Repository files navigation

整理 Web 音视频相关的 API、SDK、文章、对外产品，帮助前端开发者入门/进阶音视频领域，推动音视频技术在 Web 平台的应用实践。

音视频技术在 Web 平台应用有限，资料也相对较少，Web 平台处理音视频的基础能力已具备，但未被大部分从业人员所熟知。

由于涉及的 Web API 非常多，所以先整理一份音视频相关的 API 知识图谱，降低在 Web 平台开发音视频应用的门槛；
然后，索引互联网公开的文章、工具、开源项目，目标是让前端开发初学者也能通过自学，掌握在 Web 平台开发音视频应用的基础技能。

音视频 Web API 图谱

为了不干扰阅读，侧重各个模块间的协作（数据转换）对象，过多的模块内 API 并没有列出。
有人反馈初看图谱感觉很乱，笔者已经尽量简化，若有更好的建议可以提出来。

1. 注意红色高亮节点，它们是不同场景数据转换的核心对象
2. 注意相同颜色的线条，它们串联某些场景下的数据转换循环
3. 以关注的模块为中心，观察节点连线，就能知道数据能从哪里来（被箭头指向）、数据能到哪里去（箭头指向）

音视频文件处理

1. 图中可发现使用WebCodecs API 能解析处理或合成输出音视频文件（封装/解封装需借助第三方库）
2. WebCodecs 最终能获得原始音（AudioData）视（VideoFrame）频数据对象
3. 若需对音视频内容进行处理（如图像滤镜或声音变调）则需参考其他可利用 API（观察箭头指向）

音频处理

1. 音频处理的核心模块是AudioContext
2. 观察箭头可发现，能通过网络远程加载数据、或将html 的video/audio 标签作为输入源
3. 处理之后将音频数据渲染到扬声器或 html 标签中
4. 音频处理相关的 API 被隐藏了，这里只能看到跟AudioNode 相关，感兴趣的同学可进一步深究

低延迟音视频通信

1. 低延迟通信跟WebRTC 模块相关
2. RTCPeerConnection 下的addTrack 可以发送音视频流到远端，来源可以是从摄像头、html 标签（video/canvas）捕获的流
3. RTCPeerConnection 下的getReceivers 可以从远端接收流，输出到 html 标签（video/canvas）播放出来
4. 若发送前、接收后需要对流数据加工处理（如移除视频背景、降噪），则可利用MediaStreamTrackProcessor, MediaStreamTrackGenerator 相关 API

在 Web 平台处理（合成、剪辑、导出）音视频数据开源项目。

• WebAV: Process audio/video data in the browser using WebCodecs. 基于 WebCodecs 在浏览器中处理音视频数据。
  • 特点：支持硬件加速编解码，速度快、兼容性差，API 友好；丰富的在线可体验DEMO
• ffmpeg.wasm: FFmpeg for browser, powered by WebAssembly
  • 特点：FFmpeg 编译的 WASM 版，兼容性更好、速度慢；Playground
• mp4box.js: JavaScript version of GPAC's MP4Box tool
  • js 实现的 mp4 muxer/demuxer（封装/解封装） SDK
  • 文档包含在线 DEMO，其中inspection tool 在线解析视频文件（mp4、m4a、mov）信息，特别方便好用
• hls.js: HLS.js is a JavaScript library that plays HLS in browsers with support for MSE.DEMO
• howler.js: Javascript audio library for the modern web.
• opfs-tools: A simple, high-performance, and comprehensive file system API running in the browser, built on OPFS. 在浏览器中运行的简单、高性能、完备的文件系统 API，基于 OPFS 构建。DEMO
  • 音视频开发经常需要高频读写文件或处理大型文件，可能需要 OPFS API 来提高性能、降低内存消耗。

W3C 官方 DEMO

• WebCodecs samples
• WebRTC samples

如果你是一个初学者，阅读相关资料前不妨先看看笔者的最简化总结

视频生产过程：原始数据（图像、声音波动）经编码（压缩 encode）后，再封装（mux）成视频文件；
视频解析过程：视频文件接封装（demux）后，再解码（解压 decode）即可得到原始数据。

1. 一般对音视频效果的加工处理是对原始数据进行变换，如滤镜、特效、声音降噪
2. 一般存储、传输的是经编码（压缩）、再封装后视频文件形态；编码能超级大幅压缩原始数据的体积，封装是为了添加描述信息，方便管理、传输、播放
3. 一般所说视频格式（MP4、MOV、FLV）指的是采用不同协议封装生成的视频文件
4. 音视频编码（压缩）也有多种算法，最常见的有 AVC（H264）、HEVC（H265）、AV1，常见音频编解码对应的有 AAC、Opus；不同环境（浏览器、硬件、操作系统）对封装协议、编码算法可能存在兼容性问题

音视频领域还有许多名词概念，读者逐渐深入可自行搜索或咨询 ChatGPT

• 风痕的博客Web 音视频入门系列
• 张鑫旭的博客标签audio,video
• Waveforms：可视化、交互式探索声音的形状
• Learning Synths：可视化学习音乐合成
• Video processing with WebCodecs

• FFmpeg: A complete, cross-platform solution to record, convert and stream audio and video.
  • 功能很强大、命令行参数很复杂，不会就问 ChatGPT
• MP4 inspection tool 在线解析视频文件（mp4、m4a、mov）信息

能在浏览器中运行的音视频产品。

• ZingAI.video：大胆创新的 AI 口播视频剪辑（笔者独立开发的产品）
• 快手云剪
• Video tools. Online
• 开拍：网感视频制作产品
• Submagic：国外的网感是产品制作产品
• Clipchamp：传统、成熟、完善的视频编辑工具

笔者花名风痕，在 B 站做了几年的 Web 播放器相关开发，2023 年初开始重点投入 WebCodecs，看好该技术应用前景。
所以创建了当前项目，希望为 Web 音视频技术的应用与实践贡献力量。
若有纰漏，望请斧正。

此外，笔者还在积极维护WebAV、opfs-tools 两个音视频相关项目，个人博客也会长期更新 Web 音视频相关文章。

若你对该项目的内容感兴趣，可 Star 或转发给需要的同学。
你也可以通过 issue 推荐内容（SDK、文章、工具）、提交反馈，与笔者一起完善该项目。