共计 1734 个字符，预计需要花费 5 分钟才能阅读完成。
上一篇，咱们剖析了 5 种流媒体零碎与音视频提早的关系。明天，咱们将依照数据的流动步骤，剖析每个环节是如何影响音视频时延的，首先分享的是音视频“采集、前解决、编解码”这三个局部是如何引入时延，以及咱们的优化计划。
媒体数据流动步骤：
采集：把模拟信号变成数字信号；
前解决：包含 3A 之类的，把它变成污浊的信号；
编码：将信号送给编码器做编码编成码流，做数据压缩；
传输：把码流通过网络传输到对端；
抗抖动：对端在播放时要思考晦涩，卡顿的时候没法用，因而要做缓冲；
解码：当有肯定数据积攒后给解码器解码；
后处理：复原信号后有的产品会须要做后处理（通常不须要）；
渲染：最初交给设施做渲染，实现音频播放视频播放。
下面整套流程的每个环节都会引入时延，咱们能够针对每一环节去做优化。
1） 采集
音视频采集环节的提早，与硬件设施、采集的参数配置相干。在即构侧来说，咱们是和操作系统的接口打交道。在音频采集时，咱们须要思考音频采样频率，每一次 API 返回的采样点数。比方：
如果咱们以 44.1K 赫兹去采样，零碎 API 每次返回 1024 个点的数据，那么就有 23.2ms 的提早，再加上一些设施的提早，最终的提早会大于 23.2ms。如果以 48K 赫兹去采样，零碎 API 每次返回 192 个点的数据，提早只有 4ms。
但也不是越短越好，这里须要针对利用场景做衡量，很多状况下缩小采集帧长的意义不大，一方面编码的帧长有要求，另一方面可能会减少 CPU 开销。并且发送封包须要加包头，帧越短，须要拼帧做编码，payload 占比太小，意义没那么显著，甚至会减少额定开销。
2） 前解决
第二个是前解决。比方实时音频的回声打消、噪声克制、自动增益 3A 解决；语聊场景的变声；实时视频的美颜、挂件、磨皮、瘦脸等。这些都会产生时延，咱们能够从两个角度来看时延的产生：
第一个是算法的固有时延，在上面的图片中，原始数据是蓝色的曲线，咱们想通过 FIR 低通滤波给它做平滑解决，能够看到这个成果是不错的，它的确变平滑了而且它的波形没有太大变动，然而咱们也能够看到它整体向右移了，这其实就是算法的固有时延。
第二个就是计算时延，尤其是对视频来说有更大的挑战。通常咱们会把这个计算交给 GPU，那么 GPU 就有额定的累赘，这是一个异构的计算，咱们要把数据给 GPU，再把数据从 GPU 拉下来，这里是须要同步的，咱们发现会有 10%-20% 的提早。而为了失去这么大的吞吐量肯定要依附 GPU，因此这个是防止不了的。
3） 编解码
这是比拟重要的局部，这里次要指的是信源编码。信源编码的次要目标是压缩，把传输所须要的字节数压缩缩小，它须要衡量几个方面的货色：第一个是品质，第二个是码率，第三个是时延，第四个是吞吐。在等同码率下，一个编码方案引入的时延越高，通常来说品质会越高。
咱们能够看看常见的编码方案对提早的影响：
首先是音频的编码方案，以咱们罕用的 HE AAC 编码方案和开源的 OPUS 计划为例，HE AAE 零碎设计会引入 129ms 的固有时延，而 OPUS 能够做到 10ms 内，通常咱们在低提早的时候会抉择 OPUS。
在视频编码方面，H.264 是目前广泛应用的规范，它有多种编码类别，像 baseline profile、main profile 等，这两种编码最大的区别是 baseline profile 只产生 I 帧和 P 帧，而 main profile 除了 I 帧和 P 帧外还会产生 B 帧，B 帧是双向参考帧，它会参考将来的数据，当编码帧率是 20 帧每秒，一个 B 帧将引入 50ms 的额定提早。因此在实时通信场景中，咱们通常都是用 baseline profile。
另一方面，不同的编码实现对品质与提早都会产生影响，以视频编码为例。咱们要思考是用软件实现编码还是硬件实现编码，软编通常成果会比硬编好，一方面软编有十分多的策略去做晋升优化，另一方面软编的时延通常会比硬编的低。
当然也不是说软编就能完爆硬编，硬编的吞吐量大，当分辨率很大、码流很大的时候，软编是 hold 不住的，所以还是要依赖硬编。而硬编又依赖于具体的芯片实现，在某些芯片的实现上，硬编可能会达到 70ms 的提早，而硬解可能会达到 130ms 的提早，这和芯片性能相干。
以上就是采集、前解决、编解码环节，时延是如何造成的。第三篇咱们将分享在传输、渲染环节，有哪些影响时延的因素。