Słyszenie własnego głosu z zaledwie 25 do 30 milisekundami opóźnienia jest już oceniane jako ‘uciążliwe’ przez osoby czytające na głos, według badania z udziałem 32 uczestników opublikowanego w Ear and Hearing, i ta liczba w dużej mierze wyjaśnia, dlaczego sygnał w słuchawce prezentera w telewizji na żywo opiera się na usunięciu jego własnego głosu. Obraz oceniany jest równie surowo: EBU dopuszcza, by dźwięk wyprzedzał obraz o nie więcej niż 40 ms lub opóźniał się o nie więcej niż 60 ms na każdym wyjściu przeznaczonym do emisji. Tymczasem sama produkcja oddala się od miejsca wydarzenia: dwie trzecie zarezerwowanych usług zdalnych podczas igrzysk w Paryżu w 2024 roku było przesyłanych przez platformę chmurową, a nie przez satelitę. Zebraliśmy dane z ITU, EBU, ATSC, badań nad słuchem opublikowanych w Ear and Hearing i PLoS ONE, badania terenowego BBC R&D, University of Strathclyde i TV2, aliansu AIMS, pomiarów satelitarnych Starlinka z IFIP Networking oraz branżowej ankiety Haivision z 2026 roku. O stronie antenowej komentarza na żywo piszemy w towarzyszącym zestawieniu o dźwięku nadawczym komentatorów esportowych.
W tym artykule powracają dwa pojęcia. Talkback (nazywany też intercomem lub łącznością służbową) to prywatny kanał głosowy między reżyserką, którą brytyjscy nadawcy nazywają galerią (gallery), a ekipą. IFB, skrót od interruptible foldback (przerywalny podsłuch zwrotny), to sygnał w słuchawce prezentera: zwykle dźwięk programu, który producent może przerwać, aby przekazać polecenia. Ten sygnał jest zazwyczaj mix-minusem, czyli pełnym miksem pomniejszonym o własny głos prezentera, dzięki czemu nigdy nie słyszy on siebie wracającego z opóźnieniem.
TL;DR
- Widzowie zaczynają dostrzegać błąd synchronizacji dźwięku i obrazu przy około +45 ms (dźwięk wcześniej) do -125 ms (dźwięk później) (ITU-R BT.1359-1, 1998).
- Na każdym wyjściu przeznaczonym do emisji dźwięk może wyprzedzać obraz o 40 ms lub mniej i opóźniać się o 60 ms lub mniej (EBU R37-2007).
- Na wejściu koderów telewizji cyfrowej dźwięk nigdy nie powinien wyprzedzać o więcej niż 15 ms ani się opóźniać o więcej niż 45 ms (ATSC IS-191).
- Podczas czytania na głos 32 uczestników oceniło opóźnienie własnego głosu rzędu 25 do 30 ms jako uciążliwe (Stone i Moore, Ear and Hearing 2002).
- Próg zauważenia opóźnienia własnego głosu wynosił około 100 ms, przy SD 66,54 ms (Yamamoto i Kawabata, PLoS ONE 2011).
- Obecne systemy talkback DECT osiągają poniżej 40 ms do bezprzewodowego beltpacka i poniżej 70 ms między beltpackami (BBC R&D, Strathclyde i TV2, IBC2024).
- Poziomy B i C standardu SMPTE ST 2110-30 używają pakietów audio 125 mikrosekund, wobec 1 ms na poziomie A (AIMS, wprowadzenie do AES67 i ST 2110-30).
- Mediana opóźnienia uzgadniania połączenia TLS w Starlinku wynosiła około 80 ms w 2024 roku (Richter, Ververis i Bajpai, IFIP Networking 2025).
- 41% z ponad 1.300 ankietowanych specjalistów uznało produkcję zdalną za swój największy priorytet technologiczny na 2026 rok (Haivision Broadcast Transformation Report 2026).
- Dwie trzecie zarezerwowanych usług zdalnych u 54 nadawców w Paryżu 2024 korzystało z OBS Live Cloud (Olympic Broadcasting Services, 2024).
