流媒体-流媒体入门及理解V1.0-程序员宅基地

技术标签: 音视频  流媒体  视频编解码  

什么是流媒体?

流媒体(streaming media)是指将一连串的媒体数据压缩后,经过网上分段发送数据,在网上即时传输影音以供观赏的一种技术与过程。此技术使得数据包得以像流水一样发送;如果不使用此技术,就必须在使用前下载整个媒体文件。

流媒体技术可以实现在网络上实时传输音频、视频或多媒体文件,无需等待下载完成就可以观看或收听。流媒体技术也称为流式媒体技术。

流媒体技术的核心是流式传输(streaming),即将媒体数据分成小块,按照一定的顺序和速率在网络中传送,同时在接收端进行缓冲和播放。流式传输有两种基本方式:实时流式传输(real-time streaming)和顺序流式传输(progressive streaming)。

  • 实时流式传输是指保证媒体信号带宽与网络连接匹配,使媒体可被实时观看到。实时流式传输根据网络情况调整输出音视频的质量从而实现媒体的持续的实时传送,用户可快进或后退以观看前面或后面的内容。
  • 顺序流式传输是指顺序下载,在下载文件的同时用户可观看在线媒体,在给定时刻,用户只能观看已下载的那部分,而不能跳到还未下载的前头部分,在传输期间不根据用户连接的速度对下载顺序做调整。
    流媒体有哪些优点和缺点?
    流媒体技术相比于传统的下载方式有以下几个优点:
  • 节省时间:用户无需等待整个文件下载完成就可以开始观看或收听,减少了启动延时。
  • 节省空间:用户无需将整个文件保存在本地硬盘上,只需要一定量的缓存空间就可以进行播放。
  • 节省带宽:用户只需要按需获取所需的数据,而不是下载整个文件,减少了网络拥塞和资源浪费。
  • 提高安全性:用户无法轻易地复制或转发流媒体内容,有利于保护版权和隐私。
    当然,流媒体技术也有一些缺点和挑战,主要有以下几个方面:
  • 依赖网络:用户必须保持与服务器的稳定连接才能正常观看或收听流媒体内容,如果网络中断或质量不佳,会导致卡顿、丢包、延迟等问题。
  • 限制交互:用户无法像下载方式那样随意地控制播放进度和位置,只能在已缓冲的范围内进行快进或后退。
  • 降低质量:为了适应不同的网络环境和用户设备,服务器通常会对原始的媒体数据进行压缩和转码,这可能会损失一些细节和清晰度。
  • 增加成本:服务器需要提供大量的存储空间和计算能力来支持多个用户同时访问流媒体内容,并且需要考虑安全、可靠、可扩展等因素。

流媒体的发展历程

流媒体技术的发展可以分为四个阶段:

第一阶段:实时传输协议(Real-time Transport Protocol,RTP)的出现(1992-1995)

RTP是一种用于在因特网上传输音频和视频的协议,它定义了数据包的格式和传输方式,以及如何处理丢包、延迟、抖动等网络问题。RTP是流媒体技术的基础,它使得多媒体数据可以在不可靠的网络环境中实时传输。

第二阶段:流媒体服务器和客户端的出现(1995-1999)

流媒体服务器是指专门用于存储和分发多媒体数据的服务器,它可以根据客户端的请求和网络状况,动态调整数据的码率、格式和质量,以保证流畅的播放。流媒体客户端是指用于接收和解码多媒体数据的软件或硬件,它可以根据服务器的指示,缓冲和渲染数据,以及提供交互功能。流媒体服务器和客户端的出现,使得用户可以通过网络观看或收听各种多媒体内容,而不需要下载整个文件。

第三阶段:流媒体标准化和普及(1999-2005)

流媒体标准化是指对流媒体技术的各个方面进行规范和统一,以便于不同厂商和平台之间的互操作和兼容。主要的流媒体标准有:

