¿Qué es comunicación audio-video? Tecnologías, tipos y factores de calidad

Comunicación Audio-Video (AVC) es la transmisión en tiempo real o cuasi-tiempo-real de audio y vídeo sincronizados entre dos o más puntos finales. Impulsa desde llamadas FaceTime hasta contribución broadcast global. Aquí el panorama técnico y práctico.

Pila tecnológica central

CapaEstándares / Protocolos claveFunción
CapturaV4L2, AVFoundation, MediaFoundation, ALSA, PulseAudio, PipeWireCámara/mic → buffers digitales
CodificaciónH.264/AVC, H.265/HEVC, VP8, VP9, AV1 (vídeo); Opus, AAC, G.711, G.722 (audio)Comprime media raw
EmpaquetadoRTP (Real-time Transport Protocol)Packetiza, timestamp, secuencia
TransporteUDP (preferido), TCP, QUIC, SRT, RISTEntrega red
SeguridadSRTP (AES-GCM), DTLS-SRTP, ZRTP, E2EE (Signal, MLS)Cifra + autentica
SeñalizaciónSIP, WebRTC (SDPs), XMPP/Jingle, H.323 (legacy), propietariosSetup llamada, negociación
Traversía NATICE, STUN, TURN, TURN-TLSTraversía NAT/firewall
QoS/AdaptaciónSIMULCAST, SVC, NACK, PLI, FIR, REMB, GCC/BWEAdaptación ancho banda
ReproducciónJitter buffer, concealment, sync (NTP/RTCP), renderizadoSalida fluida

Categorías principales AVC

1. Videoconferencia (Multipunto, Simétrica)

  • Plataformas: Zoom, Microsoft Teams, Google Meet, Cisco Webex, GoToMeeting.
  • Arquitectura: MCU (Multipoint Control Unit) o SFU (Selective Forwarding Unit).
  • Escala: 2 → 1000+ participantes.
  • Funciones: Compartir pantalla, grabación, salas breakout, fondos virtuales, traducción.

2. Videollamada (Punto-a-punto, Simétrica)

  • Apps: FaceTime, WhatsApp, Signal, Duo/Meet (consumidor), Facebook Messenger.
  • Arquitectura: P2P (mesh) o relay vía TURN.
  • Foco: Simplicidad, mobile-first, E2EE (Signal, FaceTime, WhatsApp).

3. Streaming vídeo (Uno-a-muchos, Asimétrica)

  • En vivo: YouTube Live, Twitch, Facebook Live, Instagram Live, TikTok Live.
  • VOD: Netflix, Disney+, Prime Video, YouTube (DASH/HLS).
  • Contribución: SRT, RIST, Zixi —backhaul grado broadcast.
  • Latencia: HLS/DASH: 6-30 s. Low-Latency HLS/CMAF: 2-5 s. WebRTC/SRT: <500 ms.

4. Videovigilancia (Unidireccional, Continua)

  • Protocolos: RTSP/RTP, ONVIF, GB/T 28181 (China).
  • Codecs: H.264/H.265 dominantes. Codecs inteligentes (H.265+, Zipstream).
  • Almacenamiento: NVR, VMS, Cloud (VSaaS).
  • Analítica: Movimiento, IA (persona/vehículo/cara), edge compute.

5. Telemedicina (Regulada, Alta fiabilidad)

  • Plataformas: Amwell, Teladoc, Doxy.me, Epic/Cerner integrados.
  • Requisitos: HIPAA/GDPR, BAA, 99,9 %+ uptime, logs auditoría, integración EHR.
  • Periféricos: Estetoscopio digital, otoscopio, dermatoscopio, gateway signos vitales.

Determinantes de calidad

FactorImpactoObjetivo (Bueno)
Ancho banda (Subida/Bajada)Bitrate máx, resolución, frame rate>2 Mbps subida/bajada por 720p30; >5 Mbps para 1080p
Latencia (RTT)Naturalidad conversacional<150 ms (excelente), <300 ms (aceptable)
JitterVariación llegada paquetes → buffer/pérdida<30 ms
Pérdida paquetesArtefactos, congelaciones, cortes audio<1 % (con concealment), <0,1 % (prístino)
Eficiencia codecCalidad por bitrateAV1 > HEVC > VP9 > H.264 > VP8
Calidad cámara/micTecho fidelidad fuenteWebcam 1080p30+; mic USB condensador / headset
Potencia procesadoCapacidad codificación/decodificaciónHW encode (NVENC, QuickSync, VCN, MediaTek, Apple VDE)

Tendencias emergentes

  • AV1 / H.266 (VVC): Ahorro 30-50 % bitrate —desplegándose en Chrome/Edge/Firefox, TVs, móviles.
  • WebRTC Insertable Streams / WebCodecs: Procesado personalizado (ML blur fondo, codecs custom) en navegador.
  • MLS (Messaging Layer Security): E2EE escalable para grupos grandes (estándar IETF).
  • Audio espacial / Ambisonics: Conferencing inmersivo (Teams, FaceTime Spatial Audio).
  • IA Generativa: Traducción tiempo real, avatar, corrección contacto visual, síntesis ancho banda.
  • 5G NR-U / Wi-Fi 7 (802.11be): Wireless determinista baja latencia para AVC.

Elige tu pila

Caso usoEnfoque recomendado
Consumidor 1:1 / Grupo pequeñoFaceTime / WhatsApp / Signal (E2EE, cero config)
Reuniones negocioTeams / Zoom / Meet (integración ecosistema)
Desarrollador construyendo appWebRTC (Daily, LiveKit, Agora, Vonage, Twilio) —no construyas desde cero
Contribución broadcastSRT / RIST (Haivision, Teradek, OBS + plugin SRT)
VideovigilanciaONVIF Profile G/T/M + VMS (Milestone, Genetec, Blue Iris, Frigate)
TelemedicinaPlataforma HIPAA-compliant (Doxy.me, Zoom for Healthcare, WebRTC custom + BAA)

Resumen: AVC = captura → codifica → packetiza → asegura → traversía → adapta → decodifica → renderiza. La magia está en la **capa adaptación** (manejo redes reales) y **señalización** (hacerlo fácil). Para usuarios: elige app. Para constructores: usa librerías WebRTC/SRT. Para redes: provisiona ancho banda + QoS.