真人视讯桌上，荷官朝全桌报牌那一声，比画面晚到大约1.4秒。这不是网络卡顿，是有人真去量出来的：一家做直播流媒体技术分析的团队跑了十二周，录下4812手二十一点，覆盖给美国新泽西、宾州、密歇根、西弗吉尼亚四个州持牌平台供货的四家演播室，逐帧比对荷官开口和牌面落图的时间。中位数1.38秒，均值1.44秒，拖得最狠的95分位到了2.61秒。
延迟不在传输层，在生产环节。一张直播桌其实是四路信号拼起来的：头顶的牌桌镜头、荷官脸部镜头、麦克风，还有画牌数和结果横幅的图形层。牌桌镜头最快，扑克牌落桌180到240毫秒就上屏；图形层要等服务端确认牌值，中位数多出390毫秒；荷官的麦克风最慢，演播室给每张桌的麦加了250毫秒延迟缓冲，防止相邻桌串音。几层叠起来，再算上客户端500到900毫秒的抖动缓冲，1.4秒就出来了。
手机端更明显。5G用户中位数1.9秒，LTE直接到2.3秒，因为抖动缓冲得按最差的连接来设。2024年美国真人视讯差不多68%的局发生在手机上，所以1.4秒是地板，不是天花板。做低延迟直播的人该盯的不止视频延迟一个数，是音画和图形层能不能跟上：把图形渲染从视频缓冲里解耦，结果横幅等服务端一确认就画出来，甚至给每张桌单独配一条音频通道。
这事对做直播包网的人是个提醒。选演播室供应商，别只问端到端延迟多少，得问它报牌时差和音画同步怎么测。低延迟直播的实现路径可以翻本站的低延迟直播实现路径，推流链路搭建看直播推流与多端分发，互动功能设计参考互动直播功能设计。方案拿不准，联系我们。