네트워크DiscordVoIPOpusRTPUDPSFUDAVE

디스코드로 보는 실시간 음성 채팅

마이크의 소리가 디지털 패킷이 되어 상대방 스피커로 재생되기까지

시각화 로드 중...

개요

Network Overview

같은 디스코드 음성 채널에서 A가 “들려?”라고 말하면 B와 C가 듣습니다. 마이크는 공기의 진동을 아날로그 전기 신호로 바꿉니다. 기기의 ADC가 그 신호를 디지털 샘플로 변환하고, 네트워크는 암호화된 음성 데이터를 패킷으로 나릅니다. 수신 측에서는 DAC와 스피커를 거쳐 다시 공기의 진동이 됩니다.

시각화는 일반 음성 채널에서 A의 음성 조각 하나를 따라가는 예시입니다. B와 C도 말할 때 같은 송신 과정을 거칩니다. 연결 설정은 채널에 입장할 때 이뤄지며, 통화 중에는 여러 음성 조각의 수집·전송·재생이 겹쳐 진행됩니다. 실행 추적의 막대는 작업 순서를 보여주기 위한 예시 비중입니다.

연결 설정과 음성 전송

경로역할
제어 경로채널 참가 후 별도 Voice Gateway WebSocket에서 세션과 미디어 전송을 설정하고 DAVE 키 교환을 조율
음성 경로송신 클라이언트 → Discord SFU → 수신 클라이언트. 그림은 Discord Voice API에 문서화된 RTP/UDP 경로를 사용하며, 웹 클라이언트는 WebRTC 미디어 전송을 사용

Voice Gateway는 연결 상태와 키 교환을 조율합니다. SFU(Selective Forwarding Unit)는 채널 내 수신자에게 각 송신자의 미디어를 중계합니다. A가 한 스트림을 보내면 SFU가 B와 C에게 전달하고, 여러 사람이 동시에 말하면 수신 클라이언트가 개별 스트림을 디코딩하고 재생용으로 합칠 수 있습니다.

마이크에서 Opus 프레임까지

  • ADC(아날로그-디지털 변환기)가 전압을 일정한 간격으로 읽고 수치로 표현합니다. PCM은 이 디지털 샘플의 표현 방식입니다. USB 마이크처럼 변환기가 마이크에 내장된 장치도 있습니다.
  • 송신 클라이언트는 설정과 환경에 따라 에코·배경 소음을 줄이고 발화 감지나 눌러서 말하기로 송신을 제어합니다. 에코 제거는 상대방 목소리가 내 스피커에서 다시 내 마이크로 들어가는 현상을 줄입니다.
  • Opus 코덱은 짧은 PCM 구간을 압축합니다. 48 kHz에서 20 ms는 채널당 960샘플에 해당합니다. 20 ms는 이 글의 예시이며 Opus는 여러 프레임 길이를 지원합니다.

RTP, UDP, DAVE가 맡는 일

요소역할
RTP시퀀스 번호로 패킷 순서·누락을 파악하고 타임스탬프로 오디오의 시간 위치를 표시. SSRC로 스트림을 구분
UDP패킷을 전달하는 전송 계층. 전달·도착 순서·재전송을 자체 보장하지 않음
DAVEOpus 프레임을 참가자 단말 사이에서 종단간 암호화. 참가자 그룹의 키 교환은 MLS 기반
전송 구간 암호화클라이언트와 SFU 사이의 전송을 별도로 보호. SFU는 DAVE로 보호된 오디오를 해독하지 않고 중계

송신자는 인코딩한 프레임을 DAVE로 암호화한 뒤 RTP 패킷으로 묶어 보냅니다. 수신자는 패킷에서 프레임을 재구성하고 복호화한 뒤 디코딩합니다. 이 예시는 DAVE가 적용되는 일반 음성 채널을 다룹니다.

패킷이 늦거나 빠지면

  • 지터 는 패킷의 도착 간격이 흔들리는 현상입니다. 지터 버퍼는 짧게 기다려 도착 순서가 바뀐 패킷도 재생 시각에 맞출 수 있게 합니다.
  • 손실 은폐(PLC) 는 재생 시한까지 필요한 음성 조각이 없을 때 주변 음성의 특성을 이용해 빈 구간을 메웁니다. 빠진 원본을 그대로 복구할 수는 없습니다.
  • 버퍼가 길수록 도착 간격의 변동을 더 흡수하지만 대화 지연도 커집니다. 체감 지연에는 프레임을 모으는 시간, 네트워크 왕복과 구분되는 편도 전송 시간, 버퍼 대기, 기기의 입출력 처리가 함께 영향을 줍니다.
  • 디코더가 만든 PCM은 DAC(디지털-아날로그 변환기)를 거쳐 전기 신호가 되고, 스피커나 헤드폰의 진동판이 소리를 냅니다.

학습 목표

  • 마이크의 아날로그 신호가 PCM, Opus 프레임, RTP 패킷을 거쳐 다시 소리가 되는 과정을 설명한다.
  • Voice Gateway와 SFU의 역할, 지터 버퍼가 지연과 끊김에 미치는 영향을 구분한다.

자주 하는 오해

  • 48 kHz는 초당 샘플 수이자 Opus RTP 타임스탬프의 기준입니다. 패킷이 초당 48,000개 전송된다는 뜻은 아닙니다.

핵심 정리

  • ADC에서 디지털화하고 Opus에서 압축하며, 수신 측 DAC에서 다시 아날로그 신호를 만듭니다.
  • Voice Gateway가 연결을 조율하고 SFU가 암호화된 미디어를 중계합니다.
  • 지터 버퍼는 재생 시한까지 패킷을 기다립니다. 시한을 넘긴 음성 조각은 손실 은폐로 메울 수 있습니다.

학습 확인

문제 1

RTP 패킷 #102가 #103보다 늦게 왔지만 #102의 재생 시한에는 아직 여유가 있습니다. 수신 측에서 무엇을 할 수 있을까요?

핵심 단계

  1. 1

    채널 참가 · Voice Gateway에서 세션, 미디어 전송 및 DAVE 키 교환을 조율합니다.

  2. 2

    음성 수집 · 마이크가 소리를 전압으로 바꾸고 ADC가 PCM 샘플을 만듭니다.

  3. 3

    프레임 생성 · 송신 측에서 음성을 전처리하고 Opus로 압축합니다.

  4. 4

    패킷 송신 · 프레임을 DAVE로 암호화하고 RTP/UDP로 SFU에 보냅니다.

  5. 5

    SFU 중계 · A의 암호화된 음성 스트림을 같은 채널의 B와 C에 전달합니다.

  6. 6

    재생 준비 · 지터 버퍼로 재생 시각을 맞추고 복호화·디코딩과 필요시 손실 은폐를 수행합니다.

  7. 7

    스피커 출력 · PCM을 아날로그 신호로 바꿔 소리로 재생합니다.

핵심 개념 및 실무 적용 분야

✓도착 순서가 101 → 103 → 102여도 102가 재생 시한 전에 도착하면 101 → 102 → 103 순서로 재생할 수 있습니다.
✓102가 재생 시한을 넘기면 짧은 빈 구간을 PLC로 메울 수 있습니다. B와 C는 서로 다른 네트워크를 거치므로 같은 통화에서 한 사람만 끊김을 겪을 수 있습니다.

참고 자료

개념과 기술 규격을 추가로 확인할 수 있는 외부 자료입니다. 시각화는 교육 목적에 맞게 일부 절차를 단순화할 수 있습니다.