Read in English

Perspectiva histórica y evolución del streaming

A finales de los años 90, la web se centraba en el intercambio de texto. Algunos sitios nacieron por fines comerciales y otros por la pura pasión de compartir información. Desde entonces, la multimedia ha sido mi fascinación. Recuerdo los primeros videoclips online a principios de los 2000; esperábamos minutos de buffering para ver apenas unos segundos de vídeo, creyendo que estábamos ante la tecnología del futuro.

Poco después, la mejora en las velocidades de banda ancha transformó la experiencia. Surgieron las comunicaciones peer-to-peer (P2P) para videollamadas y plataformas de alojamiento de video que eliminaron la necesidad de descargar archivos. Estas tecnologías sentaron las bases de la internet moderna. En la década de 2010, fui testigo de los primeros intentos de realizar "conciertos digitales" para artistas aficionados. Requiriendo servidores dedicados y una infraestructura costosa, el streaming de "uno a muchos" empezaba a ser una realidad, pero la colaboración en tiempo real seguía siendo un reto esquivo.

El desafío técnico de la latencia

Investigué aplicaciones donde los intérpretes estaban en ubicaciones distintas, transmitiendo hacia una misma audiencia. El obstáculo principal es la latencia inherente entre los dispositivos de captura (micrófonos/cámaras) y el procesamiento del servidor.

Para que una interacción musical sea natural, el retardo total debe ser inferior a 30 milisegundos. Lograr esto en 2010 requería hardware de alta gama y servidores ultrapotentes, algo fuera del alcance de la mayoría. Incluso hoy, en la era del cloud computing, mantener este estándar sigue siendo costoso. Por ello, durante la pandemia, decidí buscar un enfoque más eficiente y accesible, lo que me llevó a descubrimientos que hoy dan forma a Plaudere.

Distancia física frente a distancia digital

En una ejecución en vivo, si el guitarrista y el cantante están separados por más de 12 o 15 metros, la velocidad del sonido (343 m/s) genera un retraso superior a los 30ms, rompiendo la sincronía. En un escenario, esto se resuelve con monitores que transmiten el audio electrónicamente. Sin embargo, cuando la distancia es de 2,000 km, dependemos de la fibra óptica (aprox. 200,000 km/s). Aunque la velocidad de la luz es vasta, el paso por routers, buffers e interfaces de audio introduce retardos que desincronizan el flujo. Concluí que intentar emular la inmediatez física mediante hardware costoso no era el único camino; era necesario un enfoque de ingeniería de software más creativo.

Un enfoque costo-eficiente para el vivo

Muchos lazos musicales se rompen por la distancia geográfica y las responsabilidades de la vida adulta. En 2010 realicé un experimento: mi colega cantaba a través de una llamada telefónica mientras yo, escuchándolo por el terminal, tocaba la guitarra en vivo frente a un micrófono. El micrófono capturaba ambas fuentes y las enviaba a un servicio de streaming. La audiencia quedó sorprendida por la coordinación.

Este experimento se convirtió en una obsesión técnica: crear un servicio que permitiera esta colaboración sin recurrir a llamadas externas o hardware adicional. Al no tener experiencia previa en desarrollo de apps nativas, aposté por el desarrollo web. Es una tecnología universal, compatible con cualquier dispositivo y accesible vía navegador.

Como ingeniero con visión de negocio, decidí utilizar Node.js en el backend para unificar el lenguaje de desarrollo (JavaScript) en todo el stack. Implementé MongoDB para la persistencia de datos y utilicé APIs de alto rendimiento como Web Audio API para el procesamiento de señales, Media Recorder API para la captura de fragmentos (chunks) y WebSockets para la comunicación bidireccional instantánea.

Experimentación con flujos de audio

Mi primer prototipo usó un enfoque tipo "walkie-talkie": capturar el audio, enviarlo al servidor y distribuirlo mediante WebSockets. El reto fue mantener la continuidad ante fluctuaciones de ancho de banda. La solución en Plaudere para combinar dos streamers sin latencia perceptible consiste en un flujo unidireccional: el audio viaja del primer intérprete al segundo.

Dado que el primer streamer no puede escuchar al segundo en tiempo real (por la latencia mencionada), implementamos el uso de una pista de referencia (backing track). El primer intérprete reacciona a la grabación, y el segundo reacciona en vivo al flujo del primero. Esta arquitectura permite que ambas señales se mezclen en el nodo del segundo intérprete, garantizando una sincronía perfecta para la audiencia final. Para ajustar pequeñas desviaciones, utilizamos nodos de retardo programables en la Web Audio API.

Implementación de video adaptativo

El video presenta desafíos adicionales de ancho de banda. En lugar de transmitir fragmentos de video pesados que podrían desestabilizar la sesión, opté por capturar instantáneas (snapshots) sincronizadas con los chunks de audio.

Esta lógica permite un rendimiento adaptativo: si la conexión se debilita, el sistema reduce la tasa de cuadros por segundo (FPS) y la calidad de imagen, priorizando siempre la integridad del audio. Actualmente, trabajamos en optimizar el balance de carga del servidor para que la entrada de nuevos usuarios no degrade la calidad de los intérpretes principales.

Conclusiones y potencial estratégico

Esta solución de ingeniería permite que tanto músicos como creadores de contenido (escritores, podcasters) colaboren desde cualquier lugar, eliminando las barreras del costo de infraestructura. En Plaudere, hemos optimizado el uso de la red para que consuma estrictamente lo necesario, garantizando la estabilidad de la transmisión.

Ya sea para compartir un espacio creativo o realizar una presentación conjunta, nuestra plataforma ofrece la ilusión de la presencia física mediante una gestión inteligente de los datos y el tiempo.