Unity实现Camera和Audio数据的低延迟RTMP推送技术探讨

关于Unity实现RTMP直播推送技术方案，之前零散的写过几篇介绍，得到了好多开发者的关注。以Android平台为例，目前视频这块，我们demo实现的是Camera数据的采集，然后编码投递到底层，如果设备没有性能瓶颈，可达到高帧率（60帧）均匀的RTMP推送效果。

视频采集这块，不再是难题，用ReadPixels从当前Render Target读取到图像数据即可，视频编码的话，我们分软编码、硬编码两块，硬编码，我们又实现了native层的硬编（5.0+以上版本），效率更高，native层我们做的可圈可点的一个地方是，armv7a也可以支持。

视频采集这块，需要考虑的是，如果场景分辨率发送变化，需要自动适配，帧与帧之间的连贯问题。

数据的采集，也可以参考官方给出来的示例：

using System.IO;
using UnityEngine;
using UnityEngine.Networking;
using System.Collections;
 
public class ExampleClass : MonoBehaviour
{
    // Take a shot immediately
    IEnumerator Start()
    {
        UploadPNG();
        yield return null;
    }
 
    IEnumerator UploadPNG()
    {
        // We should only read the screen buffer after rendering is complete
        yield return new WaitForEndOfFrame();
 
        // Create a texture the size of the screen, RGB24 format
        int width = Screen.width;
        int height = Screen.height;
        Texture2D tex = new Texture2D(width, height, TextureFormat.RGB24, false);
 
        // Read screen contents into the texture
        tex.ReadPixels(new Rect(0, 0, width, height), 0, 0);
        tex.Apply();
 
        // Encode texture into PNG
        byte[] bytes = tex.EncodeToPNG();
        Destroy(tex);
 
        // For testing purposes, also write to a file in the project folder
        // File.WriteAllBytes(Application.dataPath + "/../SavedScreen.png", bytes);
 
 
        // Create a Web Form
        WWWForm form = new WWWForm();
        form.AddField("frameCount", Time.frameCount.ToString());
        form.AddBinaryData("fileUpload", bytes);
 
        // Upload to a cgi script
        var w = UnityWebRequest.Post("http://localhost/cgi-bin/env.cgi?post", form);
        yield return w.SendWebRequest();
        if (w.result != UnityWebRequest.Result.Success)
            print(w.error);
        else
            print("Finished Uploading Screenshot");
        yield return null;
    }
}

有人说官方示例太简单，实际上官方示例，拿到数据，直接投递到底层即可，底层接口设计如下：

/*
 * Github: https://github.com/daniulive/SmarterStreaming
 */

private const String OnPostLayerImageRGBA8888Native_MethodName = "OnPostLayerImageRGBA8888Native";
        
        private int postLayerImageRGBA8888Native(long handle, int index, int left, int top,
                                            long rgba_plane, int offset, int row_stride, int width, int height,
                                            int is_vertical_flip, int is_horizontal_flip,
                                            int scale_width, int scale_height, int scale_filter_mode,
                                            int rotation_degree){

            return obj_.Call<int>(OnPostLayerImageRGBA8888Native_MethodName, handle, index, left, top,
                rgba_plane, offset, row_stride, width, height,
                is_vertical_flip, is_horizontal_flip,
                scale_width, scale_height, scale_filter_mode, rotation_degree);
        }

音频的话，我们支持了几种模式：

    /*定义Audio源选项*/
    public enum PB_AUDIO_OPTION : uint
    {
        AUDIO_OPTION_CAPTURE_MIC = 0x0,             /*采集麦克风音频*/
        AUDIO_OPTION_EXTERNAL_PCM_DATA = 0x1,       /*外部PCM数据*/
        AUDIO_OPTION_MIC_EXTERNAL_PCM_MIXER = 0x2,  /*麦克风+外部PCM数据混音*/
        AUDIO_OPTION_TWO_EXTERNAL_PCM_MIXER = 0x3,  /* 两路外部PCM数据混音*/
    }

分别是采集麦克风、外部PCM、麦克风和外部PCM混音、两路外部PCM的混音，几种模式。

麦克风的数据采集，我们是直接基于原生的Android，通过Unity调用Android实现数据采集推送，外部PCM数据，我们以AudioClip为例，读取到数据，每隔10ms传下去，两路外部PCM也就是两路AudioClip数据投递，JNI层做混音。麦克风和外部PCM数据混音，实际上是为了达到类似授课或者讲解过程中，自带背景音的效果，需要注意的是，AudioClip读到的是float类型的数据，有些音频编码器需要sint16格式，也可以在上层或者底层做下转换。

音频这块，如果是读取文件，还需要考虑的是，如果audio source读过之后，是从头读，还是后面静音？当然不管哪种实现都不难。

数据有了，实现RTMP推送这块，小菜一碟了，由于我们有多年的RTMP推送方面的技术积累，对我们来说，无非就是多一种类型的数据源而已。

经过实际测试，配合我们自研的RTMP播放器，轻松实现超过50帧的RTMP毫秒级延迟的体验，足够应对大多数行业场景了。