延迟由上行、下行和端到端三部分组成，受编码、网络和缓冲影响。行业真实水平为同城70-100ms、跨地域150-250ms、跨洲200-300ms。追求最低延迟性价比低，因感知阈值在300-400ms，且与画质冲突。选型应关注卡顿率、稳定性，仅在合唱、手术等强交互场景才需较真延迟。

评估实时音视频性能需关注四方面：延迟（端到端、首帧、进房）、卡顿率（音频200ms、视频500ms阈值）、弱网抗性（丢包、码率自适应、重连）和稳定性（长时、并发、SLA）。参考阈值如端到端延迟200-300ms、卡顿率低于1%。验证时需对齐指标定义、测试环境，用质量监控平台自查，并多地区、弱网、长时、并发实测。

连麦延迟分为双向延迟（RTT）和观众端延迟。RTT影响对话流畅度，<400ms为可用，<200ms为优秀；观众端延迟正常范围为3-10秒。首帧时间应<2秒，卡顿率高于2%会影响体验。测量延迟可用第三方工具或互相计时法。理解这两种延迟的区别对优化连麦体验至关重要。

本文探讨了如何在播放器 SDK 中准确统计有效播放时长和卡顿时长，以计算播放卡顿率。通过定义事件类型和状态，记录播放过程中的各种事件，能够有效区分用户操作与真实卡顿，从而提供精确的播放质量数据。