رسانه و استریم در توسعه موبایل: چیست، چه پروتکل‌هایی و چگونه کار می‌کند

پروتکل‌های HLS و DASH

HTTP Live Streaming (HLS) پروتکلی برای استریم در برنامه‌های موبایل است که توسط Apple توسعه یافته است. ویدیو را به بخش‌های کوچک (معمولاً 6 تا 10 ثانیه) تقسیم می‌کند و آنها را از طریق HTTP معمولی ارسال می‌کند. پخش‌کننده یک لیست پخش (.m3u8) دانلود می‌کند و به ترتیب بخش‌ها را بارگیری می‌کند و کیفیت را با سرعت اتصال تطبیق می‌دهد. HLS استریم قابل اعتمادی را در برنامه‌های موبایل در تمام دستگاه‌های Apple فراهم می‌کند و استاندارد دوفاکتو برای iOS است.

HLS در مقابل DASH

DASH (Dynamic Adaptive Streaming over HTTP) یک استاندارد باز MPEG برای تحویل رسانه به برنامه‌های موبایل است. برخلاف HLS، DASH از فرمت MP4 برای بخش‌ها و یک مانیفست XML (MPD) به جای .m3u8 استفاده می‌کند. DASH کنترل بیشتری روی کدک‌ها ارائه می‌دهد و از فرمت‌های بیشتری پشتیبانی می‌کند. انتخاب بین HLS و DASH یک تصمیم کلیدی هنگام توسعه استریم برای دستگاه‌های موبایل است. مقایسه پروتکل‌ها در جدول زیر نشان داده شده است.

در عمل، برنامه‌های iOS HLS را انتخاب می‌کنند — AVPlayer به صورت بومی با آن کار می‌کند. برای Android، DASH به لطف ExoPlayer ترجیح داده می‌شود. هر دو پروتکل برای استریم رسانه در دستگاه‌های موبایل مناسب هستند. در IT Sectr، ما از هر دو فناوری استفاده می‌کنیم و توصیه می‌کنیم پروتکل را بر اساس پلتفرم هدف انتخاب کنید.

نرخ بیت تطبیقی و کدک‌ها

Adaptive Bitrate (ABR) مکانیزمی است که در آن پخش‌کننده به طور خودکار کیفیت ویدیو را بر اساس سرعت اتصال انتخاب می‌کند. استریم با چندین نرخ بیت (360p، 720p، 1080p، 4K) کدگذاری می‌شود. پخش‌کننده بدون مکث بین آنها جابجا می‌شود. کدک‌ها: H.264 (AVC) — پایه، H.265 (HEVC) — 50٪ کارآمدتر، VP9 و AV1 — جایگزین‌های باز برای Android.

برای رمزگشایی سخت‌افزاری در برنامه‌های موبایل، انتخاب کدک مناسب مهم است. Hardware Decoding از GPU/پردازنده ویدیوی دستگاه استفاده می‌کند و باتری کمتری مصرف می‌کند. Software Decoding روی CPU کار می‌کند — زمانی استفاده می‌شود که رمزگشایی سخت‌افزاری در دسترس نباشد. IT Sectr توصیه می‌کند همیشه پشتیبانی کدک را از طریق MediaCodec (Android) یا AVAssetTrack (iOS) برای پخش بهینه رسانه در دستگاه‌های موبایل بررسی کنید.

پخش‌کننده‌ها: ExoPlayer و AVPlayer

ExoPlayer یک پخش‌کننده رسانه از Google برای Android است که برای پخش رسانه در برنامه‌های موبایل بهینه شده است. برخلاف MediaPlayer، ExoPlayer به رمزگشایی سخت‌افزاری وابسته نیست و از طرح‌های سفارشی از طریق ماژول‌های توسعه پشتیبانی می‌کند. با HLS، DASH، SmoothStreaming و RTSP کار می‌کند. ExoPlayer پخش‌کننده اصلی YouTube، Google TV و Android TV است.

ExoPlayer در مقابل AVPlayerViewController

AVPlayer و AVPlayerViewController پخش‌کننده‌های Apple برای iOS، macOS، tvOS هستند. AVPlayer یک API سطح پایین است، AVPlayerViewController یک پوسته UI آماده با PiP و AirPlay است. تفاوت‌های اصلی: ExoPlayer کنترل کامل بر بافرینگ و رندرینگ ارائه می‌دهد، AVPlayerViewController ادغام سریع با حداقل کد را فراهم می‌کند. انتخاب پخش‌کننده مستقیماً بر کیفیت استریم در برنامه‌های موبایل تأثیر می‌گذارد.

// ExoPlayer — راه‌اندازی پخش‌کننده پایه در Android
val player = ExoPlayer.Builder(this)
    .setMediaSource(ProgressiveMediaSource.Factory(DefaultHttpDataSource.Factory()))
    .build()
val mediaItem = MediaItem.fromUri("https://example.com/stream.m3u8")
player.setMediaItem(mediaItem)
player.prepare()
player.playWhenReady = true

کد راه‌اندازی حداقل ExoPlayer را نشان می‌دهد: ایجاد نمونه، تنظیم آیتم رسانه و شروع پخش. ExoPlayer به طور خودکار چرخه حیات Activity را از طریق player.release() در onStop مدیریت می‌کند. برای Android TV یا PiP، مدیریت اضافی چرخه حیات از طریق PlayerView مورد نیاز است — این هنگام راه‌اندازی استریم برای برنامه‌های موبایل بسیار مهم است.

