Nghe giọng của chính mình trễ chỉ 25 đến 30 mili giây đã bị những người đọc to đánh giá là ‘gây khó chịu’, theo một nghiên cứu với 32 người tham gia trên Ear and Hearing, và con số đó giải thích phần lớn lý do vì sao tín hiệu tai nghe của người dẫn chương trình trong truyền hình trực tiếp được thiết kế để loại bỏ giọng của chính họ. Hình ảnh cũng bị đánh giá nghiêm khắc không kém: EBU cho phép âm thanh đi trước hình ảnh không quá 40 ms hoặc chậm sau không quá 60 ms tại bất kỳ đầu ra nào dành cho phát sóng. Trong khi đó, bản thân việc sản xuất đang rời xa địa điểm tổ chức, với hai phần ba các dịch vụ từ xa được đặt trước tại Thế vận hội Paris 2024 được truyền qua một nền tảng đám mây thay vì vệ tinh. Chúng tôi đã tổng hợp dữ liệu từ ITU, EBU, ATSC, các nghiên cứu thính học đăng trên Ear and Hearing và PLoS ONE, một nghiên cứu thực địa của BBC R&D, University of Strathclyde và TV2, liên minh AIMS, các phép đo vệ tinh của IFIP Networking và khảo sát ngành năm 2026 của Haivision. Về phía phát sóng của phần bình luận trực tiếp, hãy xem bài tổng hợp đi kèm của chúng tôi về âm thanh phát sóng của bình luận viên và caster esports.
Hai thuật ngữ xuyên suốt bài viết này. Talkback (còn gọi là liên lạc nội bộ hay comms) là kênh thoại riêng giữa phòng điều khiển, nơi các đài phát sóng Anh gọi là gallery, và đội ngũ sản xuất. IFB, viết tắt của interruptible foldback (đường hồi tiếp có thể ngắt), là tín hiệu trong tai nghe của người dẫn chương trình: thông thường là âm thanh chương trình, mà nhà sản xuất có thể ngắt để đưa chỉ đạo. Tín hiệu đó thường là một mix-minus, nghĩa là bản trộn đầy đủ trừ giọng của chính người dẫn, để họ không bao giờ nghe giọng mình quay lại với độ trễ.
Tóm tắt nhanh
- Người xem bắt đầu phát hiện sai lệch thời gian âm thanh/hình ảnh ở khoảng +45 ms (âm thanh sớm) đến -125 ms (âm thanh trễ) (ITU-R BT.1359-1, 1998).
- Tại bất kỳ đầu ra nào dành cho phát sóng, âm thanh có thể đi trước hình ảnh tối đa 40 ms và chậm sau tối đa 60 ms (EBU R37-2007).
- Tại đầu vào của bộ mã hóa DTV, âm thanh không bao giờ được đi trước quá 15 ms hoặc chậm sau quá 45 ms (ATSC IS-191).
- Khi đọc to, 32 người tham gia đánh giá độ trễ 25 đến 30 msec của giọng mình là gây khó chịu (Stone và Moore, Ear and Hearing 2002).
- Ngưỡng để nhận ra giọng của chính mình bị trễ nằm ở khoảng 100 ms, với SD là 66,54 ms (Yamamoto và Kawabata, PLoS ONE 2011).
- Các hệ thống talkback DECT hiện nay đạt dưới 40 ms đến beltpack không dây và dưới 70 ms từ beltpack đến beltpack (BBC R&D, Strathclyde và TV2, IBC2024).
- SMPTE ST 2110-30 Cấp B và C dùng gói âm thanh 125 micro giây, so với 1 ms ở Cấp A (AIMS, giới thiệu AES67 và ST 2110-30).
- Độ trễ bắt tay TLS trung vị của Starlink là khoảng 80 ms vào năm 2024 (Richter, Ververis và Bajpai, IFIP Networking 2025).
- 41% trong số hơn 1.300 chuyên gia được khảo sát gọi sản xuất từ xa là ưu tiên công nghệ lớn nhất của họ cho năm 2026 (Haivision Broadcast Transformation Report 2026).
- Hai phần ba các dịch vụ từ xa được đặt trước tại 54 đài phát sóng ở Paris 2024 dùng OBS Live Cloud (Olympic Broadcasting Services, 2024).
