综述

XSwitch 会议系统是基于 XSwitch 软交换系统开发的音视频会议系统，支持开放的通信协议标准、支持常见的标准 SIP 音视频终端、支持常用的 MCU 功能、支持集群功能、可实现大规模音视频会议（1000+）。

• MCU：多点控制单元
• 软交换：基于分组交换网络的多媒体（音频、视频）交换系统或平台
• SIP 协议：Session Initiation Protocol，通信领域通用的协议标准
• SIP 客户端：支持 SIP 协议的终端软件或硬件
• HTTP：Hyper Text Transfer Protocol，超文本传输协议。
• REST：Representational State Transfer。一种软件架构风格，提供了一种设计网络应用程序的方法，使得网络应用程序具有一定的可伸缩性、可扩展性、可移植性、可维护性、可理解性、可靠性、安全性等特性。
• Websocket：一种在单个 TCP 连接上进行全双工通信的协议，由 HTTP 升级而成。
• UUID：Universal Unique IDentifer。
• XSwitch：软交换平台。
• Conference：会议，系统底层的会议实现，包含音视频处理等。
• Meeting：会议，是会议的逻辑概念，包含会议的基本信息、成员信息、会议相关的参数等。
• Floor：与会者的一个标志，详见会议基于概念中的描述。
• BFCP：SIP 双流协议，一跟通话可以有两个视频流，如一路摄像头（主流），一路共享屏幕的视频（辅流）。BFCP 的全称是 Binary Floor Control Protocol，即二进制 Floor 控制协议。

下面是会议相关的基本概念：

• 会议室：会议室具有名称（name）和号码（nbr）属性。加入同一个会议室的成员可以开会（互相能听见、看见）。会议室跟真实世界的会议室类似——同一个会议室，同时只能开一场会议；不同的会议室，可以同时开多场会议；同一个会议室，在不同时段也可以开不同的会议。会议室是一个逻辑概念，仅在数据库中存在。
• 会议：当第一个成员加入会议室时，会自动启动一个会议。当所有成员离开会议室时，会议结束。会议是个“运行时”概念，当会议启动后，系统中会启动相应的线程运行会议，在会议运行过程中会对外发送相关的事件，报告会议的运行状态，与会者人数等。
• 会议模板：会议室通常有很多属性（如“装修风格”等），将这些属性统一起来，就是会议模板。会议模板可以被多个会议室使用（类似相同的装修风格），如“720p 标清视频会议模板”、“1080p 高清视频会议模板”等。
• 会议号：会议号是一个字符串，用于标识一个会议。会议号可以是任意字符串，但是通常是一个数字字符串。如果会议号对应一个电话号码，则可以通过拨打该号码加入会议。
• 用户：用户指人，可以登录到系统进行管理的人员。
• 分机：指设备，可以注册 SIP 分机、WebRTC 分机、微信小程序分机等。一个用户可以有多个分机。
• 会议室成员：指加入会议室的分机，或 PSTN 外线号码以及其他加入渠道来的音视频终端，如微信小程序、WebRTC 网页端等。静态的成员对应数据库中的分机号，动态（运行时）的成员对应一路通话，会有一个动态的 memberID。
• 开发 Key：又称 DevKey，一个用户可以有多个开发 Key，便于不同的应用程序与系统通过 API 方式对接，参见开发 Key。
• Token：Token 是访问 API 的唯一凭证，所有 API 请求必须携带 Token 头域。Token 在下次系统重启后过期。如果应用在请求 API 时遇到 403 错误，需要重新获取 Token。
• memberID（或member_id）：与会者（成员）的唯一 ID，整数，对应一路通话（Channel）和一个 Channel UUID。
• Floor：Floor 分为音频 Floor 和视频 Floor 两种。
  • 音频 Floor，可以强制某成员具有 Floor，一个会议中有且只有一个 Floor。如果是自动选择模式，则当前发言声音大的成员会自动获得 Floor。
  • 视频 Floor。视频 Floor 可以由音频 Floor 自动获取，即说话声音大的人会自动获得 Floor。也可以由管理员强制指定（通过按界面上的“星星”图标）。具有视频 Floor 的人会占据“有利位置”，如在演讲者布局中占据大屏的位置（其他人以小头像展示）。
• 双流：在 SIP 会议中即 BFCP 协议。在一个 SIP 会议上允许上、下行最大两路视频，上行视频可用于在演讲同时播放 PPT 等，下行视频可以展示在一个屏幕或两个屏幕上（多画布）。在 XSwitch 内部，双流会被分成两者主、被叫号码相同的与会者（实现为两个 Channel）。

