抖动缓冲区（Jitter Buffer）

定义

抖动缓冲区（Jitter Buffer）是实时音视频接收端的核心组件：网络包到达时间忽快忽慢（抖动），若直接播放会断续卡顿，缓冲区先把包暂存并按时间戳重新排齐，再以稳定节奏交给解码器。

原理

缓冲深度是关键权衡：缓冲越大，越能吸收抖动与乱序、等到迟到的重传包，但端到端延迟越高。静态缓冲固定深度，实现简单；自适应缓冲根据实测抖动分布动态伸缩，音频还可配合变速不变调（time-scale modification）悄悄拉伸或压缩播放速度来追赶或等待，WebRTC 的 NetEQ 模块是典型实现。视频侧的 JitterBuffer 还负责组帧与参考帧完整性判断。

应用

VoIP 电话、视频会议、连麦直播、云游戏等一切低延迟场景都依赖抖动缓冲；其深度设置直接决定了"延迟 200 毫秒还是 800 毫秒"的体验差异。

相关指标

抖动通常以到达间隔方差衡量，RTCP 报告中即包含 jitter 字段，是网络质量诊断的基本数据。