1. Dung Sai Đồng Bộ Môi: Các Tiêu Chuẩn Phát Sóng Cho Phép Những Gì
Mọi quyết định về talkback và IFB đều nằm trong một ngân sách thời gian hình ảnh mà người xem giám sát mà không hề hay biết. Sự bất đối xứng là điểm mấu chốt: người xem chịu được âm thanh đến trễ (tới khoảng -125 ms trước khi phát hiện ra) tốt hơn nhiều so với âm thanh đến sớm (khoảng +45 ms), một quy luật khớp với trải nghiệm hằng ngày, khi hình ảnh của một sự kiện đến với ta trước âm thanh của nó. Trong các tiêu chuẩn này, số dương nghĩa là âm thanh đi trước hình ảnh và số âm nghĩa là âm thanh chậm sau hình ảnh.
Sau đó các tiêu chuẩn chia ngân sách cảm nhận này cho toàn chuỗi. Các con số của EBU được đặt ra từ các thử nghiệm chủ quan về thời điểm sự lệch giữa cử động môi và lời nói trở nên nhận thấy được đối với 50% người quan sát, và EBU chỉ yêu cầu từ sớm 5 ms đến trễ 15 ms ở mỗi công đoạn riêng lẻ, để sai số từ nhiều công đoạn không dồn lại vượt quá giới hạn đầu cuối. ATSC còn chặt hơn nữa ở đầu vào bộ mã hóa, vì nửa sau của chuỗi, từ bộ mã hóa đến máy thu, vẫn phải nằm gọn trong mức chịu đựng của người xem.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Ngưỡng có thể phát hiện của sai lệch thời gian âm thanh/hình ảnh (dương = âm thanh đi trước hình ảnh) | Khoảng +45 ms đến -125 ms | ITU-R BT.1359-1 (1998) |
| Ngưỡng chấp nhận được của sai lệch thời gian âm thanh/hình ảnh | Khoảng +90 ms đến -185 ms | ITU-R BT.1359-1 (1998) |
| Sai lệch thời gian cho phép từ điểm chọn nguồn chương trình cuối cùng (ví dụ phòng điều khiển chính) đến đầu vào máy phát | +22,5 ms đến -30 ms | ITU-R BT.1359-1 (1998) |
| Giới hạn đầu cuối tại bất kỳ đầu ra nào dành cho phát sóng: âm thanh trước hình ảnh và âm thanh sau hình ảnh | 40 ms hoặc ít hơn và 60 ms hoặc ít hơn | EBU R37-2007 |
| Độ chính xác yêu cầu ở mỗi công đoạn của chuỗi chương trình | Âm thanh sớm 5 ms đến trễ 15 ms | EBU R37-2007 |
| Thời gian âm thanh tại đầu vào của các thiết bị mã hóa DTV | Không bao giờ sớm quá 15 ms hoặc trễ quá 45 ms | ATSC IS-191, theo TV Technology, ngày 7 tháng 1 năm 2004 |
| Phạm vi đầu cuối tổng thể cho hệ thống DTV | +30 ms đến -90 ms | ATSC IS-191, theo TV Technology, 2004 |
Ghi chú bối cảnh: các tài liệu này đã cũ nhưng vẫn là tham chiếu làm việc. Dữ liệu mới nhất hiện có: Recommendation BT.1359-1 (1998), R37 (phát hành lần đầu năm 1986, phát hành lại năm 2007) và ATSC IS-191 (được ghi nhận năm 2004). Văn bản R37 lưu ý rằng cần đặc biệt cẩn trọng trong sản xuất HD, vì vậy hãy đọc các giới hạn này như mức trần, không phải mục tiêu.
2. Nghe Giọng Mình Bị Trễ: Ngưỡng Độ Trễ Tự Nghe
Đây là con số định hình thiết kế IFB. Nghiên cứu về máy trợ thính là bằng chứng có kiểm soát tốt nhất về cách một người nói phản ứng với giọng của chính mình bị trễ, và nó hội tụ về một khoảng hẹp: độ trễ trở nên gây khó chịu ở đâu đó giữa 20 và 30 msec, rất lâu trước khi bản thân lời nói bị rối loạn. Đối với một người dẫn chương trình, điều đó có nghĩa là mix-minus không phải thứ xa xỉ. Bất kỳ đường nào đưa giọng người dẫn quay lại qua codec, mạng và đường hồi tiếp sẽ vượt ngưỡng đó nhiều lần (so với các con số vệ tinh một chiều ở phần 5).
