RootEncoder项目RTMP流推送时间戳问题解析
2025-06-29 02:39:38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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0187
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
759
4.94 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.78 K
187
暂无简介
Dart
1 K
259
Ascend Extension for PyTorch
Python
716
866
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
854
1.91 K
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++
1.07 K
1.09 K
🎉 (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
1.72 K
1.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
674
1.32 K
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
454
436