延遲（Latency）是指動作發生與系統回應之間的時間差。在音訊系統中，通常代表聲音從收音、處理、傳輸或播放，到聽者實際聽見之間的延遲。延遲可能出現在麥克風、錄音介面、數位訊號處理器（DSP）、藍牙裝置、VoIP系統、SIP通話、視訊會議、直播串流、錄音軟體、公共廣播系統和網路音訊平台等環節。

在數位音訊中，輕微的延遲是正常現象。然而，一旦延遲變得可察覺，就可能影響對話互動、音樂演出、監聽準確性、同步品質及使用者體驗。了解延遲有助於工程師、安裝人員、音樂人、廣播從業者、IT團隊和通訊系統設計師，打造出感受自然且反應靈敏的系統。

在即時音訊領域，延遲不僅僅是個技術數字，更直接影響對話的自然度、表演者監聽的準確性，以及聲音與影像或事件同步的完整性。

延遲的基本意義

延遲就是時間差。在音訊中，這種延遲可能發生在訊號鏈的多個位置。麥克風負責收音，類比數位轉換器進行轉換，軟體加以處理，網路進行傳輸，解碼器重建訊號，最後由揚聲器播放出來。每個階段都可能增加一點點延遲。

整段累積的時間差通常稱為端對端延遲（End-to-End Latency），也就是從原始聲音或使用者動作開始，到最終音訊輸出為止的完整時間。在語音通訊中，端對端延遲會影響對話的流暢度；在音樂製作中，則會左右表演者在錄音時聽見自己聲音的自然程度。

以毫秒為單位的延遲

延遲通常以毫秒（ms）為單位來測量，1毫秒等於千分之一秒。在許多情況下，5毫秒的延遲幾乎無法察覺，但若達到200毫秒，就會讓雙向對話感到彆扭。

不同應用所能容忍的延遲程度也不一樣。錄音室監聽、現場演出、對講系統和音樂協作需要極低的延遲；背景音樂播放、檔案串流以及非互動式音訊，則可承受較高的延遲，因為使用者無需即時回應。

音訊延遲 vs 網路延遲

音訊延遲涵蓋整個系統中所有與聲音相關的延遲；網路延遲則單指數據在網路中傳輸所造成的延遲。在VoIP或網路音訊的環境裡，兩者都很重要，因為音訊必須經過編碼、封包化、傳送、緩衝、解碼，最後才能播放。

即便網路延遲很低，若編解碼器、緩衝區、軟體處理或播放裝置添加了過多延遲，整體音訊延遲依然可能偏高。因此，進行問題排查時，應檢查完整的訊號路徑，而不只是觀看網路 Ping 值。

音訊系統中延遲的成因

當聲音需要時間進行收音、轉換、處理、傳輸、暫存或重現時，就會產生延遲。類比音訊系統的延遲可以非常低，而數位系統則因為是以取樣點、訊框、封包和緩衝區等方式來處理音訊，通常會添加較多的延遲。

數位處理帶來許多好處，例如降噪、回音消除、壓縮、靈活的路由、錄音和網路傳輸等。但相對地，每一個處理步驟若設計不夠謹慎，都可能引入額外的延遲。

轉換延遲

當類比聲音進入數位系統時，會經過類比數位轉換器（ADC）；而當數位音訊要播放出來時，則需通過數位類比轉換器（DAC）。這些轉換階段都需要耗費一點時間。

專業錄音介面的轉換延遲通常很低。然而，消費性裝置、無線設備或經過大量處理的系統，其轉換與內部處理可能會帶來更多延遲。實際數值取決於硬體設計、取樣率、驅動程式品質以及處理方式。

緩衝區延遲

緩衝處理是音訊延遲最常見的原因之一。緩衝區會暫存音訊資料，讓系統能平滑地進行處理。較大的緩衝區可減少斷音和異常雜音，但也會增加延遲。

在錄音軟體中，使用者經常會調整緩衝區大小。較小的緩衝區能提供較低的監聽延遲，但需要耗用更多CPU資源；較大的緩衝區在混音大型專案時更穩定，但錄製人聲或樂器時就可能感覺到明顯延遲。

編解碼器延遲

音訊編解碼器會壓縮與解壓縮音訊。這在VoIP、藍牙音訊、視訊會議、串流媒體和網路通訊中相當普遍。編碼和解碼都需要時間，某些編解碼器還會以訊框為單位運作，因而增加額外延遲。

