Microsoft hat am 25. Mai 2017 die aus der Beam-Übernahme hervorgegangene Streaming-Plattform unter dem Namen Mixer vorgestellt und das interaktive Streaming als zentrales Unterscheidungsmerkmal positioniert. Technische Grundlage ist das hauseigene Übertragungsprotokoll FTL (Faster Than Light), das laut Ankündigung eine Verzögerung von unter einer Sekunde zwischen Aufnahme und Wiedergabe erreicht. Zum Vergleich nennt die Plattform die bei konkurrierenden Diensten üblichen 10 bis 20 Sekunden Latenz. Beam war ursprünglich am 5. Januar 2016 gestartet und am 11. August 2016 von Microsoft übernommen worden.
Architektur: RTP-Ingest über UDP, WebRTC-Verteilung
FTL umgeht die für klassisches Streaming typischen Latenzquellen, indem es auf TCP-basierte Retransmissionen und HLS-Chunking verzichtet. Auf der Ingest-Seite überträgt das Protokoll Audio- und Videopakete als RTP über UDP-Sockets. Parallel dazu läuft ein separater TCP-Kanal für den Kontrollfluss, über den Handshake, Authentifizierung und Metadaten abgewickelt werden. Der Handshake folgt einem schlanken ASCII-basierten Ablauf: Der Client meldet sich mit einer HMAC-Anforderung, der Server antwortet mit einer hex-kodierten Payload, anschließend sendet der Client einen CONNECT-Befehl mit Kanal-ID und gehashtem Authentifizierungswert. Nach erfolgreicher Bestätigung übermittelt der Client Schlüssel-Wert-Paare wie Codec-Typen, Auflösung und SSRCs, woraufhin der Server den UDP-Port für den Medien-Ingest bereitstellt. Ein Ping alle fünf Sekunden hält die Verbindung aufrecht; bleibt er aus, folgt die Trennung.
Auf Codec-Ebene unterstützt FTL für Video VP8 und H.264 sowie Opus für Audio. Abweichend von der üblichen RTP-Praxis, getrennte Ports für verschiedene Medientypen zu nutzen, transportiert FTL Video (Payload-Typ 96) und Audio (Payload-Typ 97) über denselben UDP-Port. Für die Verteilung an die Zuschauer setzt die Plattform auf WebRTC, also ebenfalls auf einen UDP-basierten Echtzeit-Transport. Die Kombination aus RTP-Ingest und WebRTC-Distribution hält die Übertragung über die gesamte Strecke vom Streamer bis zum Endgerät bei Sub-Sekunden-Latenz. Plattformen wie Twitch erreichen im Low-Latency-Modus typischerweise rund drei bis fünf Sekunden.
Interaktive Funktionen und SDK-Anbindung
Die niedrige Latenz ist Voraussetzung für die interaktiven Funktionen, die Mixer zum Start hervorhob. Mit Co-Streaming lassen sich bis zu vier Streamer in einem einzigen Zuschauererlebnis bündeln, samt zentralisiertem Chat und über verschiedene Geräte und Spiele hinweg. Hinzu kamen Channel One als durchgehend moderierter Übersichtskanal sowie die Mobile-App Mixer Create, die zunächst als Beta für iOS über TestFlight und für Android verfügbar war. Für Xbox-Insider wurde zudem eine Mixer-Seite im Dashboard der Xbox One ausgerollt.
Für Entwickler stand ein SDK bereit, um Spiele direkt an das interaktive Streaming-System anzubinden. Damit ließen sich Eingriffe der Zuschauer in das laufende Spielgeschehen umsetzen, was ohne die geringe Latenz des FTL-Protokolls praktisch nicht nutzbar wäre. So setzte Mixer weniger auf reine Reichweite als auf die Echtzeitnähe zwischen Streamer, Spiel und Publikum. Wie aus dem späteren Aus dieser Plattform eine vertane Chance wurde, haben wir an anderer Stelle ausführlich behandelt. Die vollständigen Startdetails finden sich in der offiziellen Ankündigung von Xbox Wire.