एप्रिल २०२६ मध्ये प्रकाशित

रँडम व्हिडिओ चॅट प्रत्यक्षात कसे काम करते

शून्य मीडिया सर्व्हरसह अनोळखी लोकांना जोडण्याचे आणि HD व्हिडिओ स्ट्रीम करण्याचे अभियांत्रिकी

तुम्ही “सुरू करा” क्लिक केल्यावर काय होते?

रँडम व्हिडिओ चॅट जवळजवळ एकाच वेळी घडणाऱ्या पाच पायऱ्या वापरून सेकंदांत दोन अनोळखी लोकांना जोडते. तुमचा ब्राउझर कॅमेरा प्रवेश मिळवतो, जुळणी रांग तुम्हाला दुसऱ्या वापरकर्त्याशी जोडते, सिग्नलिंग सर्व्हर कनेक्शन मेटाडेटा एक्सचेंज करतो आणि WebRTC थेट पीअर-टू-पीअर व्हिडिओ स्ट्रीम स्थापित करतो — कोणताही मीडिया सर्व्हर आवश्यक नाही.

ब्राउझर कॅमेरा आणि मायक्रोफोनची विनंती करतो

getUserMedia API

तुम्ही जुळणी रांगेत सामील होता

Cloudflare Durable Objects

जुळणी सापडली — सिग्नलिंग तुम्हाला जोडते

WebSocket

WebRTC पीअर कनेक्शन स्थापित

SDP एक्सचेंज + ICE कँडिडेट

ब्राउझर-ते-ब्राउझर व्हिडिओ स्ट्रीम

पीअर-टू-पीअर, शून्य सर्व्हर

WebRTC काय आहे?

WebRTC (वेब रिअल-टाइम कम्युनिकेशन) हे प्रत्येक आधुनिक ब्राउझरमध्ये बनवलेले एक मुक्त-स्रोत प्रोटोकॉल आहे जे प्लगइनशिवाय पीअर-टू-पीअर ऑडिओ, व्हिडिओ आणि डेटा ट्रान्सफर सक्षम करते. W3C आणि IETF द्वारे देखभाल केलेले, ते Chrome, Safari, Firefox आणि Edge वर कोणतेही डाउनलोड नाही, Flash नाही आणि Java अॅपलेट नाही अशा प्रकारे व्हिडिओ चॅट चालवते.

getUserMedia

कॅमेरा आणि मायक्रोफोनमध्ये प्रवेशाची विनंती करतो. एक MediaStream ऑब्जेक्ट परत करतो जे तुमचे अॅप प्रदर्शित करू किंवा पाठवू शकते.

RTCPeerConnection

पूर्ण पीअर-टू-पीअर कनेक्शन जीवनचक्र व्यवस्थापित करते — SDP वाटाघाटी, ICE कँडिडेट एक्सचेंज आणि मीडिया ट्रान्सपोर्ट.

RTCDataChannel

समान P2P लिंकवर ब्राउझर्समध्ये थेट अनियंत्रित डेटा (मजकूर चॅट, फाइल ट्रान्सफर, गेम स्थिती) पाठवतो.

मुख्य तथ्य: WebRTC हे एक मुक्त W3C/IETF मानक आहे — मालकीचे API नाही. स्पेक लागू करणारा कोणताही ब्राउझर सहभागी होऊ शकतो, म्हणूनच रँडम व्हिडिओ चॅट कोणत्याही इन्स्टॉलशिवाय क्रॉस-ब्राउझर काम करते.

