本文阐述音视频同步（A/V同步）的原理与实现，指出采集、编码、网络、渲染等环节均可能引入偏差。核心采用“音频主时钟”策略，视频追赶音频，通过PTS比较判定渲染、等待或丢帧。提供C核心代码及Swift封装，并给出PTS生成规范、调试工具和实战案例，最终将180ms偏差降至10ms内。