我目前正在使用 RTP 流式传输音频（8kHz 的 AAC-HBR）和视频 (H264)。两个提要单独工作都很好，但是当它们放在一起时，它们很快就会不同步（不到 15 秒）。
我不确定如何增加音频 RTP 标头上的时间戳，我认为它应该是两个 RTP 数据包之间的时间差（大约 127 毫秒）或 1/8000（0.125 毫秒）的恒定增量。但两者都不起作用，相反，我设法找到了一个甜蜜点。当我为每个数据包将时间戳增加 935 时，它会保持同步大约一分钟。
【问题讨论】：
标签： audio synchronization streaming rtp aac
AAC 帧大小为 1024 个样本。尝试增加 (1/8000) * 1024 = 128 毫秒。如果您的数据包有多个 AAC 帧，则为该值的倍数。
这有帮助吗？
【讨论】：
恕我直言，android 中的视频和音频不同步如果取自不同的媒体记录器，则很难解决。他们只是捕捉不同的起始帧，没有办法（看起来）找出不同步有多大，并在飞行中使用音频或视频时间戳对其进行调整。
【讨论】：
有点晚了，但是想把我的答案放上来。
音频 RTP 数据包的时间戳 == RTP 数据包中包含的音频样本数。
对于 AAC，每帧由 1024 个样本组成，因此 RTP 数据包上的时间戳应增加 1024。
2个RTP包的时钟时间差=(1/8000)*1024 = 128ms，即发送者发送rtp包的时间差为128ms。
来自其他采样率的更多信息：
现在以 44100hz 采样的 AAC 意味着 1 秒内有 44100 个信号样本。 所以 1024 个样本意味着 (1000ms/44100)*1024 = 23.21995 ms 所以 2 个 RTP 数据包之间的时间戳 = 1024，但是 rtp会话中2个RTP包的时钟时间差应该是23.21995ms。
尝试与其他示例相关联：
例如对于 G711 系列（PCM、PCMU、PCMA），采样频率 = 8k。 所以 20ms 数据包应该有样本 == 8000/50 == 160。 因此 RTP 时间戳增加了 160。 2个RTP包的时钟时间差应该是20ms。
【讨论】：