低延遲編解碼器對即時通訊至關重要。高壓縮率的編解碼器雖能節省頻寬，但若設定不當，反而會增加延遲並降低音質。

網路延遲與抖動緩衝

在基於IP的音訊傳輸中，封包會經過交換器、路由器、無線鏈路、防火牆和網際網路路徑。網路延遲、抖動、壅塞、封包遺失和重傳行為，都會影響即時音訊。

抖動緩衝區用來平滑封包抵達時間不一的問題，以避免聲音斷斷續續，但較大的抖動緩衝區會增加延遲。最佳的設定是在穩定性與反應速度之間取得平衡。

與延遲相關的技術特性

延遲受多項技術參數影響。了解這些特性有助於團隊選擇合適的設備、設定音訊系統，以及排除延遲問題。

取樣率與訊框大小

取樣率定義每秒捕捉的音訊樣本數，常見數值包含44.1 kHz、48 kHz以及更高的專業規格。訊框大小則定義單次處理的音訊量。

較小的訊框可降低延遲，因為系統只需等待較少的音訊就能開始處理。然而，較小的訊框可能增加CPU負載與網路負擔。最佳配置取決於應用場合與系統效能。

驅動程式與硬體效能

音訊驅動程式對延遲影響很大，尤其是在以電腦為基礎的錄音與播放環境中。專業驅動程式如 Windows 上的 ASIO，或是 macOS 上經過最佳化的 Core Audio 設定，比起泛用型驅動程式，能顯著減少監聽延遲。

硬體本身也很重要。高品質的錄音介面、DSP處理器或通訊終端，處理音訊的速度和穩定性通常優於處理能力有限的低價設備。

處理鏈的長度

每一個插入的效果器或處理器都可能增加延遲。無論是等化器、壓縮器、限制器、降噪、聲學回音消除、波束成形、自動增益控制、虛擬環繞聲，還是基於AI的音訊增強，都會占用處理時間。

