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
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| เกณฑ์การตรวจพบความคลาดเคลื่อนของจังหวะเวลาเสียงกับภาพ (บวก = เสียงนำหน้าภาพ) | ราว +45 ms ถึง -125 ms | ITU-R BT.1359-1 (1998) |
| เกณฑ์การยอมรับได้ของความคลาดเคลื่อนของจังหวะเวลาเสียงกับภาพ | ราว +90 ms ถึง -185 ms | ITU-R BT.1359-1 (1998) |
| ความคลาดเคลื่อนของจังหวะเวลาที่อนุญาตจากจุดเลือกแหล่งรายการสุดท้าย (เช่น ห้องควบคุมหลัก) ถึงอินพุตของเครื่องส่ง | +22.5 ms ถึง -30 ms | ITU-R BT.1359-1 (1998) |
| ขีดจำกัดตั้งแต่ต้นทางถึงปลายทางที่เอาต์พุตใด ๆ ที่มีไว้สำหรับออกอากาศ: เสียงก่อนภาพและเสียงหลังภาพ | 40 ms หรือน้อยกว่า และ 60 ms หรือน้อยกว่า | EBU R37-2007 |
| ความแม่นยำที่ต้องการในแต่ละขั้นตอนของห่วงโซ่รายการ | เสียงมาก่อน 5 ms ถึงมาช้า 15 ms | EBU R37-2007 |
| จังหวะเวลาของเสียงที่อินพุตของอุปกรณ์เข้ารหัส DTV | ต้องไม่มาก่อนเกิน 15 ms หรือมาช้าเกิน 45 ms | ATSC IS-191 ตามที่ TV Technology รายงาน 7 มกราคม 2004 |
| ช่วงรวมตั้งแต่ต้นทางถึงปลายทางของระบบ DTV | +30 ms ถึง -90 ms | ATSC 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
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ความล่าช้าที่เสียงสะท้อนของเสียงตัวเองถูกประเมินว่ารบกวน (ผู้ฟังที่การได้ยินปกติ 20 คนที่จำลองการสูญเสียการได้ยินระดับน้อยถึงปานกลาง) | ระหว่าง 20 ถึง 30 มิลลิวินาที | Stone และ Moore, Ear and Hearing 1999 |
| การอ่านออกเสียงผ่านเครื่องช่วยฟังดิจิทัลแบบเรียลไทม์ ผู้เข้าร่วม 32 คน (ชาย 16 หญิง 16): ความล่าช้าที่ถูกประเมินว่ารบกวน และความล่าช้าที่ค่าวัดการผลิตเสียงพูดเปลี่ยนไป | 25 ถึง 30 มิลลิวินาที และมากกว่า 30 มิลลิวินาที | Stone และ Moore, Ear and Hearing 2002 |
| ผู้พูดที่มีความบกพร่องทางการได้ยิน 25 คน: ช่วงความล่าช้าที่ได้คะแนน 3 (น่าจะพอยอมรับได้) และระยะเวลาที่เกิดการปรับตัวบางส่วน | 14 ถึง 30 มิลลิวินาที และราว 1 ชั่วโมง | Stone 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 ms | Yamamoto และ Kawabata, PLoS ONE 2011 |
| การศึกษาเดียวกัน: จุดที่รู้สึกว่าเกิดพร้อมกันหลังปรับตัว 3 นาทีกับความล่าช้า 0, 66 หรือ 133 ms | 67.60, 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 ระดับ | สูงสุด 50 ms และความทนทานสูงกว่าอย่างมีนัยสำคัญเมื่อมีการสูญเสียการได้ยินใน 2 จาก 3 เงื่อนไขเสียง | Goehring, 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
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| เป้าหมายความหน่วงของอินเอียร์มอนิเตอร์สำหรับนักแสดง และความหน่วงขาเดียวของไมโครโฟนไร้สายและอินเอียร์มอนิเตอร์ที่ใช้อยู่ในปัจจุบัน | 4 ms และต่ำกว่า 3 ms | BBC R&D, University of Strathclyde และ TV2, IBC2024 |