ترانسکدینگ و پردازش ویدیو

Transcoding تبدیل ویدیو از یک فرمت به فرمت دیگر است. برای بهینه‌سازی جریان‌های رسانه برای دستگاه‌های موبایل مختلف استفاده می‌شود (به عنوان مثال، H.264 → H.265). در دستگاه‌های موبایل، ترانسکدینگ از طریق MediaCodec (Android) یا AVAssetExportSession (iOS) امکان‌پذیر است. ترانسکدینگ منابع زیادی مصرف می‌کند و باتری را خالی می‌کند — آن را در پس‌زمینه از طریق WorkManager یا BGTaskScheduler انجام دهید.

DRM: Widevine، FairPlay و PlayReady

Digital Rights Management (DRM) سیستم‌هایی برای محافظت از محتوای رسانه در برابر کپی غیرمجاز هستند. برای استریم رسانه پریمیوم در برنامه‌های موبایل از سه فناوری اصلی استفاده می‌شود: Widevine (Google)، FairPlay (Apple) و PlayReady (Microsoft). بدون DRM، سرویس‌های پریمیوم (Netflix، Spotify، Disney+) نمی‌توانند محتوا توزیع کنند.

مقایسه سیستم‌های DRM

Widevine استاندارد حفاظت DRM برای Android است، در سه سطح موجود: L3 (رمزگذاری نرم‌افزاری)، L2، L1 (رمزگذاری سخت‌افزاری، فقط Trusted Execution Environment). FairPlay سیستم اختصاصی Apple است، از SVP (Secure Video Pipeline) در سطح تراشه استفاده می‌کند. PlayReady سیستم Microsoft است، در دستگاه‌های Xbox و Windows رایج است.

Multi-DRM رویکردی است که در آن از یک پلتفرم واحد برای مدیریت همه کلیدهای DRM استفاده می‌کنید. مثال: EZDRM یا Verimatrix. آنها مجوزهای Widevine، FairPlay و PlayReady را از طریق یک API یکپارچه صادر می‌کنند. Multi-DRM به ویژه برای رسانه پریمیوم در دستگاه‌های موبایل مهم است. در IT Sectr، ما multi-DRM را از طریق تجمیع‌کنندگان پیاده‌سازی می‌کنیم — این در مقایسه با ادغام هر DRM به طور جداگانه در زمان و هزینه صرفه‌جویی می‌کند.

پخش صدا: Audio Focus و Audio Session

Audio Focus (Android) سیستمی برای مدیریت جریان‌های صوتی برای پخش رسانه در برنامه‌های موبایل است. وقتی برنامه شما Audio Focus درخواست می‌کند، سایر برنامه‌ها (موسیقی، پادکست) متوقف می‌شوند یا صدای خود را کاهش می‌دهند (ducking). بدون Audio Focus، دو برنامه به طور همزمان پخش می‌شوند و نویز ایجاد می‌کنند.

Audio Focus در Android

Android جریان‌های صوتی را به انواع تقسیم می‌کند: MUSIC، VOICE_CALL، ALARM، NOTIFICATION. برای یک پخش‌کننده رسانه، باید AudioManager.AUDIOFOCUS_GAIN را درخواست کنید. هنگام از دست دادن فوکوس (تماس ورودی)، باید پخش رسانه را متوقف کرده و پس از بازگشت فوکوس از سر بگیرید. پیاده‌سازی از طریق AudioManager.OnAudioFocusChangeListener.

Audio Session در iOS

Audio Session (iOS) معادل Audio Focus برای برنامه‌های رسانه در دستگاه‌های موبایل Apple است. از طریق AVAudioSession.sharedInstance() پیکربندی می‌شود. دسته‌بندی‌ها: .playback (اجباری برای ویدیو)، .soloAmbient (پیش‌فرض، سکوت هنگام قفل)، .playAndRecord (برای ضبط). برای استریم، از .playback با گزینه .allowAirPlay استفاده کنید.

PiP و AirPlay

Picture-in-Picture (PiP) حالتی است که در آن محتوای رسانه در یک پنجره شناور کوچک هنگام کوچک‌سازی برنامه یا رفتن به صفحه دیگر به پخش ادامه می‌دهد. PiP به استانداردی برای برنامه‌های رسانه در دستگاه‌های موبایل تبدیل شده است — iOS (از iPadOS 13) و Android (از Android 8.0).

PiP در Android

در Android، PiP از طریق Activity.isInPictureInPictureMode() و PictureInPictureParams.Builder فعال می‌شود. برنامه باید در حالت چند پنجره‌ای باشد. MediaSession برای کنترل پخش رسانه از پنجره PiP مورد نیاز است. در مانیفست، android:supportsPictureInPicture="true" را مشخص کنید.

AirPlay و Chromecast

AirPlay پروتکل Apple برای استریم رسانه به Apple TV، HomePod و تلویزیون‌های هوشمند سازگار است. در iOS، از طریق AVRoutePickerView یا MPNowPlayingInfoCenter پیاده‌سازی می‌شود. در Android، معادل Google Cast SDK (Chromecast) است. هر دو فناوری نیاز به پیکربندی در فایل باینری و پشتیبانی در پخش‌کننده دارند. استریم با کیفیت در برنامه‌های موبایل بدون یکی از آنها غیرممکن است.