  • 实时传输控制协议(Real-time Transport Control Protocol,RTCP):用于在RTP会话中提供反馈信息,如数据包丢失率、延迟、抖动等。
  • 实时流协议(Real Time Streaming Protocol,RTSP):用于控制流媒体服务器和客户端之间的交互,如播放、暂停、快进、快退等。
  • 实时消息协议(Real Time Messaging Protocol,RTMP):用于在Adobe Flash平台上传输音频、视频和其他数据。
  • HTTP Live Streaming(HLS):用于在HTTP协议上分发适应性比特率(Adaptive Bitrate,ABR)的多媒体数据。
  • MPEG-DASH(Dynamic Adaptive Streaming over HTTP):用于在HTTP协议上分发ABR的多媒体数据,是国际标准化组织(ISO)制定的标准。

流媒体普及是指流媒体技术在各个领域和场景中得到广泛应用和推广,如:

  • 在线教育:利用流媒体技术进行远程教学、录播课程、直播答疑等。
  • 在线视频:利用流媒体技术提供各种视频内容,如电影、电视剧、综艺节目、短视频等。
  • 在线音乐:利用流媒体技术提供各种音乐内容,如歌曲、专辑、电台、播客等。
  • 在线游戏:利用流媒体技术进行游戏直播、云游戏、游戏录像等。
  • 在线会议:利用流媒体技术进行远程协作、视频会议、网络研讨会等。

第四阶段:流媒体创新和优化(2005至今)

流媒体创新是指在流媒体技术的基础上,开发出新的功能和应用,以满足用户的不同需求和场景。主要的流媒体创新有:

  • 互动直播:利用流媒体技术实现主播与观众之间的实时互动,如弹幕、礼物、连麦等。
  • 短视频:利用流媒体技术制作和分享时长在几秒到几分钟之间的视频内容,如抖音、快手等。
  • 人工智能:利用人工智能技术对流媒体内容进行分析、处理和生成,如人脸识别、语音识别、内容推荐等。
  • 虚拟现实/增强现实/混合现实(VR/AR/MR):利用流媒体技术构建和展示虚拟或增强的现实场景,如VR眼镜、AR滤镜、MR眼镜等。

流媒体优化是指对流媒体技术进行改进和提升,以提高性能和质量。主要的流媒体优化有:

  • 编码优化:利用新的编码标准或算法对多媒体数据进行更高效或更高质量的压缩编码,如H.264/AVC、H.265/HEVC、AV1等。
  • 传输优化:利用新的传输协议或技术对多媒体数据进行更快速或更稳定的网络传输,如QUIC、WebRTC、CDN等。
  • 渲染优化:利用新的渲染技术或设备对多媒体数据进行更逼真或更沉浸式的显示或播放,如4K/8K分辨率、HDR色彩、3D声音等。

流媒体有哪些应用场景和发展趋势?

流媒体技术广泛用于多媒体新闻发布、在线直播、网络广告、电子商务、视频点播、远程教育、远程医疗、网络电台、实时视频会议等互联网信息服务的方方面面。流媒体技术的应用将为网络信息交流带来革命性的变化,对人们的工作和生活将产生深远的影响。
随着互联网的迅猛发展和普及,流媒体业务正变得日益流行。根据国际唱片协会发布的《2019年音乐聆听报告》,2019年,每个年龄段的用户对音乐流媒体点播的参与度都很高,无论是免费还是付费。其中,89%的用户通过点播流媒体听音乐。另外,《2018年中国动漫行业报告》显示,我国动漫产业总值已突破1500亿,在线内容市场规模近150亿,泛二次元用户规模近3.5亿,在线动漫用户达2.19亿。动漫产业市场需求极其庞大。

预见到以下几个方面的发展趋势:

  • 高清化:随着网络带宽和设备性能的提升,用户对于画质和声质的要求也越来越高。高清、超高清、4K、8K等格式将成为主流选择。
  • 互动化:随着社交网络和直播平台的兴起,用户不仅想要被动地观看或收听流媒体内容,还想要主动地参与和交流。弹幕、评论、打赏、投票等功能将增加用户之间的互动性和趣味性。
  • 智能化:随着人工智能、机器学习、大数据等技术的发展和应用,流媒体服务将具备更强大的智能化能力,如自动识别、推荐、转码、优化、分析等,提高用户体验和服务效率。
  • 个性化:随着用户需求和喜好的多样化和差异化,流媒体服务将更加注重个性化定制和个性化推荐,为用户提供更符合其兴趣和场景的内容和服务。
  • 融合化:随着流媒体技术与其他技术的融合和创新,流媒体服务将呈现出更多的形式和功能,如VR/AR、3D、全景、互动剧等,为用户带来更丰富和更沉浸的感官体验。