Điều thứ hai là nhận ra độ trễ và bị nó làm phiền là hai việc khác nhau. Trong một thí nghiệm tai nghe nhỏ, mọi người chỉ cảm nhận một cách đáng tin cậy rằng giọng mình bị trễ ở khoảng 100 ms, trong khi các nghiên cứu về sự khó chịu đặt mức khó chịu ở một phần nhỏ của con số đó. Sự thích nghi giúp được phần nào, nhưng chỉ sau vài phút đến một giờ, điều mà khách mời trong chương trình trực tiếp không bao giờ có. Các nhà sản xuất xử lý việc nghe giám sát trong studio sẽ nhận ra phép tính tương tự từ bộ đệm âm thanh của máy tính, được đề cập trong bài tổng hợp của chúng tôi về kích thước bộ đệm DAW và độ trễ âm thanh.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Độ trễ mà tiếng vang của giọng chính mình bị đánh giá là gây khó chịu (20 người nghe bình thường với suy giảm thính lực nhẹ đến vừa được mô phỏng) | Giữa 20 và 30 msec | Stone và Moore, Ear and Hearing 1999 |
| Đọc to qua máy trợ thính kỹ thuật số thời gian thực, 32 người tham gia (16 nam, 16 nữ): độ trễ bị đánh giá là gây khó chịu và độ trễ mà các chỉ số tạo lời nói thay đổi | 25 đến 30 msec và trên 30 msec | Stone và Moore, Ear and Hearing 2002 |
| 25 người nói bị suy giảm thính lực: khoảng độ trễ được chấm mức 3 (có lẽ vừa chấp nhận được) và thời gian diễn ra một phần sự thích nghi | 14 đến 30 msec; khoảng 1 giờ | Stone và Moore, Ear and Hearing 2005 |
| Điểm mà giọng của chính mình bị trễ được cảm nhận là đồng thời, với độ trễ 0 đến 200 ms qua tai nghe (6 người trưởng thành 21 đến 24 tuổi lặp lại một âm thanh giọng nói) | 98,41 ms (SD 66,54 ms); ngưỡng phát hiện khoảng 100 ms | Yamamoto và Kawabata, PLoS ONE 2011 |
| Cùng nghiên cứu: điểm cảm nhận đồng thời sau 3 phút thích nghi với độ trễ 0, 66 hoặc 133 ms | 67,60, 92,23 và 112,10 ms (F(2,10) = 15,80, p<0,001) | Yamamoto và Kawabata, PLoS ONE 2011 |
| Độ trễ xử lý được thử nghiệm trên 20 người nghe bình thường và 20 người suy giảm thính lực đánh giá mức khó chịu trên thang 7 điểm | Tới 50 ms; mức chịu đựng cao hơn đáng kể ở người suy giảm thính lực trong hai trên ba điều kiện giọng nói | Goehring, Chapman, Bleeck và Monaghan, International Journal of Audiology 2018 |
Ghi chú bối cảnh: các mẫu nhỏ và đặc thù (người trưởng thành nghe bình thường, người nói bị suy giảm thính lực, sáu người trưởng thành trẻ 21 đến 24 tuổi), độ trễ được tạo ra bởi bộ xử lý máy trợ thính hoặc tai nghe, và không ai trong số những người tham gia là người dẫn chương trình phát sóng. Dữ liệu mới nhất hiện có: Stone và Moore, 1999 đến 2005; Yamamoto và Kawabata, 2011; Goehring và cộng sự, 2018.
3. Ngân Sách Độ Trễ Của Talkback, IFB và Liên Lạc Nội Bộ
Những người khác nhau trong một chương trình trực tiếp sống trong những ngân sách độ trễ rất khác nhau. Tai nghe kiểm âm in-ear của một nghệ sĩ biểu diễn cần khoảng 4 ms, một thành viên đội ngũ dùng beltpack talkback không dây (thiết bị liên lạc nội bộ đeo ở thắt lưng) có thể làm việc với vài chục mili giây, và một người vận hành bộ trộn hình từ xa (người chuyển cắt giữa các máy quay) có thể chịu được hơn nửa giây miễn là không ai tại địa điểm cần thấy kết quả theo thời gian thực. Các ngân sách khác nhau vì các vòng hồi tiếp khác nhau: một ca sĩ nghe giọng chính mình, còn một người quay phim chỉ nghe các chỉ dẫn.