1. Tolerancje lip-sync: na co pozwalają standardy nadawcze
Każda decyzja dotycząca talkbacku i IFB mieści się w budżecie synchronizacji obrazu, którego widzowie pilnują, nawet o tym nie wiedząc. Kluczowa jest asymetria: widzowie znacznie lepiej tolerują dźwięk spóźniony (do około -125 ms, zanim to zauważą) niż dźwięk wyprzedzający (około +45 ms), co odpowiada codziennemu doświadczeniu, w którym widok zdarzenia dociera do nas przed jego dźwiękiem. W tych standardach liczba dodatnia oznacza, że dźwięk wyprzedza obraz, a ujemna, że się opóźnia.
Następnie standardy dzielą ten budżet percepcyjny na ogniwa łańcucha. Wartości EBU ustalono na podstawie testów subiektywnych, kiedy zerwanie zgodności ruchu warg z mową staje się zauważalne dla 50% obserwatorów, a EBU wymaga od każdego pojedynczego etapu zaledwie od 5 ms wcześniej do 15 ms później, aby błędy z wielu etapów nie sumowały się ponad limit od początku do końca. ATSC poszło jeszcze dalej na wejściu kodera, ponieważ druga połowa łańcucha, od kodera do odbiornika, nadal musi zmieścić się w tolerancji widza.
| Metryka | Wartość | Źródło |
|---|---|---|
| Próg wykrywalności błędu synchronizacji dźwięku i obrazu (wartość dodatnia = dźwięk wyprzedza obraz) | Około +45 ms do -125 ms | ITU-R BT.1359-1 (1998) |
| Próg akceptowalności błędu synchronizacji dźwięku i obrazu | Około +90 ms do -185 ms | ITU-R BT.1359-1 (1998) |
| Dopuszczalny błąd synchronizacji od punktu wyboru końcowego źródła programu (na przykład reżyserni nadawczej) do wejścia nadajnika | +22,5 ms do -30 ms | ITU-R BT.1359-1 (1998) |
| Limit od początku do końca na każdym wyjściu przeznaczonym do emisji: dźwięk przed obrazem a dźwięk po obrazie | 40 ms lub mniej a 60 ms lub mniej | EBU R37-2007 |
| Wymagana dokładność na każdym etapie łańcucha programowego | Dźwięk od 5 ms wcześniej do 15 ms później | EBU R37-2007 |
| Synchronizacja dźwięku na wejściach urządzeń kodujących telewizji cyfrowej | Nigdy więcej niż 15 ms wcześniej lub 45 ms później | ATSC IS-191, według TV Technology, 7 stycznia 2004 |
| Całkowity zakres od początku do końca dla systemu telewizji cyfrowej | +30 ms do -90 ms | ATSC IS-191, według TV Technology, 2004 |
Uwaga o kontekście: te dokumenty są stare, ale nadal stanowią robocze punkty odniesienia. Najnowsze dostępne dane: Rekomendacja BT.1359-1 (1998), R37 (wydana po raz pierwszy w 1986 roku, ponownie w 2007) i ATSC IS-191 (podane w 2004). Tekst R37 zaznacza, że w produkcji HD potrzebna jest szczególna ostrożność, więc limity należy czytać jako pułapy, a nie cele.
2. Spóźniony własny głos: progi opóźnienia autosłuchu
To liczba, która kształtuje projekt IFB. Badania nad aparatami słuchowymi są najlepiej kontrolowanym dowodem na to, jak mówca reaguje na własny opóźniony głos, i zbiegają się w wąskim oknie: opóźnienie staje się uciążliwe gdzieś między 20 a 30 ms, na długo przed tym, zanim załamie się sama mowa. Dla prezentera oznacza to, że mix-minus nie jest fanaberią. Każda ścieżka, która zawraca głos prezentera przez kodek, sieć i sygnał powrotny, przekroczy ten próg wielokrotnie (porównaj jednokierunkowe wartości dla satelity w sekcji 5).
