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 22:00:18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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
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++
660
309
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.84 K
React Native鸿蒙化仓库
JavaScript
259
322