流媒体厂商的发展

  • 人工智能(AI)的应用:流媒体厂商可以利用 AI 技术来动态创建内容,提高观众的参与度和满意度。例如,OpenAI 的 ChatGPT 和 DALL-E 2工具可以根据文本提示生成文本和图像。
  • 免费广告支持(FAST)的流媒体电视:这是一种将流媒体与传统线性广播相结合的模式,观众不用付费就能观看内容,广播公司则通过商业广告从中获利。这种模式可以缓解流媒体疲劳症和选择困难症,吸引更多的观众。
  • 新的流媒体盈利模式:除了传统的订阅、广告和交易等模式,流媒体厂商还可以尝试更多创造性的内容到现金转化方式。例如,Amazon Inspire 可以根据有影响力人物的照片和视频内容,整理出购物推荐列表,观众只需按一下按钮,就能将其穿戴的产品加入购物车

总结

流媒体技术是一种在网络上实时传输影音的技术,它具有节省时间、空间、带宽等优点,也面临着依赖网络、限制交互、降低质量等缺点。流媒体技术广泛应用于各种互联网信息服务领域,对人们的工作和生活产生了重大影响。在未来,伴随着大模型的深入场景化开发和发展,流媒体技术将朝着互动化、智能化、个性化、融合化等方向发展,为用户提供更优质和更多样的服务。

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/wtt2020/article/details/130771445

智能推荐

解决win10/win8/8.1 64位操作系统MT65xx preloader线刷驱动无法安装_mt65驱动-程序员宅基地

文章浏览阅读1.3w次。转载自 http://www.miui.com/thread-2003672-1-1.html 当手机在刷错包或者误修改删除系统文件后会出现无法开机或者是移动定制(联通合约机)版想刷标准版,这时就会用到线刷,首先就是安装线刷驱动。 在XP和win7上线刷是比较方便的,用那个驱动自动安装版,直接就可以安装好,完成线刷。不过现在也有好多机友换成了win8/8.1系统,再使用这个_mt65驱动

SonarQube简介及客户端集成_sonar的客户端区别-程序员宅基地

文章浏览阅读1k次。SonarQube是一个代码质量管理平台,可以扫描监测代码并给出质量评价及修改建议,通过插件机制支持25+中开发语言,可以很容易与gradle\maven\jenkins等工具进行集成,是非常流行的代码质量管控平台。通CheckStyle、findbugs等工具定位不同,SonarQube定位于平台,有完善的管理机制及强大的管理页面,并通过插件支持checkstyle及findbugs等既有的流..._sonar的客户端区别

元学习系列(六):神经图灵机详细分析_神经图灵机方法改进-程序员宅基地

文章浏览阅读3.4k次,点赞2次,收藏27次。神经图灵机是LSTM、GRU的改进版本,本质上依然包含一个外部记忆结构、可对记忆进行读写操作,主要针对读写操作进行了改进,或者说提出了一种新的读写操作思路。神经图灵机之所以叫这个名字是因为它通过深度学习模型模拟了图灵机,但是我觉得如果先去介绍图灵机的概念,就会搞得很混乱,所以这里主要从神经图灵机改进了LSTM的哪些方面入手进行讲解,同时,由于模型的结构比较复杂,为了让思路更清晰,这次也会分开几..._神经图灵机方法改进