Drugi wniosek jest taki, że zauważenie opóźnienia i uciążliwość to dwie różne sprawy. W niewielkim eksperymencie ze słuchawkami ludzie wiarygodnie wyczuwali, że ich głos jest spóźniony, dopiero przy około 100 ms, a badania nad uciążliwością lokują dyskomfort na ułamku tej wartości. Adaptacja nieco pomaga, ale dopiero po minutach do godziny, czego goście programu na żywo nigdy nie dostają. Producenci zajmujący się odsłuchem w studiu rozpoznają tę samą arytmetykę z buforów audio w komputerach, opisanych w naszym zestawieniu o rozmiarze bufora DAW i opóźnieniu audio.
| Metryka | Wartość | Źródło |
|---|---|---|
| Opóźnienie, przy którym echo własnego głosu oceniono jako uciążliwe (20 słuchaczy z normalnym słuchem i symulowanym łagodnym do umiarkowanego niedosłuchem) | Między 20 a 30 ms | Stone and Moore, Ear and Hearing 1999 |
| Czytanie na głos przez cyfrowy aparat słuchowy działający w czasie rzeczywistym, 32 uczestników (16 mężczyzn, 16 kobiet): opóźnienie ocenione jako uciążliwe a opóźnienie, przy którym zmieniły się miary wytwarzania mowy | 25 do 30 ms a powyżej 30 ms | Stone and Moore, Ear and Hearing 2002 |
| 25 mówców z niedosłuchem: zakres opóźnień z oceną 3 (prawdopodobnie ledwie akceptowalne) oraz czas, w którym nastąpiła pewna aklimatyzacja | 14 do 30 ms; około 1 godziny | Stone and Moore, Ear and Hearing 2005 |
| Punkt, w którym opóźniony własny głos wydawał się równoczesny, przy opóźnieniach od 0 do 200 ms przez słuchawki (6 dorosłych w wieku 21 do 24 lat powtarzających pojedynczy dźwięk głosowy) | 98,41 ms (SD 66,54 ms); próg wykrycia około 100 ms | Yamamoto and Kawabata, PLoS ONE 2011 |
| To samo badanie: punkt odczuwanej równoczesności po 3 minutach adaptacji do opóźnienia 0, 66 lub 133 ms | 67,60; 92,23 i 112,10 ms (F(2,10) = 15,80, p < 0,001) | Yamamoto and Kawabata, PLoS ONE 2011 |
| Opóźnienie przetwarzania testowane na 20 osobach z normalnym słuchem i 20 z niedosłuchem oceniających uciążliwość na skali 7-stopniowej | Do 50 ms; tolerancja istotnie większa przy niedosłuchu w dwóch z trzech warunków głosowych | Goehring, Chapman, Bleeck and Monaghan, International Journal of Audiology 2018 |
Uwaga o kontekście: próby są małe i specyficzne (dorośli z normalnym słuchem, mówcy z niedosłuchem, sześciu młodych dorosłych w wieku 21 do 24 lat), opóźnienia wytwarzały procesory aparatów słuchowych lub słuchawki, a żaden z uczestników nie był prezenterem telewizyjnym ani radiowym. Najnowsze dostępne dane: Stone i Moore, 1999 do 2005; Yamamoto i Kawabata, 2011; Goehring i in., 2018.
3. Budżety opóźnień talkbacku, IFB i intercomu
Różne osoby przy produkcji na żywo pracują w bardzo różnych budżetach opóźnień. Odsłuch douszny wykonawcy potrzebuje około 4 ms, członek ekipy z bezprzewodowym beltpackiem talkbacku (noszoną przy pasie jednostką intercomu) może pracować z dziesiątkami milisekund, a zdalny operator miksera wizji (osoba przełączająca między kamerami) może tolerować ponad pół sekundy, o ile nikt na miejscu nie musi widzieć efektu w czasie rzeczywistym. Budżety się różnią, bo różnią się pętle sprzężenia zwrotnego: piosenkarz słyszy własny głos, a operator kamery słyszy tylko polecenia.
