สถิติความหน่วงของทอล์กแบ็กและ IFB ในงานถ่ายทอด (2026): ข้อมูลกว่า 40 จุดเกี่ยวกับขีดจำกัดลิปซิงก์ ความล่าช้าจากการฟังตัวเอง และลิงก์การผลิตระยะไกล

สถิติทอล์กแบ็กและ IFB ในงานถ่ายทอด 2026: ได้ยินเสียงตัวเองช้า 20 ถึง 30 ms ถูกประเมินว่ารบกวน และลิงก์ดาวเทียม GEO เพิ่มได้ถึง 281 ms

การได้ยินเสียงตัวเองช้าไปเพียง 25 ถึง 30 มิลลิวินาที ก็ถูกผู้ที่อ่านออกเสียงประเมินว่า ‘รบกวน’ แล้ว ตามการศึกษาที่มีผู้เข้าร่วม 32 คนใน Ear and Hearing และตัวเลขนี้อธิบายได้มากว่าทำไมสัญญาณหูฟังของพิธีกรในโทรทัศน์สดจึงถูกออกแบบให้ตัดเสียงของพิธีกรเองออก ภาพก็ถูกตัดสินอย่างเข้มงวดไม่แพ้กัน EBU อนุญาตให้เสียงนำหน้าภาพได้ไม่เกิน 40 ms หรือตามหลังได้ไม่เกิน 60 ms ที่เอาต์พุตใด ๆ ที่มีไว้สำหรับออกอากาศ ในขณะเดียวกันการผลิตเองก็ย้ายออกจากสถานที่จัดงาน โดยสองในสามของบริการระยะไกลที่จองไว้ในโอลิมปิกปารีส 2024 ถูกส่งผ่านแพลตฟอร์มคลาวด์แทนดาวเทียม เรารวบรวมข้อมูลจาก ITU, EBU, ATSC งานวิจัยด้านการได้ยินที่ตีพิมพ์ใน Ear and Hearing และ PLoS ONE การศึกษาภาคสนามของ BBC R&D, University of Strathclyde และ TV2 พันธมิตร AIMS การวัดดาวเทียมของ IFIP Networking และการสำรวจอุตสาหกรรมปี 2026 ของ Haivision สำหรับฝั่งการออกอากาศของการบรรยายสด ดูบทสรุปประกอบของเราเรื่องเสียงออกอากาศของนักพากย์และแคสเตอร์อีสปอร์ต

บทความนี้มีสองคำที่ปรากฏตลอด ทอล์กแบ็ก (เรียกอีกอย่างว่าอินเตอร์คอมหรือระบบสื่อสารภายใน) คือช่องสัญญาณเสียงส่วนตัวระหว่างห้องควบคุม ซึ่งผู้แพร่ภาพชาวอังกฤษเรียกว่าแกลเลอรี กับทีมงาน ส่วน IFB ซึ่งย่อมาจาก interruptible foldback (สัญญาณโฟลด์แบ็กที่ขัดจังหวะได้) คือสัญญาณในหูฟังของพิธีกร โดยปกติเป็นเสียงรายการที่โปรดิวเซอร์สามารถขัดจังหวะเพื่อสั่งงานได้ สัญญาณนั้นมักเป็น mix-minus หมายถึงมิกซ์เต็มที่ตัดเสียงของพิธีกรเองออก เพื่อไม่ให้พิธีกรได้ยินเสียงตัวเองย้อนกลับมาช้า

สรุปโดยย่อ

  • ผู้ชมเริ่มตรวจพบความคลาดเคลื่อนของจังหวะเวลาเสียงกับภาพที่ราว +45 ms (เสียงมาก่อน) ถึง -125 ms (เสียงมาช้า) (ITU-R BT.1359-1, 1998)
  • ที่เอาต์พุตใด ๆ ที่มีไว้สำหรับออกอากาศ เสียงอาจนำหน้าภาพได้ไม่เกิน 40 ms และตามหลังได้ไม่เกิน 60 ms (EBU R37-2007)
  • ที่อินพุตของตัวเข้ารหัส DTV เสียงไม่ควรนำหน้าเกิน 15 ms หรือตามหลังเกิน 45 ms (ATSC IS-191)
  • ระหว่างอ่านออกเสียง ผู้เข้าร่วม 32 คนประเมินว่าความล่าช้า 25 ถึง 30 มิลลิวินาทีของเสียงตัวเองรบกวน (Stone และ Moore, Ear and Hearing 2002)
  • เกณฑ์ของการสังเกตเห็นว่าเสียงตัวเองล่าช้าอยู่ที่ราว 100 ms โดยมี SD 66.54 ms (Yamamoto และ Kawabata, PLoS ONE 2011)
  • ระบบทอล์กแบ็ก DECT ในปัจจุบันทำได้ต่ำกว่า 40 ms ไปยังเบลต์แพ็กไร้สาย และต่ำกว่า 70 ms จากเบลต์แพ็กไปเบลต์แพ็ก (BBC R&D, Strathclyde และ TV2, IBC2024)
  • SMPTE ST 2110-30 ระดับ B และ C ใช้แพ็กเก็ตเสียง 125 ไมโครวินาที เทียบกับ 1 ms ในระดับ A (AIMS, บทนำ AES67 และ ST 2110-30)
  • ความหน่วงของการจับมือ TLS ค่ามัธยฐานของ Starlink อยู่ที่ราว 80 ms ในปี 2024 (Richter, Ververis และ Bajpai, IFIP Networking 2025)
  • 41% ของมืออาชีพกว่า 1,300 คนที่ถูกสำรวจระบุว่าการผลิตระยะไกลเป็นลำดับความสำคัญด้านเทคโนโลยีสูงสุดสำหรับปี 2026 (Haivision Broadcast Transformation Report 2026)
  • สองในสามของบริการระยะไกลที่จองไว้ใน 54 ผู้แพร่ภาพที่ปารีส 2024 ใช้ OBS Live Cloud (Olympic Broadcasting Services, 2024)