Đó cũng là lý do IFB được thiết kế như một mix-minus chứ không phải đường trả về toàn bộ chương trình. Một báo cáo quốc tế năm 2004 về các vòng đóng góp tín hiệu liệt kê việc dùng mix-minus hoặc tín hiệu sạch (clean feed) cho foldback, tắt tiếng foldback khi micro đang mở, và tai nghe kín hoặc kiểm âm in-ear là những thông lệ vận hành giữ tiếng vang ra khỏi vòng (ITU-R Report BT.2044). Để so sánh với một mạng khác mà giọng nói là yếu tố then chốt, radio nhấn để nói dành cho lực lượng ứng cứu đầu tiên chạy trên các ngân sách tương tự, được đề cập trong bài tổng hợp của chúng tôi về độ trễ nhấn để nói trong nhiệm vụ trọng yếu.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Mục tiêu độ trễ cho tai nghe kiểm âm in-ear của nghệ sĩ và độ trễ một chiều của micro không dây và tai nghe in-ear đang sử dụng | 4 ms và dưới 3 ms | BBC R&D, University of Strathclyde và TV2, IBC2024 |
| Talkback sản xuất kỹ thuật số (DECT): từ trạm gốc đến beltpack không dây và từ beltpack đến beltpack | Dưới 40 ms và dưới 70 ms | BBC R&D, University of Strathclyde và TV2, IBC2024 |
| Beltpack Clear-Com FreeSpeak Edge 5 GHz: độ trễ âm thanh và từ beltpack đến beltpack | Dưới 35 ms và 60 ms (công bố của chính nhà sản xuất) | Bảng dữ liệu Clear-Com FSE-BP50, bản sửa đổi tháng 8 năm 2023 |
| Độ trễ từ miệng đến tai mà dưới mức đó phần lớn các ứng dụng thoại và phi thoại có tính tương tác về cơ bản là trong suốt (400 ms là trần quy hoạch mạng chung) | 150 ms | ITU-T G.114 (2003) |
| Độ trễ từ thao tác đến phản hồi của người vận hành: điểm mà độ chính xác và tốc độ giảm và điểm mà cảm giác kiểm soát giảm đáng kể | Khoảng 100 ms và trên 300 ms | BBC R&D, University of Strathclyde và TV2, IBC2024 |
| Độ trễ từ máy quay đến bộ trộn hình mà người vận hành bộ trộn hình từ xa có thể chịu được khi không cần đường trả về cho địa điểm | Trên 600 ms | BBC R&D, University of Strathclyde và TV2, IBC2024 |
Ghi chú ngoại lệ: con số 150 ms của điện thoại là chuẩn tham chiếu cho hội thoại, không phải chuẩn tham chiếu cho IFB. Một người dẫn chương trình nghe giọng mình phản ứng ở mức 20 đến 30 msec (phần 2), trong khi hai người trò chuyện qua một liên kết chịu được nhiều hơn khoảng năm lần (150 ms so với 30 msec).
4. Truyền Tải AoIP: Thời Gian Của AES67 và SMPTE ST 2110-30
Bên trong tòa nhà, bản thân việc truyền tải đã không còn là nút thắt cổ chai. Các tiêu chuẩn âm thanh qua IP (AoIP) định nghĩa thời gian gói tính bằng mili giây hoặc ngắn hơn, vì vậy việc chọn giữa thời gian gói 1 ms và 125 micro giây giờ là một quyết định cấu hình, không phải giới hạn của công nghệ. Độ trễ thực sự nằm ở nơi khác: trong codec, bộ đệm và các liên kết đường dài (phần 5).
