阅读说明：本技术 音视频同步误差的确定方法、装置、电子设备和存储介质 (Method and device for determining audio and video synchronization error, electronic equipment and storage medium ) 是由 王伟 刘一卓 于 2020-06-10 设计创作，主要内容包括：本申请公开了一种音视频同步误差的确定方法、装置、电子设备和存储介质,涉及多媒体和直播领域中的图像处理和声音处理技术。具体实现方案为：获取直播流地址；根据直播流地址从流媒体服务器获取直播数据流的音频帧数据和视频帧数据；根据音频帧数据对应的显示时间信息和视频帧数据对应的显示时间信息,确定直播数据流中音频与视频的同步误差；或者,将音频帧数据和视频帧数据各自对应的显示时间信息进行可视化展示,以根据展示信息确定同步误差。由此,根据直播数据流的音频帧数据和视频帧数据各自对应的显示时间信息,直接计算同步误差或者根据显示时间信息展示结果确定同步误差,实现了量化展示直播数据流中音频和视频的同步误差的目的。(The application discloses a method and a device for determining audio and video synchronization errors, electronic equipment and a storage medium, and relates to image processing and sound processing technologies in the fields of multimedia and live broadcasting. The specific implementation scheme is as follows: acquiring a live streaming address; acquiring audio frame data and video frame data of a live data stream from a streaming media server according to the live stream address; determining the synchronous error of the audio and the video in the live data stream according to the display time information corresponding to the audio frame data and the display time information corresponding to the video frame data; or, the display time information corresponding to the audio frame data and the video frame data is visually displayed, so that the synchronization error is determined according to the display information. Therefore, according to the display time information corresponding to the audio frame data and the video frame data of the live data stream, the synchronization error is directly calculated or determined according to the display result of the display time information, and the purpose of quantitatively displaying the synchronization error of the audio and the video in the live data stream is achieved.)

音视频同步误差的确定方法、装置、电子设备和存储介质

技术领域

本申请涉及计算机技术领域，尤其涉及多媒体和直播领域中的图像处理和声音处理技术，具体涉及一种音视频同步误差的确定方法、装置、电子设备和存储介质。

背景技术

在各大视频/游戏/电商直播平台观看直播时，经常会发现直播间内，主播的声音与动作出现不同步的情况。造成声音和动作不同步的原因是：音频帧和视频帧在播放时，其时间轴发生同步误差，因此解决不同步的问题，主要在于定位同步误差在直播数据流中的引入阶段和进行同步误差的量化。但是目前都是采用主观评估方法来判断音频和视频是否同步，无法对音频和视频的同步误差进行量化。

发明内容

本申请实施例提供一种音视频同步误差的确定方法、装置、电子设备和存储介质，以达到量化同步误差的目的。

第一方面，本申请实施例提供了一种音视频同步误差的确定方法，包括：

获取直播流地址；

根据所述直播流地址从流媒体服务器获取直播数据流的音频帧数据和视频帧数据；

根据所述音频帧数据对应的显示时间信息和所述视频帧数据对应的显示时间信息，确定所述直播数据流中音频与视频的同步误差；或者，将所述音频帧数据对应的显示时间信息和所述视频帧数据对应的显示时间信息进行可视化展示，以根据展示信息确定所述直播数据流中音频与视频的同步误差。

第二方面，本申请实施例还提供了一种音视频同步误差的确定装置，包括：

UI交互模块，用于获取直播流地址；

WebSocket Server模块，用于将所述直播流地址发送至采集任务模块；

采集任务模块，用于基于所述直播流地址，从流媒体服务器获取直播流的音频帧数据和视频帧数据；

WebSocket Server模块还用于：根据所述音频帧数据对应的显示时间信息和所述视频帧数据对应的显示时间信息，确定所述直播数据流中音频与视频的同步误差；

所述UI交互模块还用于：将所述音频帧数据对应的显示时间信息和所述视频帧数据对应的显示时间信息进行可视化展示，以根据展示信息确定所述直播数据流中音频与视频的同步误差。