1. ค่าความคลาดเคลื่อนของลิปซิงก์: มาตรฐานงานถ่ายทอดอนุญาตเท่าใด

ทุกการตัดสินใจเรื่องทอล์กแบ็กและ IFB อยู่ภายใต้งบจังหวะเวลาของภาพที่ผู้ชมเฝ้าตรวจโดยไม่รู้ตัว ความไม่สมมาตรคือข้อสังเกตสำคัญ: ผู้ชมทนต่อเสียงที่มาช้า (ได้ถึงราว -125 ms ก่อนจะตรวจพบ) ได้ดีกว่าเสียงที่มาก่อน (ราว +45 ms) มาก ซึ่งเป็นรูปแบบที่ตรงกับประสบการณ์ในชีวิตประจำวัน เพราะภาพของเหตุการณ์มาถึงเราก่อนเสียงของมัน ในมาตรฐานเหล่านี้ ตัวเลขบวกหมายถึงเสียงนำหน้าภาพ และตัวเลขลบหมายถึงเสียงตามหลังภาพ

จากนั้นมาตรฐานก็แบ่งงบการรับรู้นี้ไปตามห่วงโซ่ ตัวเลขของ EBU กำหนดจากการทดสอบเชิงอัตวิสัยว่าเมื่อใดที่ความไม่ตรงกันระหว่างการขยับริมฝีปากกับคำพูดจะเริ่มสังเกตเห็นได้โดยผู้สังเกต 50% และ EBU ขอเพียงเสียงมาก่อน 5 ms ถึงมาช้า 15 ms ในแต่ละขั้นตอน เพื่อไม่ให้ความคลาดเคลื่อนจากหลายขั้นตอนสะสมเกินขีดจำกัดตั้งแต่ต้นทางถึงปลายทาง ATSC เข้มงวดยิ่งกว่าที่อินพุตของตัวเข้ารหัส เพราะครึ่งหลังของห่วงโซ่ ตั้งแต่ตัวเข้ารหัสถึงเครื่องรับ ก็ยังต้องอยู่ในความทนทานของผู้ชม

ตัวชี้วัดค่าแหล่งที่มา
เกณฑ์การตรวจพบความคลาดเคลื่อนของจังหวะเวลาเสียงกับภาพ (บวก = เสียงนำหน้าภาพ)ราว +45 ms ถึง -125 msITU-R BT.1359-1 (1998)
เกณฑ์การยอมรับได้ของความคลาดเคลื่อนของจังหวะเวลาเสียงกับภาพราว +90 ms ถึง -185 msITU-R BT.1359-1 (1998)
ความคลาดเคลื่อนของจังหวะเวลาที่อนุญาตจากจุดเลือกแหล่งรายการสุดท้าย (เช่น ห้องควบคุมหลัก) ถึงอินพุตของเครื่องส่ง+22.5 ms ถึง -30 msITU-R BT.1359-1 (1998)
ขีดจำกัดตั้งแต่ต้นทางถึงปลายทางที่เอาต์พุตใด ๆ ที่มีไว้สำหรับออกอากาศ: เสียงก่อนภาพและเสียงหลังภาพ40 ms หรือน้อยกว่า และ 60 ms หรือน้อยกว่าEBU R37-2007
ความแม่นยำที่ต้องการในแต่ละขั้นตอนของห่วงโซ่รายการเสียงมาก่อน 5 ms ถึงมาช้า 15 msEBU R37-2007
จังหวะเวลาของเสียงที่อินพุตของอุปกรณ์เข้ารหัส DTVต้องไม่มาก่อนเกิน 15 ms หรือมาช้าเกิน 45 msATSC IS-191 ตามที่ TV Technology รายงาน 7 มกราคม 2004
ช่วงรวมตั้งแต่ต้นทางถึงปลายทางของระบบ DTV+30 ms ถึง -90 msATSC IS-191 ตามที่ TV Technology รายงาน 2004

หมายเหตุด้านบริบท: เอกสารเหล่านี้เก่าแต่ยังเป็นเอกสารอ้างอิงที่ใช้งานจริง ข้อมูลล่าสุดที่มี: Recommendation BT.1359-1 (1998), R37 (เผยแพร่ครั้งแรกปี 1986 และเผยแพร่ใหม่ปี 2007) และ ATSC IS-191 (รายงานปี 2004) ข้อความของ R37 ระบุว่าต้องระมัดระวังเป็นพิเศษในการผลิตแบบ HD ดังนั้นควรอ่านขีดจำกัดเหล่านี้เป็นเพดาน ไม่ใช่เป้าหมาย

