ぽっと通話のしくみ
ぽっと通話は、運営が通信経路としてのサーバを持たない音声通話です。配っているのは静的な HTML 1 枚で、声も、相手探しも、在室の合図も、運営の設備を通りません。このページはその「どうやって」を、リポジトリを読む手前の粒度で書いたものです。
1ファイル(通話アプリ本体 index.html)
1依存ライブラリ(Trystero)
0運営のサーバ(通信経路として)
80+自動テストの判定(回帰テスト)
1. 全体像
太い線=声(ふだんは中継を通る。相手にあなたの IP は見えない)、点線=合図、薄い点線=中継が使えないときだけの直接接続。運営が動かしているのは破線の枠の Worker だけで、それは両方のブラウザに短命の鍵を発行するだけです。
ブラウザに読み込まれるのは index.html 1 枚と、Trystero というライブラリ(ほかに名刺や在室の合図・QR コードで使う小さな部品)だけです。ライブラリは CDN の配布物を1 バイトも変えずにリポジトリに同梱し、このサイト自身から配っています(配信者が読み上げをオンにしたときだけ読み込む声の合成エンジンも同じです)。外の CDN が乗っ取られても、知らないコードがこのページで動かないようにするためです。ビルドも、パッケージ管理も、バックエンドもありません。
2. 相手を見つける
同じ部屋を開いた人どうしが出会うには、どこかで「私はここにいます」と合図を交わす必要があります。ぽっと通話はそれを公開の Nostr リレーで行います。Nostr は署名付きの小さな JSON を公開リレーに置いて購読する仕組みで、誰でも運営でき、誰のものでもありません。
- Trystero が、部屋 ID から導いた話題に暗号化した合図を流し、同じ話題を聞いている相手と WebRTC の接続を組み立てます(相手探しとシグナリング)。
- リレーは 7 本に多重化しています。公開リレーは止まったり制限を掛けたりするので、半年を目安に実測で点検し、入れ替えています。
- 合図は接続の手順だけで、声も名前も通りません。接続ができた後の再交渉は、できあがった WebRTC のデータチャネルの中で行います。
3. 声の通り道
声は WebRTC で、ブラウザどうしを直接つなぎます。音声は DTLS-SRTP で暗号化され、途中に運営のサーバはありません。
- 既定は Cloudflare の TURN 中継を通します。狙いは IP アドレスのプライバシーで、中継を挟むと相手にあなたの IP は見えません。中継は暗号化されたバイト列を運ぶだけで、中身は読めません。
- 中継の利用には短命の鍵が要ります。それを配るのが運営の小さな Cloudflare Worker(
pot-turn)です。ブラウザは起動時にここから鍵を受け取り、WebRTC に渡します。Worker は鍵を発行するだけで、声も合図も在室も通りません。
- 鍵が取れなかったときだけ、通常の直接接続(STUN)に落ちます。そのときは相手に IP が見えるので、参加者の行に ↔ の印を出して自己申告します。ふだんは ☁️ です。
4. ロビーもサーバなし
「通話中の部屋」の一覧も、集計サーバはありません。ページを開いた人は全員が __lobby__ という隠し部屋の WebRTC メッシュに入り、通話中の人が数秒ごとに在室(部屋 ID・名前・人数・話題タグ)を流します。各自のブラウザがそれを集めて一覧にしています。「いま見ている人数」も同じメッシュのピア数です。
この方式は同時閲覧者が数十人で頭打ちになります。伸ばす必要が出たら、運営サーバを立てるのではなく、在室を公開 Nostr リレーに直接流す方向に倒す、と決めています。
5. 部屋の正体
- 部屋の実体はランダムな 16 文字の ID で、URL の
#room=ID&name=名前 に入ります。名前は付け替え可能なメタデータで、同じ名前の部屋が同時にあっても大丈夫です。だから合流は名前ではなくリンクで行います。
- 古い形の
#名前 のリンクは「入口」として動きます。その名前の部屋がいま開いていれば入り、なければ新しく作る道を案内します。
- ID が名前そのもの(ハッシュではない)の部屋は「いつも同じ部屋」になります。案内役の部屋や、はじめましての席はこの形で、リンクを開けば確認なしにそのまま入れます。
- 人がいなくなった部屋は消えます。どこにも保存されないので、復活もしません。
6. 配信部屋と署名
「配信者だけが話し、ほかは聞く」を、サーバの権限管理なしで成立させています。
- 配信者のブラウザが ECDSA P-256 の鍵対を作り、公開鍵の指紋(SHA-256 の先頭 16 バイト、22 文字)を部屋 ID の一部にします(
ID~pk~指紋)。同じ部屋にいる全員が、同じ配信者の鍵を前提に集まっていることが URL で保証されます。
- 配信者は「話してよい人」の一覧(ピア ID の名簿)に署名して、データチャネルで配ります。各自のブラウザは署名を確かめ、名簿に載っていない人の音声は再生しません。名乗るだけでは配信者にも登壇者にもなれません。
