[发明专利]媒体协商方法、系统及装置

说明书

技术领域

本发明涉及通信技术领域，特别涉及媒体协商方法、系统及装置。

背景技术

时控文本(Timed Text)是一种允许对文本进行修饰，可以用于字幕、 卡拉OK、滚动新闻、超文本链接等应用的文本形式。例如，时控文本可以 与音频、视频等多媒体内容相关联，可以在视频内容中同步或非同步地显示 文本信息。在视频媒体中，时控文本和视频媒体之间的关联方法如下：

如图1所示，在一个显示区(Display Track)中，文本区(Text Track) 左上角的B位置坐标(tx，ty)是关联于视频区(Video Track)左上角的起 始点A的坐标的。即tx是文本区相对于视频区起始点A的坐标的水平偏移， ty是文本区相对于视频区始点A的坐标的垂直偏移。假设文本显示区位于 视频显示区底部中央的位置，尺寸为200*20，视频显示区的尺寸为320*240。 则tx＝(320-200)/2＝60，ty＝240-(20/2)＝230。即时控文本在视频内容中的显示 位置等具体参数，是依赖于与其关联的视频参数的。

在一个多媒体会话中，会话的双方需要在会话建立或更新的过程中完成 媒体协商，从而确定双方使用的具体媒体格式、传输端口等参数，为之后的 媒体流传输做好准备。

以使用SDP的Offer/Answer(提供/应答)方式为例，具体的协商过程 如图2所示；

首先Offer端向Answer端发送SDP Offer消息，在其中携带Offer端支 持的具体的媒体参数，之后，Answer端返回SDP Answer消息，携带Answer 端支持的具体媒体参数。其中，SDP Offer消息可以由SIP或H.323等协议 的INVITE、ACK等消息承载。在经过SDP Offer消息和SDP Answer消息 的交换后，通信双方了解到对方能够支持的媒体类型、编码格式、地址以及 端口等信息，之后就可以根据这些信息，通过媒体连接进行通信。

SDP协议中，对于媒体参数的描述格式举例如下：

m＝audio 3458 RTP/AVP 0 96 97 98

a＝rtpmap:0 PCMU

a＝rtpmap:96 G726-32/8000

a＝rtpmap:97 AMR-WB

a＝rtpmap:98 telephone-event

a＝mid:1

m＝video 3400 RTP/AVP 99 101

a＝rtpmap:99 MPV

a＝rtpmap:101 H.261

a＝mid:2

m＝video 3456 RTP/AVP 103 121

a＝sendonly

a＝rtpmap:103 H.261

a＝rtpmap:121 MPV

a＝mid:3

该示例SDP消息描述了三个媒体流，第一个媒体流是一个音频流，使 用RTP/AVP协议传输，传输端口是UDP 3458，可选的音频格式为PCMU、 G.726、AMR-WB或者电话语音；第二个媒体流是视频流，使用RTP/AVP协 议传输，传输端口是UDP 3400，可选的视频格式为MPV或H.261；第三个 媒体流是视频流，使用RTP/AVP协议传输，传输端口是UDP 3456，可选 的视频格式为H.261或MPV；且该视频流使用的UDP 3456仅用于的视频流 的发送，不接收对方发过来的媒体流。其中a＝mid:1表示媒体流标识为1， 以此类推。

在SDP协议中，对时控文本的描述与以上的媒体流的描述是相似的， 其具体描述示例如下：

m＝video 4567 RTP/AVP 98

a＝rtpmap:98 3gpp-tt/1000

a＝fmtp:98 tx＝100；ty＝100；layer＝0；height＝80；width＝100；max-h＝120； max-w＝160；sver＝6256，60；tx3g＝81...

a＝mid:2

该例子中，时控文本的文本显示区相对于视频显示区的坐标为(100， 100)，显示尺寸为100×80，最大显示尺寸为160×120，文本的缺省格式 为参数tx3g中的值，该时控文本流的流标识是2。