3、音频延迟基础：延迟的定义与分类、延迟对用户体验的影响、延迟测量指标

3.1 延迟到底是个什么东西？

音频延迟，说白了就是声音从发出到被听到之间的时间差。

我举个例子你就明白了。你对着麦克风说话，声音先变成电信号，经过处理，再通过耳机放出来。这个过程需要时间。哪怕只有几十毫秒，人耳也能察觉到。

我个人习惯把延迟分成三类：

• 输入延迟：从声源到设备的时间。比如麦克风采集声音，AD转换需要时间。
• 处理延迟：设备内部处理数据的时间。比如降噪、混响、编码解码。
• 输出延迟：从设备到耳朵的时间。比如DA转换、耳机驱动响应。

你想想看，这三类加起来，就是总延迟。我在项目中遇到过最头疼的情况是，明明每个环节都优化了，但总延迟还是超标。后来发现是缓冲区设置的问题。

3.2 延迟的分类：别被术语搞晕了

其实延迟的分类方式有很多种。我按实际工作中最常用的分法来讲。

3.2.1 按产生环节分

分类	典型场景	典型值
采集延迟	麦克风拾音、AD转换	1-5ms
传输延迟	蓝牙、WiFi、USB传输	5-50ms
处理延迟	算法处理、DSP运算	2-20ms
渲染延迟	DA转换、耳机驱动	1-10ms

嗯，这里要注意，蓝牙传输延迟是最容易出问题的。我曾经调试一个蓝牙耳机项目，传输延迟占了总延迟的60%以上。

3.2.2 按感知特性分

• 绝对延迟：从源头到终点的总时间。比如直播时观众听到的声音比现场晚多少。
• 相对延迟：两个声音之间的时间差。比如左右声道不同步。
• 抖动延迟：延迟值不稳定，忽大忽小。这个最烦人。

我建议你重点关注抖动延迟。为什么？因为绝对延迟可以通过预测补偿，但抖动延迟会让用户感觉声音「一卡一卡的」。

3.3 延迟对用户体验的影响：别小看那几十毫秒

很多人觉得延迟几毫秒无所谓。但实际体验下来，差别巨大。

我做过一个在线K歌项目。用户唱歌时听到自己声音延迟了30ms，结果就是唱不准调。你想想看，你唱歌时听到自己的声音比实际晚，你会不自觉地拖拍子。

还有游戏场景。FPS游戏里，枪声延迟超过50ms，玩家就会觉得「我开枪了怎么没声音？」。这种体验直接劝退用户。

3.4 延迟测量指标：怎么量化延迟？

测量延迟，说白了就是测时间差。但具体怎么测，有讲究。

3.4.1 常用指标

指标	含义	测量方法
RTT	往返时间	发一个信号，等它回来
单向延迟	单程时间	需要同步时钟
抖动	延迟的方差	多次测量取标准差

我个人习惯用RTT来估算单向延迟。因为单向延迟需要两端时钟同步，这个在工程上很难做到。

3.4.2 实测方法

我常用的方法有两种：

1. 脉冲响应法：发一个短脉冲信号，记录接收时间。简单粗暴。
2. 互相关法：发一段已知信号，用互相关算法找峰值。精度更高。

给你看个简单的代码示例：

// 伪代码：测量音频延迟
send_signal(click_sound);
start_time = get_current_time();
receive_signal(recorded_audio);
end_time = get_current_time();
delay = end_time - start_time;
printf("延迟: %d ms", delay);

3.5 避坑指南：我踩过的那些坑

我曾经调试一个USB音频设备，测出来的延迟总是比理论值大。折腾了两天，最后发现是USB的传输模式没选对。用同步传输模式，延迟能降低一半。

还有一次，蓝牙耳机的延迟在实验室测出来是30ms，但用户反馈说感觉有100ms。后来发现是手机端的A2DP协议栈有额外的缓冲。嗯，这里要注意，测量环境要和实际使用环境一致。

我建议你准备一个延迟测试工具箱：

• 一个能发脉冲信号的音频源
• 一个高精度的录音设备
• 一个示波器（看波形对齐）
• 一个延迟测试软件（比如Oscilloscope）

说白了，延迟测量就是个精细活。别嫌麻烦，多测几次，取稳定值。

下一章我会讲怎么优化延迟。到时候给你看几个实战案例，保证有用。