第三方面，本申请实施例还提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任意实施例所述的音视频同步误差的确定方法。

第四方面，本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请任意实施例所述的音视频同步误差的确定方法。

上述申请中的实施例具有如下优点或有益效果：由于直播流中的音频帧数据和视频帧数据各自对应的显示时间信息是传递给终端播放器的时间戳，两个显示时间信息是否相同决定了终端播放器中所播放的直播的音频和视频是否同步，因此在获取到直播数据流的音频帧数据和视频帧数据后，可根据音频帧数据和视频帧数据各自对应的显示时间信息，直接计算同步误差或者将显示时间信息进行可视化展示，以便根据展示结果确定同步误差，由此实现了量化展示直播数据流中音频和视频的同步误差的目的。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1a是根据本申请第一实施例的音视频同步误差的确定方法的流程示意图；

图1b是根据本申请第一实施例的音频帧数据对应的显示时间信息和视频帧数据对应的显示时间信息进行对比化展示的效果图；

图2a是根据本申请第二实施例的音视频同步误差的确定方法的流程示意图；

图2b是根据本申请第二实施例的直播过程的示意图；

图3是根据本申请第三实施例的音视频同步误差的确定装置确定同步误差的过程图；

图4是根据本申请第四实施例的音视频同步误差的确定装置的结构示意图；

图5是用来实现本申请实施例的音视频同步误差的确定方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1a是根据本申请第一实施例的音视频同步误差的确定的方法的流程示意图，本实施例可适用于在直播过程中，检测直播数据流中音频和视频的同步误差的情况。该方法可由一种音视频同步误差的确定装置来执行，该装置采用软件和/或硬件的方式实现，优选是配置于电子设备中，例如服务器。参见图1a，音视频同步误差的确定的方法具体如下：

S101、获取直播流地址。

S102、根据所述直播流地址从流媒体服务器获取直播数据流的音频帧数据和视频帧数据。

其中，流媒体服务器用于存储直播流数据；直播流地址用于确定直播流数据在流媒体服务器中的存储位置。

由于直播过程中主播的声音与动作出现不同步的原因是：直播数据流的音频帧和视频帧在播放时，其时间轴发生同步误差。因此要量化直播时音频和视频之间的同步误差，必须要获取直播数据流的音频帧数据和视频帧数据。可选的，先获取直播流地址，进而根据直播流地址从流媒体服务器获取直播数据流的音频帧数据和视频帧数据，其中，直播流地址可以是检测人员手动输入的。

本申请实施例中，在根据获取的直播数据流的音频帧数据和视频帧数据计算同步误差时，可以通过机器自动确定同步误差(参见S103)，或者，进行展示后由人工确定误差(参见S104)。

S103、根据所述音频帧数据对应的显示时间信息和所述视频帧数据对应的显示时间信息，确定所述直播数据流中音频与视频的同步误差。

本申请实施例中，直播流的数据结构中包括时间戳，其中，DTS(Decoding TimeStamp)解码时间戳表示压缩帧的解码时间，PTS(Presentation Time Stamp)显示时间戳表示压缩帧解码后得到的原始帧的显示时间。音频中DTS和PTS是相同的，视频中由于B帧需要双向预测，依赖于前后的帧，因此含B帧的视频解码顺序和显示顺序不同，即DTS和PTS不同，不含B帧的视频，DTS和PTS是相同的。时间基time_base是时间戳的单位，如果一个视频帧DTS是40，PTS是160，其time_base是1/1000秒，则此视频帧的解码时刻是40ms，显示时刻是160ms。本装置中可使用ffprobe进行帧数据解析，其中PKT_PTS为帧的PTS时间，显示时间信息(即PKT_PTS_TIME)为帧通过时间基计算出来的显示时间，即传递给终端播放器的时间戳，由此可知，要确定终端播放器中所播放的直播的音频和视频是否同步，只需判断音频帧数据对应的PKT_PTS_TIME和视频帧数据对应的PKT_PTS_TIME是否相同。也即可根据音频帧数据对应的PKT_PTS_TIME和视频帧数据对应的PKT_PTS_TIME计算直播数据流中音频与视频的同步误差。

