音訊為什麼不同步?固定偏移 vs 漸進漂移

Why Nov 1, 2026 3 min read

嘴唇動了,聲音晚到,影片沒辦法看。在嘗試任何事情之前,先回答一個問題——它會把問題乾淨地切成兩半,並且告訴你這篇文章的哪一半適用於你。

看一下開頭,再看一下第十分鐘。落差是一樣的,還是變大了?

維持不變的落差是固定偏移。越來越大的落差是漂移。這兩者彼此沒有關係。

固定偏移:全部晚了同樣多

音訊和影像都以正確的速度在播,只是其中一個在錯誤的時刻開始。原因全都和「聲音走的路徑」有關,和檔案的內部無關。

藍牙。這是最常見的原因,也是最好測的。無線音訊必須被編碼、傳輸、緩衝、解碼,而這趟來回要花掉明顯的零點幾秒。播放器和電視會補償,但補得不完美,而且補償量隨編碼和裝置而異。

測試花五秒鐘:插上有線耳機。如果同步突然就完美了,那檔案從來就不是問題。

顯示處理。電視會套用動態補償、降噪、升頻,每一項都會把畫面延後幾個影格。聲音則是直接送出去。大多數電視機有「音訊延遲」設定,正是因為這件事,而「遊戲模式」通常會把這些處理整個繞過。

檔案裡記著的偏移。容器可以指定音訊軌比影像早一點或晚一點開始。通常這是正確的,是在補償某個真實的東西;偶爾某個錄製或剪輯工具把它寫錯了,然後每一個播放器都忠實地重現那個錯誤。

如果有線耳機和另一個播放器都顯示同樣的偏移,那檔案確實帶著它,解法是把音訊軌平移之後重存。

漸進漂移:落差越來越大

這個在檔案裡,而且它的意思是:音訊和影像對「時間過得多快」有不同的意見。

可變影格率。主要原因。螢幕錄影、手機 App、遊戲擷取工具,經常用一個隨時變動的影格率錄製——畫面動得多的時候影格多,畫面靜止的時候影格少。而音訊同時以固定的取樣率在跑,因為聲音沒有「靜止的一刻」這種對應物。

直接播那個檔案,大多數播放器應付得了。但只要你剪它、轉它、或上傳到某個會重新編碼的地方,那條管線經常假設影格率是固定的——於是它把本來間隔不均的影格,放到了均勻的間隔上。到第十分鐘,畫面已經離聲音好幾秒遠。

這就是為什麼螢幕錄影看起來好好的,一剪下去,後半段就不能用了。

取樣率不匹配。音訊錄製是 44.1 kHz 或 48 kHz。如果某個工具認定一條 48 kHz 的軌是 44.1 kHz,它會把它播慢大約 9%——而十分鐘的 9% 將近一分鐘的漂移。

把設定不同的片段接起來。把 30 fps 和 25 fps 的片段、或者 44.1 kHz 和 48 kHz 的音訊,不重新編碼就串接起來,你會得到一個「播到一半時序就變了」的檔案。接點之後全部是錯的,而且越來越錯。

漂移怎麼修

幾乎所有漂移問題都用同一個方法解決:用固定影格率重新編碼,30 或 60 fps,音訊取樣率統一成 48 kHz。那會把檔案逼進一條均勻的時間軸,而不是一條「假設讀取端會正確解讀變動時序」的時間軸。

這件事要在剪輯之前做,不是之後。一旦剪輯軟體把可變影格率的素材鋪到固定時間軸上,漂移就被烤進那個剪接裡了,事後要修等於重剪一次。

重新編碼之前,先檢視檔案確認你面對的是什麼——它會顯示影格率是不是可變的、音訊取樣率是多少。看兩分鐘,可以避免去重壓一個本來就沒問題的東西。

固定偏移怎麼修

先排除播放路徑:有線耳機、另一個播放器、另一台裝置。只有當偏移在這三關都還在,它才在檔案裡。

如果真的在,解法是把音訊平移你量到的那個量。要在一個有銳利暫態的地方量——拍手、關門、手拍桌子——那種確切是哪一格不會有爭議的。憑感覺猜「大概三分之一秒」,只會做出一個往另一個方向錯掉的檔案。

一個看起來像兩者的情況

音訊本來同步,漂開,然後又彈回同步——那通常是損壞或不完整的檔案:一個被中斷的錄影,或者一個掉了一塊的下載。播放器是在跳,不是在漂。重新編碼常常能把時間軸修好;如果資料是真的不見了,那就沒有辦法。

簡短版

快速解決你的檔案問題: 影片資訊 立即免費使用 — 影片資訊 →