¿Qué es WebRTC? Guía de comunicación web en tiempo real
- Escrito por
- Jack Limebear
- Publicado
EscucharEscucha este artículo
La comunicación web fluida parece sencilla hoy en día. Sin embargo, crear una app de streaming de vídeo o voz con baja latencia solía ser un gran reto para desarrolladores. Usuarios tenían que lidiar con fotogramas perdidos, retrasos de audio y desconexiones que perjudicaban las interacciones.
WebRTC ayuda a desarrolladores a resolver las carencias de las comunicaciones web en tiempo real al permitir la transmisión de datos entre pares con baja latencia. Desde su introducción en 2011, los principales navegadores, como Chrome, Safari y Firefox, han adoptado WebRTC. Actualmente, WebRTC permite la comunicación en tiempo real en navegadores y apps web.
Este artículo explica cómo funciona WebRTC, sus casos de uso, aspectos de seguridad y cómo se compara con otras tecnologías de comunicación web.
Resumen
- WebRTC es una tecnología que permite transmitir audio, vídeo y datos en tiempo real entre pares, desde navegadores o apps web.
- WebRTC funciona con UDP, por lo que es adecuado para aplicaciones de comunicación web con baja latencia y tolerantes a pérdidas.
- Para transmitir con WebRTC, se usan API estándar como RTCPeerConnection, MediaStream y RTCDataChannel, que crean un canal cifrado para el intercambio de contenido multimedia en tiempo real.
- Los dispositivos pares dependen de servidores STUN y TURN para descubrir su dirección IP y superar las restricciones de red al establecer conexiones WebRTC.
- Desarrolladores deben tener en cuenta varios retos, como la escalabilidad, la seguridad y la conectividad, al crear aplicaciones WebRTC.
¿Qué es WebRTC?
WebRTC es una tecnología de comunicación gratuita y de código abierto que permite la transmisión en tiempo real entre pares y navegadores web. Con WebRTC, usuarios pueden intercambiar vídeo, audio y datos directamente, sin descargar plugins ni software intermediario.
A diferencia del streaming tradicional cliente-servidor, WebRTC envía contenido multimedia directamente entre pares siempre que exista una ruta directa. Los servidores de retransmisión (TURN) y los servidores de medios intervienen solo cuando no es posible una conexión directa o cuando se unen más de dos participantes. Esto permite a WebRTC ofrecer contenido multimedia en tiempo real con baja latencia.
Los navegadores web modernos son compatibles con WebRTC de forma predeterminada. WebRTC es un estándar abierto del W3C y el IETF que expone API de JavaScript, con las que puedes acceder a la cámara y al micrófono, crear un canal de datos y enviar contenido multimedia al destino.
Por su sencillez, desarrolladores usan WebRTC en diversas aplicaciones web, como videoconferencias, streaming de vídeo y audio, transcripción en tiempo real y uso compartido de pantalla.

