对于音视频同步是有三种方案的，一种是以外部时钟为基准，音频时钟和视频时钟在播放时都以外部时钟为参考系，谁快了就等待，慢了就丢帧；第二种是以视频时钟为基准， 音频时钟在播放的过程中参考视频时钟；第三种是以音频时钟为基准，视频时钟在播放的过程中参考音频时钟。由于人体器官对视觉的敏感度没有听觉的灵敏度高，因此为了更好的体验，在音视频同步时一般都是以音频时钟为基准的方案。那是不是说其他两种方案没有用处呢？

环境搭建参数配置验证结果前面文章中已经介绍了《使用nginx搭建rtmp流媒体服务器》和《使用nginx搭建HLS服务器》，其实nginx的RTMP模块本身就支持接收RTMP推流、提供RTMP拉流服务及HLS切片器功能，因此可以直接通过nginx的rtmp模块直接接收RTMP推流、对音视频流进行HLS切片，而不需要ffmpeg去生成切片。

客户端Rtmp推流到服务器，服务器将消息缓存到各个客户端消费者自己的队列中，数据使用引用计数没有内存拷贝操作。过期数据将被清除。客户端消费者是SrsRtmpConnPlay类型，消费者播放流的流程在下一篇文章中介绍。SRS流媒体服务器源码分析（一）：Rtmp publish流程 - 简书。

从前面的学习可以知道，在一个视频文件中，音频和视频都是单独以一条流的形式存在，互不干扰。那么在播放时根据视频的帧率（Frame Rate）和音频的采样率（Sample Rate）通过简单的计算得到其在某一Frame（Sample）的播放时间分别播放，**理论**上应该是同步的。但是由于机器运行速度，解码效率等等因素影响，很有可能出现音频和视频不同步，例如出现视频中人在说话，却只能看到人物嘴动却没有

ICE延迟的原因是ICE协议栈在收集地址到探测协商过程花费很长时间，这在VOIP里是不可容忍的，有人把ICE功能关掉，这样解决了延迟问题，但是NAT穿越失败，媒体必须走服务器，这在一些webrtc与sip系统互通的系统中有应用价值，但在在两个webrtc客户端之间的呼叫不用ICE则失去了webrtc的价值。加密算法一般都是比较耗时的，webrtc在传输过程中采用的加密算法对传输延迟究竟有多大的影响

通过ffmpeg -version查看ffmpeg的版本，这里所查看的版本，是详细的版本，包含libavformat、libavcodec、libavutil、libavfilter、libswscale、libswresample的版本，如图： ffmpeg.exe -version。

严格地讲，基频和音调是两个不同的概念，基频是指声带振动的频率，音调是指人类对基频的主观感知，但是两者变化基本一致，即基频越高，音调越高，基频越低，音调越低，音调是由基频决定的。解码器中会缓存一定数量的帧，一个新的解码动作启动后，向解码器送入好几个 packet 后解码器才会输出第一个 packet，这比较容易理解，因为解码时帧之间有信赖关系，例如 IPB 三个帧被送入解码器后，B 帧解码需要依赖

ffmpeg支持windows、linux和mac，安装简单，使用方便。以上内容只是简单介绍ffmpeg软件基本使用方法，想要集成到公司产品中还需要一定的前端、运维等相关知识等。基于ffmpeg实现音视频转码 - 掘金。

随着时代的发展，人们对于远程视频观看的需求越来越旺盛，慢直播以后会越发的火热，像建房，城市建设，景区宣传，各地风貌介绍等等直播场景会越来越多。可是低成本，高可用，低消耗的技术在这一方面还没有开始普及。我们媒体技术人员在这一方面可以开发出更多的可用的技术储备以备不时之需。ffmpeg实现慢直播技术的应用。

数据流可以这样看 Camera -> SurfaceTexture -> Surface -> MediaCodec -> encode data(byte[]) -> RTMPMuxer -> Server音频数据：相对简单一些，就是从AudioRecord里获取原始音频数据（byte[])，编码成AAC数据（也是byte[])，然后给RTMPMuxer，封装成RTMP包，发到服务器。