【机器学习】机器学习模型迭代方法(Python)-程序员宅基地

文章浏览阅读2.8k次。一、模型迭代方法机器学习模型在实际应用的场景,通常要根据新增的数据下进行模型的迭代,常见的模型迭代方法有以下几种:1、全量数据重新训练一个模型,直接合并历史训练数据与新增的数据,模型直接离线学习全量数据,学习得到一个全新的模型。优缺点:这也是实际最为常见的模型迭代方式,通常模型效果也是最好的,但这样模型迭代比较耗时,资源耗费比较多,实时性较差,特别是在大数据场景更为困难;2、模型融合的方法,将旧模..._模型迭代

base64图片打成Zip包上传,以及服务端解压的简单实现_base64可以装换zip吗-程序员宅基地

文章浏览阅读2.3k次。1、前言上传图片一般采用异步上传的方式,但是异步上传带来不好的地方,就如果图片有改变或者删除,图片服务器端就会造成浪费。所以有时候就会和参数同步提交。笔者喜欢base64图片一起上传,但是图片过多时就会出现数据丢失等异常。因为tomcat的post请求默认是2M的长度限制。2、解决办法有两种:① 修改tomcat的servel.xml的配置文件,设置 maxPostSize=..._base64可以装换zip吗

Opencv自然场景文本识别系统(源码&教程)_opencv自然场景实时识别文字-程序员宅基地

文章浏览阅读1k次,点赞17次,收藏22次。Opencv自然场景文本识别系统(源码&教程)_opencv自然场景实时识别文字

随便推点

ESXi 快速复制虚拟机脚本_exsi6.7快速克隆centos-程序员宅基地

文章浏览阅读1.3k次。拷贝虚拟机文件时间比较长,因为虚拟机 flat 文件很大,所以要等。脚本完成后,以复制虚拟机文件夹。将以下脚本内容写入文件。_exsi6.7快速克隆centos

好友推荐—基于关系的java和spark代码实现_本关任务:使用 spark core 知识完成 " 好友推荐 " 的程序。-程序员宅基地

文章浏览阅读2k次。本文主要实现基于二度好友的推荐。数学公式参考于:http://blog.csdn.net/qq_14950717/article/details/52197565测试数据为自己随手画的关系图把图片整理成文本信息如下:a b c d e f yb c a f gc a b dd c a e h q re f h d af e a b gg h f bh e g i di j m n ..._本关任务:使用 spark core 知识完成 " 好友推荐 " 的程序。

南京大学-高级程序设计复习总结_南京大学高级程序设计-程序员宅基地

文章浏览阅读367次。南京大学高级程序设计期末复习总结,c++面向对象编程_南京大学高级程序设计

4.朴素贝叶斯分类器实现-matlab_朴素贝叶斯 matlab训练和测试输出-程序员宅基地

文章浏览阅读3.1k次,点赞2次,收藏12次。实现朴素贝叶斯分类器,并且根据李航《统计机器学习》第四章提供的数据训练与测试,结果与书中一致分别实现了朴素贝叶斯以及带有laplace平滑的朴素贝叶斯%书中例题实现朴素贝叶斯%特征1的取值集合A1=[1;2;3];%特征2的取值集合A2=[4;5;6];%S M LAValues={A1;A2};%Y的取值集合YValue=[-1;1];%数据集和T=[ 1,4,-1;..._朴素贝叶斯 matlab训练和测试输出

Markdown 文本换行_markdowntext 换行-程序员宅基地

文章浏览阅读1.6k次。Markdown 文本换行_markdowntext 换行

错误:0xC0000022 在运行 Microsoft Windows 非核心版本的计算机上,运行”slui.exe 0x2a 0xC0000022″以显示错误文本_错误: 0xc0000022 在运行 microsoft windows 非核心版本的计算机上,运行-程序员宅基地

文章浏览阅读6.7w次,点赞2次,收藏37次。win10 2016长期服务版激活错误解决方法:打开“注册表编辑器”;(Windows + R然后输入Regedit)修改SkipRearm的值为1:(在HKEY_LOCAL_MACHINE–》SOFTWARE–》Microsoft–》Windows NT–》CurrentVersion–》SoftwareProtectionPlatform里面,将SkipRearm的值修改为1)重..._错误: 0xc0000022 在运行 microsoft windows 非核心版本的计算机上,运行“slui.ex