会议室是一个静态的概念，就是一个房间，大家有空可以来开会。而会议专指一次会议，是动态的。同一个会议室中同时只能进行一个会议（即运行时的会议名称必须唯一）。在不同的时间段，可以开不同的会议。

一般来说，会议室主要是为了方便管理会议相关的参数，如最大参会人数（对应真实世界中会议室的面积或座位数量）、是否启用视频，如果启用了视频还有视频分辨率、帧率等。

会议开始时，系统为每一位与会者生成一个唯一的 memberID。可以通过 memberID 针对该与会者进行静音等操作。一个 memberID 对应一路通话的 Channel UUID。

XSwitch 中的会议室和会议无需事先创建（开始）、第一个加入会议室的成员会自动创建一个会议，最后一个离开会议室的成员会自动结束会议。

但在有些场景中，为了更好地对会议进行管理，需要提前创建会议室，比如会议室的属性（如最大参会人数）需要提前确定、参会人员需要事先确认（非授权成员不让进）、会后需要对会议数据进行统计分析（如统计会议人数和参会时长、关联会议纪要等）。

一个运行时的会议只在需要时被创建，并在会议中最后一个成员离开时销毁。第一个加入会议中的成员（通话、通道）会创建一个会议。在会议创建时，如果它关联了一个模板，则模板相应的参数会关联到会议上，如会议允许的最大成员数、会议的画布大小、帧率、音频采样率，以及将会议室锁定（锁定后新成员不可加入会议）等。

在会议的运行时，可以通过命令（或 API 接口）对会议进行控制，如修改视频会议的画布大小、帧率，调整带宽等；也可以对与会成员进行控制，如静音、关闭视频、踢出等。

XSwitch 底层会议功能强大，本节简单列举一下底层的功能，便于集成时参考。

通过会议模块（profile），可以预设会议的参数。当第一个成员加入时，系统会自动创建一个会议运行时，运行时的特性由预设的参数决定。典型的参数有：

• 是否开启舒适噪声：如果开启，在会议中无人讲话时，大家能听到一些高斯白噪声（嘶嘶声），这些噪声声音不大，却又能听见，不会引起人的不适，因而称为舒适噪声。如果不开启舒适噪声，则会议中无人讲话时，人们什么都听不到，有可能误以为电话断掉或故障。
• 音频采样率：默认 PSTN 电话使用 8000Hz 采样率，WebRTC 会议使用 48000Hz 高清采样率。
• 视频画布大小：默认使用 1080p。
• 视频帧率：默认 30fps。
• 会议模式：如是否融屏（MCU），还是透传（SFU）模式。XSwitch 的 SFU 模式只能透传一个人。
• 有新成员加入时，是否播放一个声音（如“滴”）通知所有人。
• 有成员退出会议时，是否播放一个声音（如“嘟”）通知所有人。
• 会议 Flag，如是否动态发送成员列表等事件（以便与前端 Web 控制页面集成）。
• 编码器优化：如果所有人都使用相同的视频编码，可以使用同一个编码器，编码出来的视频发给所有与会者，这样能节省 CPU。
• 实时上行带宽调整：上行指从终端到 XSwitch 服务器的带宽。如通常上行 720p 视频使用 2Mbps 带宽，在 1x1 或 2x2 画面可以看得很清楚，但如果与会者比较多，画布上显示 10x10 的画布，由上行带宽可以变成 256Kbps 或更低，这样可以节省带宽，也可以节省解码 CPU。

详细的参数可参见用户手册中会议相关内容。

在成员入会时，可以预设一些参数，也影响他们在会议中的状态。如：

• 成员入会后自动静音。
• 成员入会后自动关闭摄像头。
• 成员设为“管理员”，可以有会议的操控权限
• 成员设为“Floor”，自动占据 Floor 的位置（主画面）。
• 详细的会议参数。

