# 我正在参加「寻声 2.0」征文活动， https://www.rtcdeveloper.cn/cn/community/discussion/57/25892

背景目标

随着AI技术、Web技术和远程视频会议技术的发展，传统的考试场景也有出现了AI智能导题、AI快速出卷、线上学生答题、AI标准化成绩分析等发展方向，从根本上杜绝了泄题漏题的问题。但是，考试作为一个严肃而认真的场合，监考过程还是需要老师人为参与，以保证考试的严肃与公正。那么，老师监考这个场景就需要运用到RTC技术。

设计思路

计划设计考试场景是1名监考老师，对应多名学生的场景，模拟实际的教室考场监考的场景。

监考老师：推单路音频流，用于广播通知考试要求，并且可以及时与学生沟通交流；拉多名学生的视频流，用于监督学生行为。为了降低老师的电脑性能和网络带宽要求，平时拉流只拉小分辨率的视频；在1v1交流时，动态更新学生的视频尺寸。

考试学生：推单路音视频流，用于被监考。按老师要求，可以推屏幕共享的视频，同时，老师的声音可以传递到学生端，用于1v1 RTC通讯。

老师端

初始化SDK，代码如下：

import { createAgoraRtcEngine } from 'agora-electron-sdk';
const engine = createAgoraRtcEngine();
engine.initialize({
    appId,
    logConfig: { filePath: Config.SDKLogPath },
    channelProfile: ChannelProfileType.ChannelProfileLiveBroadcasting,
});

单路音频推流，老师上传1路声音，代码如下：

engine.enableAudio();
engine.joinChannel(token, channelId, uid, {
    clientRoleType: ClientRoleType.ClientRoleBroadcaster,
});

多路视频拉流，老师同时拉多名学生的画面，入会后选择小尺寸画面，为了改善多路播放的性能问题：

engine.joinChannel(token, channelId, uid, {
    clientRoleType: ClientRoleType.ClientRoleBroadcaster,
});

// onUserJoined 回调入会成功后
engine.setRemoteDefaultVideoStreamType(VideoStreamLow);
engine.setupRemoteVideo(canvas);

单路1v1交流时，老师单独看单个学生画面，画面尺寸变大：

engine.setRemoteVideoStreamType(uid, VideoStreamHigh);

学生端

单路音视频推流，入会上传音视频，代码如下：

engine.joinChannel(token, channelId, uid, {
    clientRoleType: ClientRoleType.ClientRoleBroadcaster,
});
engine.enableAudio();
engine.enableVideo();

// 开启视频预览
engine.startPreview();

音频拉流，订阅老师的音频流，不订阅其他学生的音视频，代码如下：

engine.joinChannel(token, channelId, uid, {
    clientRoleType: ClientRoleType.ClientRoleBroadcaster,
});

// 取消订阅其他学生的音视频
engine.muteRemoteAudioStream(uid, true);
engine.muteRemoteVideoStream(uid, true);

屏幕共享，代码如下:

// 配置
const sources = engine.getScreenCaptureSources(
      { width: 1920, height: 1080 },
      { width: 64, height: 64 },
      true
);

// 采集
this.engine?.startScreenCaptureByDisplayId(
        sources.at(0).sourceId,
        {},
        {
          dimensions: { width, height },
          frameRate,
          bitrate,
          captureMouseCursor,
          excludeWindowList,
          excludeWindowCount: excludeWindowList.length,
          highLightWidth,
          highLightColor,
          enableHighLight,
        }
);

// 共享，用uid2和token2实现
engine.joinChannelEx(
      token2,
      { channelId, localUid: uid2 },
      {
        autoSubscribeAudio: false,
        autoSubscribeVideo: false,
        publishMicrophoneTrack: false,
        publishCameraTrack: false,
        clientRoleType: ClientRoleType.ClientRoleBroadcaster,
        publishScreenTrack: true,
      }
);

验证分析

本地通过模拟实现多路预览，观察CPU、内存和网络可以扛得住，基本符合预期。

看SDK内部通过Buffer.alloc提前分配了yuv内存，减少了yuv的拷贝，优化了性能消耗。

最终效果如下

后续开发

增加巡查老师的角色，用于巡查多个考场。

增加学生AI行为分析能力，协助老师及时发现有作弊嫌疑的学生。

增加学生端录制的场景，用于回放归档。

增加转推rtmp直播的能力，便于社会与公众监督。

增加IM接入的能力，便于文字通知和学生留言。