在一种可选的实施方式中，根据所述音频帧数据对应的显示时间信息和所述视频帧数据对应的显示时间信息，确定所述直播数据流中音频与视频的同步误差，包括S1031-S1032：

S1031.根据所述音频帧数据和所述视频帧数据的到达顺序，对所述音频帧数据和所述视频帧数据进行配对，获得至少一个音视频帧对。

S1032.对于各音视频帧对，确定所述音视频帧对包含的音频帧数据对应的显示时间信息与视频帧数据对应的显示时间信息之间的差值，根据所述差值确定所述直播数据流中音频与视频的同步误差。

本申请实施例中，根据直播流地址从流媒体服务器获取视频帧数据和音频帧数据时，流媒体服务器并不是按照一定规律发送视频帧数据和音频帧数据，例如先连续发送几帧音频帧数据后，又连续发送几帧视频帧数据。因此要判断直播数据流中的音频和视频是否同步，首先需要将获取的音频帧数据和视频帧数据进行配对，也即保证音频帧数据和视频帧数据对应。可选的，根据音频帧数据和视频帧数据的到达顺序，对音频帧数据和视频帧数据进行配对，由于会不断的从流媒体服务器获取直播数据流的音频帧数据和视频帧数据，因此通过按到达顺序配对后，可得到至少一个音视频帧。

在得到各音视频帧对后，判断音视频帧对包含的音频帧数据对应的显示时间信息与视频帧数据对应的显示时间信息是否相同。若相同，则确定直播流中的音频和视频同步；若不同，则确定直播流中的音频和视频不同步，即两者之间存在同步误差。可选的，为了简化计算同步误差的过程，可直接将音视频帧对包含的音频帧数据对应的显示时间信息与视频帧数据对应的显示时间信息之间的差值作为同步误差。

需要说明的是，通过对音频帧数据和视频帧数据进行配对，进而将音视频帧对包含的音频帧数据对应的显示时间信息与视频帧数据对应的显示时间信息之间的差值作为同步误差，由此实现了对同步误差的量化，而且计算同步误差的过程简单便捷、准确性高。

进一步的，音视频同步误差的确定装置中预先设置有第一缓存单元和第二缓存单元，以便缓存从流媒体服务器获取的音频帧数据和视频帧数据，示例性的，第一缓存单元用于缓存最近到达的视频帧数据，第二缓存单元用于缓存最近到达的音频帧数据。

在一种可选的实施方式中，根据音频帧数据和视频帧数据的到达顺序，对音频帧数据和视频帧数据进行配对，获得至少一个音视频帧对，包括：对于接收到的所述流媒体服务器发送的当前帧数据，若所述当前帧数据为音频帧数据，则将该音频帧数据与第一缓存单元缓存的视频帧数据进行配对；若所述当前帧数据为视频帧数据，则将该视频帧数据与第二缓存单元缓存的音频帧数据进行配对。

本申请实施例中，由于第一缓存单元用于缓存最近到达的视频帧数据，第二缓存单元用于缓存最近到达的音频帧数据，因此根据新到达的当前帧数据的类型，将当前帧数据与第一缓存单元缓存的视频帧数据或者第二缓存单元缓存的音频帧数据进行配对，提升配对的准确性，进而保证音频和视频能够对应。

