O que é WebRTC? Um guia para comunicação web em tempo real
- Escrito por
- Jack Limebear
- Publicado
OuvirOuça este artigo
Hoje, a comunicação na web parece simples e fluida. Mas criar um app de streaming de vídeo ou voz com baixa latência já foi um grande desafio para desenvolvedores. Os usuários precisavam lidar com quadros perdidos, atraso no áudio e desconexões que prejudicavam as interações.
O WebRTC ajuda desenvolvedores a superar limitações da comunicação web em tempo real ao permitir streaming de dados ponto a ponto com baixa latência. Desde seu lançamento, em 2011, grandes navegadores, como Chrome, Safari e Firefox, adotaram o WebRTC. Hoje, o WebRTC oferece suporte à comunicação em tempo real em navegadores e apps web.
Este artigo explica como o WebRTC funciona, seus casos de uso, considerações de segurança e como ele se compara a outras tecnologias de comunicação web.
Resumo
- WebRTC é uma tecnologia que permite o streaming em tempo real de áudio, vídeo e dados ponto a ponto entre navegadores ou apps web.
- O WebRTC opera com UDP, o que o torna adequado para aplicações de comunicação web com baixa latência e tolerância a perdas.
- Para fazer streaming com WebRTC, você usa APIs padrão, como RTCPeerConnection, MediaStream e RTCDataChannel, que criam um canal criptografado para a troca de mídia em tempo real.
- Os dispositivos pares dependem de servidores STUN e TURN para descobrir seu endereço IP e superar restrições de rede ao estabelecer conexões WebRTC.
- Ao criar aplicações WebRTC, os desenvolvedores precisam considerar vários desafios, incluindo escalabilidade, segurança e conectividade.
O que é WebRTC?
WebRTC é uma tecnologia de comunicação gratuita e de código aberto que permite streaming em tempo real ponto a ponto entre navegadores web. Com o WebRTC, os usuários podem trocar vídeo, áudio e dados diretamente, sem baixar plugins ou softwares intermediários.
Ao contrário do streaming tradicional cliente-servidor, o WebRTC envia mídia diretamente entre pares sempre que há um caminho direto disponível. Servidores de retransmissão (TURN) e servidores de mídia entram em ação apenas quando uma conexão direta não é possível ou quando participam mais de duas pessoas. Isso permite que o WebRTC ofereça mídia em tempo real com baixa latência.
Os navegadores web modernos oferecem suporte ao WebRTC por padrão. O WebRTC é um padrão aberto do W3C e da IETF que disponibiliza APIs JavaScript, permitindo acessar a câmera e o microfone, criar um canal de dados e entregar conteúdo de mídia ao destino.
Por sua simplicidade, desenvolvedores usam o WebRTC em diversas aplicações web, incluindo videoconferências, streaming de vídeo e áudio, transcrição em tempo real e compartilhamento de tela.

