Ant-Media-Server中HLS流广告插入的SCTE-35 Cue点实现方案
2025-06-13 07:48:37作者:秋阔奎Evelyn
背景与挑战
在现代视频流媒体应用中,广告插入是一个关键功能。Ant-Media-Server作为一款开源的流媒体服务器,需要支持在HLS(HTTP Live Streaming)流中准确插入广告标记。这涉及到SCTE-35标准的实现,该标准定义了如何在数字电视节目流中插入广告提示信息。
技术实现方案
SCTE-35 Cue点注入流程
-
原始流处理阶段
- 使用TSDuck工具包中的
tsp命令处理输入流 - 通过
-P spliceinject参数将广告提示信息注入到MPEG-TS流中 - 输出包含SCTE-35数据的TS流,这些数据被写入PID为0x0258的特定数据流中
- 使用TSDuck工具包中的
-
验证阶段
- 使用FFmpeg快速检查确认SCTE-35 PID的存在
- 通过TSDuck的
splicemonitor插件深入验证广告提示信息的完整性,包括:- 事件ID(splice_event_id)
- 时间戳(PTS)
- 持续时间
- 各种标志位
现有工具评估
经过实际测试发现:
- TSDuck的注入功能稳定可靠,能够正确生成并时间戳标记广告提示表
- GPAC的HLS插件存在可靠性问题,经常出现解析失败导致SCTE-35数据丢失的情况
- 目前没有现成的工具能完全满足从注入到HLS清单生成的全流程需求
完整解决方案设计
针对上述发现,我们设计了一个分阶段处理的解决方案:
-
广告提示信息提取与解析
- 从TS流中解复用并提取每个
splice_insert信息 - 解析其中的关键参数,包括广告时段开始时间、持续时长等
- 从TS流中解复用并提取每个
-
HLS清单标记生成
- 根据广告提示信息的时间点,计算其在HLS分段中的位置
- 在对应的分段后插入HLS标准广告标记:
#EXT-X-CUE-OUT:DURATION=30.000 #EXT-OATCLS-SCTE35:BASE64=FCFA… - 广告时段结束后插入
#EXT-X-CUE-IN标记
-
质量保证
- 实现自动化测试验证广告标记的准确性和时序正确性
- 确保在各种流媒体场景下的稳定性
技术细节与最佳实践
在实际实现中,需要注意以下几个关键点:
-
时间同步处理
- 需要精确计算广告提示PTS与HLS分段边界的关系
- 处理可能的时钟漂移和同步问题
-
错误恢复机制
- 设计健壮的错误处理流程,应对可能的解析失败
- 实现数据校验确保广告提示信息的完整性
-
性能优化
- 对于高并发场景,优化处理流程减少延迟
- 考虑内存和CPU使用效率
总结
通过这套方案,Ant-Media-Server能够可靠地在HLS流中插入广告提示标记,为下游播放器提供准确的广告时段信息。这种实现既遵循了行业标准,又针对实际应用场景做了优化,为开发者提供了一个稳定可靠的广告插入解决方案。
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
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137