| ทอล์กแบ็กการผลิตแบบดิจิทัล (DECT): จากสถานีฐานไปเบลต์แพ็กไร้สาย และจากเบลต์แพ็กไปเบลต์แพ็ก | ต่ำกว่า 40 ms และต่ำกว่า 70 ms | BBC R&D, University of Strathclyde และ TV2, IBC2024 |
| เบลต์แพ็ก Clear-Com FreeSpeak Edge 5 GHz: ความหน่วงของเสียง และจากเบลต์แพ็กไปเบลต์แพ็ก | ต่ำกว่า 35 ms และ 60 ms (ข้ออ้างของผู้ผลิตเอง) | เอกสารข้อมูล Clear-Com FSE-BP50 ฉบับแก้ไขสิงหาคม 2023 |
| ความล่าช้าจากปากถึงหู ซึ่งต่ำกว่าค่านี้แอปพลิเคชันเสียงพูดและไม่ใช่เสียงพูดส่วนใหญ่จะมีการโต้ตอบที่แทบโปร่งใส (400 ms คือเพดานทั่วไปในการวางแผนเครือข่าย) | 150 ms | ITU-T G.114 (2003) |
| ความล่าช้าจากการป้อนข้อมูลถึงการตอบสนองของผู้ควบคุม: จุดที่ความแม่นยำและความเร็วลดลง และจุดที่ความรู้สึกควบคุมลดลงอย่างมีนัยสำคัญ | ราว 100 ms และเกิน 300 ms | BBC R&D, University of Strathclyde และ TV2, IBC2024 |
| ความล่าช้าจากกล้องถึงเครื่องสวิตช์ภาพที่ผู้ควบคุมเครื่องสวิตช์ภาพระยะไกลทนได้ เมื่อไม่ต้องมีสัญญาณย้อนกลับไปยังสถานที่จัดงาน | เกิน 600 ms | BBC 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
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| AES67 เผยแพร่ครั้งแรก และการปรับปรุงภายหลัง | ปี 2013 และปรับปรุงในปี 2015 และ 2018 | AIMS, Introduction to AES67 and its relationship with SMPTE ST 2110-30 |
| ชุดมาตรฐาน SMPTE ST 2110: ส่วนแรกที่เผยแพร่ | ธันวาคม 2017 | AIMS, บทนำ AES67 และ ST 2110-30 |
| จุดทำงานหลักของ ST 2110-30 (ระดับ A): เวลาแพ็กเก็ตและจำนวนช่องต่อสตรีม | 1 ms และ 2 กับ 8 ช่อง | AIMS, บทนำ AES67 และ ST 2110-30 |
| ST 2110-30 ระดับ B และ C: เวลาแพ็กเก็ตและจำนวนช่องสูงสุดต่อสตรีม | 125 ไมโครวินาที และสูงสุด 8 (ระดับ B) กับสูงสุด 64 (ระดับ C) | AIMS, บทนำ AES67 และ ST 2110-30 |
| โหมดความเข้ากันได้ของ AES67: รูปแบบเสียงร่วม | เชิงเส้น 24 บิต (L24) สูงสุด 8 ช่องต่อสตรีม 48 kHz | AIMS, บทนำ AES67 และ ST 2110-30 |
| ขีดจำกัดสตรีมดั้งเดิมก่อนโหมด AES67: Dante เทียบกับ RAVENNA | สูงสุด 4 ช่องต่อโฟลว์ และสูงสุด 64 ช่องต่อสตรีม | AIMS, 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
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ความล่าช้าของเส้นทางดาวเทียมค้างฟ้าจากระยะทางเพียงอย่างเดียว: ดาวเทียมอยู่เหนือศีรษะพอดีเทียบกับที่ขอบฟ้า | ราว 239 ms และราว 281 ms | ITU-R Report BT.2044 (2004) |
| ความล่าช้าจากการเข้ารหัสเสียง: MPEG AAC คุณภาพงานถ่ายทอดเทียบกับ AAC-LD ความล่าช้าต่ำ | 170 ถึง 400 ms และราว 60 ms | ITU-R Report BT.2044 (2004) |
| ความหน่วงของการจับมือ TLS ค่ามัธยฐานของ Starlink ในปี 2024 (RIPE Atlas โพรบ 146 ตัว) และกลุ่มความหน่วงที่สอง | ราว 80 ms และกลุ่มที่สองราว 150 ถึง 250 ms | Richter, Ververis และ Bajpai, IFIP Networking 2025 |
| การสูญเสียแพ็กเก็ตของ Starlink มกราคม 2022 ถึงมิถุนายน 2024: เยอรมนีเทียบกับออสเตรีย | 10.52% และ 0.73% | Richter, Ververis และ Bajpai, IFIP Networking 2025 |