Dlatego właśnie IFB projektuje się jako mix-minus, a nie pełny powrót programu. Międzynarodowy raport z 2004 roku o pętlach kontrybucyjnych wymienia stosowanie mix-minusa lub czystego sygnału do podsłuchu zwrotnego, wyciszanie podsłuchu zwrotnego przy otwartych mikrofonach oraz słuchawki zamknięte lub odsłuch douszny jako praktyki robocze, które trzymają echo poza pętlą (ITU-R Report BT.2044). Dla porównania z inną siecią o krytycznym znaczeniu głosu: radio z funkcją push-to-talk dla pierwszych służb ratunkowych działa w podobnych budżetach, co opisujemy w zestawieniu o opóźnieniach push-to-talk w łączności krytycznej.
| Metryka | Wartość | Źródło |
|---|---|---|
| Cel opóźnienia dla odsłuchów dousznych wykonawców a opóźnienie jednokierunkowe używanych obecnie mikrofonów bezprzewodowych i odsłuchów dousznych | 4 ms a poniżej 3 ms | BBC R&D, University of Strathclyde and TV2, IBC2024 |
| Cyfrowy talkback produkcyjny (DECT): od stacji bazowej do bezprzewodowego beltpacka a od beltpacka do beltpacka | Poniżej 40 ms a poniżej 70 ms | BBC R&D, University of Strathclyde and TV2, IBC2024 |
| Beltpack Clear-Com FreeSpeak Edge 5 GHz: opóźnienie dźwięku a od beltpacka do beltpacka | Poniżej 35 ms a 60 ms (deklaracja samego producenta) | Karta katalogowa Clear-Com FSE-BP50, wersja z sierpnia 2023 |
| Opóźnienie od ust do ucha, poniżej którego większość zastosowań mowy i nie-mowy ma praktycznie przezroczystą interaktywność (400 ms to ogólny pułap planowania sieci) | 150 ms | ITU-T G.114 (2003) |
| Opóźnienie od działania operatora do reakcji: punkt, w którym spadają dokładność i szybkość, a punkt istotnie obniżonego poczucia kontroli | Około 100 ms a ponad 300 ms | BBC R&D, University of Strathclyde and TV2, IBC2024 |
| Opóźnienie od kamery do miksera wizji, które tolerują zdalni operatorzy mikserów wizji, gdy nie są potrzebne sygnały powrotne na miejsce wydarzenia | Ponad 600 ms | BBC R&D, University of Strathclyde and TV2, IBC2024 |
Uwaga o wartościach odstających: wartość 150 ms z telefonii to punkt odniesienia dla rozmowy, a nie dla IFB. Prezenter słyszący własny głos reaguje przy 20 do 30 ms (sekcja 2), podczas gdy dwie osoby rozmawiające przez łącze tolerują mniej więcej pięć razy więcej (150 ms wobec 30 ms).
4. Transport AoIP: synchronizacja AES67 i SMPTE ST 2110-30
Wewnątrz budynku sam transport przestał być wąskim gardłem. Standardy audio przez IP (AoIP) definiują czasy pakietów w milisekundach lub krócej, więc wybór między czasem pakietu 1 ms a 125 mikrosekund jest dziś decyzją konfiguracyjną, a nie ograniczeniem technologii. Prawdziwe opóźnienie leży gdzie indziej: w kodekach, buforach i łączach dalekiego zasięgu (sekcja 5).
Drugi wątek to interoperacyjność. Własnościowe systemy AoIP miały każdy swoje wykrywanie, taktowanie i formaty strumieni, więc macierz talkbacku jednego producenta nie mogła po prostu subskrybować konsolety innego. AES67 definiuje wspólny tryb pracy, a SMPTE ST 2110-30 zawęża go dalej dla nadawania, co pozwala panelom intercomu IP i stacjom bazowym beltpacków dzielić sieć z kamerami i konsoletami. Nasze zestawienie o migracji studiów do AoIP, Dante i AES67 pokazuje, jak daleko ta migracja zaszła.
