我正在构建一个用于教室环境的交互式语言学习应用程序。这个想法是，老师应该能够与学生交谈（=所有学生的音频流），让学生以两个或两个以上的小组相互交谈（=音频P2P），让学生观看来自DVD播放器或来自媒体服务器。应该可以保存音频/视频流。教师还应该能够监视，接管或阻止学生的桌面。该平台是Windows，它是一个桌面应用程序，没有Web应用程序。音频延迟应该尽可能小。可选择坐在家中的学生应该得到支持，但不是高优先级。Windows平台上的音频/视频流
我现在完成了应用程序的课堂控制部分（登录，监控，块，...），并希望开始音频和视频部分。我一直在评估DirectX，GStreamer和SIP等几个选项，但现在我必须做出决定。
的DirectX似乎针对Windows平台的不二之选，但它只是让我捕捉和播放音频和视频。编码/解码/网络部分我应该自己做。
的GStreamer包含了各种选项，以捕捉/编码/流/保存音频和视频流。我已经尝试了一下它（ossbuild）和它似乎涉及大量的试验和错误，使一些工作： - 麦克风捕获（通过directsoundsrc）产生在某些计算机 开裂的声音 - rtpL16装货没有工作以及 - 流在网络上的原始音频仅在8000的采样率，没有更高的 工作 - 有很多接收MPEG4视频（坏I帧）时的错误，就比其他一些 糟糕的电脑我的印象gstreamer主要针对Linux平台。对Windows平台的开发和支持似乎有点落后。不过，这是一个强大的框架，可以为我节省数月和数年的工作。
SIP似乎是能够做一切我想要的，但其目标是电话和IM。我不知道SIP有多灵活。在我看来，由于我已经有了一个可以控制和设置所有流的中央（教师）应用程序，所以SIP层将会开销很大。像opalvoip和freeswitch这样的框架的有趣部分是实际的音频/视频捕获，编码和传输。有没有人知道这些有趣的部分如何与gstreamer这样的框架相关？它们是否易于集成到自定义应用程序中？它们足够灵活吗？
有没有人有这些技术的全部或其中之一的经验？也许还有其他选择，我可以看看？
非常感谢您的建议