P2P व्हिडिओ कसे काम करते (आणि ते अधिक खासगी का आहे)

पीअर-टू-पीअर व्हिडिओ म्हणजे तुमचा कॅमेरा फीड थेट तुमच्या ब्राउझरमधून दुसऱ्या व्यक्तीच्या ब्राउझरकडे प्रवास करतो. कोणताही केंद्रीय सर्व्हर स्ट्रीम डीकोड, इन्स्पेक्ट किंवा साठवत नाही. हे आर्किटेक्चर SDP सिग्नलिंग, ICE कँडिडेट गोळा करणे आणि NAT ट्रॅव्हर्सलसाठी STUN/TURN सर्व्हरद्वारे सक्षम केले आहे — आणि ते P2P व्हिडिओ चॅटला सर्व्हर-रिलेड पर्यायांपेक्षा मूलभूतपणे अधिक खासगी बनवते.

SDP (सत्र वर्णन प्रोटोकॉल)

प्रत्येक पीअर एक SDP “ऑफर” किंवा “उत्तर” तयार करतो जे त्याचे समर्थित कोडेक, रिझोल्युशन आणि एनक्रिप्शन की वर्णन करते. हे सिग्नलिंग सर्व्हरद्वारे (WebSocket रिले) एक्सचेंज केले जातात पण त्यात कोणताही वास्तविक मीडिया डेटा नसतो.

ICE (इंटरेक्टिव्ह कनेक्टिव्हिटी एस्टॅब्लिशमेंट)

ICE उमेदवार नेटवर्क मार्ग गोळा करतो — होस्ट कँडिडेट (स्थानिक IP), सर्व्हर-रिफ्लेक्सिव्ह कँडिडेट (STUN द्वारे सार्वजनिक IP) आणि रिले कँडिडेट (TURN फॉलबॅक). ICE एजंट प्रत्येक मार्गाची चाचणी करतो आणि सर्वोत्तम थेट मार्ग निवडतो.

STUN सर्व्हर (NAT ट्रॅव्हर्सल)

STUN (Session Traversal Utilities for NAT) ब्राउझरला त्याचा सार्वजनिक IP आणि पोर्ट मॅपिंग शोधण्यात मदत करते. हे होम राउटरच्या मागील पीअर्सना कोणत्याही रिलेशिवाय थेट जोडण्याची परवानगी देते.

TURN सर्व्हर (फॉलबॅक रिले)

थेट कनेक्शन अयशस्वी झाल्यावर (सिमेट्रिक NAT, कठोर कॉर्पोरेट फायरवॉल), TURN पीअर्समध्ये एनक्रिप्टेड मीडिया पॅकेट रिले करते. साधारणपणे १५% वास्तविक-जगातील सत्रांना TURN आवश्यक आहे — मीडिया अजूनही एंड-टू-एंड एनक्रिप्टेड आहे.

गोपनीयता अंतर्दृष्टी: व्हिडिओ डेटा थेट ब्राउझर्समध्ये वाहत असल्यामुळे, प्लॅटफॉर्म ऑपरेटर कधीही तुमचा व्हिडिओ स्ट्रीम पाहत नाही, प्रक्रिया करत नाही किंवा साठवत नाही. अगदी सिग्नलिंग सर्व्हर देखील फक्त हलका JSON मेटाडेटा हाताळतो — पिक्सेल नाही.

जुळणी प्रणाली कसे काम करते?

जुळणी ५० मिलिसेकंदापेक्षा कमी वेळात वैश्विक रांगेतून दोन अनोळखी लोकांना जोडते. Nightcap Cloudflare Durable Objects वापरते — एक वैश्विकरित्या वितरित स्टेटफुल कंप्युट प्रिमिटिव्ह — एकल सुसंगत रांग राखण्यासाठी जी सामायिक आवडी, भौगोलिक प्राधान्य आणि लिंग फिल्टरनुसार वापरकर्त्यांना स्कोर करते, नंतर सर्वोच्च-स्कोरिंग जोडी बाहेर काढते.

आवड-आधारित स्कोअरिंग

“music, coding, anime” सारख्या आवडी प्रविष्ट करा — जुळणीकर्ता रांगेतील इतर वापरकर्त्यांविरुद्ध Jaccard समानता स्कोर मोजतो आणि सर्वोत्तम ओव्हरलॅपला प्राधान्य देतो.

