前言：

延時(shí)話題屬于信號(hào)質(zhì)量?jī)?yōu)化的重點(diǎn)和難點(diǎn)，前人有很多探索和解決方法，可以說(shuō)這棵樹(shù)上結(jié)出了很多果實(shí)，促進(jìn)了技術(shù)的進(jìn)展，IP化新雨過(guò)后高處又冒出了嫩枝，筆者不自量力踩著前人搭好的梯子試圖嘗一嘗鮮。本文的內(nèi)容對(duì)于經(jīng)驗(yàn)豐富的工程師而言，可能存在頗多老調(diào)重彈之處，此次復(fù)習(xí)理論、溫故知新希望對(duì)更多讀者有所幫助。本篇將分上下兩期，為大家詳細(xì)介紹IP系統(tǒng)視音頻相對(duì)延時(shí)和絕對(duì)延時(shí)的一些心得。

無(wú)論在制作域還是傳輸域，計(jì)劃外的過(guò)大延時(shí)常是令工程師們頭疼的問(wèn)題。伴隨著近幾年IP設(shè)備普及，系統(tǒng)鏈路設(shè)計(jì)多樣化，遠(yuǎn)程制作、云制作、虛擬制作等新興技術(shù)迅猛發(fā)展，老生常談的延時(shí)話題又有了新篇，延時(shí)大小也成為設(shè)備選型和系統(tǒng)設(shè)計(jì)時(shí)需要衡量的核心指標(biāo)之一。

在實(shí)際測(cè)量過(guò)程中，我們發(fā)現(xiàn)有時(shí)某一節(jié)點(diǎn)或某一段鏈路的延時(shí)很難直接量化，因此清晰的測(cè)量思路以及合理利用測(cè)試儀器至關(guān)重要。為了系統(tǒng)性進(jìn)行闡述，下面將常見(jiàn)的延時(shí)問(wèn)題按筆者個(gè)人理解進(jìn)行簡(jiǎn)單分類。

圖1：延時(shí)問(wèn)題分類

延時(shí)(Delay)與延遲(Latency)有何不同

閱讀國(guó)外資料時(shí)，經(jīng)常會(huì)看到 “Delay”和“Latency”這兩個(gè)單詞，多數(shù)情況兩者進(jìn)行互換混用不會(huì)造成理解障礙，部分外國(guó)工程師也不會(huì)刻意去區(qū)分它們。但二者并不總是相同的，嚴(yán)格來(lái)講Delay是數(shù)據(jù)從一個(gè)端點(diǎn)傳輸?shù)搅硪粋€(gè)端點(diǎn)所花費(fèi)的時(shí)間。而Latency有雙重含義，有時(shí)被認(rèn)為是數(shù)據(jù)包從一個(gè)端點(diǎn)傳輸?shù)搅硪粋€(gè)端點(diǎn)所用的時(shí)間，這與單向Delay是一樣的，但更多的情況，Latency表示的是往返時(shí)間，包括發(fā)送數(shù)據(jù)包所需的時(shí)間加上它返回所需的時(shí)間。本文中闡述的多為單向延時(shí)，因此也不做過(guò)多區(qū)分。

一、相對(duì)延時(shí)

1.什么是相對(duì)延時(shí)？標(biāo)準(zhǔn)值從何而來(lái)？

音視頻相對(duì)延時(shí)是系統(tǒng)工程師們非常熟悉的一個(gè)概念，指的是由于系統(tǒng)內(nèi)音頻信號(hào)和視頻信號(hào)途經(jīng)不同路由，各設(shè)備信號(hào)處理時(shí)長(zhǎng)有快有慢，導(dǎo)致音視頻信號(hào)再度匯聚時(shí)，存在相對(duì)定時(shí)誤差，也被稱作AV Delay。音視頻加嵌后的末級(jí)信號(hào)相對(duì)延時(shí)過(guò)大，將出現(xiàn)“口型對(duì)不上”的聲畫(huà)不同步現(xiàn)象，最終影響系統(tǒng)指標(biāo)和素材收錄。此外，如果監(jiān)看與監(jiān)聽(tīng)信號(hào)間有過(guò)大的相對(duì)延時(shí)，超出可察覺(jué)門限甚至可接受門限，還會(huì)干擾到導(dǎo)播正常工作。

