经过了一整年的开发测试，终于将whatsapp 语音通话完成，期间主要参考webrtc的源码来实现.下面简要说一下大致的步骤

XMPP 协商

发起或者接受语音通话第一步是发起XMPP 协商，这个协商过程非常重要。下面是协商一个包

      <call to='xxx@s.whatsapp.net' id='xxxx'><offer call-creator='xxx.0:0@s.whatsapp.net' call-id='xxx'device_class='2015'><audio rate='8000' enc='opus' /><audio rate='16000' enc='opus' /><net medium='3' /><capability ver='1'>ac</capability><enc v='2' type='pkmsg'>xxxxxxxx</enc><encopt keygen='2' /></offer></call>

1. 语音编码参数 opus 编码， 采样率 16000/8000
2. pkmsg 这个是加密字段，用来协议后续发送语音数据的秘钥
3. call-id 同一个通话将使用相同的callid， 类似一个房间号一样，同一个callid的用户将可以听到各自的声音。

Stun UDP 内网穿透

NAT为设备提供内网IP地址，以便在专用本地网络中使用，但是这个地址不能在外部使用。没有外部的ip地址， 双方就无法直接进行通信。为了解决这个问题，就需要Stun 技术，也就是传说中的UDP 打洞。

Turn 数据中转

UDP 打洞并不能一定成功，所以当点对点失败的时候，为了能正常进行语音通话，需要有一个保底策略，那就是在turn服务器中转数据流。
TURN服务器具有公共地址，因此即使端点位于防火墙或代理之后，也可以与其他端点进行通信。TURN服务器虽然只有这么一个简单的任务 —— 中继流， 但与STUN服务器不同，它们本身就消耗了大量带宽。换句话说，TURN服务器需要更强大。

RTP 数据包发送

依赖上面的STUN/TURN 服务器的协商结果， 如果STUN 成功，则直接将加密的RTP 数据发送给对方，否则将加密的RTP数据发给TURN 服务器。下面是RTP 数据格式

由于whatsapp的安全性，所有的RTP 数据都是被加密的， 加密使用的秘钥来源第一步XMPP 的秘钥协商。需要发送的音频数据需要使用 XMPP 协商的编码方式，否则可能不能播放。