测量音频延迟

Question

我正在从事一个项目，该项目涉及使用中间编码步骤(即混合其他覆盖)的各种云流服务的音频流视频。

复杂过程中的每个阶段都进行了隔离测试，我们模拟了一个用于内部测试的本地环境。

我想把一个UAT脚本包放在一起，它适合于完全实时的配置。在此配置中，客户端将接收经过各种途径的4个输出。例如，一个视频/音频流通过两个云服务。源视频/音频是一种实时记录。

我可以写适当的测试，比较音频/视频之间的每一条路径的延迟。

我正在努力想出一个可行的解决方案来测试这些路径中的任何一个。

我正在考虑使用Skype，让它录制音频(作为最低限度，也许也是视频)在现场录制。然后，我可以根据输出流测量这个音频输出中的延迟。

最后，我会通过Skype录一段录音，通过流录一段录音。这样我就可以算出延迟了。如何计算实时录音和Skype录音之间的时间延迟？

这是至关重要的，因为我们正在推广我们的各种路径作为“在x秒内”，并希望为客户提供一个方法来证明这一点，在他们的UAT周期。

Answer 1

最简单的解决方案是在音频/视频信道中显式地发送时间数据。

如果你选择视频流，那就很简单了。只要在相机前放个钟就行了。在接收端，将另一个时钟放在摄像机前，Skype将两者组合成图片中的图片，比较起来容易，但不那么容易自动化。但肯定很容易读懂“手动”。

如果你只使用音频，那就更复杂了。你需要用一个技巧来发送时间参考。但这也是很容易做到的。例如；

1. 启动Skype流
2. 在某一时刻准确地发出一声计算机的嗡嗡声
3. 大声读出哔声的时间，或者让机器为你做这件事。
4. 根据需要对复杂的引用或状态重复此操作多次。
5. 在接收端，您需要一个工具来精确地确定接收时间，无论是手动的，还是通过蜂鸣器等。

这可能有点困难，但我希望这能让你走上正确的轨道。

Answer 2

托马斯有个很好的开始，让我补充一些细节和建议-

• 不要使用Skype作为录音设备，它本身具有继承的半随机延迟。
• 时钟作为一个精确的同步设备是不够好的，因为您的流可能具有低(Ish)可变帧速率，限制了您的精度。一种很好的方法是将定时嵌入到流本身中，例如在每个帧上增加一个计数器，并使用条形码(2d或3d)显示它--这样您就可以自动从流中提取数据。
  • 对于音频，您可以在音频流中添加尖峰，也可以简单地创建带有尖峰的音频文件。确保它们有足够的空间，这样它们就更远了，然后是你期望的最大延迟+一些。然后，您可以使用范围或音频编辑软件来比较和计算延迟。