PJPROJECT项目中处理已确认状态下的二次INVITE请求问题分析
2025-07-02 02:08:40作者:董斯意
背景介绍
在基于PJPROJECT(PJSIP)实现的SIP客户端开发过程中,我们遇到了一个关于媒体协商的典型问题。当SIP呼叫处于已确认(CONFIRMED)状态时,如果收到对端发来的二次INVITE请求(即re-INVITE),且该请求包含多个音频媒体流描述时,系统会出现媒体流异常问题。
问题现象
从日志分析可以看出,当呼叫建立后处于CONFIRMED状态时,对端发送了一个包含两个m=audio行的SDP offer:
- 第一个媒体行使用RTP/AVP协议
- 第二个媒体行使用安全的RTP/SAVP协议
PJSIP选择了第二个媒体行(索引1)进行协商,但最终该媒体流却被标记为"Local hold"(本地保持)状态,导致音频传输中断。
技术原理
在PJSIP中,pjsua_call_setting结构体控制着呼叫的媒体设置,其中有两个关键参数:
aud_cnt:指定允许的音频流数量,默认为1media_dir数组:指定每个媒体流的方向(发送、接收或双向)
当收到包含多个音频媒体描述的re-INVITE时,如果aud_cnt设置为1(默认值),PJSIP只会处理其中一个媒体流,其他媒体流将被忽略或设置为非活动状态。
解决方案
要正确处理这种情况,需要在发起或应答呼叫时正确配置媒体设置:
- 将
aud_cnt设置为期望支持的音频流数量(如2) - 为每个媒体流明确设置方向,通常设为
PJMEDIA_DIR_ENCODING_DECODING(双向)
示例配置代码:
pjsua_call_setting call_opt;
pjsua_call_setting_default(&call_opt);
call_opt.aud_cnt = 2; // 支持两个音频流
call_opt.media_dir[0] = PJMEDIA_DIR_ENCODING_DECODING;
call_opt.media_dir[1] = PJMEDIA_DIR_ENCODING_DECODING;
深入分析
这种设计源于SIP协议对媒体协商的灵活性要求。在实际应用中,可能会遇到以下场景:
- 对端同时提供普通和安全版本的媒体流
- 对端提供不同编解码的多个媒体流选项
- 对端尝试更新媒体参数或增加新的媒体流
PJSIP通过pjsua_call_setting结构体提供了细粒度的控制能力,开发者可以根据实际需求配置媒体处理策略。当收到re-INVITE时,PJSIP会基于这些设置决定如何处理每个媒体流。
最佳实践
- 在开发支持复杂媒体场景的SIP客户端时,应预先评估可能遇到的媒体流数量
- 对于需要支持多种媒体配置的场景,适当增加
aud_cnt值 - 明确设置每个媒体流的方向,避免使用默认值
- 在处理re-INVITE时,检查当前媒体设置是否满足需求
总结
PJPROJECT作为成熟的SIP协议栈,提供了灵活的媒体处理机制。理解并正确配置pjsua_call_setting参数是解决此类媒体协商问题的关键。通过合理设置音频流数量和方向,可以确保在各种网络环境和SIP服务器配置下都能正确处理re-INVITE请求,维持稳定的媒体通信。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
热门内容推荐
最新内容推荐
个人知识系统构建指南:从信息碎片到思维网络的模块化解决方案高效解锁网易云音乐灰色歌曲:开源工具全平台部署指南如何高效采集B站评论数据?这款Python工具让数据获取效率提升10倍提升动态视觉体验:Waifu2x-Extension-GUI智能增强与效率提升指南革新性缠论分析工具:系统化构建股票技术指标体系终结AutoCAD字体痛点:FontCenter让99%的字体问题迎刃而解Atmosphere-NX PKG1启动错误解决方案如何用ComfyUI-WanVideoWrapper实现多模态视频生成?解锁AI创作新可能3行代码解锁无水印视频提取:这款开源工具如何让自媒体效率提升300%5分钟上手!零代码打造专业拓扑图的免费工具
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
656
4.26 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
500
606
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
284
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
890
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
861
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557
暂无简介
Dart
902
218
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
132
207
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195