Chamadas de vídeo ponto a ponto explicadas: como funcionam e quando usar

Em uma reunião de vídeo tradicional, cada participante envia seu vídeo a um servidor central, que o repassa a todos os outros. Em uma chamada ponto a ponto (P2P), os participantes enviam a mídia diretamente uns aos outros. O papel do servidor se reduz a apresentar os navegadores entre si. Essa pequena diferença tem grandes consequências para o atraso, a privacidade, o custo e o tamanho do grupo que você pode receber. Este guia explica em linguagem simples o que acontece nos bastidores e ajuda a escolher o tipo de chamada certo.

Os ingredientes

• O WebRTC é a tecnologia do navegador para áudio, vídeo e dados em tempo real. Veja nossa visão geral do WebRTC.
• A sinalização é como dois navegadores trocam as informações necessárias para se conectar: quais formatos aceitam e como se alcançar. Ela ainda usa um servidor, normalmente por WebSockets ou HTTPS.
• Os servidores STUN dizem a cada navegador como ele aparece na internet, o que o ajuda a conectar através de um roteador doméstico.
• Os servidores TURN retransmitem o tráfego quando um caminho direto é impossível, por exemplo atrás de alguns firewalls corporativos. A mídia retransmitida continua criptografada.

O que acontece quando você entra

1. Você abre o link de uma sala e o seu navegador contata o servidor de sinalização.
2. Os navegadores trocam ofertas de conexão e possíveis caminhos de rede (candidatos ICE).
3. Eles testam os caminhos e escolhem o melhor: direto se possível, por relé se não.
4. O áudio e o vídeo fluem por uma conexão criptografada (DTLS-SRTP), normalmente sobre UDP para ter pouco atraso.

Três formas de montar uma chamada de vídeo

• Modelo: Malha (P2P puro)

  Como funciona

  Cada participante envia seu vídeo a todos os outros

  Melhor para

  Chamadas individuais e grupos pequenos, como no chat P2P da Globfone

• Modelo: SFU (servidor de encaminhamento)

  Como funciona

  Todos enviam um fluxo a um servidor que o encaminha aos demais

  Melhor para

  Reuniões de dez a algumas centenas de pessoas

• Modelo: MCU (servidor de mixagem)

  Como funciona

  Um servidor combina todos os fluxos em uma única imagem

  Melhor para

  Sistemas de conferência legados e gravação

Vantagens

• Baixa latência. Menos saltos significam menos atraso, então a conversa parece natural.
• Privacidade. O fluxo de mídia não passa por um servidor central de reuniões, nem é guardado nele, quando existe um caminho direto.
• Custos de operação menores. O provedor não precisa processar cada fluxo de vídeo, o que ajuda os serviços gratuitos a continuarem gratuitos.

Limitações

• Tamanho do grupo. Cada participante envia seu vídeo a todos os outros, então o P2P funciona melhor para grupos pequenos. Em uma chamada com quatro pessoas, cada uma envia três fluxos.
• Condições de rede. Sem relé, algumas redes não conseguem conectar. Um bom serviço recorre automaticamente ao TURN.
• Sem servidor de gravação. Gravação e moderação avançada são mais fáceis em plataformas com servidor.
• Bateria e dados no celular. O vídeo gasta muitos dados e bateria. Mude para só áudio quando a conexão estiver fraca.

Glossário

ICE

O processo que encontra um caminho de rede funcional entre dois navegadores.

Codec

Um método para comprimir áudio ou vídeo de modo que caiba na conexão.

NAT

O recurso do roteador que dá a vários dispositivos de uma casa um único endereço público. É o que dificulta as conexões diretas e aquilo com que o STUN ajuda.

Quando escolher P2P

Escolha-o para chamadas individuais e grupos pequenos em que privacidade e simplicidade importam. O chat P2P da Globfone usa conexões diretas com relé de reserva e acrescenta chat de texto e compartilhamento de tela. Se precisar compará-lo a outras ferramentas, veja a comparação de chats de vídeo no navegador ou siga o guia passo a passo. Para passar um arquivo durante a chamada, abra um espaço P2P de compartilhamento de arquivos com as mesmas pessoas.

Exemplos da vida real

• Dois amigos colocam o papo em dia. Uma conexão direta dá a melhor qualidade e mais ninguém participa.
• Um tutor e um aluno. O tutor compartilha a tela e fala; o atraso é baixo, então a conversa parece natural.
• Uma chamada em família com quatro pessoas. Cada uma envia três fluxos, então um Wi-Fi forte ajuda.

Quantos dados uma chamada usa?

Uma chamada só de áudio usa alguns megabytes por hora. Uma chamada de vídeo em definição padrão costuma usar várias centenas de megabytes por hora para cada fluxo, e o vídeo em alta definição usa mais. Em uma chamada em malha com quatro pessoas, cada uma envia três fluxos de vídeo e baixa três, então o uso de dados se multiplica. Em dados móveis, prefira o áudio ou reduza a qualidade do vídeo.

Perguntas frequentes

Uma chamada P2P é criptografada?

Sim. O WebRTC criptografa áudio, vídeo e dados por padrão, mesmo quando o tráfego passa por um relé.

Por que minha chamada às vezes usa um relé?

Algumas redes bloqueiam conexões diretas. Nesse caso um servidor TURN encaminha o tráfego criptografado, o que acrescenta um pequeno atraso, mas mantém a chamada funcionando.

Posso gravar uma chamada P2P?

Como não há servidor no meio, a gravação é feita no seu próprio dispositivo, por exemplo com um gravador de tela, e você deve sempre avisar as outras pessoas de que está gravando.