Picture-in-Picture em aplicativos móveis — o que é, como funciona e onde é usado

O que é Picture-in-Picture?

Picture-in-Picture (PiP) é um modo de exibição de vídeo que mostra conteúdo em uma pequena janela flutuante que permanece sobre todas as outras janelas e aplicativos. O usuário pode mover a janela PiP pela tela, redimensioná-la (em algumas plataformas) e continuar assistindo ao conteúdo enquanto trabalha em outros aplicativos.

O conceito de PiP veio da televisão: já na década de 1990, os televisores permitiam exibir um segundo canal no canto da tela. Em dispositivos móveis, o PiP apareceu pela primeira vez no iPad com iOS 9 (2015) para vídeos no Safari, enquanto o PiP sistêmico completo para aplicativos tornou-se disponível no iOS 14 (2020). O suporte a PiP no Android chegou antes — na versão 8.0 Oreo (2017), mas apenas para vídeo, e a partir do Android 12 para qualquer tipo de conteúdo.

O PiP difere da reprodução em segundo plano porque o vídeo continua sendo exibido na tela, não apenas sendo reproduzido no fluxo de áudio. A reprodução de áudio em segundo plano está disponível em ambas as plataformas, mas o PiP dá ao usuário controle visual sobre o conteúdo: ele pode ver os quadros, pausar, retroceder ou fechar a janela. Isso é especialmente importante para tutoriais em vídeo, streams e videochamadas, onde o conteúdo visual é tão importante quanto o áudio.

Como funciona o PiP?

Arquiteturalmente, o PiP é implementado através de um gerenciador de janelas do sistema que cria uma janela separada com prioridade de exibição reduzida. O aplicativo delega a saída de vídeo a um serviço do sistema que continua renderizando o vídeo mesmo depois que o aplicativo entra em segundo plano ou é minimizado.

Ciclo de vida de uma sessão PiP

O processo começa quando o usuário minimiza o aplicativo com vídeo ativo ou pressiona o botão PiP (no iOS), ou o sistema automaticamente transiciona a Activity para o modo PiP (no Android). O gerenciador de janelas do sistema captura o fluxo de vídeo e cria uma janela flutuante com proporções fixas. O tamanho da janela depende da proporção do vídeo original e das restrições da plataforma: no iOS, a janela PiP ocupa aproximadamente 1/6–1/4 da largura da tela; no Android, não menos que 108 dp de largura e 240 dp de altura para dispositivos móveis.

Quando a janela PiP está ativa, o aplicativo pode estar em um de três estados: em segundo plano (minimizado), no estado ativo (o usuário voltou ao aplicativo) ou em estado de espera (o sistema pausou o PiP devido à falta de recursos). Ao fazer a transição para o PiP, o aplicativo deve pausar operações desnecessárias da interface (animações, renderização da interface) e liberar memória, pois os recursos do sistema são distribuídos de forma mais restrita no modo multitarefa. O iOS envia automaticamente ao aplicativo a notificação AVPictureInPictureControllerWillStartNotification, enquanto o Android envia o callback onPictureInPictureModeChanged.

Limitações do modo PiP

A janela PiP tem limitações significativas: não pode exibir elementos de controle de interface padrão (botão de pausa, barra de progresso) — apenas uma sobreposição mínima do sistema com controles básicos: reproduzir/pausar, fechar, expandir para tela cheia. A interface PiP do sistema no iOS inclui botões de pausa e fechar, enquanto no Android inclui os mesmos elementos mais um botão adicional de configurações. A interação com o conteúdo dentro do PiP (retroceder, selecionar legendas) não é possível — para isso, o aplicativo deve ser expandido para tela cheia.

PiP no iOS: implementação e limitações

No iOS, o PiP é implementado através do framework AVKit e da classe AVPictureInPictureController. Esta API está disponível no iOS 14+ para iPhone e iPad, mas com requisitos diferentes: no iPad, o PiP funciona através de AVPlayerLayer; no iPhone, apenas através de AVPlayerViewController.

Requisitos para PiP no iOS

Para o PiP funcionar no iOS, várias condições devem ser atendidas: o aplicativo deve usar AVPlayer para reprodução de vídeo, a sessão de áudio deve ser configurada para a categoria .playback ou .playAndRecord, e o aplicativo deve ter entitlements para áudio em segundo plano (UIBackgroundModes = audio). Sem essas configurações, o PiP não iniciará — o sistema rejeitará a solicitação de sessão PiP porque não pode garantir a reprodução correta após a transição para segundo plano.

