[SimplePlayer] 8. 音視訊同步
音訊與視訊在播放當中可能會由於種種原因（如：音視訊並非在同一時間開始播放，或視訊由於解碼任務繁重導致輸出影象延遲等）導致音訊與視訊的播放時間出現偏差，這種就是音視訊的同步問題，本文會對音視訊同步進行討論。
有三種音視訊同步方式：
- 視訊同步到音訊時鐘（synchronize video to audio clock）
- 音訊同步到視訊時鐘（synchronize audio to video clock）
- 音視訊同步到外部時鐘（synchronize audio and video to external clock）
常見的實現方式是把視訊同步到音訊時鐘。主要原因是，對於延遲以及卡頓，人的聽覺較視覺更為敏感，需要儘量保持音訊順暢輸出。
時鐘
我們前面提到視訊時鐘、音訊時鐘指的是連續的時間。視訊檔案記憶體儲的視訊以及音訊的時間戳都是離散的，不過如果我們假設視訊與音訊分別都有一個獨立的時鐘，各幀的時間戳代表的就是時鐘上的某一時刻。如果在某一時刻，此時音訊時鐘與視訊時鐘上的刻度相同，則表明此時的音視訊是完全同步的。
為了得到音訊或者視訊的時鐘，我們可以在音訊或者視訊輸出時記錄輸出幀的$pts$以及此時的系統時間$CLK_{put}$，然後在進行時鐘比較時取出上次輸出時的$pts$以及$CLK_{put}$，並獲取當前的系統時間$CLK_{get}$，最後執行以下運算就能得到音訊或者視訊時鐘。
$CLK = pts + CLK_{get} – CLK_{put}$
延遲
實際上音視訊之間總會存在延遲，如果在某一時刻，視訊時鐘的刻度大於音訊時鐘的刻度，則表明視訊比音訊播放早了，或者說音訊延遲了。
反之，如果在某一時刻，音訊時鐘的刻度大於視訊時鐘的刻度，則表明音訊比視訊播放早了，或者說視訊延遲了。
可接受的延遲範圍
人對延遲的敏感度並不會很高，對於通常的視訊幀率來說（24fps或者30fps，即延遲在40ms之內），一幀的延遲是人類不容易察覺，即可接受的延遲範圍。因此，如果音訊以及視訊的時鐘差值在此範圍內，則不用特地進行調整。
延遲調整
如果音訊時鐘與視訊時鐘之間的延遲超出可接受的範圍，則需要進行時鐘的調整，時鐘調整主要是通過改變某一幀的播放時間來實現的，實現的方法也有多種。如果視訊延遲了，則可以加快視訊幀的播放速度：一解碼完成，判斷視訊延遲，立即開始輸出影象；或者直接跳過那些pts不在可接受範圍內的幀。如果音訊延遲了，則可以延遲視訊的播放速度，或者先暫停輸出後面的視訊幀直到音訊追上。