Câu chuyện thứ hai là khả năng tương tác. Các hệ thống AoIP độc quyền đều dùng cơ chế khám phá, đồng bộ đồng hồ và định dạng luồng riêng, nên ma trận talkback của một nhà cung cấp không thể đơn giản đăng ký vào bàn điều khiển của nhà cung cấp khác. AES67 định nghĩa một chế độ vận hành chung, và SMPTE ST 2110-30 ràng buộc nó chặt hơn cho phát sóng, cho phép các bảng liên lạc nội bộ IP và trạm gốc beltpack dùng chung mạng với máy quay và bàn điều khiển. Bài tổng hợp của chúng tôi về chuyển đổi studio sang AoIP, Dante và AES67 trình bày quá trình chuyển đổi đó đã đi được bao xa.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| AES67 được công bố lần đầu và các bản cập nhật sau đó | 2013; cập nhật năm 2015 và 2018 | AIMS, Introduction to AES67 and its relationship with SMPTE ST 2110-30 |
| Bộ SMPTE ST 2110: các phần đầu tiên được công bố | Tháng 12 năm 2017 | AIMS, giới thiệu AES67 và ST 2110-30 |
| Điểm vận hành chính của ST 2110-30 (Cấp A): thời gian gói và số kênh mỗi luồng | 1 ms; 2 và 8 kênh | AIMS, giới thiệu AES67 và ST 2110-30 |
| ST 2110-30 Cấp B và C: thời gian gói và số kênh tối đa mỗi luồng | 125 micro giây; tối đa 8 (Cấp B) và tối đa 64 (Cấp C) | AIMS, giới thiệu AES67 và ST 2110-30 |
| Chế độ tương thích AES67: định dạng âm thanh chung | Tuyến tính 24 bit (L24), tối đa 8 kênh mỗi luồng, 48 kHz | AIMS, giới thiệu AES67 và ST 2110-30 |
| Giới hạn luồng gốc trước chế độ AES67: Dante so với RAVENNA | Tối đa 4 kênh mỗi luồng và tối đa 64 kênh mỗi luồng | AIMS, giới thiệu AES67 và ST 2110-30 |
Ghi chú bối cảnh: AIMS (Alliance for IP Media Solutions) là một liên minh ngành có lộ trình được xây dựng trên các tiêu chuẩn này. Các con số trên là tham số thiết kế từ các tiêu chuẩn, không phải số đo thực địa của một hệ thống lắp đặt cụ thể nào.
5. Liên Kết Đóng Góp Tín Hiệu: Vệ Tinh, 5G Riêng, Di Động và LEO
Khi tín hiệu rời tòa nhà, vật lý và codec tiếp quản. Một chặng vệ tinh địa tĩnh duy nhất cộng thêm khoảng 239 đến 281 ms một chiều chỉ riêng do khoảng cách, gấp khoảng mười lần mức 20 đến 30 msec mà tại đó người nói thấy giọng mình bị trễ là gây khó chịu (phần 2). Mã hóa âm thanh chất lượng phát sóng có thể cộng thêm 170 đến 400 ms nữa. Cùng báo cáo năm 2004 ghi nhận rằng hai nửa của một vòng đóng góp tín hiệu hiếm khi giống hệt nhau: các đài phát sóng thường đặt một mạch chất lượng cao trên đường chương trình, một mạch chất lượng thấp hơn trên đường foldback, và thường gửi foldback chỉ có âm thanh ngay cả trên các liên kết video.