Cómo funciona WebRTC: de la señalización al contenido multimedia entre pares
WebRTC captura datos en un navegador, los cifra y los transmite a otro navegador en tiempo real. Crea un canal de datos sobre el protocolo de datagramas de usuario (UDP), donde navegadores o apps web pueden intercambiar datos con baja latencia. UDP es un protocolo rápido y sin conexión que envía paquetes de datos a través de redes. No necesita mantener una conexión, confirmar la recepción de paquetes ni retransmitir los paquetes perdidos, lo que reduce considerablemente la sobrecarga.
De forma predeterminada, la API nativa de WebRTC permite la transmisión directa entre pares (P2P) entre dos navegadores. Sin embargo, más de dos navegadores pueden intercambiar datos creando varias conexiones P2P o usando un servidor de medios. A menudo, el ancho de banda de subida limita las conexiones P2P múltiples, por lo que un servidor de medios es una mejor opción para aplicaciones como las conferencias en directo.
A continuación, usamos un ejemplo que muestra vídeo entre dos navegadores para explicar cómo funciona.
Para crear una conexión WebRTC, ambos navegadores siguen estas secuencias.
- Captura de contenido multimedia. Antes de capturar datos, el navegador pide al usuario permiso para acceder al micrófono, la cámara o la pantalla. Esta es una función de seguridad predeterminada integrada en el framework de WebRTC que desarrolladores no pueden omitir.
- Señalización. Este proceso permite a ambos navegadores negociar metadatos mediante servidores de señalización para intercambiar datos correctamente. Por ejemplo, el navegador A envía el códec, la tasa de bits y las tecnologías de cifrado que admite. Después, espera a que el navegador B responda con los metadatos correspondientes. Ambos navegadores deben acordar un conjunto común de metadatos antes de poder intercambiar datos.
- Protección del canal. WebRTC cifra el contenido multimedia y los datos en tránsito para protegerlos de partes no autorizadas. Ambos navegadores intercambian claves criptográficas mediante Datagram Transport Layer Security (DTLS), que usan para cifrar y descifrar datos. Cada salto se cifra por separado, por lo que un servidor de medios o SFU puede acceder al contenido multimedia, salvo que añadas cifrado de extremo a extremo, por ejemplo, con flujos insertables.
- Intercambio de contenido multimedia. Una vez que los navegadores han negociado una clave criptográfica, intercambian contenido multimedia mediante el protocolo Secure Real-time Transport Protocol (SRTP). El emisor cifrará todo el vídeo, audio y demás datos arbitrarios salientes mediante AES-128. Mientras tanto, el dispositivo usa el protocolo Stream Control Transmission Protocol (SCTP) para enviar datos arbitrarios, como JSON y archivos de texto.
- Gestión de la congestión. Los dispositivos detectan activamente jitter, retrasos u otras señales de degradación. Un dispositivo envía paquetes del protocolo Real-time Transport Control Protocol (RTCP) a un par. Después, analiza la respuesta RTCP con un algoritmo de estimación del ancho de banda llamado Google Congestion Control y ajusta su tasa de transmisión en consecuencia.
Los estándares de WebRTC proporcionan interfaces de programación de aplicaciones (API) y directrices para la captura de contenido multimedia, la seguridad de los datos y el intercambio de contenido multimedia. Sin embargo, no definen un framework de señalización. Por tanto, desarrolladores implementan la señalización mediante distintos mecanismos, como WebSockets.
Códecs compatibles con WebRTC
Un códec es un algoritmo que comprime y descomprime flujos multimedia. Todos los navegadores compatibles con WebRTC deben admitir los siguientes códecs.
- Vídeo: VP8, H.264.
- Audio: Opus, G.711 PCM (ley A), G.711 PCM (ley µ).
Sin embargo, algunos navegadores pueden admitir códecs más recientes, como AV1 y VP9.

La API de WebRTC: RTCPeerConnection, MediaStream y canales de datos
WebRTC expone tres API principales a desarrolladores en el entorno de ejecución del navegador.
- RTCPeerConnection se encarga de detectar conexiones, negociar metadatos, realizar el intercambio de seguridad y cifrar. Permite añadir flujos de vídeo y audio que el dispositivo envía a su par.
- MediaStream es un objeto que contiene el contenido que quieres transmitir. Se rellena llamando a getUserMedia(), que pasa la entrada de la cámara y el micrófono a la instancia de MediaStream.
- RTCDataChannel es un canal de datos creado para enviar datos arbitrarios entre navegadores pares.

Por qué WebRTC usa servidores STUN y TURN
La mayoría de las conexiones WebRTC se producen entre dispositivos ubicados en redes distintas. Necesitan la dirección IP pública de su par para intercambiar datos. Sin embargo, los dispositivos suelen estar detrás de un firewall, un router o dentro de una red protegida. Estos dispositivos no siempre conocen su dirección IP pública, lo que complica los intentos de conexión.

