Conférences audio/vidéo en temps réel dans Linphone grâce à un serveur SFU moderne

Les solutions de visioconférence de type « Multipoint Control Unit » (MCU) ou « Media Mixing Mixer » se sont révélées coûteuses en ressources pour le traitement vidéo, en raison de la complexité des algorithmes des codecs vidéo. Cette contrainte a conduit à l’émergence de nouvelles solutions transmettant un sous-ensemble utile des flux reçus de tous les participants à chaque participant. Par exemple, seule la vidéo du participant actif (en train de parler) est diffusée à tous les participants, accompagnée de flux vidéo de très basse résolution pour les autres participants. Cette technologie est appelée « Unité de Transmission Sélective » (Selective Forwarding Unit – SFU) ou « Middlebox de Transmission Sélective » (SFM). Ces solutions ouvrent la voie à des sessions de conférence gérées par un serveur qui ne décode pas le contenu média. L’avantage principal d’une SFU est sa capacité à recevoir plusieurs flux média et à décider lesquels doivent être envoyés à chaque participant, permettant ainsi d’augmenter le nombre de participants dans un appel de groupe.

Linphone pourrait être la première solution open source de conférence basée sur SIP utilisant un serveur SFU moderne. Puisque la solution serveur déjà utilisée pour la messagerie instantanée était compatible avec les standards ouverts pour la gestion des salons de discussion et de leurs participants, l’idée était d’améliorer ce composant en y ajoutant des capacités de gestion de médias. L’équipe Linphone a donc développé un algorithme SFU basé sur mediastreamer2 et ortp (les bibliothèques de traitement média de Linphone), dans un nouveau composant logiciel appelé « MS-SFU ».