WWDC Quick Look 💓 By SwiftGGTeam
中文 EN 日本語
Enhance voice communication with Push to Talk

Enhance voice communication with Push to Talk

System Services
观看原视频

Highlight

iOS 16 的 PushToTalk framework 提供系统级对讲 UI、后台麦克风激活、Push to Talk 专用 APNS 通知和频道恢复机制，让对讲类 App 可以接入锁屏与系统界面，同时继续使用自己的音频编码、流媒体和后端传输链路。

核心内容

对讲类 App 的难点不在一个按钮。用户可能在锁屏、其他 App、蓝牙配件或网络重连时开始说话；接收端也可能在 App 已经挂起时收到音频。开发者既要让体验像系统通话一样及时，又要避免长时间占用麦克风、网络和后台运行时间。

PushToTalk framework 把这条链路拆成几个明确边界。系统负责频道入口、状态栏蓝色胶囊、锁屏 UI、麦克风激活、音频会话激活和接收通知后的后台唤醒。App 负责自己的业务频道、服务端、音频编码、音频流传输和成员状态。

这场 session 的主线很清楚：先加入一个 channel，让系统知道当前对讲会话；再通过 PTChannelManager 处理开始和结束发言；最后用新的 Push to Talk APNS 通知唤醒接收端，并报告当前说话人。系统只在传输或接收音频时给后台运行时间，空闲时会挂起 App 来节省电量。

详细内容

加入频道：系统 UI 从 channel 开始

（05:33）接入前要在 Xcode 项目里打开 Push To Talk background mode、Push To Talk capability 和 Push Notifications capability。App 还要请求录音权限，并在 Info.plist 中提供麦克风用途说明。

（06:16）Push to Talk 的会话叫 channel。App 必须先加入 channel，系统 UI 才会出现，App 也会收到这个 channel 生命周期内可用的 APNS push token。

func setupChannelManager() async throws {
    channelManager = try await PTChannelManager.channelManager(delegate: self,
                                                               restorationDelegate: self)
}

关键点：

  • PTChannelManager.channelManager 创建 channel manager，这是 App 与 PushToTalk framework 交互的主入口。
  • delegate: self 接收加入、离开、发言和音频会话事件。
  • restorationDelegate: self 用于系统在 App 重启或设备重启后恢复已有 channel。
  • 演讲建议在 ApplicationDelegate 的 didFinishLaunchingWithOptions 中尽早初始化，确保后台启动时也能恢复 channel 并接收推送。

（07:33）加入 channel 时，App 提供一个 UUID 和一个描述对象。UUID 后续会贯穿所有 manager 调用；描述对象提供系统 UI 展示的名称和图片。

func joinChannel(channelUUID: UUID) {
    let channelImage = UIImage(named: "ChannelIcon")
    channelDescriptor = PTChannelDescriptor(name: "Awesome Crew", image: channelImage)
  
    // Ensure that your channel descriptor and UUID are persisted to disk for later use.
    channelManager.requestJoinChannel(channelUUID: channelUUID, 
                                      descriptor: channelDescriptor)
}

关键点：

  • channelUUID 是这个 Push to Talk channel 的稳定标识。
  • PTChannelDescriptor 提供 channel 名称和图像，系统 UI 会用它帮助用户识别频道。
  • 注释提醒要把 descriptor 和 UUID 持久化到磁盘，因为恢复 channel 时还会用到。
  • requestJoinChannel 只能在 App 前台运行时请求加入，这是 transcript 明确给出的限制。

（08:11）加入成功后，delegate 会收到加入结果和临时 push token。这个 token 要发给服务端，用于向该设备发送 Push to Talk 通知。

func channelManager(_ channelManager: PTChannelManager, 
                    didJoinChannel channelUUID: UUID,
                    reason: PTChannelJoinReason) {
    // Process joining the channel
    print("Joined channel with UUID: \(channelUUID)")
}

func channelManager(_ channelManager: PTChannelManager,
                    receivedEphemeralPushToken pushToken: Data) {
    // Send the variable length push token to the server
    print("Received push token")
}

关键点：

  • didJoinChannel 是 App 已加入 channel 的确认点。
  • receivedEphemeralPushToken 返回这个 channel 生命周期内可用的 APNS token。
  • 代码注释强调 push token 是变长数据，服务端和客户端都不应硬编码长度。
  • 服务端后续用这个 token 通知接收端有新音频可播放。

恢复和状态更新：不要让系统 UI 显示过期信息

（09:22）PushToTalk 支持在 App 被终止或设备重启后恢复之前的 channel。恢复时，系统会向 restoration delegate 要 channel descriptor。

func channelDescriptor(restoredChannelUUID channelUUID: UUID) -> PTChannelDescriptor {
    return getCachedChannelDescriptor(channelUUID)
}