| Metryka | Wartość | Źródło |
|---|---|---|
| Pierwsza publikacja AES67 i późniejsze aktualizacje | 2013; aktualizacje w 2015 i 2018 | AIMS, Introduction to AES67 and its relationship with SMPTE ST 2110-30 |
| Pakiet SMPTE ST 2110: pierwsze opublikowane części | Grudzień 2017 | AIMS, wprowadzenie do AES67 i ST 2110-30 |
| Główny punkt pracy ST 2110-30 (poziom A): czas pakietu i kanały na strumień | 1 ms; 2 i 8 kanałów | AIMS, wprowadzenie do AES67 i ST 2110-30 |
| Poziomy B i C ST 2110-30: czas pakietu i maksymalna liczba kanałów na strumień | 125 mikrosekund; do 8 (poziom B) i do 64 (poziom C) | AIMS, wprowadzenie do AES67 i ST 2110-30 |
| Tryb zgodności AES67: wspólny format audio | 24-bit liniowy (L24), do 8 kanałów na strumień, 48 kHz | AIMS, wprowadzenie do AES67 i ST 2110-30 |
| Natywne limity strumieni przed trybem AES67: Dante a RAVENNA | Do 4 kanałów na przepływ a do 64 kanałów na strumień | AIMS, wprowadzenie do AES67 i ST 2110-30 |
Uwaga o kontekście: AIMS (Alliance for IP Media Solutions) to sojusz branżowy, którego mapa drogowa opiera się na tych standardach. Powyższe wartości to parametry projektowe ze standardów, a nie pomiary terenowe żadnej konkretnej instalacji.
5. Łącza kontrybucyjne: satelita, prywatne 5G, sieci komórkowe i LEO
Gdy sygnał opuszcza budynek, przejmują go fizyka i kodeki. Pojedynczy przeskok przez satelitę geostacjonarnego dodaje około 239 do 281 ms w jedną stronę z samej odległości, mniej więcej dziesięciokrotnie więcej niż 20 do 30 ms, przy których mówca uznaje własny opóźniony głos za uciążliwy (sekcja 2). Kodowanie audio w jakości nadawczej może dodać jeszcze 170 do 400 ms. Ten sam raport z 2004 roku zauważa, że dwie połowy pętli kontrybucyjnej rzadko są identyczne: nadawcy zwykle dają łącze wysokiej jakości na linii programowej, gorszej jakości na linii podsłuchu zwrotnego, a często wysyłają podsłuch zwrotny tylko audio nawet na łączach wideo.
Nowsze opcje skracają opóźnienie, ale dodają zmienność. Usługa satelitarna na niskiej orbicie okołoziemskiej (LEO), taka jak Starlink, obniżyła medianę opóźnienia do około 80 ms, ale z dwoma wyraźnymi skupiskami opóźnień i utratą pakietów, która różniła się ponad dziesięciokrotnie między sąsiednimi krajami. Prywatne sieci 5G mogą przenosić wideo produkcyjne z całkowitym opóźnieniem około 80 do 105 ms, podczas gdy ekipy newsowe korzystające z agregacji łączy komórkowych (wysyłania jednego sygnału z kamery przez kilka publicznych sieci komórkowych naraz) akceptują do dwóch sekund i w efekcie rezygnują z rozmowy dwukierunkowej na żywo.