Los routers usan la traducción de direcciones de red (NAT) para asignar direcciones privadas a una dirección pública. A continuación, WebRTC usa Interactive Connectivity Establishment (ICE) para encontrar una ruta operativa entre pares.
NAT es un servicio que permite a los dispositivos de una red local compartir una única dirección IP pública. Por ejemplo, tu ordenador tiene una dirección IP privada de 192.168.1.104. Con NAT, tu router la asigna a una dirección IP pública de 210.195.229.181 cuando se conecta a internet. Cuando envías un paquete de datos a la dirección IP pública, el router identifica la dirección IP privada y el puerto local correspondientes, y les entrega los datos.
ICE es un framework que permite que los dispositivos pares se descubran entre sí. Los dispositivos primero intentan establecer una conexión mediante la dirección IP pública que descubren a través de un servidor STUN. Si falla, recurren a un servidor de retransmisión intermediario. Tanto los servidores STUN como TURN operan dentro del framework ICE para permitir una conexión entre pares correcta.
- Un servidor Session Traversal Utilities for NAT (STUN) proporciona a un dispositivo su propia dirección IP pública y puerto externo. Una vez que conoce su dirección IP pública, el dispositivo la envía a los pares que quieren establecer una conexión a través de internet.
- Un servidor Traversal Using Relays around NAT (TURN) ofrece una forma alternativa de establecer conexiones WebRTC. El servidor TURN proporciona una dirección de retransmisión que ambos pares usan para intercambiar datos. Cuando los pares no pueden establecer una conexión pese a conocer su dirección IP pública, recurren a TURN.

¿Qué es un servidor de medios en WebRTC?
Un servidor de medios es un servidor intermediario que enruta datos entre dispositivos en la arquitectura de WebRTC. Aunque un servidor de medios de WebRTC no es obligatorio, resulta útil cuando un dispositivo necesita transmitir a varios pares a la vez. Un servidor de medios de WebRTC descarga en los dispositivos de destino la carga de procesamiento, cifrado y enrutamiento.
WebRTC y WebSocket: ¿qué protocolo deberías usar?
WebSocket es un protocolo que permite el intercambio bidireccional de datos entre un cliente y un servidor. Funciona sobre el protocolo de control de transmisión (TCP), que proporciona una entrega fiable y ordenada. En cambio, WebRTC ofrece capacidades de streaming entre pares mediante UDP, que tiene menor latencia y está optimizado para la transmisión en tiempo real.
WebRTC es mejor cuando quieres transmitir vídeo en alta definición y no puedes permitirte retrasos ni degradación. En cambio, WebSocket es adecuado para mantener una conexión persistente en la que las aplicaciones pueden intercambiar mensajes de forma fiable con el servidor backend.
WebRTC y WebSocket no son protocolos competidores. De hecho, para establecer una conexión WebRTC, los dispositivos usan WebSockets para la señalización. WebSocket está diseñado para mensajes basados en eventos, lo que permite a los dispositivos enviar y recibir parámetros de red, metadatos multimedia y otras alertas.

Casos de uso de WebRTC para voz, vídeo y datos en tiempo real
WebRTC se ha convertido en el estándar para el streaming con baja latencia en apps web y navegadores. Con el paso de los años, desarrolladores han aprovechado WebRTC para respaldar estas aplicaciones.
- Videoconferencias. Asistentes a reuniones pueden interactuar, compartir pantallas y transcribir en tiempo real durante videollamadas.
- Llamadas de voz. WebRTC permite conversaciones de audio en apps de mensajería, centros de contacto y teléfonos basados en navegador.
- Internet de las cosas. Los dispositivos IoT transmiten datos de vídeo y audio desde cámaras domésticas, drones y timbres con cámara a apps móviles mediante WebRTC.
- Telemedicina. Médicos y pacientes realizan consultas a distancia mediante apps basadas en navegador compatibles con WebRTC.
- Streaming interactivo en directo. Creadores de contenido, gamers y artistas interactúan con sus audiencias en tiempo real mediante las capacidades de WebRTC.
- Agentes de voz IA. WebRTC permite a los agentes de voz IA mantener conversaciones naturales de varios turnos.

