如何定义实时音视频互动, 延迟 400ms 内才能无异步感

实时音视频互动如果存在1秒左右的延时会给交流者带来异步感，必须将视频播放延迟限制在400ms以内，才能给用户较好的交互体验。

当延迟控制在400ms以内时，两个人音视频互动是实时的，不会有异步感存在，即实时音视频互动。

实时音视频互动产生延迟的原因

音视频互动的延迟是如何产生的？

我们先假设这样一个场景：位于北京的A客户端与位于广州的B客户端进行实时音视频互动。

该场景会有以下几个产生延迟的原因：

• 光的传输耗时 30ms；
• 网络处理耗时 10ms；
• 应用服务处理耗时 10ms；
• 客户端发送处理耗时 50ms（采集、编码、缓冲…）；
• 客户端接收处理耗时 50ms（缓冲、解码、渲染…）；

网络层面，在跨地区、跨运营商等情况下，传输延时会非常高并且不稳定，尤其在晚高峰或者网络拥堵的情况下延时更加无法把控。单纯通讯环境导致超过100ms的延迟时间，因此需要在技术层面达到较高的性能才能将延迟控制在200ms以内。

又拍云 UTUN 通讯网，数据传输耗时低于50ms

为了解决这个问题，又拍云设计了基于公网的通讯网 UTUN，以此实现所有客户端接入又拍云通讯网之后再进行交互。

UTUN 是一个分布式网络路由器，加入 UTUN 可以将数据以最快的速度传达到目的地，同时无需担心跨地区、跨 ISP、负载均衡、容灾等问题。

又拍云 UTUN 网络基于又拍云 CDN 网络部署，同时拥有200多个边缘接入节点、4000多台服务器、覆盖3大运营商、3个小运营商。

通过又拍云 UTUN 网络进行数据传输，国内可以做到传输低于50ms，海外传输低于200ms。计算入上文提到的应用层产生延时的点，50ms加上其他因素所导致的延时，又拍云国内传输可以做到100~200ms音视频互动。国际传输音视频互动延时等于应用层所消耗掉的100~200ms再加上网络传输的延时，又拍云能够做到400ms之内。

想要了解更多实时音视频互动技术实战解析，请阅读：

实时音视频互动系列（下）：基于 WebRTC 技术的实战解析

实时音视频互动系列（上）：又拍云UTUN网络详解