RTP 包 · 实时媒体的载体 · 音视频与 WebRTC 详解

RTP 是音视频在网络上传输的基本载体。这一章读 modules/rtp_rtcp/source/rtp_packet.h，讲清 RTP 包的头部字段——SSRC、序号、时间戳、payload type、marker，它们各自解决什么问题，以及 RtpPacketToSend 与 RtpPacketReceived 两个方向的封装。

RTP 包 · 实时媒体的载体

安全通道建好了，媒体终于要在上面流动。承载音视频的基本单位，是 RTP 包（RFC 3550）。第 4 部分进入 modules/rtp_rtcp/，而一切从这个包的结构讲起——它的每个头部字段，都是为「实时媒体过不可靠网络」量身设计的。

RTP 包 = 头 + 负载

一个 RTP 包很简单：一个头部加一段负载（payload）。负载是编码后的媒体数据（一段音频、一片视频）；头部则是一组精心设计的字段。modules/rtp_rtcp/source/rtp_packet.h 里，RtpPacket 类把这些字段暴露成访问器：

// modules/rtp_rtcp/source/rtp_packet.h(节选)
class RtpPacket {
  bool Marker() const;              // 标记位(视频:帧结束)
  uint8_t PayloadType() const;      // 负载类型(哪种编解码器)
  uint16_t SequenceNumber() const;  // 序号(每包 +1)
  uint32_t Timestamp() const;       // 时间戳(采样时刻)
  uint32_t Ssrc() const;            // 同步源(哪条流)
};

五个关键字段，五个问题

这几个字段，每个都解决实时传输的一个具体问题：

RTP 头部的字段，是「在乱序、丢包的网络上重建媒体」所需信息的最小集合：

Ssrc（同步源） —— 一个 32 位随机数，标识这是哪一条流。一次通话有多条流（你的音频、你的视频、对方的……），全靠 SSRC 区分。BUNDLE把多条流挤一条传输后，接收端正是靠 SSRC 分流。
SequenceNumber（序号） —— 每发一个包 +1。它让接收端能发现丢包（序号跳了）和乱序（序号乱了）——UDP 不保证顺序和送达，序号是重建秩序的钥匙，也是 NACK 重传、FEC 的基础。
Timestamp（时间戳） —— 媒体的采样时刻（不是发送时刻）。它决定这段媒体该在什么时候播放，以及音视频怎么同步（音频、视频各有时间戳，按它对齐口型）。注意它按媒体采样率走（如音频 48kHz），不是墙上时钟。
PayloadType（负载类型） —— 一个数字，指明负载用哪种编解码器（如 111=Opus、96=VP8）。接收端据此选对解码器。这个数字怎么分配，下一章有讲究。
Marker（标记位） —— 一个比特，含义随媒体而定。视频里它常标记一帧的最后一个包（一帧可能拆成多个 RTP 包），接收端据此知道「这帧收全了，可以组装了」。

这五个字段合起来，就够接收端在混乱的网络之上，把媒体重新拼回有序、可播放、可同步的样子。 RTP 的精妙，在于用极简的头部，给出了对抗真实网络所需的全部元信息。

两个方向：ToSend 与 Received

RtpPacket 是基类，收发两侧各有一个子类（modules/rtp_rtcp/source/）：

类	方向	特点
`RtpPacketToSend`	发送	除基础字段外，带发送侧元数据（如是否重传、分配信息、原始序号）
`RtpPacketReceived`	接收	带接收侧元数据（到达时间等，供抖动、反馈计算）

分开是因为收发两侧关心的元数据不同：发送侧要记「这个包发出去了没、是不是重传」，接收侧要记「这个包什么时候到的」。RtpPacketToSend 还有个细节：重传时它的传输序号可能和原始 SequenceNumber() 不同（RTX 用独立的序号空间）。

头部之外：头扩展

标准 RTP 头字段是固定的那几个，但实时通信常需要更多元数据——比如「这个包发送时的绝对时间」「音量大小」「视频旋转角度」。这些通过 RTP 头扩展（header extensions） 携带，是一套可扩展机制。它太重要（拥塞控制、音视频同步都靠它），值得下一章专讲。

RTP 包 = 头 + 负载，是实时媒体的载体（RtpPacket，modules/rtp_rtcp/source/rtp_packet.h）。五个关键头字段各解决一个问题：Ssrc 标识哪条流、SequenceNumber 发现丢包 / 乱序、Timestamp 定播放时刻与音视频同步、PayloadType 指明编解码器、Marker 标记帧边界。收发两侧分别用 RtpPacketToSend / RtpPacketReceived，携带各自的元数据。

标准头之外，更多元数据靠头扩展携带——拥塞控制、音视频同步都离不开它。下一章专讲这套机制。👉 RTP 头扩展。

参考资料

[1] libwebrtc 源码.modules/rtp_rtcp/source/rtp_packet.h、rtp_packet_to_send.h、rtp_packet_received.h。
[2] libwebrtc 源码.g3doc/rtp.md（RTP 概览）。
[3] IETF RFC 3550「RTP」§ 5（包格式）。

RTP 包 · 实时媒体的载体