基于PJSUA2 Python Library的云环境下RTP原始数据包捕获问题

方案1：配置空音频设备绕开物理设备依赖 #

PJSUA2内置空音频设备驱动，可通过初始化配置禁用物理音频设备，避免statTransmit的设备错误：

import pjsua2

# 初始化Endpoint并配置空音频设备
ep = pjsua2.Endpoint()
ep_cfg = pjsua2.EpConfig()

# 指定使用空音频设备
ep_cfg.mediaConfig.audioDev = pjsua2.PJMEDIA_AUD_DEV_NULL
# 根据呼叫场景设置采样率（常见8000/16000）
ep_cfg.mediaConfig.clockRate = 8000

ep.init(ep_cfg)

方案2：自定义AudioMedia捕获原始音频帧（RTP Payload） #

继承AudioMedia类并重写onFrame方法，直接获取每帧的原始音频数据（即RTP负载），无需经过音频设备：

class RtpCaptureMedia(pjsua2.AudioMedia):
    def __init__(self):
        super().__init__()

    def onFrame(self, frame):
        # frame.buf 为原始音频字节数组（默认16位PCM格式）
        # 16位单声道下，采样数 = frame.size // 2
        raw_rtp_payload = frame.buf
        
        # 此处添加自定义逻辑：转发到其他RTP端点、本地存储等
        print(f"捕获RTP payload，字节长度：{len(raw_rtp_payload)}")

# 在onIncomingCall回调中接入自定义媒体
def onIncomingCall(self, acc, call):
    # 接听呼叫
    call_op_param = pjsua2.CallOpParam()
    call_op_param.statusCode = pjsua2.PJSIP_SC_OK
    call.accept(call_op_param)

    # 获取呼叫的音频媒体流
    call_audio_media = call.getAudioMedia(-1)
    # 实例化自定义捕获媒体
    capture_media = RtpCaptureMedia()
    # 将呼叫音频流导向自定义媒体，触发onFrame回调
    call_audio_media.startTransmit(capture_media)

方案3：底层RTP包捕获（含RTP头部） #

若需完整RTP数据包（包含头部信息），可通过配置媒体传输回调实现，监听RTP包的收发：

def onRtpPacketReceived(self, tp, pkt):
    # pkt包含完整RTP包，hdr为头部结构体，payload为负载数据
    rtp_ssrc = pkt.hdr.ssrc
    rtp_payload_len = len(pkt.payload)
    print(f"收到完整RTP包：SSRC={rtp_ssrc}，负载长度={rtp_payload_len}")

# 绑定RTP接收回调到Endpoint配置
ep_cfg.mediaConfig.transportConfig.onRxRtp = onRtpPacketReceived

额外注意事项 #

• 确保使用的PJSUA2版本支持空音频设备（建议选用最新稳定版）
• 云环境安装PJSUA2前，需提前部署依赖库（如libpjproject-dev、libsrtp-dev等）
• 处理音频数据时，需匹配SIP呼叫的音频编码格式（PCMU/PCMA为最常见格式）

内容的提问来源于stack exchange，提问作者Cabbas