2. การได้ยินเสียงตัวเองช้า: เกณฑ์ความล่าช้าของการฟังตัวเอง

นี่คือตัวเลขที่กำหนดรูปแบบการออกแบบ IFB งานวิจัยเครื่องช่วยฟังเป็นหลักฐานที่ควบคุมได้ดีที่สุดว่าผู้พูดตอบสนองอย่างไรต่อเสียงตัวเองที่ล่าช้า และผลลัพธ์ลู่เข้าสู่ช่วงแคบ: ความล่าช้าเริ่มรบกวนที่ระดับไหนสักแห่งระหว่าง 20 ถึง 30 มิลลิวินาที ซึ่งเป็นเวลานานก่อนที่การพูดเองจะแย่ลง สำหรับพิธีกร นั่นหมายความว่า mix-minus ไม่ใช่ของฟุ่มเฟือย เส้นทางใด ๆ ที่วนเสียงพิธีกรกลับผ่านตัวแปลงรหัส เครือข่าย และสัญญาณย้อนกลับ (return) จะข้ามเกณฑ์นั้นไปหลายเท่า (เทียบกับตัวเลขดาวเทียมขาเดียวในหัวข้อที่ 5)

ข้อสังเกตที่สองคือ การสังเกตเห็นความล่าช้ากับการถูกรบกวนจากมันเป็นคนละเรื่องกัน ในการทดลองหูฟังขนาดเล็ก ผู้คนรู้สึกได้อย่างน่าเชื่อถือว่าเสียงตัวเองช้าเมื่อราว 100 ms เท่านั้น ทว่าการศึกษาเรื่องการรบกวนวางความไม่สบายไว้ที่เพียงเศษเสี้ยวของค่านั้น การปรับตัวช่วยได้บ้าง แต่ต้องใช้เวลาตั้งแต่ไม่กี่นาทีถึงหนึ่งชั่วโมง ซึ่งแขกรับเชิญในรายการสดไม่เคยมี โปรดิวเซอร์ที่ดูแลการมอนิเตอร์ในสตูดิโอจะคุ้นเคยกับการคำนวณแบบเดียวกันจากบัฟเฟอร์เสียงของคอมพิวเตอร์ ซึ่งครอบคลุมในบทสรุปของเราเรื่องขนาดบัฟเฟอร์ DAW และความหน่วงของเสียง

ตัวชี้วัดค่าแหล่งที่มา
ความล่าช้าที่เสียงสะท้อนของเสียงตัวเองถูกประเมินว่ารบกวน (ผู้ฟังที่การได้ยินปกติ 20 คนที่จำลองการสูญเสียการได้ยินระดับน้อยถึงปานกลาง)ระหว่าง 20 ถึง 30 มิลลิวินาทีStone และ Moore, Ear and Hearing 1999
การอ่านออกเสียงผ่านเครื่องช่วยฟังดิจิทัลแบบเรียลไทม์ ผู้เข้าร่วม 32 คน (ชาย 16 หญิง 16): ความล่าช้าที่ถูกประเมินว่ารบกวน และความล่าช้าที่ค่าวัดการผลิตเสียงพูดเปลี่ยนไป25 ถึง 30 มิลลิวินาที และมากกว่า 30 มิลลิวินาทีStone และ Moore, Ear and Hearing 2002
ผู้พูดที่มีความบกพร่องทางการได้ยิน 25 คน: ช่วงความล่าช้าที่ได้คะแนน 3 (น่าจะพอยอมรับได้) และระยะเวลาที่เกิดการปรับตัวบางส่วน14 ถึง 30 มิลลิวินาที และราว 1 ชั่วโมงStone และ Moore, Ear and Hearing 2005
จุดที่เสียงตัวเองที่ล่าช้ารู้สึกว่าเกิดพร้อมกัน เมื่อมีความล่าช้า 0 ถึง 200 ms ผ่านหูฟัง (ผู้ใหญ่ 6 คนอายุ 21 ถึง 24 ปี พูดซ้ำเสียงพูดเสียงเดียว)98.41 ms (SD 66.54 ms) เกณฑ์การตรวจพบราว 100 msYamamoto และ Kawabata, PLoS ONE 2011
การศึกษาเดียวกัน: จุดที่รู้สึกว่าเกิดพร้อมกันหลังปรับตัว 3 นาทีกับความล่าช้า 0, 66 หรือ 133 ms67.60, 92.23 และ 112.10 ms (F(2,10) = 15.80, p<.001)Yamamoto และ Kawabata, PLoS ONE 2011
ความล่าช้าจากการประมวลผลที่ทดสอบกับผู้ฟังที่การได้ยินปกติ 20 คนและผู้ที่มีความบกพร่องทางการได้ยิน 20 คน ซึ่งให้คะแนนความรำคาญบนสเกล 7 ระดับสูงสุด 50 ms และความทนทานสูงกว่าอย่างมีนัยสำคัญเมื่อมีการสูญเสียการได้ยินใน 2 จาก 3 เงื่อนไขเสียงGoehring, Chapman, Bleeck และ Monaghan, International Journal of Audiology 2018