Các lựa chọn mới hơn cắt giảm độ trễ nhưng thêm tính biến động. Dịch vụ vệ tinh quỹ đạo thấp (LEO) như Starlink đã đưa độ trễ trung vị xuống khoảng 80 ms, nhưng với hai cụm độ trễ riêng biệt và tỷ lệ mất gói dao động hơn mười lần giữa các quốc gia láng giềng. Mạng 5G riêng có thể mang video sản xuất với tổng độ trễ khoảng 80 đến 105 ms, trong khi các đội tin tức dùng ghép kênh di động (gửi một luồng máy quay qua nhiều mạng di động công cộng cùng lúc) chấp nhận tới hai giây và do đó từ bỏ hội thoại hai chiều trực tiếp.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Độ trễ đường truyền vệ tinh địa tĩnh chỉ do khoảng cách: vệ tinh ngay trên đầu và ở chân trời | Khoảng 239 ms và khoảng 281 ms | ITU-R Report BT.2044 (2004) |
| Độ trễ mã hóa âm thanh: MPEG AAC chất lượng phát sóng và AAC-LD độ trễ thấp | 170 đến 400 ms và khoảng 60 ms | ITU-R Report BT.2044 (2004) |
| Độ trễ bắt tay TLS trung vị của Starlink năm 2024 (RIPE Atlas, 146 đầu dò) và cụm độ trễ thứ hai | Khoảng 80 ms; cụm thứ hai ở khoảng 150 đến 250 ms | Richter, Ververis và Bajpai, IFIP Networking 2025 |
| Tỷ lệ mất gói của Starlink, tháng 1 năm 2022 đến tháng 6 năm 2024: Đức so với Áo | 10,52% và 0,73% | Richter, Ververis và Bajpai, IFIP Networking 2025 |
| Thời gian truyền uplink của 5G riêng trên 10 cấu hình được thử nghiệm (20 Mb/s trừ khi có ghi chú khác): khoảng giá trị trung bình và khoảng giá trị tối đa | 6,4 đến 13,8 ms và 10,2 đến 53,6 ms | BBC R&D, University of Strathclyde và TV2, IBC2024 |
| Độ trễ video, từ đầu vào bộ mã hóa đến đầu ra bộ giải mã: 5G riêng thông thường và đã tối ưu, so với các liên kết máy quay không dây DVB-T COFDM | Khoảng 100 đến 105 ms và 80 ms và thông thường khoảng 50 ms | BBC R&D, University of Strathclyde và TV2, IBC2024 |
| Độ trễ video được chấp nhận đối với tin tức đóng góp tín hiệu ghép qua mạng di động công cộng | Tới 2 giây | BBC R&D, University of Strathclyde và TV2, IBC2024 |
Ghi chú ngoại lệ: các con số của Starlink là thời gian bắt tay TLS tới các máy chủ gốc, không phải đường âm thanh một chiều, và các tác giả lưu ý rằng kết quả của họ mâu thuẫn với các nghiên cứu trước đó báo cáo trung vị thấp hơn nhiều so với 80 ms. Kết quả 5G đến từ các mạng riêng một ô, và các tác giả bổ sung rằng việc chuyển giao ô (handover) làm gián đoạn dữ liệu khoảng 20 ms. Dữ liệu mới nhất hiện có về độ trễ vệ tinh và codec: Report BT.2044, 2004.
6. Sản Xuất Từ Xa Và Việc Áp Dụng Đám Mây
Các con số về mức độ áp dụng giải thích vì sao các con số độ trễ ngày càng quan trọng hơn mỗi năm. Sản xuất từ xa (thường gọi là REMI, viết tắt của remote integration model, mô hình tích hợp từ xa: máy quay và micro ở địa điểm, phòng điều khiển và đội ngũ ở nơi khác) chuyển vòng talkback từ một tuyến cáp trong xe truyền hình lưu động sang mạng diện rộng. 41% trong số hơn 1.300 chuyên gia được khảo sát nêu sản xuất từ xa là ưu tiên công nghệ lớn nhất của họ cho năm 2026, và tỷ lệ dùng mạng di động cho đóng góp tín hiệu trực tiếp tăng từ 46% lên 54% trong một năm.
Các chương trình sản xuất trực tiếp lớn nhất đã chuyển đổi. Tại Paris 2024, hai phần ba các dịch vụ từ xa được đặt trước chạy trên đám mây, thay thế vệ tinh vốn được đưa vào từ Thế vận hội Tokyo 1964. Tuy nhiên dữ liệu khảo sát cần thận trọng: cả hai khảo sát dưới đây đều dựa trên người trả lời tự chọn, và khảo sát lớn hơn do một nhà cung cấp thiết bị đóng góp tín hiệu thực hiện.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Người trả lời nêu sản xuất từ xa là ưu tiên công nghệ lớn nhất cho năm 2026 (hơn 1.300 người trả lời) | 41% | Haivision Broadcast Transformation Report 2026, theo SVG, tháng 3 năm 2026 (khảo sát của nhà cung cấp) |
| Người trả lời dùng mạng di động cho đóng góp video trực tiếp, báo cáo 2026 so với báo cáo 2025 | 54% và 46% | Haivision Broadcast Transformation Report 2026 (khảo sát của nhà cung cấp) |
