PJProject中DTMF发送失败问题分析与解决方案
问题背景
在使用PJProject 2.14.1版本进行VoIP开发时,开发者遇到了DTMF(双音多频)信号发送失败的问题。具体表现为调用call->dialDtmf(digit)方法时,系统返回错误信息"Remote does not support RFC 2833",但实际上远程端是支持RFC 2833协议的。
问题现象
开发者在使用Xcode 15.3、iOS 17.2和macOS Sonoma 14.4.1环境下,调用PJProject的DTMF发送功能时遇到以下错误日志:
18:10:45.771 pjsua_aud.c !Call 0 dialing DTMF 1
18:10:45.771 call.cpp pjsua_call_dial_dtmf(id, &pj_digits) error: Remote does not support RFC 2833 (PJMEDIA_RTP_EREMNORFC2833) (status=220107)
问题分析
RFC 2833协议简介
RFC 2833是定义在RTP中传输DTMF信号的标准协议。它通过在RTP数据包中携带特殊的事件载荷(telephone-event payload)来传输DTMF信号,而不是传统的音频信号方式。这种方式效率更高,且能准确传输DTMF信号的开始、结束和持续时间。
问题根源
根据错误信息和项目维护者的回复,该问题的根本原因是SDP(会话描述协议)协商过程中未能正确建立RFC 2833支持。具体表现为:
- 远程端的SDP响应中没有包含tel-event载荷类型声明
- 或者本地与远程端在tel-event格式协商上出现了问题
版本差异分析
开发者提到在PJProject 2.14版本中可以正常工作,但在2.14.1版本中出现问题。进一步调查发现,真正影响功能的因素不是版本差异,而是TLS后端的变更:
- 之前使用OpenSSL作为TLS后端时可以正常工作
- 切换到iOS原生TLS后端后出现问题
这表明TLS后端的变更可能影响了SDP协商过程,特别是对tel-event载荷类型的处理。
解决方案
经过深入调查和测试,开发者最终通过以下方法解决了问题:
-
禁用部分编解码器:通过减少或调整使用的音频编解码器,可以避免SDP协商中的冲突,确保tel-event载荷类型能够被正确协商。
-
检查SDP协商:开发者应该检查SDP offer/answer交换过程,确认tel-event载荷类型是否被正确包含在媒体描述中。
-
TLS后端选择:如果使用iOS原生TLS后端出现问题,可以考虑切换回OpenSSL后端进行测试验证。
最佳实践建议
-
SDP调试:在开发过程中,应该记录并分析完整的SDP交换过程,确保所有需要的媒体格式和载荷类型都被正确协商。
-
编解码器配置:合理配置编解码器优先级,避免使用过多或不必要的编解码器,这可能会影响其他功能(如DTMF)的协商。
-
版本升级测试:在升级PJProject版本时,应该全面测试所有功能,特别是与媒体协商相关的功能。
-
TLS后端选择:根据实际需求选择合适的TLS后端,并了解不同后端可能带来的行为差异。
总结
DTMF发送失败问题通常与SDP协商过程密切相关,特别是在RFC 2833支持方面。开发者应该深入理解SDP协商机制,合理配置编解码器和TLS后端,确保VoIP应用中的各种功能能够正常工作。通过系统性的分析和测试,可以有效解决这类问题。
kernelopenEuler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。C098
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00