देश आणि लिंग फिल्टर

ऐच्छिक फिल्टर तुम्हाला विशिष्ट देश किंवा लिंगाच्या वापरकर्त्यांना प्राधान्य देण्याची परवानगी देतात. रांग जुळणी वेळ एक सेकंदापेक्षा कमी ठेवताना उमेदवार त्यानुसार विभाजित करते.

Durable Object आर्किटेक्चर

एकाच Cloudflare Durable Object ने मजबूत सुसंगततेसह मेमरीत वैश्विक जुळणी रांग ठेवली आहे. जगभरातील प्रत्येक एज स्थान समान स्थितीशी जोडते, रेस कंडिशन दूर करते.

Boost: प्राधान्य रांग प्लेसमेंट

सशुल्क Boost वापरकर्त्यांना रांगेच्या पुढे ठेवले जाते. याचा अर्थ जुळणी अल्गोरिदम न बदलता वेगवान जुळणी आणि उच्च-गुणवत्तेची जोडी.

ब्राउझरमध्ये रिअल-टाइम व्हिडिओ इफेक्ट्स कसे काम करतात?

Nightcap GPU-प्रवेगक MediaPipe मॉडेल वापरून ब्राउझरमध्येच AI-पॉवर्ड व्हिडिओ इफेक्ट्स पूर्णपणे चालवते. बॅकग्राउंड ब्लर, रंग फिल्टर आणि ब्युटी मोड सर्व तुमच्या MediaStream वर स्थानिकरित्या लागू केले जातात तुमच्या पीअरला पाठवण्यापूर्वी — प्लॅटफॉर्म कधीही कोणत्याही सर्व्हरवर कच्चा किंवा प्रक्रिया केलेला व्हिडिओ प्राप्त करत नाही.

बॅकग्राउंड ब्लर (AI सेगमेंटेशन)

MediaPipe चा सेल्फी सेगमेंटेशन मॉडेल तुमच्या GPU वर चालतो, ३०fps वर व्यक्ती विरुद्ध बॅकग्राउंड ओळखतो. व्यक्ती मास्कच्या बाहेरील सर्वकाही समायोज्य तीव्रतेसह (१–२०) अस्पष्ट केले जाते. सेगमेंट केलेला आउटपुट मूळ स्ट्रीमची जागा घेतो.

६ रंग फिल्टर

उबदार, थंड, व्हिंटेज, काळा आणि पांढरा, व्हिव्हिड आणि सॉफ्ट फिल्टर एका लपलेल्या canvas एलिमेंटवर CSS फिल्टर ट्रान्सफॉर्म म्हणून लागू केले जातात. फिल्टर केलेले फ्रेम नवीन MediaStream म्हणून कॅप्चर केले जातात आणि RTCPeerConnection मध्ये पाठवले जातात.

ब्युटी मोड

व्हिडिओ फ्रेमवर नियंत्रित Gaussian blur ओव्हरले कंपोझिट केली जाते, सूक्ष्म स्किन स्मूदिंग तयार करते. इफेक्ट स्किन पोत मऊ करताना अनैसर्गिक दिसणे टाळण्यासाठी १५% ओपॅसिटीवर मिश्रित ३px blur वापरतो.

प्रत्येक चॅट न पाहता मॉडरेशन कसे काम करते?

AI मॉडरेशन प्रणाली तुमचे संभाषण पाहणाऱ्या मानवाशिवाय रिअल टाइममध्ये मजकूर संदेश आणि नियतकालिक व्हिडिओ फ्रेमचे विश्लेषण करतात. Nightcap प्रत्येक चॅट संदेश OpenAI च्या विनामूल्य Moderation API मधून पाठवते आणि AWS Rekognition द्वारे सामग्री विश्लेषणासाठी नियतकालिकपणे व्हिडिओ फ्रेम नमुने घेते — मास सर्व्हेलन्सशिवाय स्वयंचलित अंमलबजावणी सक्षम करते.