| เวลาส่งผ่านขาอัปลิงก์ของ 5G ส่วนตัวจาก 10 การกำหนดค่าที่ทดสอบ (20 Mb/s เว้นแต่ระบุไว้): ช่วงของค่าเฉลี่ยและช่วงของค่าสูงสุด | 6.4 ถึง 13.8 ms และ 10.2 ถึง 53.6 ms | BBC R&D, University of Strathclyde และ TV2, IBC2024 |
| ความหน่วงของวิดีโอ จากอินพุตตัวเข้ารหัสถึงเอาต์พุตตัวถอดรหัส: 5G ส่วนตัวแบบทั่วไปเทียบกับแบบปรับแต่งแล้ว เทียบกับลิงก์กล้องไร้สาย DVB-T COFDM | ราว 100 ถึง 105 ms และ 80 ms และโดยทั่วไปราว 50 ms | BBC R&D, University of Strathclyde และ TV2, IBC2024 |
| ความล่าช้าของวิดีโอที่ยอมรับได้สำหรับการส่งข่าวต้นทางแบบรวมช่องผ่านเครือข่ายมือถือสาธารณะ | สูงสุด 2 วินาที | BBC 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
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ผู้ตอบที่ระบุว่าการผลิตระยะไกลเป็นลำดับความสำคัญด้านเทคโนโลยีสูงสุดสำหรับปี 2026 (ผู้ตอบกว่า 1,300 คน) | 41% | Haivision Broadcast Transformation Report 2026 ตามที่ SVG รายงาน มีนาคม 2026 (การสำรวจของผู้จำหน่าย) |
| ผู้ตอบที่ใช้เครือข่ายเซลลูลาร์สำหรับการส่งวิดีโอต้นทางแบบสด รายงานปี 2026 เทียบกับรายงานปี 2025 | 54% และ 46% | Haivision Broadcast Transformation Report 2026 (การสำรวจของผู้จำหน่าย) |
| ผู้ตอบที่ใช้เครือข่ายเซลลูลาร์เป็นระบบสำรองของไฟเบอร์ | 61% | Haivision Broadcast Transformation Report 2026 (การสำรวจของผู้จำหน่าย) |
| ผู้ตอบที่ใช้โปรโตคอลขนส่ง SRT รายงานปี 2020 เทียบกับรายงานปี 2026 | 47% และ 78% | Haivision Broadcast Transformation Report 2026 (การสำรวจของผู้จำหน่าย) |
| มืออาชีพด้านงานถ่ายทอดและสื่อที่กำลังนำเครื่องมือการผลิตบนคลาวด์มาใช้ (ผู้อ่านที่เลือกตอบเอง 312 คน พฤศจิกายน 2024 ถึงมกราคม 2025) | 60% | การสำรวจอุตสาหกรรมของ NewscastStudio กุมภาพันธ์ 2025 |
| อุปสรรคสำคัญของการผลิตบนคลาวด์: ต้นทุน ความซับซ้อนของขั้นตอนการทำงาน และความกังวลด้านความปลอดภัย | 33% 25% และ 17% | การสำรวจอุตสาหกรรมของ NewscastStudio 2025 |
| ปารีส 2024: สัดส่วนบริการระยะไกลที่จองไว้และใช้ OBS Live Cloud | สองในสาม ใน 54 ผู้แพร่ภาพ | Olympic Broadcasting Services และ Alibaba Cloud ตามที่ TV Technology รายงาน 2024 |
| สัญญาณที่ส่งผ่าน OBS Live Cloud ที่ปารีส 2024 เทียบกับผู้แพร่ภาพที่สมัครใช้เมื่อบริการกลายเป็นมาตรฐานที่ปักกิ่ง 2022 | วิดีโอ 379 สัญญาณ (UHD 11 HD 368) และเสียง 100 สัญญาณ เทียบกับ 22 ผู้แพร่ภาพ | Olympic Broadcasting Services ตามที่ TV Technology รายงาน 2024 |
หมายเหตุด้านบริบท: สัดส่วนของ OBS นับบริการระยะไกลที่จองไว้ ไม่ใช่ผู้แพร่ภาพที่ถือลิขสิทธิ์ทั้งหมด และตัวเลขถูกประกาศเมื่อการแข่งขันเริ่มต้นขึ้น ไม่ได้วัดภายหลัง
สรุป: ความหน่วงของทอล์กแบ็กและ IFB ในงานถ่ายทอดผ่านตัวเลข