S104、将所述音频帧数据对应的显示时间信息和所述视频帧数据对应的显示时间信息进行可视化展示，以根据展示信息确定所述直播数据流中音频与视频的同步误差。

在一种可选的实施方式中，将所述音频帧数据对应的显示时间信息和所述视频帧数据对应的显示时间信息进行可视化展示，包括S1041-S1042：

S1041、根据所述音频帧数据和所述视频帧数据的到达顺序，对所述音频帧数据和所述视频帧数据进行配对，获得至少一个音视频帧对。

具体配对过程参见上述内容，在此不再赘述。

S1042、对于各音视频帧对，将所述音视频帧对包含的音频帧数据对应的显示时间信息和视频帧数据对应的显示时间信息进行对比化展示。

示例性的，参见附图1b，其示出了音频帧数据对应的显示时间信息和视频帧数据对应的显示时间信息进行对比化展示的效果图，其中，横轴表示音视频帧对，纵轴表示显示时间信息(即PKT_PTS_TIME)。而将所述音视频帧对包含的音频帧数据对应的显示时间信息和视频帧数据对应的显示时间信息进行对比化展示，用户只需查看主要图1b中的音频帧线和视频帧线是否重合，即可快速直观的确定直播流中的音频和视频是否同步。而且计算同步误差的具体数值时，用户可通过点击任一音视频帧对，即可查看该音视频帧对包含的音频帧数据对应的显示时间信息和视频帧数据对应的显示时间信息，进而可根据差值计算同步误差。

本申请实施例中，由于直播流中的音频帧数据和视频帧数据各自对应的显示时间信息是传递给终端播放器的时间戳，两个显示时间信息是否相同决定了终端播放器中所播放的直播的音频和视频是否同步，因此在获取到直播数据流的音频帧数据和视频帧数据后，可根据音频帧数据和视频帧数据各自对应的显示时间信息，直接计算同步误差或者将显示时间信息进行可视化展示，以便根据展示结果确定同步误差，由此实现了量化展示直播数据流中音频和视频的同步误差的目的。

图2a是根据本申请第二实施例的音视频同步误差的确定方法的流程示意图，本实施例在上述实施例的基础上进一步进行优化。如图2a所示，该方法具体包括如下：

S201、获取直播流地址，其中所述直播流地址为推流地址或拉流地址。

S202、根据所述直播流地址从流媒体服务器获取直播数据流的音频帧数据和视频帧数据。

参见图2b，其示出了直播过程的示意图，直播的数据流分为推流端和拉流端，主播开播时，推流端会在流媒体服务器和推流端之间开启一条推送流，推送流会将视频和音频数据(统称直播流数据)，推送至流媒体服务器(如Nginx的rmtp模块)，播放端(即拉流端)则通过给定的地址从流媒体服务器中获取音频和视频帧数据，再依靠播放器将音频和视频数据进行同步播放来展示给观看直播的用户。

进一步的，根据直播的过程可知，用户最后看到的直播过程中的音频和视频不同步，引入阶段大致可以分为在三个阶段：推流阶段，拉流阶段，播放阶段。造成音频和视频不同步问题有两个关键因素：1.源数据流中时间戳必须正确，如果推流或者拉流数据源中时间戳就存在问题，播放中再怎么调整也无济于事。2.播放时的时间戳控制相关。因此要确定同步误差的引入阶段，获取不同阶段的直播流数据进行分析，而为了提升判断的效率，可选的，本音视频同步误差的确定装置对推流和拉流两个阶段的直播流数据同步进行检测，进而由排查法来确定同步误差是否在播放阶段引入同步误差，也即如果推流和拉流阶段都不存在同步误差，则较大可能是由播放阶段引入同步误差。

由于直播过程包括推流和拉流两个过程，则直播流地址也分为推流地址和拉流地址。

如果获取的直播流地址为推流地址，相应的，直播数据流为推流端向所述流媒体服务器推送的直播数据流，也即根据直播流地址获取的音频帧数据和视频帧数据，为推流阶段产生的帧数据。需要说明的是，通过推流地址获取音频帧数据和视频帧数据，进而按照S103或者S104确定同步误差，实现了对推流阶段是否引入同步误差的检测。

如果获取的直播流地址为拉流地址，相应的，所述直播数据流为拉流端从所述流媒体服务器拉取的直播数据流，也即根据直播流地址获取的音频帧数据和视频帧数据，为拉流阶段产生的帧数据。需要说明的是，通过拉流地址获取音频帧数据和视频帧数据，进而按照S103或者S104确定同步误差，实现了对拉流阶段是否引入同步误差的检测。

