Mídia e streaming no desenvolvimento móvel: o que é, quais protocolos e como funciona

Protocolos HLS e DASH

HTTP Live Streaming (HLS) é um protocolo para streaming em aplicativos móveis desenvolvido pela Apple. Ele divide o vídeo em pequenos segmentos (geralmente 6–10 segundos) e os transmite via HTTP comum. O player baixa uma lista de reprodução (.m3u8) e carrega sequencialmente os segmentos, adaptando a qualidade à velocidade da conexão. O HLS fornece streaming confiável em aplicativos móveis em todos os dispositivos Apple e é o padrão de facto para iOS.

HLS vs DASH

DASH (Dynamic Adaptive Streaming over HTTP) é um padrão aberto MPEG para entrega de mídia a aplicativos móveis. Ao contrário do HLS, o DASH usa formato MP4 para segmentos e um manifesto XML (MPD) em vez de .m3u8. O DASH oferece mais controle sobre codecs e suporta mais formatos. A escolha entre HLS e DASH é uma decisão crucial ao desenvolver streaming para dispositivos móveis. A comparação dos protocolos é mostrada na tabela abaixo.

Na prática, aplicativos iOS escolhem HLS — o AVPlayer funciona nativamente com ele. Para Android, o DASH é preferido graças ao ExoPlayer. Ambos os protocolos são adequados para streaming de mídia em dispositivos móveis. Na IT Sectr, usamos ambas as tecnologias e recomendamos escolher o protocolo com base na plataforma alvo.

Taxa de bits adaptativa e codecs

Adaptive Bitrate (ABR) é um mecanismo no qual o player seleciona automaticamente a qualidade do vídeo com base na velocidade da conexão. O fluxo é codificado em várias taxas de bits (360p, 720p, 1080p, 4K). O player alterna entre eles sem pausas. Codecs: H.264 (AVC) — básico, H.265 (HEVC) — 50% mais eficiente, VP9 e AV1 — alternativas abertas para Android.

Para decodificação por hardware em aplicativos móveis, é importante escolher o codec correto. Hardware Decoding usa o GPU/processador de vídeo do dispositivo e consome menos bateria. Software Decoding funciona na CPU — usado quando a decodificação por hardware não está disponível. A IT Sectr recomenda sempre verificar o suporte de codecs via MediaCodec (Android) ou AVAssetTrack (iOS) para reprodução ideal de mídia em dispositivos móveis.

Players: ExoPlayer e AVPlayer

ExoPlayer é um player de mídia do Google para Android, otimizado para reprodução de mídia em aplicativos móveis. Ao contrário do MediaPlayer, o ExoPlayer não está vinculado à decodificação por hardware e suporta esquemas personalizados através de módulos de extensão. Ele funciona com HLS, DASH, SmoothStreaming e RTSP. O ExoPlayer é o principal player do YouTube, Google TV e Android TV.

ExoPlayer vs AVPlayerViewController

AVPlayer e AVPlayerViewController são players da Apple para iOS, macOS, tvOS. AVPlayer é uma API de baixo nível, AVPlayerViewController é um wrapper de UI pronto com PiP e AirPlay. Principais diferenças: ExoPlayer oferece controle total sobre buffer e renderização, AVPlayerViewController oferece integração rápida com código mínimo. A escolha do player afeta diretamente a qualidade do streaming em aplicativos móveis.

// ExoPlayer — configuração básica do player no 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

O código mostra a inicialização mínima do ExoPlayer: criação de instância, definição do item de mídia e início da reprodução. O ExoPlayer lida automaticamente com o ciclo de vida da Activity através de player.release() em onStop. Para Android TV ou PiP, é necessário tratamento adicional do ciclo de vida via PlayerView — isso é especialmente importante ao configurar streaming para aplicativos móveis.