部分處理是必要的，特別是為了語音清晰度和回音控制。目標是做到恰如其分的處理，卻不衍生不必要的延遲。在現場系統中，通常會優先選用低延遲的處理模式。

與視訊的同步

當音訊延遲與視訊無法吻合時，就會變得格外明顯。如果講者的嘴型出現在聲音之前或之後，使用者就會察覺到「影音不同步」或「對嘴問題」。

音視訊同步在會議、廣播、串流、遠距教學、現場活動、安全監控和公共顯示等領域至關重要。系統可透過延遲補償，重新對齊音訊與視訊串流。

低延遲帶來的音訊好處

低延遲能提升「即時感」。當音訊快速反應時，對話會更自然，音樂家能更精準地演奏，操作者對現場狀況的反應也會更快。正因如此，延遲在即時音訊系統中是一項關鍵品質指標。

對話更加自然

在電話、VoIP會議、對講系統和視訊會議中，過多的延遲會讓人們互相搶話，或出現不自然的停頓。低延遲能幫助參與者更流暢地發言與回應。

自然的對話對於客服中心、指揮中心、遠距醫療、遠端支援、線上教學和商務會議尤為重要。使用者或許不清楚具體的延遲毫秒數，但一定能感覺到通話是否「卡卡的」。

更好的音樂監聽體驗

音樂人和歌手在表演時，需要近乎即時地聽到自己的聲音。如果監聽延遲太高，掌握拍點就會變得困難，演出品質也會大打折扣。

因此，低延遲監聽在錄音室、現場音響系統、數位混音座、耳內監聽以及線上音樂協作中極為關鍵。直接監聽和經過最佳化的錄音介面，常用來降低延遲。

提升現場系統的語音清晰度

在現場擴聲環境中，直接音與擴聲後的延遲差異會影響清晰度。若延遲的聲音來得太晚，可能會產生回音或降低語言可懂度。

透過適當的延遲控制和揚聲器延遲校準，可以讓聽眾在禮堂、演講廳、教室、車站、宗教場所和公共廣播系統中，更清楚地聽見語音內容。

更佳的音視訊體驗

低且受控的延遲有助於維持音訊與視訊的同步，進而改善線上會議、直播串流、影片製作、監控回放、遠距教學和數位看板的使用體驗。

即使整體延遲並非極低，只要延遲保持穩定且同步，對非互動性內容而言仍在可接受範圍。關鍵在於讓延遲規格貼合實際應用的需求。

即時音訊系統的應用領域

在使用者與聲音進行即時互動的場合，延遲最為重要。不同系統的容忍度各異，但互動式通訊普遍偏好低且可預測的延遲。

VoIP 與 SIP 通訊

VoIP 和 SIP 系統將語音轉換為 IP 封包並透過網路傳送。延遲可能來自編解碼器、抖動緩衝、路由路徑、防火牆、VPN、無線鏈路和終端處理等環節。

良好的 VoIP 設計會選用合適的編解碼器、部署服務品質（QoS）策略、採用穩定的網路鏈路、控制抖動緩衝，並正確設定終端設備，以確保通話清晰且反應迅速。

視訊會議

視訊會議同時仰賴音訊與視訊的定時。若延遲過高，與會者可能會搶話，或感覺與對話內容脫節。

會議系統必須在延遲、降噪、回音消除、攝影機處理、網路穩定性和雲端路由之間取得平衡。許多時候，為了換取更高的整體穩定性，會接受稍微高一點的延遲。

錄音與音樂製作

錄音系統需要低監聽延遲，表演者才能跟上節拍。錄音介面驅動程式、緩衝區大小、外掛程式處理、取樣率和電腦效能，都會影響最終結果。

在錄音階段，工程師常採用低緩衝設定、直接監聽或硬體 DSP 監聽；到了混音階段，由於即時反應的需求降低，則可能調大緩衝區以確保穩定性。

現場音響與公共廣播

現場音響系統包含麥克風、混音器、處理器、擴大機和揚聲器，每個設備都可能帶來延遲。若延遲未受控制，聲音就會變得模糊，或聽起來與來源脫離。

在較大型的場地，延遲塔或輔助揚聲器會經過刻意校準，讓不同揚聲器的聲音在正確的時間抵達聽眾。這屬於延遲的控制性應用，而非惱人的問題。

遊戲與互動媒體

遊戲、VR、AR 和互動媒體都需要極低的音訊延遲，因為聲音必須對使用者的操作即時反應。音效延遲會讓遊戲操作感到遲滯，並削弱沉浸感。

無線耳機、藍牙編解碼器、遊戲引擎、作業系統音訊管線和顯示器同步，都會影響最終的體驗。

如何測量延遲

延遲的測量方式取決於系統類型。通常最有用的指標是端對端延遲，因為它反映了使用者真實感受到的延遲。

往返延遲

往返延遲（Round-Trip Latency）測量音訊從輸入系統、經過處理後再回到輸出的總時間。這在使用麥克風輸入與耳機監聽的錄音系統中十分常見。

往返延遲能幫助音樂人和工程師判斷錄音配置是否適合即時監聽。它涵蓋了輸入轉換、驅動緩衝、軟體處理和輸出轉換等所有環節。

單向延遲

單向延遲（One-Way Latency）測量從來源端到目的端的延遲，對於 VoIP、廣播、網路音訊、對講系統和串流系統相當重要。

要精準測量單向延遲較為困難，因為兩端需要精確的時間同步，可能需要使用專用工具或特殊的測試方法才能獲得精確結果。

主觀聆聽測試

在實務專案中，主觀測試仍有其價值。使用者可以實際測試對話是否自然、表演者能否舒適地監聽，以及聲音是否與畫面保持同步。

測量工具提供的是數據，但使用者的親身體驗才能最終確認系統是否達到可接受的標準。

如何減少音訊延遲

要降低延遲，必須檢視完整的訊號鏈。單單降低某個環節的延遲，若其他部分依然緩慢，仍無法徹底解決問題。

