windows 之后，还支持小程序以及 WebRTC 互通，并且支持通过云端混流的方式将画面旁路直播出去。当业务对延迟敏感，通话场景要求比较高，或是需要小程序或者 H5 场景下的双人或多人音视频通话可以选择 ZEGO 实时音视频。
旁路转推：旁路直播是一种技术，指的是将低延时连麦房间里的多路推流画面复制出来，在云端将画面混合成一路，并将混流后的画面推流给直播 CDN 进行分发播放。因为混流后的视频数据流和主/副播通话房间实际上并不是同一路流，而是在另外平行的一路，因而称为旁路，即不在主路。云端录制时，录制的流也是通过旁路的方式从流媒体中心引出，存到 COS 中。
直播分发：（关键词：一对多，RTMP/HLS/HTTP-FLV，CDN）是一种非常典型的流媒体系统，通常会分为推流端、拉流端（或叫播放端）以及直播流媒体中心（直播源站），直播源站通常会使用 CDN 进行直播的分发，因此大部分情况下使用的是通用标准的协议 RTMP，经 CDN 分发后，播放时一般可以选择 RTMP、HTTP-FLV 或 HLS（H5 支持）等方式。
超低延迟直播：延时低至 600ms，提供千万级并发的高质量直播服务，同步性更强，弱网抗性更优。
CDN 直播：延时为 3s 左右，提供低成本、大规模稳定、端上能力丰富的直播服务。

2.3.1 直播产品和直播技术

第三方直播产品核心功能对比

为了便于大家更好的进行直播产品的选型，笔者将各大厂商官网的核心功能进行整理汇总，并表格形式横向对比呈现。因各家文档较多笔者人工查询整理，难免有有出入欢迎大家不吝赐教指正，有出入处以各家官网文档为准。

腾讯、阿里的视频直播是最常见的 CDN 直播，基于 RTMP 等 TCP 协议实现，延迟一般在 3-10S 左右，抗弱网能力较差，卡顿率较高。

声网的融合 CDN 直播融合了多家 CDN，与声网媒体服务进行了协同，针对 CDN 的卡顿率问题进行了优化，但仍受限于 CDN 本身的能力。

即构的畅直播提供了多种直播档位，其中的超低延迟直播基于即构自研 UDP 传输协议实现，使用了海量数据分发网络（MSDN 网络），可以认为复用了 RTC 的部分优势，因此延迟低至 600ms、弱网抗性超强、卡顿率极低。

其他标配功能对比

除直播的核心推拉流功能之外，直播产品快速迭代了许多功能满足多场景需求，基本厂商们都支持，详见以下表格。

网络直播作为新兴的传播形式能量巨大，技术进步也改变了视频直播平台、主播和观众之间的互动方式。近些年，随着网络直播的市场规模不断增长，同时也衍生了许多新的业务场景和互动玩法，直播产品的激烈竞争倒逼厂商开启了自研技术之路，提升直播平台用户体验。笔者关注到一些新兴功能，进一步提升了对直播产品形态的演进和用户体验，以下为相关功能的横向对比。