No iOS, a janela PiP aparece automaticamente ao minimizar o aplicativo se o vídeo estiver sendo reproduzido ativamente e o usuário não tiver desativado esse recurso nas configurações. O usuário também pode minimizar manualmente o vídeo no PiP através do botão no AVPlayerViewController. O tamanho da janela PiP no iOS é fixo e determinado pelo sistema — o desenvolvedor não pode alterá-lo. A proporção da janela PiP corresponde à proporção do vídeo original, mas o tamanho máximo é limitado a 1/4 da largura da tela no iPhone e 1/3 no iPad.

Limitações do PiP no iOS

As principais limitações do PiP no iOS: impossibilidade de interface personalizada na janela PiP, um único fluxo PiP por vez e a necessidade de um AVPlayer ativo para o PiP funcionar. O multi-PiP — reprodução simultânea de várias janelas PiP — não é suportado no iOS. Ao tentar iniciar um segundo PiP, o primeiro é automaticamente fechado. Esta é uma limitação de hardware: o processador de vídeo não pode atender simultaneamente dois canais PiP independentes devido a limitações de DMA e memória de vídeo.

Outra limitação importante é a duração da reprodução em segundo plano. Se o usuário não interagir com a janela PiP, o sistema pode pausar a reprodução após algum tempo para economizar energia. A pausa automática do PiP no iOS ocorre após 10–15 minutos de inatividade se o aplicativo não tiver implementado um mecanismo keep-alive através de uma tarefa em segundo plano. Para videochamadas e streams, recomenda-se usar PushKit e certificados VoIP, que contornam essa limitação.

PiP no Android: implementação e limitações

No Android, o PiP é implementado como um modo integrado de Activity que é ativado através do método enterPictureInPictureMode. Desde o Android 8.0 (API 26), qualquer Activity pode entrar no modo PiP, e desde o Android 12 (API 31), há suporte a PiP para SurfaceView e TextureView sem necessidade de usar MediaCodec.

Configuração do manifesto

Para suportar PiP no manifesto do Android, o atributo android:supportsPictureInPicture deve ser especificado para a Activity na seção . Sem este atributo, o sistema não permitirá a transição para PiP. Adicionalmente, recomenda-se especificar android:configChanges="screenSize|smallestScreenSize|screenLayout|orientation" para que a Activity não seja recriada ao redimensionar a janela durante a transição para PiP. A compilação deve ter targetSdkVersion >= 26 (Android 8.0) para o PiP básico funcionar.

No Android, a janela PiP por padrão não possui elementos de controle. O desenvolvedor pode adicionar ações personalizadas através de RemoteAction no método setPictureInPictureParams. Até 3 ações estão disponíveis (por exemplo: pausar/reproduzir, retroceder/avançar, fechar). Cada ação aparece na sobreposição do sistema PiP como um ícone. Ao contrário do iOS, onde todos os elementos da interface são estritamente fixos, o Android oferece mais flexibilidade para os controles básicos.

Adaptação para diferentes versões

O PiP no Android tem capacidades diferentes dependendo da versão do SO. No Android 8.0–8.1, o PiP está disponível apenas para vídeo reproduzido através de MediaPlayer ou MediaCodec com SurfaceView. A partir do Android 9, pode-se usar PictureInPictureArgs.Builder para configurar a proporção da janela PiP. O Android 12 adicionou suporte PiP para SurfaceView e TextureView personalizados, além de transições melhoradas entre o modo tela cheia e PiP. O Android 13+ permite exibir a janela PiP mesmo com a tela bloqueada, se o aplicativo tiver a permissão adequada.

Uma diferença chave do PiP no Android em relação ao iOS é a capacidade multi-PiP. No Android 12+, o sistema pode exibir várias janelas PiP simultaneamente se os aplicativos suportarem e o desempenho do dispositivo permitir. No entanto, na prática, o multi-PiP é limitado pelas capacidades do SoC: a maioria dos dispositivos suporta apenas uma janela PiP devido a limitações de hardware do decodificador, pois cada janela PiP requer seu próprio fluxo de vídeo e uma sessão de decodificação separada.

Exemplos de código PiP

Vejamos uma implementação prática do PiP em ambas as plataformas móveis, levando em conta as últimas mudanças de API.

PiP no iOS com AVPictureInPictureController

import AVKit
import AVFoundation

class VideoPlayerViewController: UIViewController {
    var player: AVPlayer!
    var pipController: AVPictureInPictureController?
    
    override func viewDidLoad() {
        super.viewDidLoad()
        
        let playerLayer = AVPlayerLayer(player: player)
        playerLayer.videoGravity = .resizeAspect
        view.layer.addSublayer(playerLayer)
        
        guard AVPictureInPictureController.isPictureInPictureSupported()
        else { return }
        
        pipController = AVPictureInPictureController(playerLayer: playerLayer)
        pipController?.delegate = self
    }
    