| Metryka | Wartość | Źródło |
|---|---|---|
| Opóźnienie ścieżki przez satelitę geostacjonarnego wynikające z samej odległości: satelita bezpośrednio nad głową a na horyzoncie | Około 239 ms a około 281 ms | ITU-R Report BT.2044 (2004) |
| Opóźnienie kodowania audio: MPEG AAC w jakości nadawczej a AAC-LD o niskim opóźnieniu | 170 do 400 ms a około 60 ms | ITU-R Report BT.2044 (2004) |
| Mediana opóźnienia uzgadniania połączenia TLS w Starlinku w 2024 roku (RIPE Atlas, 146 sond) i drugie skupisko opóźnień | Około 80 ms; drugie skupisko przy około 150 do 250 ms | Richter, Ververis and Bajpai, IFIP Networking 2025 |
| Utrata pakietów w Starlinku, od stycznia 2022 do czerwca 2024: Niemcy a Austria | 10,52% a 0,73% | Richter, Ververis and Bajpai, IFIP Networking 2025 |
| Czas przejścia uplinku w prywatnym 5G w 10 testowanych konfiguracjach (20 Mb/s, o ile nie podano inaczej): zakres średnich a zakres maksimów | 6,4 do 13,8 ms a 10,2 do 53,6 ms | BBC R&D, University of Strathclyde and TV2, IBC2024 |
| Opóźnienie wideo od wejścia kodera do wyjścia dekodera: typowe prywatne 5G a zoptymalizowane, w porównaniu z bezprzewodowymi łączami kamer DVB-T COFDM | Około 100 do 105 ms a 80 ms a zwykle około 50 ms | BBC R&D, University of Strathclyde and TV2, IBC2024 |
| Opóźnienie wideo tolerowane przez kontrybucję newsową agregowaną przez publiczne sieci komórkowe | Do 2 sekund | BBC R&D, University of Strathclyde and TV2, IBC2024 |
Uwaga o wartościach odstających: wartości Starlinka to czasy uzgadniania połączenia TLS z serwerami głównymi, a nie jednokierunkowa ścieżka audio, a autorzy zaznaczają, że ich wynik jest sprzeczny z wcześniejszymi badaniami podającymi mediany wyraźnie poniżej 80 ms. Wyniki 5G pochodzą z prywatnych sieci jednokomórkowych, a autorzy dodają, że przekazanie między komórkami przerywa transmisję danych na około 20 ms. Najnowsze dostępne dane dla opóźnień satelitarnych i kodeków: Report BT.2044, 2004.
6. Produkcja zdalna i wdrożenia w chmurze
Dane o wdrożeniach wyjaśniają, dlaczego opóźnienia mają z roku na rok większe znaczenie. Produkcja zdalna (często nazywana REMI, od remote integration model: kamery i mikrofony na miejscu, reżyserka i ekipa gdzie indziej) przenosi pętlę talkbacku z kabla w wozie transmisyjnym do sieci rozległej. 41% z ponad 1.300 ankietowanych specjalistów wskazało produkcję zdalną jako swój największy priorytet technologiczny na 2026 rok, a odsetek korzystających z sieci komórkowych do kontrybucji na żywo wzrósł w ciągu roku z 46% do 54%.
Największe produkcje na żywo już przeszły na drugą stronę. W Paryżu 2024 dwie trzecie zarezerwowanych usług zdalnych działało w chmurze, wypierając satelitę, który wprowadzono na igrzyskach w Tokio w 1964 roku. Dane z ankiet wymagają jednak ostrożności: obie poniższe ankiety opierają się na respondentach, którzy sami się zgłosili, a większą prowadzi dostawca sprzętu kontrybucyjnego.
| Metryka | Wartość | Źródło |
|---|---|---|
| Respondenci wskazujący produkcję zdalną jako największy priorytet technologiczny na 2026 rok (ponad 1.300 respondentów) | 41% | Haivision Broadcast Transformation Report 2026, według SVG, marzec 2026 (badanie dostawcy) |
| Respondenci korzystający z sieci komórkowych do kontrybucji wideo na żywo, raport 2026 a raport 2025 | 54% a 46% | Haivision Broadcast Transformation Report 2026 (badanie dostawcy) |
| Respondenci korzystający z sieci komórkowych jako zapasowego łącza dla światłowodu | 61% | Haivision Broadcast Transformation Report 2026 (badanie dostawcy) |
| Respondenci korzystający z protokołu transportowego SRT, raport 2020 a raport 2026 | 47% a 78% | Haivision Broadcast Transformation Report 2026 (badanie dostawcy) |
| Specjaliści nadawczy i medialni wdrażający narzędzia produkcji w chmurze (312 czytelników, którzy sami się zgłosili, od listopada 2024 do stycznia 2025) | 60% | Ankieta branżowa NewscastStudio, luty 2025 |
| Główne bariery produkcji w chmurze: koszty a złożoność przepływu pracy a obawy o bezpieczeństwo | 33% a 25% a 17% | Ankieta branżowa NewscastStudio, 2025 |
| Paryż 2024: odsetek zarezerwowanych usług zdalnych korzystających z OBS Live Cloud | Dwie trzecie, u 54 nadawców | Olympic Broadcasting Services i Alibaba Cloud, według TV Technology, 2024 |
| Sygnały przesyłane przez OBS Live Cloud w Paryżu 2024 a nadawcy zasubskrybowani, gdy usługa stała się standardem w Pekinie 2022 | 379 sygnałów wideo (11 UHD, 368 HD) i 100 audio a 22 nadawców | Olympic Broadcasting Services, według TV Technology, 2024 |
Uwaga o kontekście: udział OBS liczy zarezerwowane usługi zdalne, a nie wszystkich nadawców posiadających prawa, a wartości ogłoszono w chwili rozpoczęcia igrzysk, a nie zmierzono po fakcie.