S203、根据所述音频帧数据对应的显示时间信息和所述视频帧数据对应的显示时间信息，确定所述直播数据流中音频与视频的同步误差。

S204、将所述音频帧数据对应的显示时间信息和所述视频帧数据对应的显示时间信息进行可视化展示，以根据展示信息确定所述直播数据流中音频与视频的同步误差。

S205、在获取的直播流地址为推流地址时，且按照S202-S204确定所述直播数据流中音频与视频的同步误差不为零，则确定所述同步误差的引入阶段为推流阶段；或者，在获取的直播流地址为拉流地址时，且按照S202-S204确定所述直播数据流中音频与视频的同步误差不为零，则确定所述同步误差的引入阶段为拉流阶段。

在确定直播流地址为推流地址或拉流地址时，只需判断计算的同步误差是否为零，即可快速准确的确定同步误差的引入阶段。例如，直播流地址为推流地址，计算的同步误差不为零(即同步误差存在)，则确定同步误差是在推流阶段引入；相反的，若计算的同步误差为零，则表明推流阶段没有引入同步误差。在另一种可选的实施方式中，可预先设置一个阈值，如果同步误差小于该阈值，则认为不存在同步误差，也即认为直播数据流的音频视频同步。

本发明实施例中，根据获取的直播流地址(推流地址或拉流地址)的不同，再结合确定的同步误差的值是否为零，即可快速定位同步误差是否在推流阶段或拉流阶段引入。进而还可以结合排除法，如果判断在推流阶段和拉流阶段均没有引入同步误差，但直播数据流中音频和视频还是不同步，则确定同步误差是在播放阶段引入的。

图3是本申请第三实施例的音视频同步误差的确定装置确定同步误差的过程图，本实施例在上述实施例的基础上进一步进行优化。本申请实施例中，音视频同步误差的确定装置包括UI交互模块、WebSocket Server模块、采集任务模块，如图3所示，音视频同步误差的确定方法如下：

通过UI交互模块获取用户输入的直播流地址，UI交互模块向WebSocket Server模块发送一条开启流的指令，并携带直播流地址；WebSocket Server模块在收到指令后，将所述直播流地址发送至采集任务模块；通过所述采集任务模块基于所述直播流地址，从流媒体服务器获取直播数据流的音频帧数据和视频帧数据，如果直播流地址为推流地址，则根据推流地址获取推流端推送的直播流数据，如果直播流地址为拉流地址，则根据拉流地址获取拉流端端需要拉取的直播流数据，需要说明的是，任务采集模块采集的是帧维度的音频和视频。采集任务模块采集到直播数据流的音频帧数据和视频帧数据后，将直播数据流的音频帧数据和视频帧数据后传输给WebSocket Server模块，通过WebSocket Server模块，根据所述音频帧数据和所述视频帧数据的到达顺序，对所述音频帧数据和所述视频帧数据进行配对，获得至少一个音视频帧对，具体配对过程参见上述实施例，在此不再赘述。WebSocket Server模块将各音视频对发送给UI交互模块，通过UI交互模块，将各所述音视频帧对包含的音频帧数据对应的显示时间信息和视频帧数据对应的显示时间信息，进行对比化展示，以便用户根据展示结果结算同步误差。在此需要说明的是，WebSocket Server模块在完成音频帧数据和视频帧数据的配对后，对于各音视频帧对，还可确定音视频帧对包含的音频帧数据对应的显示时间信息与视频帧数据对应的显示时间信息之间的差值，进而根据差值确定所述直播数据流中音频与视频的同步误差。

本申请实施例在详述音视频同步误差的确定装置通过各功能模块实现确定同步误差的过程，实现了对同步误差的量化展示。

图4是根据本申请第四实施例的音视频同步误差的确定装置的结构示意图，本实施例可适用于的在直播过程中，检测直播数据流中音频和视频的同步误差情况。如图4所示，该装置400具体包括：