圖2：相對(duì)延時(shí)產(chǎn)生示意

那么專業(yè)制作系統(tǒng)相對(duì)延時(shí)的容限是多少？一些標(biāo)準(zhǔn)化組織對(duì)此給出了要求或建議，比如在EBU R37-2007中建議范圍是-60ms~+40ms（即音頻滯后60ms~音頻超前40ms），ATSC IS/191中是-45ms~+15ms。目前國(guó)內(nèi)更多采用的是由ITU-R BT.1359-1 (1998) 和GB/T 22150-2008 《電視廣播聲音和圖像的相對(duì)定時(shí)》中規(guī)定的-30ms~+22.5ms，那么這個(gè)范圍從何而來(lái)，背后有哪些深層的考慮？

圖3：BT.1359-1電視廣播聲音和圖像相對(duì)定時(shí)可察覺(jué)和可接受門限

經(jīng)過(guò)評(píng)估測(cè)試，在BT.1359中定義了以下概念：

平均可接受門限范圍：-185ms~+90ms（圖3中A-A’）

平均可察覺(jué)門限范圍：-125ms~+45ms（圖3中B-B’）

根據(jù)ITU制定的主觀評(píng)價(jià)等級(jí)，一個(gè)位于不可察覺(jué)平穩(wěn)段（圖3中C-C’）的信號(hào)，疊加上系統(tǒng)可能引入的誤差（B-C，-30ms；B’-C’，+22.5ms），依然能夠使系統(tǒng)輸出端音視頻相對(duì)延時(shí)保持在可察覺(jué)門限（B-B’）之上。因此，廣電總局測(cè)試以及索尼系統(tǒng)檢測(cè)服務(wù)都是以-30ms~+22.5ms作為系統(tǒng)內(nèi)音視頻相對(duì)延時(shí)的評(píng)判指標(biāo)。

2.相對(duì)延時(shí)與系統(tǒng)架構(gòu)有關(guān)嗎？有沒(méi)有參考經(jīng)驗(yàn)值？

不管采用基帶架構(gòu)、IP架構(gòu)或是混合架構(gòu)，以及系統(tǒng)鏈路如何設(shè)計(jì)，只要視音頻信號(hào)路由不同，都會(huì)存在相對(duì)延時(shí)。根據(jù)以往項(xiàng)目經(jīng)驗(yàn)，IP系統(tǒng)末級(jí)鏈路的相對(duì)延時(shí)平均典型值為+30ms左右，基帶系統(tǒng)普遍在+100ms上下，混合架構(gòu)需視混合程度具體分析。（數(shù)值僅供參考，系統(tǒng)設(shè)計(jì)或不同品牌設(shè)備可能有一定浮動(dòng)）

圖4：索尼系統(tǒng)檢測(cè)服務(wù)對(duì)某IP系統(tǒng)音視頻相對(duì)延時(shí)檢測(cè)結(jié)果

圖5：總局對(duì)某IP/SDI混合系統(tǒng)音視頻相對(duì)延時(shí)檢測(cè)結(jié)果

3.相對(duì)延時(shí)超出標(biāo)準(zhǔn)范圍怎么辦？

音視頻相對(duì)延時(shí)問(wèn)題的解決方法十分成熟，可以概括為先測(cè)量再校正。測(cè)量時(shí)首先打開(kāi)同步信號(hào)發(fā)生器的LipSync (Leader)或AV Timing(Telestream）功能，將測(cè)試信號(hào)由外來(lái)通道輸入，解嵌后分別經(jīng)過(guò)待測(cè)系統(tǒng)的音、視頻鏈路，末級(jí)加嵌后由示波器AV phase (Leader)或 AV Delay (Telestream)功能測(cè)得音視頻相對(duì)延時(shí)量。需要注意的是，同步信號(hào)發(fā)生器和示波器需要具備相應(yīng)選件，且應(yīng)保持品牌一致，混用可能無(wú)法測(cè)量出結(jié)果。

圖6：利用同步信號(hào)發(fā)生器+示波器測(cè)量音視頻相對(duì)延時(shí)