मजकूर मॉडरेशन

प्रत्येक संदेश वितरणापूर्वी OpenAI च्या Moderation API विरुद्ध तपासला जातो. API मिलिसेकंदांत द्वेषपूर्ण भाषण, छळ, स्वत:ला दुखापत, लैंगिक सामग्री आणि हिंसाचार फ्लॅग करते — आणि कॉल करण्यासाठी विनामूल्य आहे.

व्हिडिओ फ्रेम सॅम्पलिंग

नियतकालिक फ्रेम कॅप्चर सामग्री विश्लेषणासाठी AWS Rekognition ला पाठवले जातात. प्रणाली स्पष्ट किंवा असुरक्षित सामग्री फ्लॅग करते आणि व्हिडिओ स्ट्रीम रेकॉर्ड किंवा साठवल्याशिवाय स्वयंचलित अंमलबजावणी ट्रिगर करते.

एक-क्लिक अहवाल

वापरकर्ते एक जुळणी त्वरित अहवाल देऊ शकतात. अहवाल त्वरित पुनरावलोकन ट्रिगर करतात आणि पुष्टी झालेल्या उल्लंघनांमुळे तीव्रता आणि वारंवार गुन्हा इतिहासावर आधारित तात्पुरती किंवा कायमस्वरूपी बंदी होते.

खासगी मोड

दोन्ही वापरकर्त्यांनी स्वतंत्रपणे ऑप्ट इन केल्यावर, NSFW सामग्री फिल्टर अक्षम केला जातो. तथापि, CSAM शोध आणि धमकी देखरेख नेहमी सक्रिय राहते — मोडाची पर्वा न करता हे कधीही अक्षम केले जात नाही.

P2P १-ते-१ व्हिडिओसाठी मीडिया सर्व्हरपेक्षा का चांगला आहे?

एक-ते-एक व्हिडिओ चॅटसाठी, पीअर-टू-पीअर WebRTC सर्व्हर बँडविड्थमध्ये काहीही खर्च करत नाही, सर्वात कमी शक्य विलंब (थेट नेटवर्क मार्ग) प्रदान करतो आणि प्लॅटफॉर्म कधीही तुमचा व्हिडिओ हाताळत नाही याची खात्री देतो. SFU आणि MCU सारख्या सर्व्हर-आधारित आर्किटेक्चर खर्च, विलंब आणि गोपनीयता तडजोडी जोडतात जे केवळ गट कॉलसाठी अर्थपूर्ण आहेत.

आर्किटेक्चर	बँडविड्थ खर्च	गोपनीयता	विलंब	यासाठी सर्वोत्तम
P2P (Nightcap)	$० व्हिडिओ बँडविड्थ	व्हिडिओ कधीही सर्व्हरवर नाही	सर्वात कमी — थेट मार्ग	१-ते-१ चॅट
SFU	जास्त — सर्व्हर सर्व स्ट्रीम रिले करतो	सर्व्हर सर्व व्हिडिओ पाहतो	मध्यम	गट कॉल (५-५० लोक)
MCU	सर्वाधिक — सर्व्हर डीकोड आणि री-एनकोड करतो	सर्व्हर व्हिडिओ पूर्णपणे प्रक्रिया करतो	सर्वाधिक	जुनी कॉन्फरन्सिंग

एका नजरेत आर्किटेक्चर

Nightcap च्या आर्किटेक्चरचे चार प्लेनमध्ये विभाजन होते: सिग्नलिंग (WebSocket वर Cloudflare Workers), जुळणी (Durable Objects), मीडिया (शुद्ध P2P WebRTC) आणि अॅप्लिकेशन लॉजिक (पेमेंट, मॉडरेशन आणि अहवालांसाठी Next.js API रूट). व्हिडिओ कधीही सर्व्हरला स्पर्श करत नाही म्हणून मीडिया प्लेनचा सर्व्हर बँडविड्थ खर्च शून्य आहे.