หมายเหตุด้านบริบท: กลุ่มตัวอย่างมีขนาดเล็กและเฉพาะเจาะจง (ผู้ใหญ่ที่การได้ยินปกติ ผู้พูดที่มีความบกพร่องทางการได้ยิน ผู้ใหญ่วัยหนุ่มสาวหกคนอายุ 21 ถึง 24 ปี) ความล่าช้าถูกสร้างโดยตัวประมวลผลของเครื่องช่วยฟังหรือหูฟัง และไม่มีผู้เข้าร่วมคนใดเป็นพิธีกรงานถ่ายทอด ข้อมูลล่าสุดที่มี: Stone และ Moore ปี 1999 ถึง 2005 Yamamoto และ Kawabata ปี 2011 Goehring และคณะ ปี 2018

3. งบความหน่วงของทอล์กแบ็ก IFB และอินเตอร์คอม

คนต่างตำแหน่งในการผลิตสดอยู่ในงบความหน่วงที่แตกต่างกันมาก อินเอียร์มอนิเตอร์ของนักแสดงต้องการราว 4 ms สมาชิกทีมงานที่ใช้เบลต์แพ็กทอล์กแบ็กไร้สาย (อุปกรณ์อินเตอร์คอมที่คาดเอว) ทำงานได้ด้วยความหน่วงหลายสิบมิลลิวินาที และผู้ควบคุมเครื่องสวิตช์ภาพระยะไกล (ผู้ที่ตัดสลับระหว่างกล้อง) ทนได้เกินครึ่งวินาที ตราบเท่าที่ไม่มีใครที่สถานที่จัดงานต้องเห็นผลแบบเรียลไทม์ งบต่างกันเพราะวงจรป้อนกลับต่างกัน: นักร้องได้ยินเสียงตัวเอง ส่วนช่างกล้องได้ยินเพียงคำสั่ง

นั่นก็เป็นเหตุผลที่ IFB ถูกออกแบบเป็น mix-minus ไม่ใช่สัญญาณย้อนกลับของรายการแบบเต็ม รายงานนานาชาติปี 2004 ว่าด้วยวงจรส่งสัญญาณต้นทางระบุว่าการใช้ mix-minus หรือสัญญาณสะอาด (clean feed) สำหรับโฟลด์แบ็ก การปิดเสียงโฟลด์แบ็กเมื่อไมโครโฟนเปิด และหูฟังแบบปิดหรืออินเอียร์มอนิเตอร์ เป็นแนวปฏิบัติที่กันเสียงสะท้อนออกจากวงจร (ITU-R Report BT.2044) เพื่อเปรียบเทียบกับเครือข่ายเสียงอีกประเภทที่เสียงสำคัญมาก วิทยุกดเพื่อพูดสำหรับผู้ตอบสนองเหตุฉุกเฉินทำงานภายใต้งบที่คล้ายกัน ซึ่งครอบคลุมในบทสรุปของเราเรื่องความหน่วงของระบบกดเพื่อพูดสำหรับภารกิจสำคัญ

ตัวชี้วัดค่าแหล่งที่มา
เป้าหมายความหน่วงของอินเอียร์มอนิเตอร์สำหรับนักแสดง และความหน่วงขาเดียวของไมโครโฟนไร้สายและอินเอียร์มอนิเตอร์ที่ใช้อยู่ในปัจจุบัน4 ms และต่ำกว่า 3 msBBC R&D, University of Strathclyde และ TV2, IBC2024
ทอล์กแบ็กการผลิตแบบดิจิทัล (DECT): จากสถานีฐานไปเบลต์แพ็กไร้สาย และจากเบลต์แพ็กไปเบลต์แพ็กต่ำกว่า 40 ms และต่ำกว่า 70 msBBC R&D, University of Strathclyde และ TV2, IBC2024
เบลต์แพ็ก Clear-Com FreeSpeak Edge 5 GHz: ความหน่วงของเสียง และจากเบลต์แพ็กไปเบลต์แพ็กต่ำกว่า 35 ms และ 60 ms (ข้ออ้างของผู้ผลิตเอง)เอกสารข้อมูล Clear-Com FSE-BP50 ฉบับแก้ไขสิงหาคม 2023
ความล่าช้าจากปากถึงหู ซึ่งต่ำกว่าค่านี้แอปพลิเคชันเสียงพูดและไม่ใช่เสียงพูดส่วนใหญ่จะมีการโต้ตอบที่แทบโปร่งใส (400 ms คือเพดานทั่วไปในการวางแผนเครือข่าย)150 msITU-T G.114 (2003)
ความล่าช้าจากการป้อนข้อมูลถึงการตอบสนองของผู้ควบคุม: จุดที่ความแม่นยำและความเร็วลดลง และจุดที่ความรู้สึกควบคุมลดลงอย่างมีนัยสำคัญราว 100 ms และเกิน 300 msBBC R&D, University of Strathclyde และ TV2, IBC2024
ความล่าช้าจากกล้องถึงเครื่องสวิตช์ภาพที่ผู้ควบคุมเครื่องสวิตช์ภาพระยะไกลทนได้ เมื่อไม่ต้องมีสัญญาณย้อนกลับไปยังสถานที่จัดงานเกิน 600 msBBC R&D, University of Strathclyde และ TV2, IBC2024