¿WebRTC es una API, un protocolo o una plataforma?
WebRTC es un conjunto de API construidas sobre varios protocolos. Desarrolladores usan API de WebRTC integradas en los navegadores o disponibles como SDK para crear aplicaciones de streaming de voz y vídeo con baja latencia. Por ejemplo, llaman a API como getUserMedia, RTCPeerConnection y RTCDataChannel para establecer conexiones RTC e intercambiar datos bidireccionalmente.
También puedes considerar WebRTC como un conjunto de protocolos que trabajan juntos para permitir el streaming en tiempo real.
Protocolo
Función
Datagram Transport Layer Security (DTLS)
Proporciona el intercambio inicial de cifrado y autenticación para proteger los datos de WebRTC.
Secure Real-time Transport Protocol (SRTP)
Cifra las cargas útiles de WebRTC que se transmiten a dispositivos pares.
Real-time Transport Control Protocol (RTCP)
Proporciona control de congestión.
Stream Control Transmission Protocol (SCTP)
Permite a los dispositivos enviar datos de forma ordenada
Session Traversal Utilities for NAT (STUN)
Permite a un dispositivo descubrir su dirección IP pública, que después envía a dispositivos pares.
Traversal Using Relays around NAT (TURN)
Ofrece una dirección de retransmisión a través de un servidor intermediario que los pares usan si no logran establecer una conexión directa.
Aunque WebRTC proporciona los fundamentos para transmitir audio, vídeo u otros tipos de datos, no es una plataforma. WebRTC no ofrece los frameworks, la infraestructura ni los mecanismos de señalización necesarios para facilitar el intercambio de datos.

Limitaciones, consideraciones de seguridad y compromisos de WebRTC
Aunque WebRTC ofrece comunicación bidireccional con baja latencia, desarrolladores se enfrentan a varios retos de implementación en situaciones reales.
Escalabilidad
WebRTC se enfrenta a un cuello de botella de rendimiento cuando varios participantes se unen a la red de malla. Por ejemplo, si cinco participantes se unen a una videoconferencia en directo, un dispositivo debe transmitir datos de vídeo a los otros cuatro participantes a la vez. Esto exige recursos y ancho de banda al ordenador, y acaba degradando la calidad del streaming.
Problemas de conectividad
Es posible que los dispositivos no puedan establecer una conexión entre pares mediante STUN si están detrás de firewalls o NAT simétrico. El NAT simétrico asigna puertos públicos a destinos específicos, lo que restringe la comunicación entre pares. En esos casos, WebRTC recurre a TURN, lo que aumenta la latencia de extremo a extremo.
Consideraciones de seguridad
Aunque WebRTC cifra automáticamente los datos en tránsito, persisten varios retos.
- La dirección IP local o pública de un dispositivo queda expuesta al conectarse a un par, lo que puede generar problemas de privacidad.
- Desarrolladores deben usar un protocolo de señalización seguro, como HTTPS o WSS. De lo contrario, agentes maliciosos pueden interceptar la conexión WebRTC.
- WebRTC no gestiona la seguridad a nivel de aplicación. Debes aplicar medidas de mitigación, como la autenticación, para impedir que usuarios no autorizados se unan a una llamada.
Coherencia de la señalización
Sin un framework de señalización estandarizado, desarrolladores pueden usar distintos mecanismos de señalización, lo que puede provocar mensajes de negociación en conflicto o desalineados. Esto puede hacer que los dispositivos tengan que intentarlo varias veces antes de negociar correctamente una conexión WebRTC.

Empieza con ElevenAgents para crear experiencias de voz en tiempo real
ElevenAgents te permite crear agentes de voz en tiempo real que se conectan mediante WebRTC. En los SDK de JavaScript y React, las conversaciones de voz usan WebRTC de forma predeterminada y las conversaciones solo de texto usan WebSocket. Puedes establecer connectionType en 'webrtc' o 'websocket' dentro de startSession para elegirlo explícitamente. WebRTC está disponible en los SDK de React, Swift y React Native, así como en el SDK de Unity en compilaciones de WebGL. WebRTC incorpora cancelación de eco y supresión de ruido de fondo nativas del navegador, lo que ayuda a mantener el audio nítido en las conversaciones con IA.
Descubre más sobre ElevenAgents o contacta con ventas para empezar a usar agentes de IA conversacional a escala.
Preguntas frecuentes
Jack Limebear forma parte del equipo de Growth, donde escribe y desarrolla estrategias de contenido para el blog y la sección de insights. Antes de unirse a ElevenLabs, pasó más de diez años liderando la estrategia de contenido en organizaciones que van desde startups SaaS en rápido crecimiento hasta empresas Fortune 500. Tiene un máster en Literatura Inglesa por la Universidad de Cambridge.