ब्राउझर←→Cloudflare Worker(WebSocket सिग्नलिंग — SDP + ICE रिले)

ब्राउझर←→Durable Object(जुळणी रांग — आवड स्कोअरिंग)

ब्राउझर←→ब्राउझर(P2P WebRTC — शून्य मीडिया सर्व्हर खर्च)

ब्राउझर→Next.js API(Stripe बूस्ट, मॉडरेशन, अहवाल)

वारंवार विचारले जाणारे प्रश्न

WebRTC व्हिडिओ चॅट खरोखरच पीअर-टू-पीअर आहे का?

हो. WebRTC कनेक्शन स्थापित झाल्यानंतर, व्हिडिओ आणि ऑडिओ डेटा थेट दोन ब्राउझरमध्ये वाहतो. सिग्नलिंग सर्व्हर फक्त कनेक्शन मेटाडेटा (SDP ऑफर आणि ICE कँडिडेट) एक्सचेंज करण्यासाठी वापरला जातो — तो कधीही वास्तविक मीडिया स्ट्रीमला स्पर्श करत नाही.

व्हिडिओ चॅट प्लॅटफॉर्म माझा व्हिडिओ पाहू शकतो किंवा रेकॉर्ड करू शकतो का?

Nightcap सारख्या P2P प्लॅटफॉर्मवर, व्हिडिओ स्ट्रीम थेट ब्राउझरमध्ये प्रवास करतात आणि केंद्रीय सर्व्हरमधून कधीही जात नाहीत. प्लॅटफॉर्म तुमचा व्हिडिओ पाहू शकत नाही, इंटरसेप्ट करू शकत नाही किंवा रेकॉर्ड करू शकत नाही. हे सर्व्हर-रिलेड आर्किटेक्चरवर पीअर-टू-पीअर WebRTC चा मूलभूत स्थापत्य फायदा आहे.

थेट P2P कनेक्शन अयशस्वी झाले तर काय होते?

STUN-सहाय्यक थेट कनेक्शन आणि होस्ट कँडिडेट दोन्ही अयशस्वी झाल्यास (सामान्यतः कठोर एंटरप्राइझ NAT किंवा सिमेट्रिक फायरवॉलमुळे), WebRTC आपोआप TURN रिले सर्व्हरवर फॉलबॅक होते. TURN सर्व्हर पीअर्समध्ये एनक्रिप्टेड मीडिया पॅकेट अग्रेषित करतो. साधारणपणे १५% सत्रांना TURN रिले आवश्यक आहे.

Nightcap कोणते प्लगइन किंवा डाउनलोड वापरते का?

नाही. Nightcap WebRTC वापरते, जे Chrome, Safari, Firefox आणि Edge मध्ये मूळरित्या बनवले आहे. कोणतेही प्लगइन नाही, Flash नाही, Java अॅपलेट नाही आणि कोणताही अॅप डाउनलोड आवश्यक नाही. तुम्ही वेबसाइट उघडता आणि तुमचा ब्राउझर सर्वकाही हाताळतो.

रँडम व्हिडिओ चॅटवर जुळणी कसे काम करते?

तुम्ही सुरू करा क्लिक करता तेव्हा तुम्ही जुळणी रांगेत प्रवेश करता. Nightcap ५०ms पेक्षा कमी जुळणीसह वैश्विक रांग राखण्यासाठी Cloudflare Durable Objects वापरते. प्रणाली सर्वोत्तम जुळणी शोधण्यासाठी तुमच्या आवडी, देश प्राधान्य आणि लिंग फिल्टरचा विचार करते. सशुल्क Boost वापरकर्त्यांना रांगेत प्राधान्य मिळते.

तंत्रज्ञान अनुभवा — Nightcap विनामूल्य वापरा

खाते नाही. डाउनलोड नाही. मीडिया सर्व्हर नाही. फक्त साइट उघडा आणि सेकंदांत खरे संभाषण सुरू करा.

विनामूल्य चॅट सुरू करा →