    @IBAction func startPiPTapped() {
        pipController?.startPictureInPicture()
    }
}

extension VideoPlayerViewController: AVPictureInPictureControllerDelegate {
    func pictureInPictureControllerWillStart(
        _ pictureInPictureController: AVPictureInPictureController
    ) {
        // Ocultar elementos da interface, liberar memória
    }
    
    func pictureInPictureControllerDidStop(
        _ pictureInPictureController: AVPictureInPictureController
    ) {
        // Restaurar a interface, retomar renderização
    }
}

Neste exemplo, AVPictureInPictureController é inicializado com playerLayer após verificar isPictureInPictureSupported (PiP não é suportado no iPhone SE 1ª geração e alguns iPad sem memória suficiente). O delegado notifica o aplicativo sobre o início e fim do PiP — nestes callbacks, os elementos da interface devem ser ocultados e restaurados, pois a interface do aplicativo não fica visível no modo PiP. Ao fazer a transição para PiP, recomenda-se parar todas as animações, ocultar os controles do player e liberar memória não utilizada para evitar que o sistema descarregue forçosamente o aplicativo.

PiP no Android com PictureInPictureParams

class PipVideoActivity : AppCompatActivity() {
    
    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setupVideoPlayer()
    }
    
    private fun enterPipMode() {
        if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.O) {
            val aspectRatio = Rational(16, 9)
            
            val pipParams = PictureInPictureParams.Builder()
                .setAspectRatio(aspectRatio)
                .setAutoEnterEnabled(true)
                .build()
            
            enterPictureInPictureMode(pipParams)
        }
    }
    
    override fun onPictureInPictureModeChanged(
        isInPictureInPictureMode: Boolean,
        newConfig: Configuration
    ) {
        if (isInPictureInPictureMode) {
            // Ocultar a interface, focar apenas na mídia
            binding.controlsGroup.visibility = View.GONE
        } else {
            // Restaurar a interface
            binding.controlsGroup.visibility = View.VISIBLE
        }
    }
}

O exemplo em Kotlin usa PictureInPictureParams.Builder para configurar o PiP. O método setAspectRatio define a proporção da janela PiP (16:9 para vídeo típico). setAutoEnterEnabled(true) ativa a transição automática para PiP ao minimizar o aplicativo. O callback onPictureInPictureModeChanged é invocado ao entrar e sair do PiP — aqui os elementos da interface devem ser ocultados ou exibidos. Para vídeo em SurfaceView, é necessário tratamento adicional de configuração adicionando android:configChanges="screenSize|smallestScreenSize" ao manifesto para evitar a recriação da Activity durante a transição para o modo PiP.

Quando usar Picture-in-Picture

O PiP é uma ferramenta poderosa para melhorar a experiência do usuário em aplicativos onde o conteúdo permanece relevante mesmo ao alternar para outras tarefas. No entanto, a implementação do PiP deve ser justificada e não distrair o usuário.

Cenários ideais

Videochamadas e conferências são um dos principais cenários do PiP. No Zoom, FaceTime, Google Meet, o PiP permite ver o interlocutor enquanto trabalha em outros aplicativos: lendo anotações, vendo uma apresentação ou verificando e-mails. O PiP para videochamadas requer suporte de câmera em segundo plano e configuração adequada da sessão de áudio para continuar capturando áudio em segundo plano. No iOS, isso é feito usando AVSampleBufferDisplayLayer em vez de AVPlayerLayer, já que videochamadas não usam AVPlayer.

Serviços de streaming (YouTube, Netflix, Twitch) usam ativamente o PiP para continuar a visualização enquanto pesquisam novo conteúdo. O YouTube Premium oferece PiP como um recurso pago, e a Netflix também restringe o PiP a certos planos de assinatura devido a restrições de licenciamento de conteúdo. Para implementar PiP em um aplicativo de streaming, é necessária integração com um sistema DRM (FairPlay, Widevine) que suporte um pipeline seguro no modo PiP.

Quando não usar PiP

O PiP não é adequado para aplicativos com conteúdo de vídeo interativo que exija interação do usuário: plataformas educacionais com testes dentro do player, streams de jogos com chat, aplicativos de compras com links para produtos no vídeo. Nestes casos, a janela PiP é muito pequena para exibir informações adicionais, e os elementos interativos não são suportados dentro do PiP. Recomenda-se usar PiP apenas para visualização passiva, quando não é necessária interação com o conteúdo.

Para aplicativos de música e podcasts, o PiP é excessivo — basta áudio em segundo plano sem janela visual. O PiP consome recursos adicionais de GPU para renderizar vídeo em uma janela flutuante, reduzindo a duração da bateria. Se o conteúdo for auditivo (música, podcasts, audiolivros) — use reprodução em segundo plano sem PiP. Se for visual — implemente PiP para melhorar a experiência do usuário.