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| เกณฑ์การตรวจพบความคลาดเคลื่อนของจังหวะเวลาเสียงกับภาพ | ราว +45 ms ถึง -125 ms | ITU-R BT.1359-1 (1998) |
| เกณฑ์การยอมรับได้ของความคลาดเคลื่อนของจังหวะเวลาเสียงกับภาพ | ราว +90 ms ถึง -185 ms | ITU-R BT.1359-1 (1998) |
| ขีดจำกัดลิปซิงก์ตั้งแต่ต้นทางถึงปลายทางที่เอาต์พุตใด ๆ ที่มีไว้สำหรับออกอากาศ (เสียงก่อนเทียบกับหลังภาพ) | 40 ms หรือน้อยกว่า และ 60 ms หรือน้อยกว่า | EBU R37-2007 |
| จังหวะเวลาของเสียงที่อินพุตตัวเข้ารหัส DTV | ต้องไม่มาก่อนเกิน 15 ms หรือมาช้าเกิน 45 ms | ATSC IS-191 (รายงานปี 2004) |
| ความล่าช้าของเสียงตัวเองที่ถูกประเมินว่ารบกวนขณะอ่านออกเสียง (ผู้เข้าร่วม 32 คน) | 25 ถึง 30 มิลลิวินาที | Stone และ Moore, Ear and Hearing 2002 |
| ช่วงความล่าช้าของเสียงตัวเองที่ถูกประเมินว่าน่าจะพอยอมรับได้ (ผู้พูดที่มีความบกพร่องทางการได้ยิน 25 คน) | 14 ถึง 30 มิลลิวินาที | Stone 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 คน | สูงสุด 50 ms | Goehring และคณะ, International Journal of Audiology 2018 |
| เป้าหมายความหน่วงของอินเอียร์มอนิเตอร์สำหรับนักแสดง | 4 ms | BBC R&D, University of Strathclyde และ TV2, IBC2024 |
| ความหน่วงของทอล์กแบ็ก DECT: ไปยังเบลต์แพ็ก และจากเบลต์แพ็กไปเบลต์แพ็ก | ต่ำกว่า 40 ms และต่ำกว่า 70 ms | BBC R&D, University of Strathclyde และ TV2, IBC2024 |
| ความหน่วงของเสียงเบลต์แพ็กไร้สาย ข้ออ้างของผู้ผลิตเอง | ต่ำกว่า 35 ms | เอกสารข้อมูล Clear-Com FSE-BP50 2023 |
| เวลาแพ็กเก็ตของ ST 2110-30: ระดับ A เทียบกับระดับ B และ C | 1 ms และ 125 ไมโครวินาที | AIMS, บทนำ AES67 และ ST 2110-30 |
| ความหน่วงของการจับมือ TLS ค่ามัธยฐานของ Starlink ปี 2024 | ราว 80 ms | Richter, Ververis และ Bajpai, IFIP Networking 2025 |
| การสูญเสียแพ็กเก็ตของ Starlink ในเยอรมนี มกราคม 2022 ถึงมิถุนายน 2024 | 10.52% | Richter, Ververis และ Bajpai, IFIP Networking 2025 |
| การผลิตระยะไกลที่ถูกระบุว่าเป็นลำดับความสำคัญด้านเทคโนโลยีสูงสุดสำหรับปี 2026 | 41% | Haivision Broadcast Transformation Report 2026 (การสำรวจของผู้จำหน่าย) |
| มืออาชีพที่กำลังนำเครื่องมือการผลิตบนคลาวด์มาใช้ | 60% | การสำรวจอุตสาหกรรมของ NewscastStudio 2025 |
| บริการระยะไกลที่จองไว้บน OBS Live Cloud ที่ปารีส 2024 | สองในสาม ใน 54 ผู้แพร่ภาพ | Olympic Broadcasting Services, 2024 |
ระเบียบวิธีและแหล่งที่มา
- สหภาพโทรคมนาคมระหว่างประเทศ (International Telecommunication Union): Recommendation BT.1359-1, Relative timing of sound and vision for broadcasting (1998); Report BT.2044, Tolerable round-trip time delay for sound-programme and television broadcast programme inserts (2004); Recommendation G.114, One-way transmission time (2003)
- สหภาพกระจายเสียงยุโรป (European Broadcasting Union): R37-2007, The relative timing of the sound and vision components of a television signal