除此之外，成员还有一些运行时的属性，这些属性有些是系统内部用的。如：

• ghost：幽灵成员，系统内部使用，非正常成员。
• is_moderator：是否是管理员，管理员
• kicked：该成员是否被踢出。
• video：成员是否有视频。
• end_conference：成员是否有结束会议标志，会议中，最后一个具有该标志的成员离开会议后，会议会自动结束。

在视频会议中，可以事先指定或动态切换画布布局。关于画布布局，详见视频一节。

XSwitch 支持自动画布布局，即事先可以选定一组布局，XSwitch 会根据与会者人数自动切换布局，如：

• 会议室中只有一人时使用1x1画面
• 会议室中有两人时使用2x1画面
• 会议室中有 3-4 人时使用2x2画面
• 会议室中有 5-9 人时使用3x3画面
• 会议室中有 100 人时使用10x10画面

也可以使用固定布局，超出布局容纳人数后，部分成员将不显示。

关闭视频的人也不显示在画布上。

• 切换画布布局
• 将成员静音
• 将成员踢出
• 关闭成员视频
• 将成员倒立（翻转）
• 禁听：成员听不到任何内容
• 推流：将视频推送到流媒体服务器（如推送到微信视频号）
• 其他

以视频会议为例。

• 会议中有一个画布，可以设置画布的背景色、背景图片能参数。
• 画布可以事先设置固定的布局，如2x2、3x3等，也可以使用“自动”布局，根据与会者人数自动切换相应的布局，如group:grid就是自动布局，它包含1x1～10x10共 10 种布局，会根据参会人数自动变化。
• 所有参会人员都显示在画布上。如果将某人的视频关掉（或他自己关掉），则如果在设置了video-mute-exit-canvas的情况下，该成员会从画布上移除，否则，会显示一个默认的头像。
• 画布布局上面有多个“层”（Layer），每个参会者会占据一个层，层可以平铺，也可以相互覆盖（Overlay）。
• 有的画布布局中有floor=true参数，如1up+5布局，是典型的演讲者布局，演讲者（将其设为 Floor）占据屏幕中区域较大的位置。floor=true参数用于设置哪个位置是供 Floor 用的。
• 有的画布布局允许预订位置，如1号位置供某位领导使用等，对应reservation参数。
• 有的画布布局可以分配角色，具有相应角色的可以占据相应的位置，对应role参数。
• 有些会议可以启用多画布，可以在会议中动态将成员移动（通过 API）到不同的画布上，也可以控制哪个成员观看些个画布（具有双流的成员可以同时观看两个画布）。
• 在多画布情况下，可以事先设置哪个成员在呼入时自动放到哪个画布上，自动看哪个画布等。
• 可以设置某位成员（一般是管理员），呼入后自动变成 Floor（从而占据大屏主位）。
• 在会议中可以播放事先上传到服务器的视频文件，或远程视频流（如常用的直播 RTMP 流、监控摄像头 RTSP 流等）。
• 在会议中可以录音、录像，多个录音、录像不冲突（目前系统 Web 界面上只允许录一个）。
• 会议室可以被锁定，锁定后新成员无法入会。
• 会议室成员列表可以动态广播，以便 Web 会控界面显示成员列表和当前的状态（如是否静音等）。
• 会议中可以发送文字聊天，文字聊天可以自动记录到会议记录中。文字聊天在某些会控界面上也可以以弹幕方式呈现。
• 会议中可以添加语音翻译机器人，可以自动进行语音识别生成会议记录。
• 会议中，可以动态改变会议的画布大小、目标带宽、帧率等，可以动态修改与会者占据的画布、在画布上的位置、观看的画布等。
• 会议中有一个特殊模式，可以通过命令（如点击某人的图像）将该成员图像放大，只看这一个人大图，不影响其它人员看到的内容。
• 会议中可以开启自动轮循，自动以一定的间隔开、关成员的视频，达到轮流在画布上显示的效果。
• 会议支持空间音频，支持立体声，在空间音频场景下，可以听到某人在你的左边、右边或前方讲话。