หมายเหตุเกี่ยวกับค่าผิดปกติ: ตัวเลข 150 ms ของโทรศัพท์เป็นเกณฑ์เปรียบเทียบสำหรับการสนทนา ไม่ใช่เกณฑ์ของ IFB พิธีกรที่ได้ยินเสียงตัวเองตอบสนองที่ 20 ถึง 30 มิลลิวินาที (หัวข้อที่ 2) ในขณะที่คนสองคนที่คุยกันผ่านลิงก์ทนได้มากกว่าราวห้าเท่า (150 ms เทียบกับ 30 มิลลิวินาที)

4. การส่งผ่าน AoIP: จังหวะเวลาของ AES67 และ SMPTE ST 2110-30

ภายในอาคาร ตัวการส่งผ่านเองไม่ใช่คอขวดอีกต่อไป มาตรฐานเสียงผ่าน IP (AoIP) กำหนดเวลาแพ็กเก็ตเป็นมิลลิวินาทีหรือสั้นกว่า ดังนั้น การเลือกระหว่างเวลาแพ็กเก็ต 1 ms กับ 125 ไมโครวินาทีจึงเป็นการตัดสินใจด้านการตั้งค่าแล้ว ไม่ใช่ขีดจำกัดของเทคโนโลยี ความหน่วงที่แท้จริงอยู่ที่อื่น: ในตัวแปลงรหัส บัฟเฟอร์ และลิงก์ระยะไกล (หัวข้อที่ 5)

เรื่องที่สองคือการทำงานร่วมกันได้ ระบบ AoIP เฉพาะของแต่ละผู้ผลิตมีวิธีค้นหาอุปกรณ์ การซิงก์สัญญาณนาฬิกา และรูปแบบสตรีมของตนเอง ทำให้เมทริกซ์ทอล์กแบ็กของผู้ผลิตรายหนึ่งไม่สามารถสมัครรับสัญญาณจากคอนโซลของอีกรายได้โดยง่าย AES67 กำหนดโหมดการทำงานร่วมกัน และ SMPTE ST 2110-30 จำกัดให้แคบลงสำหรับงานถ่ายทอด ซึ่งทำให้แผงอินเตอร์คอม IP และสถานีฐานของเบลต์แพ็กใช้เครือข่ายร่วมกับกล้องและคอนโซลได้ บทสรุปของเราเรื่องการย้ายสตูดิโอไปสู่ AoIP, Dante และ AES67 ครอบคลุมว่าการย้ายนั้นคืบหน้าไปไกลเพียงใด

ตัวชี้วัดค่าแหล่งที่มา
AES67 เผยแพร่ครั้งแรก และการปรับปรุงภายหลังปี 2013 และปรับปรุงในปี 2015 และ 2018AIMS, Introduction to AES67 and its relationship with SMPTE ST 2110-30
ชุดมาตรฐาน SMPTE ST 2110: ส่วนแรกที่เผยแพร่ธันวาคม 2017AIMS, บทนำ AES67 และ ST 2110-30
จุดทำงานหลักของ ST 2110-30 (ระดับ A): เวลาแพ็กเก็ตและจำนวนช่องต่อสตรีม1 ms และ 2 กับ 8 ช่องAIMS, บทนำ AES67 และ ST 2110-30
ST 2110-30 ระดับ B และ C: เวลาแพ็กเก็ตและจำนวนช่องสูงสุดต่อสตรีม125 ไมโครวินาที และสูงสุด 8 (ระดับ B) กับสูงสุด 64 (ระดับ C)AIMS, บทนำ AES67 และ ST 2110-30
โหมดความเข้ากันได้ของ AES67: รูปแบบเสียงร่วมเชิงเส้น 24 บิต (L24) สูงสุด 8 ช่องต่อสตรีม 48 kHzAIMS, บทนำ AES67 และ ST 2110-30
ขีดจำกัดสตรีมดั้งเดิมก่อนโหมด AES67: Dante เทียบกับ RAVENNAสูงสุด 4 ช่องต่อโฟลว์ และสูงสุด 64 ช่องต่อสตรีมAIMS, บทนำ AES67 และ ST 2110-30

หมายเหตุด้านบริบท: AIMS (Alliance for IP Media Solutions) เป็นพันธมิตรของอุตสาหกรรมที่แผนงานสร้างขึ้นบนมาตรฐานเหล่านี้ ตัวเลขข้างต้นเป็นพารามิเตอร์การออกแบบจากมาตรฐาน ไม่ใช่ผลการวัดภาคสนามของการติดตั้งใดโดยเฉพาะ

