音视频不同步的成因分类、判断方法、人耳可接受阈值与延时补偿的计算与实施。
音视频不同步（唇音不同步）在会议、录播、庭审、直播中都是致命问题。它的成因多种多样，但排查与解决有清晰的逻辑。
一、人耳的可接受阈值
这是判断"需不需要处理"的依据：
- **音频滞后于视频**（先见人张嘴、后听到声音）：人耳较敏感，超过约 **45ms** 就能察觉。
- **音频超前于视频**（先听到声音、后见张嘴）：人耳宽容度更高，通常要到 **100~125ms** 以上才明显察觉。
为什么不对称：这是心理声学现象，人脑对"先有声音"的接受度高于"先有画面"。
实践结论：
- 如果是音频滞后，标准应更严（建议控制在 45ms 以内）。
- 如果是音频超前，可容忍更大误差。
- **因此调整时，宁可使音频略微超前，也不要使它滞后。**
二、成因分类
1. 视频处理链路引入的延时
- 视频处理器（缩放、拼接、融合）会引入处理延时（几十毫秒到上百毫秒）。
- 视频编解码（IP 编码、分布式系统）引入的延时更大（30~150ms）。
- 视频会议终端的编解码延时。
音频链路通常延时更小，所以表现为"音频超前"。
2. 音频链路引入的延时
- AEC/处理器（自适应滤波需要缓冲，会引入延时）。
- 网络音频的数字传输延时（通常很小，0.25~1ms）。
- 音频处理器中的延时设置错误。
若音频链路延时超过视频，表现为"音频滞后"。
3. 声程延时（容易被忽略）
声音传播本身需要时间：约 2.9ms/米。
- 报告厅中，后排听众听到的声音比看到的口型晚（距离 20m 即约 58ms 延时）。
- 这种情况下应给**靠近扬声器的位置**做延时补偿，而不是相反。
这是一个反直觉的点：主扩音箱靠近讲台时，讲台附近的人听到的是音箱的声音（近），而远处听到的是延迟的声音。声程差决定了补偿方向。
4. 录制/编码环节
- 录播主机、视频会议终端在编码时若视频与音频的缓冲不一致，会造成录制文件本身不同步。
- 不同设备间的时钟漂移会造成长时间录制后逐渐不同步。
三、判断是哪一段的问题
方法一：分段测试
把信号链路拆开，逐段测量：
- 信号源 → 显示设备（直连）：是否同步？
- 加入视频处理器后：是否同步？
- 完整链路：是否同步？
通过分段加入设备，可以定位到具体环节。
方法二：观察屏显设备的类型
- 液晶屏/投影本身有处理延时（不同型号差异大），LED 屏的延时通常较小。
- 同一信号源接到不同显示设备，同步表现可能不同。
方法三：用测试工具
- 专业的音视频同步测试仪可直接测量。
- 简易方法：拍摄一个"打拍子"的画面并录制输出，看录制文件中画面与声音的偏差帧数（1 帧约 33ms @30fps）。
四、延时补偿的实施
基本原理：延时只能增加，不能减少。所以补偿的方法是给"更快"的那一路加延时。
计算：
- 确定需要补偿的延时量（例如视频链路总延时 80ms，音频链路 20ms，则需给音频加 60ms）。
- 在音频处理器或调音台的延时模块中设置。
- 实测验证（用测试方法确认偏差在阈值内）。
注意：
- **音频处理器中的 AEC 与延时模块的先后顺序**可能影响效果，需按设备手册配置。
- 延时会增加系统总延时，在需要实时交互的场景（如互动演示、KVM）中要权衡。
- 视频会议场景中，本地延时补偿会影响远端听到的声音，需在两端协调。
五、各类场景的注意点
会议室/报告厅
- 主要问题是视频处理链路的延时（尤其经过视频处理器或 IP 传输时）。
- 声程延时在纵深大的厅堂明显，需要给近场补声加延时（这条与"音视频同步"不是同一回事，但常被混淆）。
录播教室
- 录播主机内部视频与音频的缓冲设置是关键。
- 长时间录制时注意时钟漂移。
- **录制的同步问题要在录制端解决，不能靠后期。**
庭审
- 音视频不同步超过一定阈值会被认定为记录瑕疵。**必须验收测试并记录偏差。**
- 建议在调试阶段就建立基线（记录各设备的延时设置与实测偏差）。
视频会议
- 本地播放的远端声音与画面之间的同步。
- 两端的延时不对称会造成"我这边感觉很同步、对方感觉很不同步"。**需要在两端都做测试验证。**
直播/推流
- 编码器的音视频缓冲设置、网络抖动都会影响同步。
- **网络抖动造成的不同步是动态的，难以用固定延时补偿**，应优先解决网络质量。
六、预防性设计
- **在设计阶段列出所有会引入延时的环节**及其大致延时量（视频处理器、IP 编码、AEC、显示设备）。
- **选择延时较小的设备**（关键场景避免深压缩的 IP 方案）。
- **把延时补偿能力纳入设备要求**（音频处理器应支持足够的延时范围）。
- **验收时测量并记录**，建立基线。
- **交付时说明延时设置**，避免后期有人误调。
七、常见错误
- **盲目调整音频延时而不测量** → 可能调错方向，越调越差。
- **试图通过减少延时来补偿**（延时无法减少，只能增加） → 方向错误。
- **忽略显示设备本身的延时差异** → 换设备后同步又出问题。
- **只在本地测试不测远端**（视频会议）→ 对端仍有问题。
- **忽略声程延时** → 把厅堂扩声的声程问题误判为设备不同步。
- **网络抖动导致的不同步用固定延时补偿** → 治标不治本。
八、一句话总结
音视频同步的基本规则是"只能加不能减，宁超前勿滞后，测了再调"。先确认人耳阈值（音频滞后 45ms 需处理），再分段定位是哪一段引入的延时，最后给较快的链路加补偿并实测验证。
常见问题
音视频不同步多少毫秒能被人察觉？
阈值不对称。音频滞后于视频（先见张嘴后听到声音）时人耳较敏感，超过约 45ms 就能察觉；音频超前于视频（先听到声音后见张嘴）时宽容度更高，通常要 100~125ms 以上才明显察觉。因此调整策略是宁可使音频略微超前，也不要让它滞后；如果是音频滞后，应按 45ms 以内的标准处理。
音视频不同步怎么补偿？
基本原则是延时只能增加不能减少，所以要给链路更快的那一路加延时。方法是先分段测试定位延时发生在哪一段（视频处理器、IP 编码、AEC、显示设备等），计算需补偿的差值，再在音频处理器或调音台的延时模块中设置，最后实测验证。注意延时设置会增加系统总延时，在需要实时交互的场景（互动演示、KVM）要权衡；视频会议场景还需两端协调并分别验证。