Podsumowanie: opóźnienia talkback i IFB w nadawaniu w liczbach
| Metryka | Wartość | Źródło |
|---|---|---|
| Próg wykrywalności błędu synchronizacji dźwięku i obrazu | Około +45 ms do -125 ms | ITU-R BT.1359-1 (1998) |
| Próg akceptowalności błędu synchronizacji dźwięku i obrazu | Około +90 ms do -185 ms | ITU-R BT.1359-1 (1998) |
| Limit lip-sync od początku do końca na każdym wyjściu przeznaczonym do emisji (dźwięk przed obrazem a po obrazie) | 40 ms lub mniej a 60 ms lub mniej | EBU R37-2007 |
| Synchronizacja dźwięku na wejściach koderów telewizji cyfrowej | Nigdy więcej niż 15 ms wcześniej lub 45 ms później | ATSC IS-191 (podane w 2004) |
| Opóźnienie własnego głosu ocenione jako uciążliwe podczas czytania na głos (32 uczestników) | 25 do 30 ms | Stone and Moore, Ear and Hearing 2002 |
| Zakres opóźnienia własnego głosu ocenionego jako prawdopodobnie ledwie akceptowalne (25 mówców z niedosłuchem) | 14 do 30 ms | Stone and Moore, Ear and Hearing 2005 |
| Próg zauważenia opóźnionego własnego głosu (6 uczestników) | Około 100 ms (SD 66,54 ms) | Yamamoto and Kawabata, PLoS ONE 2011 |
| Opóźnienie przetwarzania testowane na 20 osobach z normalnym słuchem i 20 z niedosłuchem | Do 50 ms | Goehring i in., International Journal of Audiology 2018 |
| Cel opóźnienia odsłuchów dousznych wykonawców | 4 ms | BBC R&D, University of Strathclyde and TV2, IBC2024 |
| Opóźnienie talkbacku DECT: do beltpacka a od beltpacka do beltpacka | Poniżej 40 ms a poniżej 70 ms | BBC R&D, University of Strathclyde and TV2, IBC2024 |
| Opóźnienie dźwięku bezprzewodowego beltpacka, deklaracja samego producenta | Poniżej 35 ms | Karta katalogowa Clear-Com FSE-BP50, 2023 |
| Czas pakietu ST 2110-30: poziom A a poziomy B i C | 1 ms a 125 mikrosekund | AIMS, wprowadzenie do AES67 i ST 2110-30 |
| Mediana opóźnienia uzgadniania połączenia TLS w Starlinku, 2024 | Około 80 ms | Richter, Ververis and Bajpai, IFIP Networking 2025 |
| Utrata pakietów w Starlinku w Niemczech, od stycznia 2022 do czerwca 2024 | 10,52% | Richter, Ververis and Bajpai, IFIP Networking 2025 |
| Produkcja zdalna wskazana jako największy priorytet technologiczny na 2026 rok | 41% | Haivision Broadcast Transformation Report 2026 (badanie dostawcy) |
| Specjaliści wdrażający narzędzia produkcji w chmurze | 60% | Ankieta branżowa NewscastStudio, 2025 |
| Zarezerwowane usługi zdalne w OBS Live Cloud w Paryżu 2024 | Dwie trzecie, u 54 nadawców | Olympic Broadcasting Services, 2024 |
Metodologia i źródła
- Międzynarodowa Unia Telekomunikacyjna: Rekomendacja BT.1359-1, Względna synchronizacja dźwięku i obrazu w nadawaniu (1998); Raport BT.2044, Dopuszczalne opóźnienie czasu przejścia w obie strony dla wstawek programów dźwiękowych i telewizyjnych (2004); Rekomendacja G.114, Czas transmisji w jedną stronę (2003).