5. ลิงก์ส่งสัญญาณต้นทาง: ดาวเทียม 5G ส่วนตัว เซลลูลาร์ และ LEO

เมื่อสัญญาณออกจากอาคาร ฟิสิกส์และตัวแปลงรหัสจะเข้ามามีบทบาท การกระโดดผ่านดาวเทียมค้างฟ้าเพียงหนึ่งช่วงเพิ่มความล่าช้าราว 239 ถึง 281 ms ขาเดียว จากระยะทางเพียงอย่างเดียว ซึ่งมากกว่า 20 ถึง 30 มิลลิวินาทีที่ผู้พูดรู้สึกว่าเสียงตัวเองที่ล่าช้ารบกวนราวสิบเท่า (หัวข้อที่ 2) การเข้ารหัสเสียงคุณภาพงานถ่ายทอดอาจเพิ่มอีก 170 ถึง 400 ms รายงานปี 2004 ฉบับเดียวกันระบุว่าสองครึ่งของวงจรส่งสัญญาณต้นทางแทบไม่เหมือนกัน: ผู้แพร่ภาพมักใช้วงจรคุณภาพสูงสำหรับสายรายการ และวงจรคุณภาพต่ำกว่าสำหรับสายโฟลด์แบ็ก และมักส่งโฟลด์แบ็กเฉพาะเสียงแม้ในลิงก์วิดีโอ

ตัวเลือกใหม่ลดความล่าช้าลงแต่เพิ่มความแปรปรวน บริการดาวเทียมวงโคจรต่ำ (LEO) เช่น Starlink ลดความหน่วงค่ามัธยฐานลงมาเหลือราว 80 ms แต่มีความหน่วงสองกลุ่มที่แยกจากกันและการสูญเสียแพ็กเก็ตที่แตกต่างกันมากกว่าสิบเท่าระหว่างประเทศเพื่อนบ้าน เครือข่าย 5G ส่วนตัวส่งวิดีโอการผลิตได้ด้วยความล่าช้ารวมราว 80 ถึง 105 ms ขณะที่ทีมข่าวที่ใช้เซลลูลาร์แบบรวมช่อง (ส่งสัญญาณกล้องหนึ่งตัวผ่านเครือข่ายมือถือสาธารณะหลายเครือข่ายพร้อมกัน) ยอมรับได้ถึงสองวินาที และต้องยอมสละการสนทนาสองทางแบบสดไปโดยปริยาย

ตัวชี้วัดค่าแหล่งที่มา
ความล่าช้าของเส้นทางดาวเทียมค้างฟ้าจากระยะทางเพียงอย่างเดียว: ดาวเทียมอยู่เหนือศีรษะพอดีเทียบกับที่ขอบฟ้าราว 239 ms และราว 281 msITU-R Report BT.2044 (2004)
ความล่าช้าจากการเข้ารหัสเสียง: MPEG AAC คุณภาพงานถ่ายทอดเทียบกับ AAC-LD ความล่าช้าต่ำ170 ถึง 400 ms และราว 60 msITU-R Report BT.2044 (2004)
ความหน่วงของการจับมือ TLS ค่ามัธยฐานของ Starlink ในปี 2024 (RIPE Atlas โพรบ 146 ตัว) และกลุ่มความหน่วงที่สองราว 80 ms และกลุ่มที่สองราว 150 ถึง 250 msRichter, Ververis และ Bajpai, IFIP Networking 2025
การสูญเสียแพ็กเก็ตของ Starlink มกราคม 2022 ถึงมิถุนายน 2024: เยอรมนีเทียบกับออสเตรีย10.52% และ 0.73%Richter, Ververis และ Bajpai, IFIP Networking 2025
เวลาส่งผ่านขาอัปลิงก์ของ 5G ส่วนตัวจาก 10 การกำหนดค่าที่ทดสอบ (20 Mb/s เว้นแต่ระบุไว้): ช่วงของค่าเฉลี่ยและช่วงของค่าสูงสุด6.4 ถึง 13.8 ms และ 10.2 ถึง 53.6 msBBC R&D, University of Strathclyde และ TV2, IBC2024
ความหน่วงของวิดีโอ จากอินพุตตัวเข้ารหัสถึงเอาต์พุตตัวถอดรหัส: 5G ส่วนตัวแบบทั่วไปเทียบกับแบบปรับแต่งแล้ว เทียบกับลิงก์กล้องไร้สาย DVB-T COFDMราว 100 ถึง 105 ms และ 80 ms และโดยทั่วไปราว 50 msBBC R&D, University of Strathclyde และ TV2, IBC2024
ความล่าช้าของวิดีโอที่ยอมรับได้สำหรับการส่งข่าวต้นทางแบบรวมช่องผ่านเครือข่ายมือถือสาธารณะสูงสุด 2 วินาทีBBC R&D, University of Strathclyde และ TV2, IBC2024

หมายเหตุเกี่ยวกับค่าผิดปกติ: ตัวเลขของ Starlink เป็นเวลาจับมือ TLS ไปยังเซิร์ฟเวอร์ราก ไม่ใช่เส้นทางเสียงขาเดียว และผู้เขียนระบุว่าผลของตนขัดแย้งกับการศึกษาก่อนหน้าที่รายงานค่ามัธยฐานต่ำกว่า 80 ms มาก ผล 5G มาจากเครือข่ายส่วนตัวแบบเซลล์เดียว และผู้เขียนเสริมว่าการส่งต่อเซลล์ (handover) ทำให้ข้อมูลหยุดชะงักราว 20 ms ข้อมูลล่าสุดที่มีสำหรับความล่าช้าของดาวเทียมและตัวแปลงรหัส: Report BT.2044 ปี 2004