Como o WebRTC funciona: da sinalização à mídia ponto a ponto
O WebRTC captura dados em um navegador, criptografa-os e os transmite para outro navegador em tempo real. Ele cria um canal de dados sobre o User Datagram Protocol (UDP), no qual navegadores ou apps web podem trocar dados com baixa latência. O UDP é um protocolo rápido e sem conexão que envia pacotes de dados pelas redes. Ele não precisa manter uma conexão, confirmar o recebimento de pacotes nem retransmitir pacotes perdidos, o que reduz significativamente a sobrecarga.
Por padrão, a API nativa do WebRTC oferece suporte a streaming direto ponto a ponto (P2P) entre dois navegadores. No entanto, mais de dois navegadores podem trocar dados criando várias conexões P2P ou usando um servidor de mídia. Muitas vezes, a largura de banda de upload limita múltiplas conexões P2P, tornando um servidor de mídia uma opção melhor para aplicações como conferências ao vivo.
A seguir, usamos um exemplo de vídeo entre dois navegadores para explicar como isso funciona.
Para criar uma conexão WebRTC, ambos os navegadores seguem estas etapas.
- Captura de mídia. Antes de capturar dados, o navegador pede permissão ao usuário para acessar o microfone, a câmera ou a tela. Esse é um recurso de segurança padrão integrado ao framework WebRTC que os desenvolvedores não podem ignorar.
- Sinalização. Esse processo permite que os dois navegadores negociem metadados por meio de servidores de sinalização para viabilizar a troca de dados. Por exemplo, o navegador A envia o codec, a taxa de bits e as tecnologias de criptografia que oferece suporte. Em seguida, aguarda o navegador B responder com os metadados correspondentes. Ambos os navegadores precisam concordar com um conjunto comum de metadados antes de poderem trocar dados.
- Proteção do canal. O WebRTC criptografa a mídia e os dados em trânsito para protegê-los contra partes não autorizadas. Ambos os navegadores trocam chaves criptográficas usando Datagram Transport Layer Security (DTLS), que utilizam para criptografar e descriptografar dados. Cada salto é criptografado separadamente, portanto um servidor de mídia ou SFU pode acessar a mídia, a menos que você adicione criptografia de ponta a ponta, por exemplo, com fluxos inseríveis.
- Troca de mídia. Depois que os navegadores negociam uma chave criptográfica, eles trocam mídia usando o Secure Real-time Transport Protocol (SRTP). O remetente criptografa todos os vídeos, áudios e outros dados arbitrários enviados usando AES-128. Enquanto isso, o dispositivo usa o Stream Control Transmission Protocol (SCTP) para enviar dados arbitrários, como JSON e arquivos de texto.
- Gerenciamento de congestionamento. Os dispositivos detectam ativamente jitter, atrasos ou outros sinais de degradação. Um dispositivo envia pacotes do Real-time Transport Control Protocol (RTCP) a um par. Em seguida, analisa a resposta RTCP usando um algoritmo de estimativa de largura de banda chamado Google Congestion Control e ajusta sua taxa de transmissão conforme necessário.
Os padrões WebRTC fornecem interfaces de programação de aplicações (API) e diretrizes para captura de mídia, segurança de dados e troca de mídia. No entanto, não definem um framework de sinalização. Por isso, os desenvolvedores implementam a sinalização por diferentes mecanismos, como WebSockets.
Codecs WebRTC compatíveis
Um codec é um algoritmo que comprime e descomprime fluxos de mídia. Todos os navegadores compatíveis com WebRTC devem oferecer suporte aos seguintes codecs.
- Vídeo: VP8, H.264.
- Áudio: Opus, G.711 PCM (A-law), G.711 PCM (µ-law).
No entanto, alguns navegadores podem oferecer suporte a codecs mais recentes, como AV1 e VP9.

A API WebRTC: RTCPeerConnection, MediaStream e canais de dados
O WebRTC disponibiliza três APIs principais para desenvolvedores no ambiente de execução do navegador.
- RTCPeerConnection gerencia a descoberta de conexões, a negociação de metadados, o handshake de segurança e a criptografia. Ela permite adicionar fluxos de vídeo e áudio, que o dispositivo envia ao seu par.
- MediaStream é um objeto que contém o conteúdo que você quer transmitir. Você o preenche chamando getUserMedia(), que passa a entrada da câmera e do microfone para a instância MediaStream.
- RTCDataChannel é um canal de dados criado para enviar dados arbitrários entre navegadores pares.

Por que o WebRTC usa servidores STUN e TURN
A maioria das conexões WebRTC ocorre entre dispositivos localizados em redes diferentes. Eles precisam do endereço IP público de seu par para trocar dados. No entanto, os dispositivos geralmente estão atrás de um firewall, roteador ou dentro de uma rede protegida. Esses dispositivos nem sempre conhecem seu endereço IP público, o que dificulta as tentativas de conexão.

