Asterisk项目中WebRTC邀请在Chrome 136版本失效问题分析
问题背景
近期Asterisk项目中出现了一个与WebRTC相关的重要兼容性问题。当用户将Chrome浏览器升级到136版本后,通过WebRTC向Asterisk服务器发送的邀请(INVITE)开始出现失败情况。这一问题影响了Asterisk 18.26.1及22.4.0等多个版本。
问题现象
在Chrome 136版本中,WebRTC邀请会因SDP(Session Description Protocol)解析错误而失败。错误日志显示系统报出"Too many objects of the specified type (PJ_ETOOMANY)"和"Missing SDP rtpmap for dynamic payload type (PJMEDIA_SDP_EMISSINGRTPMAP)"等错误。
根本原因分析
经过深入调查,发现问题根源在于PJPROJECT库中的SDP属性数量限制。具体来说:
- PJPROJECT库中定义了最大SDP属性数量的限制:
#define PJMEDIA_MAX_SDP_ATTR (PJMEDIA_MAX_SDP_FMT*3 + 4)
这个公式计算出的默认值是196个属性。
-
Chrome 136版本在SDP中新增了对HVEC编解码器的支持,导致SDP内容长度从7823字节增加到8189字节,属性数量也随之增加。
-
在Windows平台的Chrome 136中,SDP包含的媒体属性数量达到了239个,远超默认的196个限制。
解决方案
针对这一问题,社区提出了几种解决方案:
-
调整PJMEDIA_MAX_SDP_ATTR定义: 将原来的乘数从3增加到更大的值,如6或10:
#define PJMEDIA_MAX_SDP_ATTR (PJMEDIA_MAX_SDP_FMT*6 + 4)或
#define PJMEDIA_MAX_SDP_ATTR (PJMEDIA_MAX_SDP_FMT*10 + 4) -
修改位置: 需要修改的文件是third-party/pjproject/patches/config_site.h。
平台差异观察
值得注意的是,Chrome 136在不同平台上提供的编解码器数量存在显著差异:
-
Windows平台:
- 音频:8种编解码器
- 视频:42种编解码器
-
Linux平台:
- 音频:8种编解码器
- 视频:23种编解码器
这种差异导致Windows平台更容易触发属性数量限制问题。
历史相似问题
这并非首次出现类似问题。三年前就曾有过因Chrome更新导致SDP属性数量增加而触发限制的情况。这表明随着WebRTC技术的不断发展和浏览器功能的增强,类似的兼容性问题可能会周期性出现。
最佳实践建议
-
前瞻性配置:建议采用较大的乘数(如10)来配置PJMEDIA_MAX_SDP_ATTR,为未来的浏览器更新预留空间。
-
版本兼容性测试:在升级浏览器或Asterisk版本前,应进行充分的兼容性测试。
-
监控机制:建立对WebRTC连接失败的监控机制,及时发现类似问题。
总结
Asterisk与Chrome 136的WebRTC兼容性问题突显了开源通信系统与商业浏览器之间版本协调的重要性。通过适当调整SDP属性数量限制,可以有效解决当前问题。同时,这也提醒开发者需要关注浏览器更新可能带来的协议变化,确保通信系统的稳定性和兼容性。
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 StartedRust0201
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 Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07