news 2026/5/8 9:43:28

WebRTC 入门:一分钟带你理解比特率

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
WebRTC 入门:一分钟带你理解比特率

用 水 来举例子从而理解比特率

  1. 网络带宽等于水管的容量

    • 粗水管,水流大相当于光纤宽带

    • 细水管,水流小相当于 4G 网络

  2. 比特率设置等于水龙头开度

    • 水龙头开的大,水流急相当于高比特率

    • 水龙头开的小,水流小相当于低比特率

  3. 网络质量等于水压

    • 水压稳定,水流顺畅相当于网络好

    • 水压不稳定,水流断续相当于网络差


WebRTC 里的比特率

比特率等于单位时间内传输的数据量,单位是kbps / Mbps

在 WebRTC 的日常讨论中,大家常说的“码率”,可以宏观地理解为比特率,通常指音视频的媒体码率,而不是底层网络的总流量。

在 WebRTC 中,比特率有几个不同的概念:

类型含义举例
编码比特率编码器产生的数据速率水泵的抽水速度
发送比特率实际发送的数据速率水龙头出水速度
接收比特率对方实际接收的数据速率对方接水的速度
目标比特率系统想要达到的速率期望的出水速度
可用带宽网络实际能承载的速率水管的最大通水量

这些值通常是不一样的,WebRTC 的目标是让它们尽可能匹配


WebRTC 对比特率的自动调节

WebRTC 通常使用以 GCC(Google Congestion Control)为代表的拥塞控制算法,根据网络反馈来持续动态调节比特率,网络变好,提高比特率(画面更清晰);网络变差,降低比特率(保证不卡顿)。整个过程的原则是:宁愿水流小,也不能断流

工作流程如下:

  1. 开始通话
  2. 初始探测(较小比特率)
  3. 逐步增加比特率
  4. 检测网络反馈(丢包率、延迟、抖动)
  5. 判断网络状态
    • 良好: 继续增加比特率
    • 变差: 降低比特率
  6. 持续循环

如何设置比特率

通过RTCRtpSender.setParameters

const sender = pc.getSenders().find(s => s.track.kind === 'video'); const params = sender.getParameters(); params.encodings[0].maxBitrate = 1500 * 1000; // 1.5 Mbps params.encodings[0].minBitrate = 300 * 1000; sender.setParameters(params);

但是需要注意:这里的设置只是设置上限和下限,最终能否达到是由 GCC 决定

实际项目中,通常只设置maxBitrate,让 WebRTC 在网络变差时可以自由下降,比强行限制最小码率更稳定。


常见分辨率对应的帧率和码率

下表为常见经验值,实际效果会受到编码器、内容复杂度和网络状况等影响。

分辨率帧率建议码率
360p15fps300–500 kbps
480p30fps500–1000 kbps
720p30fps1–2 Mbps
1080p30fps3–4 Mbps

常见误区

比特率是不是越高越好?

不是。WebRTC 的目标不是“越清晰越好”,而是,在不造成卡顿的前提下,尽可能清晰。

比特率需要与当前网络条件匹配:

  1. 比特率太高(水龙头开得很大、水流很急,但水管不够粗)
    • 网络带宽不够用
    • 结果:视频卡顿、语音断断续续
    • 就像用 4G 网络看 4K 电影
  2. 比特率太低(水管很粗,但水龙头开得很小)
    • 网络带宽够,但发送的数据太少
    • 结果:画面模糊、马赛克多
    • 就像用光纤网络看 240p 的视频

我已经设置了比特率,为什么实际达不到?

这是正常现象。

通过setParameters设置的比特率只是期望范围
WebRTC 会根据实时网络情况自动调整,最终是否能达到目标,由拥塞控制算法决定


码率、比特率、带宽是一回事吗?

不是一回事

  • 带宽:网络最多能承载多少数据(水管容量)
  • 比特率 / 码率:当前实际发送的数据速率(水流大小)

弱网下,WebRTC 是先降画质还是先卡顿?

通常是先降码率,再降画质,尽量避免卡顿

这也是 WebRTC 拥塞控制的核心原则:宁愿清晰度下降,也要保证播放连续


是不是应该手动频繁调整比特率?

一般不建议

WebRTC 已经内置了成熟的自动调节机制,频繁手动干预,反而可能与系统策略冲突,导致效果变差。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/1 2:34:49

视频教程系列策划:降低TensorRT学习门槛

视频教程系列策划:降低TensorRT学习门槛 在当今AI模型越来越“大”的背景下,推理效率却不能跟着膨胀。我们见过太多团队训练出精度惊人的模型,结果部署时卡在延迟过高、吞吐不足的瓶颈上——GPU明明就在那儿,性能却像被封印了一样…

作者头像 李华
网站建设 2026/5/8 5:38:13

Java毕设项目:基于SpringBoot+Vue 大学生在线教育平台设计与实现(源码+文档,讲解、调试运行,定制等)

博主介绍:✌️码农一枚 ,专注于大学生项目实战开发、讲解和毕业🚢文撰写修改等。全栈领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围:&am…

作者头像 李华
网站建设 2026/5/5 21:58:51

孩子眯眼就是近视?答案你可能猜错了

在诊室里经常会有父母咨询:孩子在家看电视总是眯着眼,老师说在学校看黑板也老眯着眼,这是不是近视了呀?有些父母直接自行判断肯定是近视了,就在周边的眼镜店给孩子配了眼镜,但过段时间发现配了眼镜&#xf…

作者头像 李华
网站建设 2026/4/26 10:50:44

过量化导致精度下降?TensorRT补偿机制揭秘

过量化导致精度下降?TensorRT补偿机制揭秘 在现代AI系统部署中,一个看似矛盾的需求日益凸显:既要极致的推理速度,又要尽可能保留模型精度。尤其是在边缘设备或高并发服务场景下,开发者常常面临这样的困境——启用INT8量…

作者头像 李华
网站建设 2026/5/3 18:14:44

教育科研扶持计划:推广TensorRT学术应用场景

教育科研扶持计划:推广TensorRT学术应用场景 在高校AI实验室里,一个常见的场景是:学生刚刚训练完一个基于Transformer的目标检测模型,满心期待地准备部署到边缘设备进行实时推理测试,结果发现——单帧推理耗时超过200毫…

作者头像 李华