Os roteadores usam a Tradução de Endereços de Rede (NAT) para mapear endereços privados para um endereço público. Em seguida, o WebRTC usa o Interactive Connectivity Establishment (ICE) para encontrar um caminho funcional entre os pares.
NAT é um serviço que permite que dispositivos em uma rede local compartilhem um único endereço IP público. Por exemplo, seu computador tem um endereço IP privado de 192.168.1.104. Com NAT, seu roteador o mapeia para um endereço IP público de 210.195.229.181 ao se conectar à internet. Quando você envia um pacote de dados para o endereço IP público, o roteador identifica o endereço IP privado e a porta local correspondentes e entrega os dados a eles.
ICE é um framework que permite que dispositivos pares se descubram. Primeiro, os dispositivos tentam estabelecer uma conexão usando o endereço IP público que descobrem por meio de um servidor STUN. Se isso falhar, recorrem a um servidor de retransmissão intermediário. Os servidores STUN e TURN operam dentro do framework ICE para permitir uma conexão bem-sucedida entre pares.
- Um servidor Session Traversal Utilities for NAT (STUN) fornece a um dispositivo seu próprio endereço IP público e porta externa. Ao descobrir seu endereço IP público, o dispositivo o envia aos pares que desejam estabelecer uma conexão pela internet.
- Um servidor Traversal Using Relays around NAT (TURN) oferece uma forma alternativa de estabelecer conexões WebRTC. O servidor TURN fornece um endereço de retransmissão que ambos os pares usam para trocar dados. Quando os pares não conseguem estabelecer uma conexão mesmo conhecendo seu endereço IP público, recorrem ao TURN.

O que é um servidor de mídia no WebRTC?
Um servidor de mídia é um servidor intermediário que encaminha dados entre dispositivos na arquitetura WebRTC. Embora um servidor de mídia WebRTC não seja obrigatório, ele é útil quando um dispositivo precisa transmitir para vários pares ao mesmo tempo. Um servidor de mídia WebRTC transfere a carga de processamento, criptografia e roteamento dos dispositivos de destino.
WebRTC ou WebSocket: qual protocolo você deve usar?
WebSocket é um protocolo que permite a troca bidirecional de dados entre um cliente e um servidor. Ele funciona sobre o Transmission Control Protocol (TCP), que oferece entrega confiável e ordenada. Já o WebRTC oferece recursos de streaming ponto a ponto usando UDP, que tem menor latência e é otimizado para transmissão em tempo real.
O WebRTC é melhor quando você quer transmitir vídeo em alta definição e não pode tolerar atrasos ou degradação. Já o WebSocket é adequado para manter uma conexão persistente na qual as aplicações podem trocar mensagens de forma confiável com o servidor de backend.
WebRTC e WebSocket não são protocolos concorrentes. Na verdade, para estabelecer uma conexão WebRTC, os dispositivos usam WebSockets para sinalização. O WebSocket foi criado para mensagens orientadas a eventos, permitindo que dispositivos enviem e recebam parâmetros de rede, metadados de mídia e outros alertas.

Casos de uso do WebRTC para voz, vídeo e dados em tempo real
O WebRTC se tornou o padrão para streaming de baixa latência em apps web e navegadores. Ao longo dos anos, desenvolvedores aproveitaram o WebRTC para dar suporte a estas aplicações.
- Videoconferências. Participantes de reuniões podem interagir, compartilhar telas e transcrever em tempo real por chamadas de vídeo.
- Chamadas de voz. O WebRTC oferece suporte a conversas de áudio em apps de mensagens, centrais de atendimento e telefones baseados em navegador.
- Internet das Coisas. Dispositivos de IoT transmitem dados de vídeo e áudio de câmeras domésticas, drones e câmeras de campainha para apps móveis usando WebRTC.
- Telemedicina. Médicos e pacientes realizam consultas remotamente usando apps baseados em navegador com suporte a WebRTC.
- Streaming ao vivo interativo. Criadores de conteúdo, gamers e artistas interagem com seus públicos em tempo real usando recursos do WebRTC.
- Agentes de voz com IA. O WebRTC permite que agentes de voz com IA tenham conversas naturais com várias trocas.