关键点：

  • restoredChannelUUID 是系统正在恢复的 channel。
  • getCachedChannelDescriptor 表示从本地缓存取 descriptor。
  • transcript 明确要求这个方法尽快返回，不要在这里做网络请求或其他阻塞任务。
  • 这也是前面持久化 UUID 和 descriptor 的原因。

（10:12）channel 名称、图片、网络连接状态变化时，App 要主动告诉系统。系统 UI 会据此更新显示，并在服务连接不可用时阻止用户发言。

func updateChannel(_ channelDescriptor: PTChannelDescriptor) async throws {
    try await channelManager.setChannelDescriptor(channelDescriptor, 
                                                  channelUUID: channelUUID)
}

关键点：

  • setChannelDescriptor 用新的 descriptor 更新系统保存的 channel 信息。
  • channelUUID 指明要更新哪个 channel。
  • 适用场景包括频道改名、频道头像变化或本地缓存刷新。
func reportServiceIsReconnecting() async throws {
    try await channelManager.setServiceStatus(.connecting, channelUUID: channelUUID)
}

func reportServiceIsConnected() async throws {
    try await channelManager.setServiceStatus(.ready, channelUUID: channelUUID)
}

关键点：

  • .connecting 告诉系统服务正在重连。
  • transcript 说明该状态会更新系统 UI，并在 connecting 或 disconnected 时阻止用户发言。
  • .ready 表示连接恢复，用户可以继续传输音频。
  • PushToTalk 不替代 App 的网络层，服务状态仍由 App 根据自己的后端连接判断。

发言：等系统激活音频会话后再录音

（11:09）用户可以从 App 内开始发言，也可以从系统 UI 开始。App 如果通过 CoreBluetooth 支持硬件按钮，也可以在后台响应外设 characteristic 变化后请求开始传输。

func startTransmitting() {
    channelManager.requestBeginTransmitting(channelUUID: channelUUID)
}

// PTChannelManagerDelegate

func channelManager(_ channelManager: PTChannelManager, 
                    failedToBeginTransmittingInChannel channelUUID: UUID,
                    error: Error) {
    let error = error as NSError

    switch error.code {
    case PTChannelError.callIsActive.rawValue:
        print("The system has another ongoing call that is preventing transmission.")
    default:
        break
    }
}

关键点：

  • requestBeginTransmitting 请求在指定 channel 中开始发言。
  • 这个请求可以来自前台 App，也可以来自受支持的蓝牙外设事件。
  • failedToBeginTransmittingInChannel 处理系统拒绝开始发言的情况。
  • 示例中的 PTChannelError.callIsActive 对应 transcript 里的场景：正在进行的蜂窝通话会阻止 Push to Talk 传输。

（12:41）请求开始发言不等于马上录音。真正的录音时机是 delegate 收到开始传输事件，并且系统激活了 AVAudioSession。

func channelManager(_ channelManager: PTChannelManager,
                    channelUUID: UUID, 
                    didBeginTransmittingFrom source: PTChannelTransmitRequestSource) {
    print("Did begin transmission from: \(source)")
}

func channelManager(_ channelManager: PTChannelManager,
                    didActivate audioSession: AVAudioSession) {
    print("Did activate audio session")
    // Configure your audio session and begin recording
}

关键点：

  • didBeginTransmittingFrom 会告诉 App 发言是从系统 UI、程序 API 还是硬件按钮事件开始的。
  • didActivate audioSession 是开始录音的信号。
  • transcript 明确说不要自行 start 或 stop audio session，系统会在合适时机激活。
  • App 可以在 audio session 激活后配置录音并把音频流发送到自己的服务器。

（13:19）结束发言同样由 manager 和 delegate 协作完成。系统停用音频会话后，App 再清理录音资源。

func channelManager(_ channelManager: PTChannelManager,
                    channelUUID: UUID, 
                    didEndTransmittingFrom source: PTChannelTransmitRequestSource) {
    print("Did end transmission from: \(source)")
}

func channelManager(_ channelManager: PTChannelManager,
                    didDeactivate audioSession: AVAudioSession) {
    print("Did deactivate audio session")
    // Stop recording and clean up resources
}

关键点：

  • didEndTransmittingFrom 记录发言结束以及结束来源。
  • didDeactivate audioSession 表示系统已经停用音频会话。
  • App 在这里停止录音并释放资源。
  • 传输期间仍要处理音频中断，例如电话和 FaceTime call。

接收：Push to Talk 专用 APNS 通知唤醒 App

（13:42）接收音频依赖新的 Push to Talk push notification type。服务端有新音频时，用加入 channel 时拿到的 device push token 发通知。APNS header 中 push type 要设为 pushtotalk，topic 要使用 bundle identifier 加 .voip-ptt 后缀，priority 建议为 10，expiration 建议为 0。

