RTSP

约 1405 字大约 5 分钟

2026-03-29

RTSP 这一节最重要的，不是背命令，而是先搞清楚它在整个实时音视频体系中的定位：它是设备侧和安防生态里非常常见的流媒体控制协议，但它并不是浏览器原生支持的播放协议。

RTSP 是什么

RTSP 全称是 Real Time Streaming Protocol，也就是实时流媒体协议。它最常见的应用场景是：

网络摄像头
NVR / DVR
安防监控系统
专业流媒体设备

RTSP 本身主要负责的是“控制会话”，比如：

请求播放
暂停
停止
定位
建立和管理媒体会话

它通常不会自己承载实际的音视频数据。真正的数据传输往往由下面两个协议负责：

RTP：负责传输音视频数据
RTCP：负责质量反馈、时钟同步和统计信息

可以把这三者的关系理解成：

RTSP：负责控制
RTP：负责传数据
RTCP：负责反馈和控制质量

一个 RTSP 地址长什么样

RTSP 地址通常长这样：

rtsp://admin:123456@192.168.1.100:554/stream1

这里面通常会包含：

协议头：rtsp://
用户名和密码
设备 IP
端口，默认常见是 554
具体流路径

安防摄像头、网络录像机给出的实时视频地址，很多时候本质上就是这样一条 RTSP 地址。

浏览器为什么不支持 RTSP

这是这节的核心问题。

绝大多数浏览器都不能直接播放 RTSP，原因主要有几层：

协议模型不一致

Web 世界的核心模型长期围绕 HTTP / HTTPS 展开，而 RTSP 是一套独立的流媒体控制协议，它的会话管理方式和浏览器的安全模型并不是天然契合的。

传输层差异

RTSP 背后的媒体数据通常依赖 RTP 传输，而 RTP 常见场景下更偏向 UDP。
浏览器对 UDP 的能力非常克制，直到 WebRTC 这类标准出现之后，才以安全约束更强的方式把 UDP 能力引入浏览器世界。

安全模型差异

浏览器运行在严格的 Web 安全模型下，直接让网页随意去访问内网摄像头和 RTSP 设备，会带来很大的安全和权限问题。

历史路径依赖

RTSP 诞生和繁荣的时候，浏览器并不是监控系统的主要入口。早期安防系统更多依赖专用客户端和封闭平台，因此整个生态都围绕 RTSP 长起来了。

既然浏览器不支持，为什么 RTSP 还这么常见

因为它在设备侧太成熟了。

它的优势主要在于：

行业生态成熟
摄像头和录像设备支持广泛
配合 RTP/RTCP 适合实时流传输
安防、监控、录像体系大量围绕它构建

所以今天的问题不是“RTSP 该不该存在”，而是“如何把 RTSP 流桥接到浏览器里播放”。

浏览器里常见的 RTSP 处理思路

方案	思路	优点	局限
浏览器插件	依赖 ActiveX / NPAPI 等插件直接播放	过去实现简单	现代浏览器基本淘汰
前端自行解码	浏览器收 RTP / H264 数据，再用 WASM 解码	技术演示空间大	实现复杂、性能压力大
服务端转协议 / 转封装	服务器先拉 RTSP，再转成浏览器支持的格式	最实用、最常见	需要额外的中间层

实际项目里最常见的还是第三种：服务端中转。

RTSP 到浏览器的桥接思路

思路通常是：

摄像头 / NVR 输出 RTSP
-> 中间流媒体服务器拉取 RTSP
-> 转成浏览器可播放的 HLS / WebRTC / HTTP-FLV
-> 浏览器播放

常见输出方向：

HLS：兼容性好，但延迟偏高
WebRTC：延迟低，适合交互式或低延迟监控
HTTP-FLV：曾经常见，现在多见于特定方案

MediaMTX 是什么

在 RTSP 场景里，经常会遇到一个工具：MediaMTX。

你可以把它理解成一个流媒体协议网关，它的职责不是“发明新协议”，而是：

接收设备推过来的流
接入 RTSP / RTMP / WebRTC / HLS 等多种协议
再按需要把流转成别的协议对外输出

所以它很适合做下面这种桥接：

摄像头（RTSP）
-> MediaMTX
-> 浏览器（HLS / WebRTC）

它解决的不是浏览器原生支持问题，而是“把设备世界和浏览器世界接起来”。

RTSP 更适合放在哪一层理解

如果把整个链路拆开看：

设备侧：摄像头、NVR、编码盒子
协议中间层：RTSP / RTP / RTCP
浏览器侧：MSE、HLS、WebRTC、video

那么 RTSP 更偏向前两层，也就是：

设备如何暴露实时流
服务端如何接收和控制这个流

它不属于浏览器原生播放协议这一侧。

RTSP 在浏览器场景里的结论

可以先记住这几句：

RTSP 很重要，但它不是浏览器播放协议
RTSP 负责控制，RTP 负责传输媒体，RTCP 负责反馈
浏览器如果要看 RTSP，通常必须经过中间层转协议
真正面向浏览器时，最终更常落到 HLS、WebRTC 这类格式或协议上