- ข้อค้นพบ IS-191 ของคณะอนุกรรมการด้านการนำไปใช้ของ ATSC ตามที่รายงานโดย TV Technology, ATSC Recommends AV Sync Rules, 7 มกราคม 2004
- Stone และ Moore, Tolerable hearing aid delays, Ear and Hearing: ตอนที่ I ปี 1999; ตอนที่ II ปี 2002; ตอนที่ IV ปี 2005
- Yamamoto และ Kawabata, Temporal Recalibration in Vocalization Induced by Adaptation of Delayed Auditory Feedback, PLoS ONE 2011
- Goehring, Chapman, Bleeck และ Monaghan, Tolerable delay for speech production and perception, International Journal of Audiology 2018
- Waddell และคณะ (BBC R&D, University of Strathclyde และ Neutral Wireless, TV2), Optimising 5G for low latency broadcast production, IBC2024
- Clear-Com, เอกสารข้อมูลเบลต์แพ็ก FSE-BP50 FreeSpeak Edge ฉบับแก้ไขสิงหาคม 2023 (ข้อกำหนดของผู้ผลิตเอง)
- AIMS (Alliance for IP Media Solutions), Introduction to AES67 and its relationship with SMPTE ST 2110-30 นำเสนอในงานประชุม AES ที่นิวยอร์ก
- Richter, Ververis และ Bajpai (HPI, University of Potsdam), Breaking Through the Clouds: Performance Insights into Starlink’s Latency and Packet Loss, IFIP Networking 2025
- Haivision, Broadcast Transformation Report 2026 ตามที่รายงานโดย Sports Video Group, 4 มีนาคม 2026
- NewscastStudio, การสำรวจอุตสาหกรรม 7 กุมภาพันธ์ 2025 ผู้ตอบ 312 คน ดำเนินการระหว่างพฤศจิกายน 2024 ถึงมกราคม 2025
- Olympic Broadcasting Services และ Alibaba Cloud ประกาศ OBS Cloud 3.0 ตามที่รายงานโดย TV Technology, 2024
- ข้อสังเกตเกี่ยวกับข้อมูล: ข้อมูลด้านการรับรู้และมาตรฐานส่วนใหญ่เก่า (ปี 1998 ถึง 2018) เพราะขีดจำกัดพื้นฐานไม่ได้ถูกทดสอบซ้ำ จึงระบุไว้ว่าเป็นข้อมูลล่าสุดที่มีในแต่ละหัวข้อ คณะอนุกรรมการด้านการนำไปใช้ของ ATSC เห็นว่าคำแนะนำลิปซิงก์ระดับนานาชาติปี 1998 ไม่เพียงพอสำหรับ DTV ดังนั้นตัวเลขสองชุดจึงต่างกันโดยเจตนา ไม่ใช่ความขัดแย้งของการวัด ผลของ Haivision และ NewscastStudio มาจากกลุ่มตัวอย่างที่เลือกตอบเอง และผู้จำหน่ายอธิบายการเพิ่มขึ้นของ SRT จาก 47% เป็น 78% ว่าเป็น ‘การเพิ่มขึ้น 31%’ ซึ่งที่จริงเป็นผลต่างเป็นจุดเปอร์เซ็นต์ระหว่างกลุ่มตัวอย่างสองกลุ่มที่ต่างกัน ค่ามัธยฐานของ Starlink วัดการจับมือ TLS และขัดแย้งกับการศึกษาก่อนหน้าที่รายงานค่ามัธยฐานต่ำกว่า ตัวเลขเบลต์แพ็กของ Clear-Com เป็นข้อกำหนดการออกแบบตามค่ากลาง ไม่ใช่การวัดอย่างเป็นอิสระ ไม่พบชุดข้อมูลสาธารณะที่เป็นอิสระเกี่ยวกับความหน่วงไปกลับของ IFB ที่วัดได้ในงานผลิตระยะไกลแบบสด เราจะเพิ่มให้หากผู้แพร่ภาพหรือหน่วยงานมาตรฐานเผยแพร่
อัปเดตล่าสุด: 8 พฤศจิกายน 2026 เราจะทบทวนและอัปเดตสรุปนี้ทุกไตรมาส และคาดว่าการอัปเดตครั้งถัดไปจะเกิดขึ้นเมื่อ Haivision เผยแพร่ Broadcast Transformation Report 2027