6. การผลิตระยะไกลและการนำคลาวด์มาใช้

ตัวเลขการนำมาใช้อธิบายว่าเหตุใดตัวเลขความหน่วงจึงสำคัญขึ้นทุกปี การผลิตระยะไกล (มักเรียกว่า REMI ย่อมาจาก remote integration model หรือโมเดลการรวมระบบระยะไกล: กล้องและไมโครโฟนอยู่ที่สถานที่จัดงาน ส่วนห้องควบคุมและทีมงานอยู่ที่อื่น) ย้ายวงจรทอล์กแบ็กจากสายเคเบิลภายในรถถ่ายทอดสดไปสู่เครือข่ายบริเวณกว้าง 41% ของมืออาชีพกว่า 1,300 คนที่ถูกสำรวจระบุว่าการผลิตระยะไกลเป็นลำดับความสำคัญด้านเทคโนโลยีสูงสุดสำหรับปี 2026 และสัดส่วนผู้ที่ใช้เครือข่ายเซลลูลาร์สำหรับการส่งสัญญาณต้นทางแบบสดเพิ่มขึ้นจาก 46% เป็น 54% ในหนึ่งปี

การผลิตสดที่ใหญ่ที่สุดข้ามผ่านจุดนั้นไปแล้ว ที่ปารีส 2024 สองในสามของบริการระยะไกลที่จองไว้ทำงานผ่านคลาวด์ เข้ามาแทนที่ดาวเทียมซึ่งเริ่มนำมาใช้ในโอลิมปิกโตเกียว 1964 อย่างไรก็ตาม ข้อมูลการสำรวจต้องใช้ความระมัดระวัง: การสำรวจทั้งสองรายการด้านล่างอาศัยผู้ตอบที่เลือกเข้าร่วมเอง และรายการที่ใหญ่กว่าดำเนินการโดยผู้จำหน่ายอุปกรณ์ส่งสัญญาณต้นทาง

ตัวชี้วัดค่าแหล่งที่มา
ผู้ตอบที่ระบุว่าการผลิตระยะไกลเป็นลำดับความสำคัญด้านเทคโนโลยีสูงสุดสำหรับปี 2026 (ผู้ตอบกว่า 1,300 คน)41%Haivision Broadcast Transformation Report 2026 ตามที่ SVG รายงาน มีนาคม 2026 (การสำรวจของผู้จำหน่าย)
ผู้ตอบที่ใช้เครือข่ายเซลลูลาร์สำหรับการส่งวิดีโอต้นทางแบบสด รายงานปี 2026 เทียบกับรายงานปี 202554% และ 46%Haivision Broadcast Transformation Report 2026 (การสำรวจของผู้จำหน่าย)
ผู้ตอบที่ใช้เครือข่ายเซลลูลาร์เป็นระบบสำรองของไฟเบอร์61%Haivision Broadcast Transformation Report 2026 (การสำรวจของผู้จำหน่าย)
ผู้ตอบที่ใช้โปรโตคอลขนส่ง SRT รายงานปี 2020 เทียบกับรายงานปี 202647% และ 78%Haivision Broadcast Transformation Report 2026 (การสำรวจของผู้จำหน่าย)
มืออาชีพด้านงานถ่ายทอดและสื่อที่กำลังนำเครื่องมือการผลิตบนคลาวด์มาใช้ (ผู้อ่านที่เลือกตอบเอง 312 คน พฤศจิกายน 2024 ถึงมกราคม 2025)60%การสำรวจอุตสาหกรรมของ NewscastStudio กุมภาพันธ์ 2025
อุปสรรคสำคัญของการผลิตบนคลาวด์: ต้นทุน ความซับซ้อนของขั้นตอนการทำงาน และความกังวลด้านความปลอดภัย33% 25% และ 17%การสำรวจอุตสาหกรรมของ NewscastStudio 2025
ปารีส 2024: สัดส่วนบริการระยะไกลที่จองไว้และใช้ OBS Live Cloudสองในสาม ใน 54 ผู้แพร่ภาพOlympic Broadcasting Services และ Alibaba Cloud ตามที่ TV Technology รายงาน 2024
สัญญาณที่ส่งผ่าน OBS Live Cloud ที่ปารีส 2024 เทียบกับผู้แพร่ภาพที่สมัครใช้เมื่อบริการกลายเป็นมาตรฐานที่ปักกิ่ง 2022วิดีโอ 379 สัญญาณ (UHD 11 HD 368) และเสียง 100 สัญญาณ เทียบกับ 22 ผู้แพร่ภาพOlympic Broadcasting Services ตามที่ TV Technology รายงาน 2024

หมายเหตุด้านบริบท: สัดส่วนของ OBS นับบริการระยะไกลที่จองไว้ ไม่ใช่ผู้แพร่ภาพที่ถือลิขสิทธิ์ทั้งหมด และตัวเลขถูกประกาศเมื่อการแข่งขันเริ่มต้นขึ้น ไม่ได้วัดภายหลัง