O WebRTC é uma API, um protocolo ou uma plataforma?
O WebRTC é um conjunto de APIs construídas sobre vários protocolos. Os desenvolvedores usam APIs WebRTC integradas aos navegadores ou disponíveis como SDKs para criar aplicações de streaming de voz e vídeo com baixa latência. Por exemplo, eles chamam APIs como getUserMedia, RTCPeerConnection e RTCDataChannel para estabelecer conexões RTC e trocar dados bidirecionalmente.
Você também pode pensar no WebRTC como um conjunto de protocolos que trabalham juntos para permitir streaming em tempo real.
Protocolo
Função
Datagram Transport Layer Security (DTLS)
Fornece o handshake inicial de criptografia e autenticação para proteger os dados do WebRTC.
Secure Real-time Transport Protocol (SRTP)
Criptografa as cargas úteis do WebRTC transmitidas para dispositivos pares.
Real-time Transport Control Protocol (RTCP)
Fornece controle de congestionamento.
Stream Control Transmission Protocol (SCTP)
Permite que dispositivos enviem dados de forma ordenada
Session Traversal Utilities for NAT (STUN)
Permite que um dispositivo descubra seu endereço IP público, que então envia aos dispositivos pares.
Traversal Using Relays around NAT (TURN)
Oferece um endereço de retransmissão por meio de um servidor intermediário, usado pelos pares caso não consigam estabelecer uma conexão direta.
Embora o WebRTC forneça os fundamentos para transmitir áudio, vídeo ou outros tipos de dados, ele não é uma plataforma. O WebRTC não fornece os frameworks, a infraestrutura nem os mecanismos de sinalização necessários para facilitar a troca de dados.

Limitações, considerações de segurança e compromissos do WebRTC
Embora o WebRTC ofereça comunicação bidirecional com baixa latência, os desenvolvedores enfrentam diversos desafios de implementação no mundo real.
Escalabilidade
O WebRTC enfrenta um gargalo de desempenho quando vários participantes entram na rede em malha. Por exemplo, se cinco participantes entrarem em uma videoconferência ao vivo, um dispositivo precisará transmitir dados de vídeo para os outros quatro participantes ao mesmo tempo. Isso sobrecarrega os recursos e a largura de banda do computador, comprometendo a qualidade do streaming.
Problemas de conectividade
Os dispositivos talvez não consigam estabelecer uma conexão ponto a ponto usando STUN se estiverem atrás de firewalls ou NAT simétrico. O NAT simétrico mapeia portas voltadas para a internet a destinos específicos, o que restringe a comunicação ponto a ponto. Nesses casos, o WebRTC recorre ao TURN, o que aumenta a latência de ponta a ponta.
Considerações de segurança
Embora o WebRTC criptografe automaticamente os dados em trânsito, vários desafios permanecem.
- O endereço IP local ou público de um dispositivo fica exposto quando ele se conecta a um par, o que pode gerar preocupações com privacidade.
- Os desenvolvedores devem usar um protocolo de sinalização seguro, como HTTPS ou WSS. Caso contrário, agentes mal-intencionados podem interceptar a conexão WebRTC.
- O WebRTC não lida com a segurança no nível da aplicação. Você precisa aplicar recursos de mitigação, como autenticação, para impedir que usuários não autorizados entrem em uma chamada.
Consistência da sinalização
Sem um framework de sinalização padronizado, os desenvolvedores podem usar mecanismos de sinalização diferentes, o que pode levar a mensagens de negociação conflitantes ou desalinhadas. Isso pode fazer com que os dispositivos tentem várias vezes antes de negociar uma conexão WebRTC com sucesso.

Comece a usar o ElevenAgents para experiências de voz em tempo real
O ElevenAgents permite criar agentes de voz em tempo real que se conectam via WebRTC. Nos SDKs de JavaScript e React, as conversas por voz usam WebRTC por padrão, e as conversas apenas por texto usam WebSocket. Você pode definir connectionType como 'webrtc' ou 'websocket' em startSession para escolher explicitamente. O WebRTC está disponível nos SDKs de React, Swift e React Native, além do SDK Unity em compilações WebGL. O WebRTC oferece cancelamento de eco nativo do navegador e supressão de ruído de fundo, ajudando a manter o áudio claro em conversas com IA.
Saiba mais sobre ElevenAgents ou fale com vendas para começar a usar agentes de IA conversacional em escala.
Perguntas frequentes
Jack Limebear faz parte do time de Growth, atuando como redator e estrategista de conteúdo no blog e nas páginas de insights. Antes da ElevenLabs, ele passou mais de dez anos liderando estratégias de conteúdo em organizações que vão de startups SaaS em rápido crescimento a empresas da Fortune 500. Ele é mestre em Literatura Inglesa pela Universidade de Cambridge.



