1. 音画同步基础：理解 PTS 与 DTS
音画同步，说白了就是让声音和画面在时间线上对齐。你想想看，一部电影里演员张嘴说话，声音却慢了半拍，那种感觉有多别扭。我刚开始做流媒体的时候，就经常被这种问题折磨得够呛。
要搞懂音画同步，必须先理解两个核心概念：PTS 和 DTS。这两个东西，是 FFmpeg 里所有时间相关操作的基石。
1.1 PTS 和 DTS 到底是什么？
PTS（Presentation Time Stamp），展示时间戳。它告诉播放器：这一帧画面或这一段音频，应该在什么时间点展示给用户。
DTS（Decoding Time Stamp），解码时间戳。它告诉解码器：这一帧数据，应该在什么时间点开始解码。
你可能会问：为什么要有两个时间戳？直接一个不行吗？
嗯，这里要注意。对于大多数视频编码格式，尤其是 H.264 和 H.265，帧的解码顺序和展示顺序是不一致的。举个例子：
- B 帧（双向预测帧）需要参考前后的帧才能解码。
- 所以解码器必须先解码后面的 P 帧，才能回头解码 B 帧。
- 这就导致 DTS 和 PTS 不一样。
我遇到过不少新手，直接用 DTS 当 PTS 用，结果画面顺序全乱了。说白了，PTS 是给用户看的，DTS 是给解码器用的，千万别搞混。
核心结论：
- PTS ≥ DTS，对于没有 B 帧的编码（如 MPEG-2 简单档次），PTS = DTS。
- PTS > DTS，对于有 B 帧的编码（如 H.264 High Profile），PTS 和 DTS 会错开。
1.2 时间基（Time Base）—— 别被单位搞晕
PTS 和 DTS 的值本身只是一个整数，它需要配合时间基（time_base）才能换算成真实的时间。
举个例子：
- 如果 time_base = 1/25，那么 PTS = 25 就代表 1 秒。
- 如果 time_base = 1/90000，那么 PTS = 90000 才代表 1 秒。
我个人习惯在调试时，先把所有时间戳统一换算成毫秒或微秒，这样对比起来更直观。FFmpeg 里常用的时间基有：
| 时间基 | 常见场景 | 精度 |
|---|---|---|
| 1/25 | PAL 制式视频 | 40 ms |
| 1/30 | NTSC 制式视频 | 33.33 ms |
| 1/1000 | 毫秒级精度 | 1 ms |
| 1/90000 | MPEG-TS 流 | 11.11 μs |
小技巧：用 FFmpeg 命令行查看流信息时，可以用 ffprobe -show_streams input.mp4，直接看 time_base 字段。我经常用这招快速定位时间基不匹配的问题。
1.3 音画不同步的常见原因
搞懂了 PTS 和 DTS，我们来看看实际项目中，音画不同步到底是怎么发生的。我总结了几种最常见的场景：
1.3.1 编码延迟
编码器在处理视频帧时，需要时间。尤其是硬件编码器，它可能会把几帧攒在一起处理，导致输出时间戳出现偏移。我曾经在一个直播项目里，用 NVIDIA 的 NVENC 编码器，结果发现音频已经播放了，视频还在编码队列里排队。嗯，这就是典型的编码延迟导致的不同步。
- 表现：声音先出来，画面慢半拍。
- 原因：编码器内部缓冲，或者编码复杂度太高。
- 解决思路：降低编码延迟，或者引入音视频时间戳补偿机制。
1.3.2 网络抖动
这个在直播和点播场景里都很常见。网络传输不稳定，导致数据包到达时间不一致。播放器如果处理不好，就会出现画面卡一下，然后突然快进，声音却还在正常播放。
- 表现：画面忽快忽慢，声音正常。
- 原因：网络延迟、丢包、抖动。
- 解决思路：使用 jitter buffer（抖动缓冲），或者调整播放器的时钟同步策略。
1.3.3 容器封装问题
容器格式（如 MP4、MKV、FLV）在封装音视频流时，时间戳信息可能被错误写入。我遇到过最离谱的一次，是一个 MP4 文件的音频轨 time_base 写成了 1/1000，视频轨却写成了 1/90000，结果播放器直接懵了。
- 表现：从头到尾都不同步，或者越播越不同步。
- 原因：封装工具 bug、手动修改时间戳、多段拼接时时间基不一致。
- 解决思路：用 FFmpeg 重新 remux，或者手动修正时间基。
避坑指南：我曾经在做一个多机位录制项目时，用 FFmpeg 拼接不同摄像头的视频流。结果发现每个摄像头的时钟源不一样，导致时间戳乱跳。后来我强制用 -vsync 2 和 -async 1 参数重新同步，才勉强解决。记住：多源输入时，一定要统一时间基。
1.4 知识体系总览
下面这张图，是我自己梳理的音画同步知识体系。你可以把它当作本章的思维导图：
1.5 如何用 FFmpeg 快速检查音画同步状态？
理论说完了，来点实战的。我平时排查音画同步问题，最常用的命令是：
ffprobe -v error -show_entries stream=index,codec_type,start_pts,time_base -of default=noprint_wrappers=1 input.mp4这条命令会输出每个流的起始 PTS 和时间基。如果音频和视频的起始 PTS 相差太大（比如超过一个帧的时长），那基本可以断定有同步问题。
另一个更直观的方法：
ffmpeg -i input.mp4 -vf "drawtext=text='%{pts\:hms}':x=10:y=10:fontsize=24:fontcolor=white" -an output.mp4这个命令会在视频画面上叠加当前帧的 PTS 时间。你播放输出文件，同时听音频，就能肉眼判断音画是否同步。我经常用这招给客户演示问题。
个人经验：如果发现音画不同步，先别急着调参数。第一步永远是确认时间基是否一致。我见过太多人花几个小时调编码参数，最后发现只是容器封装时 time_base 写错了。
好了，这一章的内容就到这里。PTS、DTS 和时间基，是音画同步的三大基石。后面的章节，我们会深入每个具体场景，看看 FFmpeg 里有哪些参数可以帮我们解决实际问题。