除了用LipSync測(cè)試信號(hào)進(jìn)行測(cè)試外，還可以將聲畫(huà)同步校準(zhǔn)裝置LSC-1（圖7）擺放于鏡頭前，用攝像機(jī)拍攝這一圈LED，同時(shí)用話筒拾取其發(fā)出的蜂鳴，將經(jīng)過(guò)待測(cè)鏈路后的信號(hào)錄制下來(lái)，檢查回放內(nèi)容。當(dāng)LSC-1最上方黃色LED亮起時(shí)，會(huì)同步發(fā)出一個(gè)蜂鳴，如在回放中聽(tīng)到蜂鳴時(shí)對(duì)應(yīng)亮起的LED是左半圈紅色，則表示系統(tǒng)為音頻超前；如亮起的是右側(cè)綠色，則表示系統(tǒng)為音頻滯后。相鄰兩個(gè)LED時(shí)間間隔為一幀，并且?guī)?0/60可選。類似設(shè)備在國(guó)外也有應(yīng)用，比如2022年歐歌賽，NEP用類似功能的Sync-it裝置進(jìn)行音視頻同步校準(zhǔn)。由于這種測(cè)試方法可以將現(xiàn)場(chǎng)→攝像機(jī)→系統(tǒng)完整鏈路全部囊括在測(cè)試范圍內(nèi)，所以是更偏重于實(shí)戰(zhàn)應(yīng)用層面的測(cè)試及校準(zhǔn)。

圖7：利用聲畫(huà)同步校準(zhǔn)裝置測(cè)量音視頻相對(duì)延時(shí)

如果不具備以上測(cè)試條件，也可通過(guò)在攝像機(jī)前朗讀爆破音、打板、扎氣球等動(dòng)作，用慢動(dòng)作服務(wù)器逐幀回放主觀判斷，進(jìn)行低精度替代。

4. IP系統(tǒng)中相對(duì)延時(shí)問(wèn)題有高效的解決辦法嗎？

首先，IP系統(tǒng)與基帶系統(tǒng)沒(méi)有區(qū)別，也存在相對(duì)延時(shí)問(wèn)題，其產(chǎn)生原因同樣是音視頻信號(hào)路由不同。對(duì)IP系統(tǒng)音視頻相對(duì)延時(shí)進(jìn)行測(cè)量時(shí)，既可以用IP示波器在IP域完成，也可以經(jīng)網(wǎng)關(guān)設(shè)備轉(zhuǎn)換為SDI信號(hào)后，再用傳統(tǒng)示波器測(cè)量。

?

圖9：Timestamp生成過(guò)程

IP系統(tǒng)中設(shè)備采用PTP協(xié)議同步，IP流利用RTP協(xié)議進(jìn)行分發(fā)，且在RTP Header中有Timestamp字段記錄時(shí)間戳。根據(jù)ST2059標(biāo)準(zhǔn)，各類信號(hào)雖采用不同頻率的采樣時(shí)鐘（視頻90kHz，音頻48kHz，輔助數(shù)據(jù)90kHz），但是仍舊可以根據(jù)PTP計(jì)算出RTP時(shí)鐘，再生成各個(gè)流的時(shí)間戳，在接收端也可以根據(jù)時(shí)間戳還原信號(hào)相位，最終保持信號(hào)同步。這是否意味著理論上可以通過(guò)Timestamp自動(dòng)對(duì)齊視音頻流，以實(shí)現(xiàn)LipSync？

可惜的是，目前在系統(tǒng)層面暫時(shí)無(wú)法做到。其核心問(wèn)題是：數(shù)據(jù)包每到達(dá)下一個(gè)設(shè)備并發(fā)出新流的同時(shí)，Timestamp字段會(huì)被重寫。換而言之，當(dāng)前最多可實(shí)現(xiàn)由A到B兩設(shè)備間音視頻流自動(dòng)對(duì)齊。如果是更復(fù)雜但卻很現(xiàn)實(shí)的情況——音視頻流分別經(jīng)不同鏈路、多臺(tái)設(shè)備處理并路由，以目前的機(jī)制無(wú)法在系統(tǒng)層面實(shí)現(xiàn)全局自動(dòng)Lipsync。