- 配信者が抜けたあと、配信者と同じピア ID を名乗る別人が来ても配信者にはなれません。新しく入った人は配信者へ乱数の問いを送り、配信者の鍵で署名した答えを確かめてから配信者として扱います(それまで配信者の声も合図も受け取りません)。
- 秘密鍵はその端末のブラウザにだけ保存されます。別の端末やデータ消去のあとでは、同じ部屋の配信者には戻れません。
- 鍵の生成・署名・検証はすべてブラウザの
crypto.subtle で行い、名簿は既存の WebRTC データチャネルを通ります。サーバは増えていません。
7. 名刺(プロフィールカード)
名刺は、配信者や、部屋や活動に貢献している人が、自分の立場や連絡先を示すための機能です(使わなくても通話には困りません)。ここも運営のサーバを足さずに作っています。
- 求めた人にだけ、本人の端末から直接届きます。名前を押すと、そのブラウザが相手に「名刺をください」と頼み、相手のブラウザが返します。部屋の全員には配らず、運営のサーバも通りません。受け取った名刺は画面に出すだけで、保存しません。
- URL は送りません。SNS とお礼の窓口は「種類と ID」だけを送り、受け手のブラウザが決まった形の URL を組み立てます。改造したアプリが偽のリンク先を紛れ込ませる余地を残さないためです。
- 画像は受け手が描き直します。画像は持ち主の端末で 128px の小さな JPEG にしてから送ります。受け手は形式と大きさを確かめ、自分のブラウザで描き直してから表示します。外部の画像の URL は使わないので、表示した人の IP がどこかへ漏れることもありません。
- お礼の窓口は本人の申告です。運営はお金の流れに関わりません。本人確認の済んだ人と配信部屋の配信者の窓口はふつうに、そうでない窓口は控えめに出し、押す前に注意を挟みます。
- 名前や名刺の文字からは、見えない文字や文字の向きを変える文字を取り除きます。見た目が同じ別人を作らせないためです。
8. 名刺の本人確認(✅ のしくみ)
✅ は「運営が認めた印」ではありません。名刺を見た人のブラウザが、その場で自分で確かめた印です。名乗るだけでは付きません。
点線=SNS とのやり取り、太い線=端末どうしの直接のやり取り。確かめるのはいつも見る人のブラウザです。
- 名刺の鍵:持ち主のブラウザが ECDSA P-256 の鍵を作ります。秘密鍵は取り出せない形(
extractable: false)でブラウザの中(IndexedDB)にあり、プログラムからも読み出せません。公開鍵の指紋(SHA-256 の先頭 16 バイト)を potalk1- に続く 22 文字の形で使います。配信部屋の配信者の鍵とは別の鍵です。
- SNS 側の証拠:持ち主は、この指紋を 𝕏 の投稿、GitHub の自己紹介、Nostr の署名に載せます。証拠は SNS 側に置くもので、運営はどこにも記録しません。消すと、それ以降は ✅ が付かなくなります。
- 見る人の確かめ方:「✅ を確かめる」を押すと、①名刺の鍵の持ち主かを問い返し(乱数への署名)で確かめ、②SNS 側に同じ指紋があるかを見ます。両方そろったものにだけ ✅ を付けます。配信部屋の配信者の確かめ方と同じ考え方です。
- 問い返しの署名文には、部屋の ID と問う側・答える側の両方のピア ID が入ります。偽者が受けた問いを本人へ回して答えを持ち帰っても、ID が合わずに失敗します。
- 𝕏 の照合では、URL に書かれたユーザー名ではなく応答に含まれる投稿者を見ます(𝕏 の埋め込みの仕組みは URL のユーザー名を無視し、投稿の番号だけで引くため)。Nostr の署名は手元で検証します。
- プライバシー:照合は押したときだけ行います。そのとき押した人のブラウザの IP アドレスが照合先のサービスに届きます。名刺を開いただけでは問い合わせません。結果は通話の間だけ覚えます。
- 鍵はブラウザごとにあり、書き出せません。ブラウザのデータを消したときや別の端末では、もう一度本人確認が要ります。
防げること:名乗るだけの「確認済み」、他人の証拠を写しただけの名刺、問いの横流し。
防げないこと:名刺の鍵や SNS アカウントそのものの乗っ取り、紛らわしい名前のアカウントがそのアカウントで正しく ✅ を取ること。✅ が示すのは「この SNS アカウントの持ち主が、この名刺の持ち主でもある」ところまでです。
通信の取り決めの細部(メッセージの形・署名文・照合の手順)は、リポジトリの 通信プロトコル仕様書 の §11 にあります。
9. 無視は受け取る側で完結
「この人の声を受け取らない」は、相手に何も送らず、自分のブラウザがその人からの音声・ひとこと・相づちを描画しないだけです。接続は切りません(切るとライブラリが即座に張り直すため、実測で捨てた案です)。配信部屋の名簿も同じ関門を通るので、「誰の音を鳴らすか」を決める場所はコード上一か所です。
10. 人数の上限
接続はフルメッシュで、全員が全員につながります。接続数は人数の二乗で増え、音声も人数分アップロードするので、上限を明示的に置いています。
| 部屋の種類 | 上限 | 快適な範囲 |
| 雑談部屋 | 8 人 | 4〜6 人 |