| Người trả lời dùng mạng di động làm dự phòng cho cáp quang | 61% | Haivision Broadcast Transformation Report 2026 (khảo sát của nhà cung cấp) |
| Người trả lời dùng giao thức truyền tải SRT, báo cáo 2020 so với báo cáo 2026 | 47% và 78% | Haivision Broadcast Transformation Report 2026 (khảo sát của nhà cung cấp) |
| Chuyên gia phát sóng và truyền thông đang triển khai công cụ sản xuất đám mây (312 độc giả tự chọn, tháng 11 năm 2024 đến tháng 1 năm 2025) | 60% | Khảo sát ngành NewscastStudio, tháng 2 năm 2025 |
| Rào cản hàng đầu đối với sản xuất đám mây: chi phí, độ phức tạp của quy trình và lo ngại về bảo mật | 33%, 25% và 17% | Khảo sát ngành NewscastStudio, 2025 |
| Paris 2024: tỷ lệ các dịch vụ từ xa được đặt trước dùng OBS Live Cloud | Hai phần ba, tại 54 đài phát sóng | Olympic Broadcasting Services và Alibaba Cloud, theo TV Technology, 2024 |
| Các luồng tín hiệu được truyền qua OBS Live Cloud tại Paris 2024, so với các đài phát sóng đăng ký khi dịch vụ trở thành tiêu chuẩn tại Bắc Kinh 2022 | 379 luồng video (11 UHD, 368 HD) và 100 luồng âm thanh so với 22 đài phát sóng | Olympic Broadcasting Services, theo TV Technology, 2024 |
Ghi chú bối cảnh: tỷ lệ của OBS tính các dịch vụ từ xa được đặt trước, không phải tất cả các đài phát sóng giữ bản quyền, và các con số được công bố khi Thế vận hội bắt đầu thay vì được đo sau đó.
Tổng Kết: Độ Trễ Talkback và IFB Trong Phát Sóng Qua Các Con Số
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Ngưỡng có thể phát hiện của sai lệch thời gian âm thanh/hình ảnh | Khoảng +45 ms đến -125 ms | ITU-R BT.1359-1 (1998) |
| Ngưỡng chấp nhận được của sai lệch thời gian âm thanh/hình ảnh | Khoảng +90 ms đến -185 ms | ITU-R BT.1359-1 (1998) |
| Giới hạn đồng bộ môi đầu cuối tại bất kỳ đầu ra nào dành cho phát sóng (âm thanh trước so với sau hình ảnh) | 40 ms hoặc ít hơn và 60 ms hoặc ít hơn | EBU R37-2007 |
| Thời gian âm thanh tại đầu vào bộ mã hóa DTV | Không bao giờ sớm quá 15 ms hoặc trễ quá 45 ms | ATSC IS-191 (được ghi nhận năm 2004) |
| Độ trễ giọng của chính mình bị đánh giá là gây khó chịu khi đọc to (32 người tham gia) | 25 đến 30 msec | Stone và Moore, Ear and Hearing 2002 |
| Khoảng độ trễ giọng của chính mình được đánh giá là có lẽ vừa chấp nhận được (25 người nói bị suy giảm thính lực) | 14 đến 30 msec | Stone và Moore, Ear and Hearing 2005 |
| Ngưỡng nhận ra giọng của chính mình bị trễ (6 người tham gia) | Khoảng 100 ms (SD 66,54 ms) | Yamamoto và Kawabata, PLoS ONE 2011 |
| Độ trễ xử lý được thử nghiệm trên 20 người nghe bình thường và 20 người suy giảm thính lực | Tới 50 ms | Goehring và cộng sự, International Journal of Audiology 2018 |
| Mục tiêu độ trễ tai nghe kiểm âm in-ear cho nghệ sĩ biểu diễn | 4 ms | BBC R&D, University of Strathclyde và TV2, IBC2024 |
| Độ trễ talkback DECT: đến beltpack và từ beltpack đến beltpack | Dưới 40 ms và dưới 70 ms | BBC R&D, University of Strathclyde và TV2, IBC2024 |
| Độ trễ âm thanh của beltpack không dây, công bố của chính nhà sản xuất | Dưới 35 ms | Bảng dữ liệu Clear-Com FSE-BP50, 2023 |
| Thời gian gói ST 2110-30: Cấp A so với Cấp B và C | 1 ms và 125 micro giây | AIMS, giới thiệu AES67 và ST 2110-30 |
| Độ trễ bắt tay TLS trung vị của Starlink, 2024 | Khoảng 80 ms | Richter, Ververis và Bajpai, IFIP Networking 2025 |
| Tỷ lệ mất gói của Starlink tại Đức, tháng 1 năm 2022 đến tháng 6 năm 2024 | 10,52% | Richter, Ververis và Bajpai, IFIP Networking 2025 |
| Sản xuất từ xa được nêu là ưu tiên công nghệ lớn nhất cho năm 2026 | 41% | Haivision Broadcast Transformation Report 2026 (khảo sát của nhà cung cấp) |
| Chuyên gia đang triển khai công cụ sản xuất đám mây | 60% | Khảo sát ngành NewscastStudio, 2025 |
| Dịch vụ từ xa được đặt trước trên OBS Live Cloud tại Paris 2024 | Hai phần ba, tại 54 đài phát sóng | Olympic Broadcasting Services, 2024 |
Phương Pháp Luận và Nguồn
- 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).