Transcodificação e processamento de vídeo

Transcoding é a conversão de vídeo de um formato para outro. É usado para otimizar fluxos de mídia para diferentes dispositivos móveis (por exemplo, H.264 → H.265). Em dispositivos móveis, a transcodificação é possível via MediaCodec (Android) ou AVAssetExportSession (iOS). A transcodificação consome muitos recursos e drena a bateria — faça-a em segundo plano, usando WorkManager ou BGTaskScheduler.

DRM: Widevine, FairPlay e PlayReady

Digital Rights Management (DRM) são sistemas de proteção de conteúdo de mídia contra cópia não autorizada. Três tecnologias principais são usadas para streaming de mídia premium em aplicativos móveis: Widevine (Google), FairPlay (Apple) e PlayReady (Microsoft). Sem DRM, serviços premium (Netflix, Spotify, Disney+) não podem distribuir conteúdo.

Comparação de sistemas DRM

Widevine é o padrão de proteção DRM para Android, disponível em três níveis: L3 (criptografia por software), L2, L1 (criptografia por hardware, apenas Trusted Execution Environment). FairPlay é o sistema exclusivo da Apple, usa SVP (Secure Video Pipeline) no nível do chip. PlayReady é o sistema da Microsoft, difundido em dispositivos Xbox e Windows.

Multi-DRM é uma abordagem em que você usa uma única plataforma para gerenciar todas as chaves DRM. Exemplo: EZDRM ou Verimatrix. Eles emitem licenças Widevine, FairPlay e PlayReady através de uma API unificada. Multi-DRM é especialmente relevante para mídia premium em dispositivos móveis. Na IT Sectr, implementamos multi-DRM através de agregadores — isso economiza tempo e dinheiro em comparação com a integração de cada DRM separadamente.

Reprodução de áudio: Audio Focus e Audio Session

Audio Focus (Android) é um sistema de gerenciamento de fluxos de áudio para reprodução de mídia em aplicativos móveis. Quando seu aplicativo solicita Audio Focus, outros aplicativos (música, podcasts) pausam ou reduzem o volume (ducking). Sem Audio Focus, dois aplicativos reproduziriam simultaneamente, criando ruído.

Audio Focus no Android

O Android divide os fluxos de áudio em tipos: MUSIC, VOICE_CALL, ALARM, NOTIFICATION. Para um player de mídia, você precisa solicitar AudioManager.AUDIOFOCUS_GAIN. Ao perder o foco (chamada recebida), você deve pausar a reprodução de mídia e retomar após o retorno do foco. Implementação via AudioManager.OnAudioFocusChangeListener.

Audio Session no iOS

Audio Session (iOS) é o equivalente ao Audio Focus para aplicativos de mídia em dispositivos móveis Apple. É configurado via AVAudioSession.sharedInstance(). Categorias: .playback (obrigatório para vídeo), .soloAmbient (padrão, silêncio ao bloquear), .playAndRecord (para gravação). Para streaming, use .playback com a opção .allowAirPlay.

PiP e AirPlay

Picture-in-Picture (PiP) é um modo no qual o conteúdo de mídia continua reproduzindo em uma pequena janela flutuante ao minimizar o aplicativo ou navegar para outra tela. O PiP se tornou padrão para aplicativos de mídia em dispositivos móveis — iOS (desde iPadOS 13) e Android (desde Android 8.0).

PiP no Android

No Android, o PiP é ativado via Activity.isInPictureInPictureMode() e PictureInPictureParams.Builder. O aplicativo deve estar no modo multi-janela. MediaSession é necessário para controlar a reprodução de mídia na janela PiP. No manifesto, especifique android:supportsPictureInPicture="true".

AirPlay e Chromecast

AirPlay é o protocolo da Apple para streaming de mídia para Apple TV, HomePod e Smart TVs compatíveis. No iOS, é implementado via AVRoutePickerView ou MPNowPlayingInfoCenter. No Android, o equivalente é Google Cast SDK (Chromecast). Ambas as tecnologias exigem configuração no arquivo binário e suporte no player. O streaming de qualidade em aplicativos móveis é impossível sem uma delas.