| 配信部屋 | 15 人 | 配信者 1 人+リスナー |
満室のとき抜けるのは、あとから入った側だけです(全員が同じ判定を回すと全員が抜けてしまうため、到着順で決めます)。大人数化には SFU(音声を集めて配り直すサーバ)が要ります。それは設備を持たない設計の外側なので、いまは上限のほうを選んでいます。
11. 在室の合図(バナー)
通話中は、その部屋が「いま開いているか」を外のページ(はじめにのバナーなど)が表示できるよう、在室を公開 Nostr リレーに 30 秒ごとに流します。載せるのは部屋名の SHA-256 ハッシュと絵文字だけで、部屋名も人の名前も送りません。リレーは保存しない種類のイベント(ephemeral)を使い、鍵はページごとの使い捨てです。
ハッシュなので、部屋名を知っている人だけがその部屋を見張れます。全部屋の一覧を第三者が覗くことはできません。バナー側は購読するだけで、運営サーバは介しません。
12. スマホ向けの工夫
- 自動再生の制限:iPhone はページを開き直した直後、ユーザー操作なしに音を鳴らせないことがあります。再生が拒否されたら「音声を有効化」を出し、画面のどこかをタップすれば鳴るようにしています。
- 音の出口を 1 本に:相手の声・BGM・通知音を Web Audio でまとめ、1 つの
<audio> 要素から出します。iOS はこの出口の扱いが厳しく、AudioContext の再開を 1 本に束ねないと音が連なります。
- 画面ロック:通話中は Wake Lock を取り、背面から戻ったときに取り直します。
- 小窓:部屋名を描いた canvas を映像トラックにして Picture-in-Picture に入れ、ほかのアプリを見ている間も通話中だと分かるようにしています。
- 声が来ないときの自己修復:受信トラックが届いても中身(RTP)が流れないことがあります。「要素があるか」ではなく「トラックが live で muted でないか」を見張り、数秒来なければ相手に送り直しを頼みます。送り直す側は一度外して新しい MediaStream に包んで入れ直し、受け取る側はライブラリを通さず WebRTC の track イベントから直接受けます。
- アプリ内ブラウザ:LINE・X・Instagram などの中のブラウザはマイクが使えないことがあるので、判定して Safari や Chrome で開き直す案内を出します。
13. 設備なしで成立させる、という設計
ぽっと通話の設計の芯は、運営が動かす設備を可能な限りゼロにしたまま、通話を成立させることです。配るのは HTML 1 枚。相手探しは公開リレー、声はブラウザどうし、中継は第三者、ロビーは参加者のブラウザのメッシュ。運営のコードで動いているのは中継の鍵を配る小さな Worker だけで、通信そのものはどこも通りません。
この形にすると、いくつかのことが自然に成り立ちます。
- 運用コストがほぼゼロ:サーバの監視も、スケールアウトも、障害対応もありません。人が増えれば、その人たちのブラウザが仕事をします。
- 集めていないものは漏れない:声も会話も在室も運営の手元に来ないので、守るべきデータベースがありません。プライバシーは設定ではなく構造で決まります。
- 運営が止まっても、通話は止まらない:運営の PC が落ちても、いま話している人たちの通話は続きます。リポジトリを fork して自分の GitHub Pages に置けば、同じものがもう一つ動きます。
- 読める大きさ:バックエンドが無いぶん、全体が 1 ファイルに収まります。何が起きているかを最後まで追えます。
引き換えに、手放したものもあります。過去の会話は残らず、部屋は人がいなくなると消えます。大人数の部屋は作れません。公開リレーや Cloudflare という第三者に依存し、そこが止まれば相手探しや中継も止まります(そのときは直接接続に落ちます)。
だから設計のルールは一つです。自前のサーバを足して解決しない。伸ばしたいものが出てきたら、まず参加者のブラウザと公開の仕組みでできないかを考えます(ロビーの拡張は公開リレーへの直接 publish、在室の表示は購読、といった具合に)。それでも足りないものは、いまは「やらない」と決めています。
14. テストと公開
- コードは GitHub で MIT ライセンスとして公開しています。自由に使用・改変・再配布できます。同梱している第三者ソフトウェアの表示もリポジトリにあります。
- 回帰テストはヘッドレス Chrome で 2〜9 タブを実際につないで確かめるもので、判定は 80 件を超えています(接続、再接続、無視、配信部屋の名簿、おたより、昼夜の配色のコントラストまで)。
- 自分で立てたい人向けの手順(GitHub Pages への公開、差し替えるべき値、TURN Worker のソース)は README にあります。
- アクセス数の測定は Cloudflare Web Analytics(Cookie 不使用・個人を特定しない)で、その集計は README で公開しています。
はじめにへ リポジトリを見る