UI交互模块401，用于获取直播流地址；

WebSocket Server模块402，用于将所述直播流地址发送至采集任务模块；

采集任务模块403，用于基于所述直播流地址，从流媒体服务器获取直播流的音频帧数据和视频帧数据；

WebSocket Server模块402还用于：根据所述音频帧数据对应的显示时间信息和所述视频帧数据对应的显示时间信息，确定所述直播数据流中音频与视频的同步误差；

所述UI交互模块401还用于：将所述音频帧数据对应的显示时间信息和所述视频帧数据对应的显示时间信息进行可视化展示，以根据展示信息确定所述直播数据流中音频与视频的同步误差。

在上述实施例的基础上，可选的，所述WebSocket Server模块包括：

配对单元，根据所述音频帧数据和所述视频帧数据的到达顺序，对所述音频帧数据和所述视频帧数据进行配对，获得至少一个音视频帧对；

误差计算单元，用于对于各音视频帧对，确定所述音视频帧对包含的音频帧数据对应的显示时间信息与视频帧数据对应的显示时间信息之间的差值，根据所述差值确定所述直播数据流中音频与视频的同步误差。

在上述实施例的基础上，可选的，所述UI交互模块具体用于：

将各所述音视频帧对包含的音频帧数据对应的显示时间信息和视频帧数据对应的显示时间信息进行对比化展示。

在上述实施例的基础上，可选的，所述配对单元具体用于：

对于接收到的所述流媒体服务器发送的当前帧数据，若所述当前帧数据为音频帧数据，则将该音频帧数据与第一缓存单元缓存的视频帧数据进行配对；若所述当前帧数据为视频帧数据，则将该视频帧数据与第二缓存单元缓存的音频帧数据进行配对；

其中，所述第一缓存单元用于缓存最近到达的视频帧数据，所述第二缓存单元用于缓存最近到达的音频帧数据。

在上述实施例的基础上，可选的，所述直播流地址为推流地址；所述直播数据流为推流端向所述流媒体服务器推送的直播数据流。

在上述实施例的基础上，可选的，所述装置还包括：

第一误差引入阶段确定模块，用于若确定所述直播数据流中音频和视频的同步误差不为零，则确定所述同步误差的引入阶段为推流阶段。

在上述实施例的基础上，可选的，所述直播流地址为拉流地址；所述直播数据流为拉流端从所述流媒体服务器拉取的直播数据流。

在上述实施例的基础上，可选的，所述装置还包括：

第二误差引入阶段确定模块，用于若确定所述直播数据流中音频和视频的同步误差不为零，则确定所述同步误差的引入阶段为拉流阶段。

本申请实施例提供的资源的访问控制装置400可执行本申请任意实施例提供的音视频同步误差的确定方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是根据本申请实施例的音视频同步误差的确定方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的音视频同步误差的确定方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的音视频同步误差的确定方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的音视频同步误差的确定方法对应的程序指令/模块(例如，附图4所示的UI交互模块401、WebSocket Server模块402、采集任务模块403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的音视频同步误差的确定方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据实现本申请实施例的音视频同步误差的确定方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至实现本申请实施例的音视频同步误差的确定方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

实现本申请实施例的音视频同步误差的确定方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与实现本申请实施例的音视频同步误差的确定方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，由于直播流中的音频帧数据和视频帧数据各自对应的显示时间信息是传递给终端播放器的时间戳，两个显示时间信息是否相同决定了终端播放器中所播放的直播的音频和视频是否同步，因此在获取到直播数据流的音频帧数据和视频帧数据后，可根据音频帧数据和视频帧数据各自对应的显示时间信息，直接计算同步误差或者将显示时间信息进行可视化展示，以便根据展示结果确定同步误差，由此实现了量化展示直播数据流中音频和视频的同步误差的目的。同时根据获取的直播流地址的类型，以及计算出的同步误差的数值，可快速定位同步误差的引入阶段。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。