📞Commet是一款主打安全与隐私的 Matrix 开源聊天客户端（口号是 "Your space to connect"），它的语音通话与视频通话能力非常值得一提。本文将揭秘 Commet 是如何把WebRTC的点对点直连与LiveKit的 SFU 群组通话两条技术路线，无缝接入 Matrix 协议的。无论你是想了解 Matrix 群组通话原理的新手，还是准备给自己的项目接入 VoIP 的开发者，这篇完整指南都能帮你在 5 分钟内看懂其中的门道。

一图看懂 Commet 的通话架构：两套引擎并存

很多用户在用 Commet 时会发现：1 对 1 聊天里点「通话」，和多人通话房间里的体验并不完全一样。这不是玄学，而是 Commet 故意设计的双引擎架构：

Commet 用一个抽象层把两条路线统一起来。在 voip_component.dart 中，VoipComponent抽象类只关心四件事：发起通话（startCall）、查询会话（getSessionsInRoom）、监听会话开始/结束事件、判断房间能否通话。UI 层完全不需要知道底层是 WebRTC 还是 LiveKit，这种"策略可替换"的设计是整个 VoIP 模块的精髓。

引擎一：WebRTC 如何让两个人"直接连上"

1 对 1 通话走的是 Matrix 官方 VoIP 规范：双方通过m.call.invite、m.call.answer、m.call.hangup等to-device事件交换 SDP 与 ICE 候选，最终在两台设备之间建立WebRTC PeerConnection直连。

在 matrix_voip_component.dart 中，Commet 实现了WebRTCDelegate接口来接管这条链路，其中有两个很务实的细节：

• ICE 服务器拆分：homeserver 下发的 STUN/TURN 配置会被拆成单个 URL 的独立条目，避免flutter_webrtc只检查第一个地址的问题；
• TURN 回退兜底：如果 homeserver 没有配置任何 ICE 服务器，Commet 会弹出确认框，询问是否使用预设的回退 TURN 服务器（VoipTurnFallbackDialog），否则直接抛错提示"无法连接"。

底层真正干活的是flutter_webrtc库（在 pubspec.yaml 中锁定为 1.4.0，并使用了 commet 社区的 fork 以保证兼容性），它负责麦克风采集、摄像头采集、媒体流发布等 WebRTC 标准能力。

引擎二：LiveKit SFU 如何撑起群组通话 🎥

两个人直连没问题，但 10 个人互连就要维护 45 条媒体流，根本不可行。因此 Commet 的群组语音通话采用了 MSC3417 提案 中的"VoIP Room"方案：房间创建时type为org.matrix.msc3417.call，所有参与者的音视频都上传到一台LiveKit SFU（选择性转发单元）服务器，由 SFU 负责分发，任何客户端只需下载自己需要的流，带宽与延迟都大大优化。

加入一次群组通话，matrix_livekit_backend.dart 的join()方法会按下面 5 步走：

1. 发现 LiveKit 服务地址（Focus URL）：优先读取房间状态事件org.matrix.msc3401.call.member中其他成员留下的foci_preferred；找不到就查询 homeserver 的 well-known 文件里的org.matrix.msc4143.rtc_foci字段；
2. 向 homeserver 换 JWT：调用requestOpenIdToken拿到临时访问令牌，这是"用 Matrix 身份进入 LiveKit 房间"的门票；
3. 请求 SFU 接入点：POST 到{livekit_service_url}/sfu/get，携带设备 ID、房间 ID 和 OpenID 令牌，换回 LiveKit 连接地址与 JWT；
4. 宣告自己在场：把自己的foci_preferred和focus_active写回房间状态事件，方便后加入的人发现同一台 SFU；
5. 连接 LiveKit 房间并开麦：以自适应码率（adaptiveStream）与dynacast模式连接，随后自动启用默认麦克风。

加密通话里的密钥是如何悄悄交换的 🔒

在加密房间中，SFU 转发的是"密文"，所以 Commet 还需要一套媒体层端到端加密。核心实现在 matrix_livekit_encryption_key_provider.dart：

• 基于 LiveKit 的 E2EE 框架，为每个参与者维护一个 256 位的密钥环，采用 HKDF 派生与 Ratchet 滚动机制（依赖vodozemac/flutter_vodozemac加密库，见 pubspec.yaml）；
• 每当有人加入或离开通话（监听房间call.member状态变化），就会立即轮换密钥，并通过 Matrixto-device加密事件io.element.call.encryption_keys把新密钥分发给每个在席设备；
• 旧参与者离开后，其密钥自然失效——这正是"前向保密"思想在音视频场景中的落地。

你看到的通话界面背后发生了什么

通话 UI 位于 call_view.dart，它根据VoipState（incoming / outgoing / connecting / connected / ended）切换五种界面：响铃页、拨出页、通话中网格页、结束页等。配套的 voip_stream_view.dart 负责渲染每一路视频流。

而全局的"通话大脑"是 call_manager.dart：

• 🔔 来电时触发系统通知（Android 上直接交给推送通知响铃），其他平台播放 ringtone_in.ogg；
• 🎵 有人加入/离开时播放joined_call.ogg、left_call.ogg提示音；
• 🎙️ 即使不在通话中按下静音快捷键，也会播放反馈音，方便用户确认快捷键生效。

想动手看看？核心文件路径清单

写在最后：Commet 这套方案能教会我们什么？

Commet 的 VoIP 实现给了开源项目一个很好的参考范式：信令交给 Matrix 房间与 to-device 事件，媒体交给 WebRTC/LiveKit，加密交给密钥环 + 前向保密，三者各司其职。

• 🤝 小型通话：P2P 直连，链路最短、隐私最佳；
• 🏢 群组通话：LiveKit SFU 承担扇出，客户端只拉自己需要的流；
• 🧩 抽象层VoipComponent/VoipSession让 UI 与底层引擎彻底解耦，未来替换或新增后端（比如换一家 SFU 厂商）几乎不用动界面代码。

如果你想给 Matrix 客户端加上自己的语音视频通话能力，或者想深入 Matrix 通话协议，从上面这张路径清单出发，按"抽象接口 → 后端实现 → UI 层"的顺序阅读源码，就是最高效的路线。