（15:29）App 在后台启动后，需要尽快返回 PTPushResult。如果有远端说话人，就返回 active participant；如果服务端要求离开 channel，就返回 leave channel。

func incomingPushResult(channelManager: PTChannelManager, 
                        channelUUID: UUID, 
                        pushPayload: [String : Any]) -> PTPushResult {

    guard let activeSpeaker = pushPayload["activeSpeaker"] as? String else {
        // If no active speaker is set, the only other valid operation 
        // is to leave the channel
        return .leaveChannel
    }

    let activeSpeakerImage = getActiveSpeakerImage(activeSpeaker)    
    let participant = PTParticipant(name: activeSpeaker, image: activeSpeakerImage)
    return .activeRemoteParticipant(participant)
}

关键点：

  • pushPayload 可以包含 App 自定义 key，示例用 activeSpeaker 表示当前说话人。
  • 没有 active speaker 时，示例返回 .leaveChannel。
  • PTParticipant 包含说话人的名字和可选图片，系统 UI 会用它显示谁正在说话。
  • 返回 .activeRemoteParticipant 后，系统会把 channel 设置为接收模式，激活音频会话，并调用 audio session 激活 delegate。
  • transcript 要求这个方法尽快返回；如果头像不在本地，可以先只返回名字，再异步下载图片并更新 active participant。

（17:03）远端说话结束时，App 要清空 active remote participant。系统随后更新 Push to Talk UI，并允许用户再次发言。

func stopReceivingAudio() {
    channelManager.setActiveRemoteParticipant(nil, channelUUID: channelUUID)
}

关键点：

  • setActiveRemoteParticipant(nil, channelUUID:) 表示当前不再接收远端音频。
  • 系统会停用 App 的音频会话。
  • UI 会离开 receive mode，用户可以重新按下 Talk。
  • 这一步要和服务端音频流结束事件对齐，否则系统 UI 会误以为仍在接收。

电量和网络：后台运行时间只在需要时出现

（17:37）PushToTalk 使用共享系统资源。同一时间系统只能有一个 active Push To Talk App，蜂窝通话、FaceTime 和 VoIP call 会优先于 Push To Talk。App 要优雅处理失败回调。

（18:18）系统负责激活和停用 audio session，但 App 仍应在启动时把 audio session category 配成 play and record。系统还会提供麦克风激活和停用音效，App 不应再播放自己的提示音。

（19:05）PushToTalk 只在传输和接收音频等必要时给后台 runtime。空闲时，App 会被系统挂起，网络连接也会断开。演讲建议考虑采用 Network.framework 和 QUIC，减少重新建立安全 TLS 连接所需步骤，并改善初始连接速度。

func reportServiceIsReconnecting() async throws {
    try await channelManager.setServiceStatus(.connecting, channelUUID: channelUUID)
}

func reportServiceIsConnected() async throws {
    try await channelManager.setServiceStatus(.ready, channelUUID: channelUUID)
}

关键点：

  • 后台挂起后网络连接断开是系统节电策略的一部分。
  • 重连期间用 .connecting 更新系统 UI，避免用户按下 Talk 后才发现服务不可用。
  • 连接恢复后再报告 .ready。
  • 如果实时音频链路对恢复速度敏感，可以结合 Network.framework 和 QUIC 优化连接建立。

核心启发

  • 做什么：给团队协作 App 增加“频道式语音喊话”。 为什么值得做：PushToTalk 提供系统 UI 和锁屏入口，用户不用打开 App 就能回复。 怎么开始：先用 PTChannelManager.channelManager 初始化 manager，再用 requestJoinChannel 加入一个团队 channel，把 receivedEphemeralPushToken 发给自己的服务端。

  • 做什么：给仓储、医护或现场巡检 App 增加蓝牙按键发言。 为什么值得做：session 明确提到 App 可以继续用 CoreBluetooth 集成无线蓝牙配件，并在外设 characteristic 变化时请求发言。 怎么开始：把外设按钮事件映射到 requestBeginTransmitting(channelUUID:)，在 didActivate audioSession 后开始录音和上传音频流。

  • 做什么：做一个接收端“谁在说话”的透明提示。 为什么值得做：系统 UI 会显示 active participant 的名字和图片，用户能知道当前收到的是谁的音频。 怎么开始：服务端在 Push to Talk payload 中放入说话人标识，App 在 incomingPushResult 中构造 PTParticipant 并返回 .activeRemoteParticipant。

  • 做什么：给对讲服务增加网络状态保护。 为什么值得做：系统 UI 可以根据 service status 阻止用户在服务 connecting 或 disconnected 时发言，减少失败体验。 怎么开始：把后端连接状态同步到 setServiceStatus(.connecting, channelUUID:) 和 setServiceStatus(.ready, channelUUID:)。

  • 做什么：把头像加载从接收推送的关键路径移出去。 为什么值得做：transcript 要求 incoming push delegate 尽快返回，阻塞会影响接收链路。 怎么开始：本地没有头像时先返回只有 name 的 PTParticipant，随后在后台下载图片，再调用 setActiveRemoteParticipant 更新显示。

关联 Session

评论

GitHub Issues · utterances