- Europejska Unia Nadawców: R37-2007, Względna synchronizacja składowych dźwięku i obrazu sygnału telewizyjnego.
- Ustalenie IS-191 podkomitetu wdrożeniowego ATSC, według TV Technology, ATSC Recommends AV Sync Rules, 7 stycznia 2004.
- Stone i Moore, Dopuszczalne opóźnienia aparatów słuchowych, Ear and Hearing: część I, 1999; część II, 2002; część IV, 2005.
- Yamamoto i Kawabata, Temporal Recalibration in Vocalization Induced by Adaptation of Delayed Auditory Feedback, PLoS ONE 2011.
- Goehring, Chapman, Bleeck i Monaghan, Dopuszczalne opóźnienie w wytwarzaniu i percepcji mowy, International Journal of Audiology 2018.
- Waddell i in. (BBC R&D, University of Strathclyde i Neutral Wireless, TV2), Optimising 5G for low latency broadcast production, IBC2024.
- Clear-Com, karta katalogowa beltpacka FSE-BP50 FreeSpeak Edge, wersja z sierpnia 2023 (specyfikacja samego producenta).
- AIMS (Alliance for IP Media Solutions), Introduction to AES67 and its relationship with SMPTE ST 2110-30, zaprezentowane na konwencji AES w Nowym Jorku.
- Richter, Ververis i Bajpai (HPI, Uniwersytet w Poczdamie), Breaking Through the Clouds: Performance Insights into Starlink’s Latency and Packet Loss, IFIP Networking 2025.
- Haivision, Broadcast Transformation Report 2026, według Sports Video Group, 4 marca 2026.
- NewscastStudio, ankieta branżowa, 7 lutego 2025, 312 respondentów, przeprowadzona od listopada 2024 do stycznia 2025.
- Olympic Broadcasting Services i Alibaba Cloud, ogłoszenie OBS Cloud 3.0, według TV Technology, 2024.
- Uwaga o danych: większość danych percepcyjnych i normatywnych jest stara (1998 do 2018), ponieważ leżące u ich podstaw limity nie były ponownie testowane; w każdej sekcji oznaczono je jako najnowsze dostępne dane. Podkomitet wdrożeniowy ATSC uznał międzynarodową rekomendację lip-sync z 1998 roku za niewystarczającą dla telewizji cyfrowej, więc oba zestawy wartości różnią się celowo i nie jest to konflikt pomiarów. Wyniki Haivision i NewscastStudio pochodzą z prób, w których respondenci sami się zgłosili, a dostawca opisuje wzrost SRT z 47% do 78% jako ‘wzrost o 31%’, co jest różnicą w punktach procentowych między dwiema różnymi próbami. Mediany Starlinka mierzą uzgadnianie połączenia TLS i są sprzeczne z wcześniejszymi badaniami, które podawały niższe mediany. Wartość beltpacka Clear-Com to specyfikacja projektowa, a nie niezależny pomiar. Nie znaleziono publicznego, niezależnego zbioru danych o zmierzonym opóźnieniu pętli IFB w produkcjach zdalnych na żywo; dodamy go, jeśli opublikuje go nadawca lub organizacja normalizacyjna.
Ostatnia aktualizacja: 8 listopada 2026 roku. Aktualizujemy to zestawienie kwartalnie, a kolejnej aktualizacji spodziewamy się, gdy Haivision opublikuje swój Broadcast Transformation Report 2027.