RootEncoder项目RTMP流推送时间戳问题解析
2025-06-29 02:37:41作者:劳婵绚Shirley
问题背景
在使用RootEncoder库进行RTMP视频流推送时,开发者遇到了一个典型的时间戳处理问题。具体表现为:当使用MonaTiny RTMP服务器接收视频流时,只有第一帧能够显示,后续画面无法正常播放,形成静态图像。然而同样的代码在nginx RTMP服务器上却能正常工作。
问题分析
通过对比测试发现:
- 使用RootEncoder推送至nginx RTMP服务器再通过VLC播放:正常
- 使用RootEncoder推送至MonaTiny RTMP服务器再通过VLC播放:失败(仅显示第一帧)
- 使用OBS推送至MonaTiny RTMP服务器再通过VLC播放:正常
这表明问题并非出在服务器兼容性上,而是与RootEncoder的推送方式有关。进一步测试发现,当使用RootEncoder录制MP4文件时也能正常工作,这缩小了问题范围到RTMP推送环节。
根本原因
经过深入调试,发现问题出在视频帧时间戳的计算方式上。原始代码使用系统纳秒时间作为时间戳基础:
protected long getPTSUs() {
long result = System.nanoTime() / 1000L;
if (result < prevOutputPTSUs)
result = (prevOutputPTSUs - result) + result;
return result;
}
这种计算方式存在两个问题:
- 使用相对时间而非绝对时间
- 时间戳计算不够精确和稳定
解决方案
改进后的时间戳计算方法采用绝对时间戳:
protected long getPTSUs() {
long currentTime = System.currentTimeMillis() * 1000;
if (firstFrameTimestamp == -1) {
firstFrameTimestamp = currentTime;
return 0;
}
return currentTime - firstFrameTimestamp;
}
这种改进带来了以下优势:
- 使用绝对时间戳确保时间连续性
- 以第一帧为基准计算相对时间,保证时间戳单调递增
- 时间精度足够满足视频流推送需求
技术要点
在RTMP视频流推送中,时间戳处理至关重要。不同RTMP服务器对时间戳的容错性可能不同:
- nginx RTMP服务器:对时间戳处理较为宽松,能容忍一定的时间戳问题
- MonaTiny服务器:对时间戳要求严格,需要精确且连续的时间戳
时间戳问题通常表现为:
- 只有第一帧显示
- 视频卡顿或跳帧
- 播放器无法正常解码
最佳实践建议
- 时间戳计算:建议使用绝对时间戳而非相对时间戳
- 初始帧处理:第一帧时间戳应设为0,后续帧基于第一帧计算
- 时间单位:确保使用微秒级精度(1毫秒=1000微秒)
- 单调性保证:时间戳必须单调递增,不能出现回退
通过正确处理时间戳,可以确保视频流在各种RTMP服务器上都能稳定传输和播放。这个问题也提醒我们,在音视频开发中,时间管理是一个需要特别关注的细节。
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
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
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
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++
689
326
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
1.03 K
493