สรุป: ความหน่วงของทอล์กแบ็กและ IFB ในงานถ่ายทอดผ่านตัวเลข

ตัวชี้วัดค่าแหล่งที่มา
เกณฑ์การตรวจพบความคลาดเคลื่อนของจังหวะเวลาเสียงกับภาพราว +45 ms ถึง -125 msITU-R BT.1359-1 (1998)
เกณฑ์การยอมรับได้ของความคลาดเคลื่อนของจังหวะเวลาเสียงกับภาพราว +90 ms ถึง -185 msITU-R BT.1359-1 (1998)
ขีดจำกัดลิปซิงก์ตั้งแต่ต้นทางถึงปลายทางที่เอาต์พุตใด ๆ ที่มีไว้สำหรับออกอากาศ (เสียงก่อนเทียบกับหลังภาพ)40 ms หรือน้อยกว่า และ 60 ms หรือน้อยกว่าEBU R37-2007
จังหวะเวลาของเสียงที่อินพุตตัวเข้ารหัส DTVต้องไม่มาก่อนเกิน 15 ms หรือมาช้าเกิน 45 msATSC IS-191 (รายงานปี 2004)
ความล่าช้าของเสียงตัวเองที่ถูกประเมินว่ารบกวนขณะอ่านออกเสียง (ผู้เข้าร่วม 32 คน)25 ถึง 30 มิลลิวินาทีStone และ Moore, Ear and Hearing 2002
ช่วงความล่าช้าของเสียงตัวเองที่ถูกประเมินว่าน่าจะพอยอมรับได้ (ผู้พูดที่มีความบกพร่องทางการได้ยิน 25 คน)14 ถึง 30 มิลลิวินาทีStone และ Moore, Ear and Hearing 2005
เกณฑ์การสังเกตเห็นเสียงตัวเองที่ล่าช้า (ผู้เข้าร่วม 6 คน)ราว 100 ms (SD 66.54 ms)Yamamoto และ Kawabata, PLoS ONE 2011
ความล่าช้าจากการประมวลผลที่ทดสอบกับผู้ฟังที่การได้ยินปกติ 20 คนและผู้ที่มีความบกพร่องทางการได้ยิน 20 คนสูงสุด 50 msGoehring และคณะ, International Journal of Audiology 2018
เป้าหมายความหน่วงของอินเอียร์มอนิเตอร์สำหรับนักแสดง4 msBBC R&D, University of Strathclyde และ TV2, IBC2024
ความหน่วงของทอล์กแบ็ก DECT: ไปยังเบลต์แพ็ก และจากเบลต์แพ็กไปเบลต์แพ็กต่ำกว่า 40 ms และต่ำกว่า 70 msBBC R&D, University of Strathclyde และ TV2, IBC2024
ความหน่วงของเสียงเบลต์แพ็กไร้สาย ข้ออ้างของผู้ผลิตเองต่ำกว่า 35 msเอกสารข้อมูล Clear-Com FSE-BP50 2023
เวลาแพ็กเก็ตของ ST 2110-30: ระดับ A เทียบกับระดับ B และ C1 ms และ 125 ไมโครวินาทีAIMS, บทนำ AES67 และ ST 2110-30
ความหน่วงของการจับมือ TLS ค่ามัธยฐานของ Starlink ปี 2024ราว 80 msRichter, Ververis และ Bajpai, IFIP Networking 2025
การสูญเสียแพ็กเก็ตของ Starlink ในเยอรมนี มกราคม 2022 ถึงมิถุนายน 202410.52%Richter, Ververis และ Bajpai, IFIP Networking 2025
การผลิตระยะไกลที่ถูกระบุว่าเป็นลำดับความสำคัญด้านเทคโนโลยีสูงสุดสำหรับปี 202641%Haivision Broadcast Transformation Report 2026 (การสำรวจของผู้จำหน่าย)
มืออาชีพที่กำลังนำเครื่องมือการผลิตบนคลาวด์มาใช้60%การสำรวจอุตสาหกรรมของ NewscastStudio 2025
บริการระยะไกลที่จองไว้บน OBS Live Cloud ที่ปารีส 2024สองในสาม ใน 54 ผู้แพร่ภาพOlympic Broadcasting Services, 2024

ระเบียบวิธีและแหล่งที่มา

อัปเดตล่าสุด: 8 พฤศจิกายน 2026 เราจะทบทวนและอัปเดตสรุปนี้ทุกไตรมาส และคาดว่าการอัปเดตครั้งถัดไปจะเกิดขึ้นเมื่อ Haivision เผยแพร่ Broadcast Transformation Report 2027

ลอง VoxBooster — ทดลองใช้ฟรี 3 วัน

โคลนเสียงเรียลไทม์ ซาวด์บอร์ด และเอฟเฟกต์ — ทุกที่ที่คุณคุย

  • ไม่ต้องใช้บัตรเครดิต
  • ความหน่วง ~30ms
  • Discord · Teams · OBS
ลองฟรี 3 วัน