最佳化緩衝區設定

在錄音與軟體音訊系統中，緩衝區大小是需要優先檢查的項目。較小的緩衝區可降低延遲，但會增加CPU負擔；較大的緩衝區可提升穩定性，卻會增加延遲。

最佳設定取決於工作類型：錄音和現場監聽建議使用較小的緩衝區，混音大型專案或使用大量外掛程式時，則適合改用較大的緩衝區。

選用合適的編解碼器

對 VoIP、藍牙和串流而言，編解碼器的選擇會直接影響延遲。有些編解碼器專為低延遲最佳化，有些則側重壓縮效率或音質。

編解碼器應與應用場合匹配。即時語音和監聽需要低延遲，而非互動式的音樂串流則可容忍較多的緩衝。

改善網路品質

透過使用穩定的有線連接、高品質交換器、恰當的 QoS 設定、減少壅塞、可靠的網際網路連線及合宜的路由，可降低網路延遲。無線網路則需確認訊號強度和干擾狀況。

對即時音訊來說，封包遺失和抖動往往與平均延遲同等重要。一個平均延遲低但抖動嚴重的網路，依然可能產出品質不佳的音訊。

減少不必要的處理

停用或簡化非必要的處理程序。過度的降噪、虛擬效果、AI 增強以及多層外掛程式串接，都會增加延遲。

在現場及即時系統中，若有低延遲處理模式應優先選用。同時盡可能讓訊號路徑保持單純，並兼顧清晰度與品質要求。

常見問題與故障排除

延遲問題可能表現為聲音落後、回音、影音不同步、監聽延遲、音樂拍點不準，或互動系統反應遲緩。原因可能來自硬體、軟體、網路或設定不當。

監聽延遲

當表演者太晚才聽到自己的聲音或樂器聲，就是監聽延遲。這常發生在透過軟體監聽，且緩衝區太大或使用高延遲外掛程式的時候。

解決方式包含使用直接監聽、降低緩衝區大小、繞過高延遲外掛、更換較佳的音訊驅動程式，或透過硬體 DSP 進行監聽。

通訊系統中的回音

回音與延遲不同，但高延遲會讓回音更加明顯。若使用者聽到自己延遲後回傳的聲音，對話的舒適度就會大幅降低。

回音消除功能、揚聲器與麥克風的正確擺位、使用耳麥，以及降低端對端延遲，都有助於改善此問題。

影音不同步

當音訊與視訊抵達時間不一致，就會發生影音不同步（Lip-Sync Mismatch）。原因可能來自視訊處理延遲、音訊緩衝、無線傳輸、串流軟體或顯示器處理。

許多系統都允許調整音訊延遲或同步設定，目標是讓觀眾所見與所聞精準對齊。

不穩定的延遲

不穩定的延遲往往比恆定延遲更糟糕。若延遲隨時間變動，使用者就會察覺到聲音節奏不規則、斷音或通訊抖動等現象。

網路抖動、CPU 使用率瞬間飆高、無線干擾、設備過載以及動態緩衝等，都可能造成不穩定的延遲。透過監控工具和受控制的測試，有助於找出問題根源。

設備選擇與部署考量

在挑選音訊設備或設計系統時，應根據實際應用來評估延遲需求。設計用來播放背景音樂的系統，不需要具備錄音室監聽鏈或緊急對講系統那種等級的延遲效能。

檢視原廠公布的延遲規格

製造商可能會公布錄音介面、DSP處理器、無線系統、編解碼器和網路音訊設備的延遲數值。這些資料有助於比較設備，但務必留意其測試條件。

官方公布的延遲數字可能未涵蓋完整的系統路徑。在加入軟體、網路路由、緩衝區和終端設備之後，實際環境中的延遲往往會更高。

在真實條件下進行測試

延遲應在實際使用環境中進行測試。在實驗室表現良好的系統，換到壅塞的網路、大型場館，或啟用所有處理功能後，表現可能截然不同。

真實條件測試應涵蓋正常運作、尖峰負載、無線使用、視訊同步以及使用者回饋等環節，才能避免部署後出現意料之外的狀況。

在延遲與穩定性之間取得平衡

盡可能壓低延遲未必就是最佳設定。緩衝區過小，音訊可能會出現爆音、斷音；抖動緩衝過小，網路音訊則可能變得不穩定。

目標是獲得「可用」的低延遲以及「可靠」的效能。一個延遲略高但穩定的系統，往往比延遲極低卻不穩定的系統來得更好。

常見問答

為什麼藍牙音訊常常感覺有延遲？

藍牙音訊在播放前通常需要經過編碼、無線傳輸、緩衝和解碼。部分編解碼器和裝置是以較佳音質為設計導向，而非超低延遲，這使得觀看影片、玩遊戲或現場監聽時，容易感受到延遲。

延遲可以完全消除嗎？

不行。任何實際的系統都會有某種程度的延遲，因為聲音必須經過收音、轉換、處理、傳輸和重現。務實的目標是將延遲降低到不再影響該應用體驗的程度。

為什麼錄音時自己的聲音聽起來會延遲？

這通常是因為透過軟體監聽，且緩衝區設定過大或使用了高延遲的外掛程式。採用直接監聽、降低緩衝區大小，或繞過高延遲處理，通常就能改善。

低延遲永遠比音質更重要嗎？

不一定。即時應用確實需要低延遲，但音樂播放和非互動式串流可能會優先考量音質和穩定性。如何取捨，取決於音訊的實際用途。

延遲如何影響遠距音樂協作？

遠距音樂協作對延遲極為敏感，因為參與者必須維持在相同的節奏上。即使是中等程度的延遲，也會讓同步演奏變得困難，因此這類系統需要最佳化的網路、低延遲編解碼器以及審慎的監聽設定。

為什麼同一網路下的兩個裝置，音訊延遲會不同？

不同裝置可能使用不同的編解碼器、處理器、緩衝區、驅動程式、無線晶片組和播放路徑。即便在同一個網路下，終端設備的軟硬體設計差異，也會造成不同的延遲數值。