- European Broadcasting Union: R37-2007, The relative timing of the sound and vision components of a television signal.
- Phát hiện IS-191 của Tiểu ban Triển khai ATSC, theo ghi nhận của TV Technology, ATSC Recommends AV Sync Rules, ngày 7 tháng 1 năm 2004.
- Stone và Moore, Tolerable hearing aid delays, Ear and Hearing: phần I, 1999; phần II, 2002; phần IV, 2005.
- Yamamoto và Kawabata, Temporal Recalibration in Vocalization Induced by Adaptation of Delayed Auditory Feedback, PLoS ONE 2011.
- Goehring, Chapman, Bleeck và Monaghan, Tolerable delay for speech production and perception, International Journal of Audiology 2018.
- Waddell và cộng sự (BBC R&D, University of Strathclyde và Neutral Wireless, TV2), Optimising 5G for low latency broadcast production, IBC2024.
- Clear-Com, bảng dữ liệu beltpack FSE-BP50 FreeSpeak Edge, bản sửa đổi tháng 8 năm 2023 (thông số kỹ thuật của chính nhà sản xuất).
- AIMS (Alliance for IP Media Solutions), Introduction to AES67 and its relationship with SMPTE ST 2110-30, được trình bày tại hội nghị AES New York.
- Richter, Ververis và 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, theo ghi nhận của Sports Video Group, ngày 4 tháng 3 năm 2026.
- NewscastStudio, khảo sát ngành, ngày 7 tháng 2 năm 2025, 312 người trả lời, thực hiện từ tháng 11 năm 2024 đến tháng 1 năm 2025.
- Olympic Broadcasting Services và Alibaba Cloud, thông báo OBS Cloud 3.0, theo ghi nhận của TV Technology, 2024.
- Lưu ý về dữ liệu: phần lớn dữ liệu về cảm nhận và tiêu chuẩn đã cũ (1998 đến 2018) vì các giới hạn nền tảng chưa được kiểm tra lại; chúng được đánh dấu là dữ liệu mới nhất hiện có trong từng phần. Tiểu ban triển khai của ATSC đánh giá khuyến nghị đồng bộ môi quốc tế năm 1998 là không đủ cho DTV, do đó hai bộ số liệu cố ý khác nhau, không phải là xung đột trong đo lường. Kết quả của Haivision và NewscastStudio đến từ các mẫu tự chọn, và nhà cung cấp mô tả mức tăng SRT từ 47% lên 78% là ‘tăng 31%’, thực chất là chênh lệch điểm phần trăm giữa hai mẫu khác nhau. Các giá trị trung vị của Starlink đo các lần bắt tay TLS và mâu thuẫn với các nghiên cứu trước đó báo cáo giá trị trung vị thấp hơn. Con số beltpack của Clear-Com là thông số thiết kế danh định, không phải phép đo độc lập. Không tìm thấy bộ dữ liệu công khai, độc lập nào về độ trễ khứ hồi IFB đo được trong các chương trình sản xuất từ xa trực tiếp; chúng tôi sẽ bổ sung nếu một đài phát sóng hoặc cơ quan tiêu chuẩn công bố.
Cập nhật lần cuối: ngày 8 tháng 11 năm 2026. Chúng tôi cập nhật bài tổng hợp này hàng quý, và lần làm mới tiếp theo dự kiến diễn ra khi Haivision công bố Broadcast Transformation Report 2027.