未來(lái)IP系統(tǒng)中是否可能產(chǎn)生自動(dòng)Lipsync解決方案呢？業(yè)內(nèi)已經(jīng)有專業(yè)人士提出建議：帶內(nèi)攜帶原始時(shí)間戳——將音頻輔助數(shù)據(jù)也作為Payload有效載荷的一部分，或采用RTP頭部擴(kuò)展機(jī)制，或在帶外輔助數(shù)據(jù)中攜帶原始時(shí)間戳（這將需要通過(guò)新的標(biāo)準(zhǔn)或協(xié)議去定義，比如AES X242, ST2110-41/-42, 或者NMOS），利用原始時(shí)間戳將視音頻流對(duì)齊。另一種思路是：鏈路中所有信號(hào)處理設(shè)備將信息給到Broadcast Controller，并且能夠接受Broadcast Controller下發(fā)的指令，通過(guò)控制系統(tǒng)輔助實(shí)現(xiàn)時(shí)間對(duì)齊。

圖10：Broadcast Controller接收并發(fā)送時(shí)間對(duì)齊信息

不過(guò)筆者認(rèn)為想要實(shí)現(xiàn)全流程音視頻自動(dòng)對(duì)齊還是存在一定技術(shù)難點(diǎn)，簡(jiǎn)單列舉以下：

●?當(dāng)多路IP音頻流混音時(shí)，具備多個(gè)不同時(shí)間戳該以哪個(gè)為準(zhǔn)作為原始時(shí)間戳？

●?IP音視頻自動(dòng)對(duì)齊時(shí)，如果希望對(duì)IP音頻流施加的延時(shí)量超出設(shè)備buffer容量時(shí)怎么處理？

●?在相對(duì)延時(shí)不穩(wěn)定的情況下，自動(dòng)對(duì)齊會(huì)不停改變音頻延時(shí)量，是否會(huì)帶來(lái)打火聲？（或許可以通過(guò)算法進(jìn)一步消耗算力來(lái)解決，以實(shí)現(xiàn)變速不變調(diào)）

●?如果兩個(gè)音頻系統(tǒng)采用基帶信號(hào)互聯(lián)互通(比如二級(jí)調(diào)音或級(jí)聯(lián))，直到音頻網(wǎng)關(guān)類設(shè)備才轉(zhuǎn)換為IP流打上時(shí)間戳，這時(shí)視頻全流程都在IP域，音頻全流程則由基帶加IP兩部分組成，最終若在IP域?qū)崿F(xiàn)音視頻流自動(dòng)對(duì)齊，將會(huì)有誤差，這樣做的意義和必要性看似不大。想要消除誤差，需要基帶音頻信號(hào)帶外傳輸時(shí)間信息，但如何將其轉(zhuǎn)換作為原始時(shí)間戳或許是需要突破的技術(shù)難點(diǎn)。目前看來(lái)，自動(dòng)對(duì)齊最為適用的場(chǎng)景還是圖10中列舉的IP攝像機(jī)視頻信號(hào)和機(jī)頭Mic音頻信號(hào)之間的對(duì)齊。

以上問(wèn)題為筆者個(gè)人疑問(wèn)，歡迎各位讀者溝通交流。

相對(duì)延時(shí)總結(jié)：

●?基帶系統(tǒng)、IP系統(tǒng)、混合系統(tǒng)都存在相對(duì)延時(shí)問(wèn)題。

●?測(cè)試系統(tǒng)相對(duì)延時(shí)用同步信號(hào)發(fā)生器+示波器組合更準(zhǔn)確，但也有其他替代手段。節(jié)目制作前的準(zhǔn)備階段可以用聲畫(huà)同步校準(zhǔn)裝置進(jìn)行輔助確認(rèn)。

●?轉(zhuǎn)播車、演播室系統(tǒng)中大多數(shù)情況都是音頻信號(hào)超前，通過(guò)在加嵌板卡（Sony IPG板卡AM50許可最大能夠延時(shí)250ms）或是調(diào)音臺(tái)主輸出母線相應(yīng)調(diào)整音頻延時(shí)量，即可消除末級(jí)信號(hào)中聲音和圖像的定時(shí)誤差。

●?如果監(jiān)聽(tīng)信號(hào)與監(jiān)看信號(hào)間存在不同步，可以通過(guò)監(jiān)聽(tīng)延時(shí)器或調(diào)音臺(tái)監(jiān)聽(tīng)母線調(diào)整延時(shí)，結(jié)合主觀判斷，控制監(jiān)聽(tīng)聲音滯后一定量，達(dá)到與監(jiān)看圖像匹配的目的。

編輯：黃飛

?