HLS.js 中 PlayReady DRM 密钥 URI 解析问题分析
背景介绍
HLS.js 是一个流行的 JavaScript 库,用于在浏览器中实现 HTTP Live Streaming (HLS) 播放功能。在处理 DRM 保护内容时,HLS.js 需要正确解析 HLS 清单中的 EXT-X-KEY 标签,特别是当使用 PlayReady DRM 系统时。
问题描述
在 HLS.js 1.5.13 版本中,存在一个关于 PlayReady DRM 密钥 URI 解析的问题。当播放使用 PlayReady DRM 保护的媒体内容时,如果 EXT-X-KEY 标签的 URI 值是一个符合规范的 base64 编码的 PlayReady 系统头(PSSH),解析过程会出现错误。
技术细节
问题的核心在于 HLS.js 对 PlayReady 密钥 URI 值的处理假设:
- HLS.js 假设 URI 值是一个 PlayReady 对象(PRO),但实际上可能是一个完整的 PSSH 盒子
- 当前实现会将整个解码后的数据 URI 直接传递给 mp4pssh 作为 PSSH 数据
- 这导致生成的 initData 实际上是一个 PSSH 包裹着另一个 PSSH,不符合 EME 规范
影响范围
这个问题会影响所有使用以下配置的播放场景:
- 使用 PlayReady DRM 保护的内容
- EXT-X-KEY 标签的 URI 值包含完整的 PSSH 数据
- 在支持 PlayReady 的浏览器中播放(如 Edge)
解决方案分析
根据技术讨论,正确的处理方式应该是:
-
对于 PlayReady KEY 标签,URI 格式应为:
data:text/plain;charset=UTF-16;base64,<base64 编码的 PlayReady 对象> -
需要区分 PlayReady 和 Widevine 的处理方式:
- Widevine 使用
data:text/plain;charset=UTF-16;base64,<base64 编码的 PSSH 盒子> - PlayReady 应使用 PlayReady 对象而非直接使用 PSSH
- Widevine 使用
-
改进建议:
- 在 getDecryptData 函数中添加检查逻辑
- 识别 URI 是否已经是 PSSH 盒子包装
- 正确处理 PlayReady 对象的提取
临时解决方案
在官方修复发布前,开发者可以使用以下临时解决方案:
通过配置 generateRequest 回调函数,在发起许可证请求前提取正确的 PSSH 数据。这种方法可以绕过当前 HLS.js 的错误处理逻辑,确保 DRM 系统获得正确的初始化数据。
总结
HLS.js 在处理 PlayReady DRM 内容时存在 URI 解析假设问题,这可能导致播放失败。正确的实现应该区分不同 DRM 系统的 URI 格式要求,并正确处理 PlayReady 对象的提取。开发者在使用 PlayReady DRM 时应注意这个问题,并根据需要实施临时解决方案,直到官方修复发布。
这个问题也提醒我们,在处理 DRM 内容时需要严格遵循各 DRM 系统的规范要求,不能简单套用一种处理模式到所有 DRM 系统上。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00