Comparação da transmissão direta ao vivo da câmera USB webcam (UVC / UAC) e qualidade de captura da placa de captura e atraso na sincronização de áudio

1. Detalhes técnicos e compromissos da conexão direta USB-C (protocolo UVC/UAC)

Câmeras modernas (Sony A7M4/ZV-E1, Panasonic S5II, Fujifilm X-S20, Canon R8) geralmente suportam UVC (USB Video Class) e UAC (USB Audio Class) sem driver:
Vantagem plug and play: Não há necessidade de instalar nenhum driver proprietário ou software auxiliar, basta conectar um cabo de dados USB C de alta especificação ao computador e o sistema do computador (OBS/Zoom/Tencent Conference) reconhecerá diretamente a câmera como uma webcam padrão de alta definição. Ao mesmo tempo, o áudio do microfone da câmera é transmitido por USB e a câmera pode ser alimentada continuamente por USB-C PD ao contrário.

• Comprometimento da largura de banda física e limitações de qualidade de imagem:
• O firmware USB integrado da maioria das câmeras limita a saída UVC a 1080p 30fps ou 1080p 60fps (alguns modelos de última geração oferecem 4K 15fps/30fps, mas geram muito calor);
  Compressão de codificação forçada na câmera: para reduzir a largura de banda USB, o codificador de hardware interno da câmera compacta imagens no formato Motion JPEG (MJPEG) ou H.264/YUY2. Os detalhes microscópicos das cores são compactados com perdas e as transições e sombras dos tons de pele produzem bloqueios de cores fracos e artefatos de ruído.

2. Placa de captura de vídeo externa HDMI (placa de captura): transmissão sem perdas em nível de filme

Diretores profissionais e transmissões ao vivo de alta definição de jogos geralmente usam placas de captura HDMI (como Elgato Cam Link 4K, AVerMedia e Lenovo):

1. Fluxo digital puro não compactado (Fluxo de vídeo não compactado):
   A câmera emite sinal de vídeo puro HDMI limpo por meio da interface HDMI de tamanho normal;

• O que é transmitido é o fluxo original de pixels digitais não compactados, sem qualquer recodificação com perdas. A amostragem de croma é de até 4:2:2 10 bits. A faixa dinâmica de cores, a nitidez das bordas e a pureza das sombras esmagam completamente o UVC.

2. Resolução ultra-alta e suporte para alta taxa de quadros: execute de forma fácil e estável 4K 60fps HDR, liberando totalmente o desfoque de fundo e a textura do nível do filme de sensores de grande formato e lentes de grande abertura.
3. Carga leve de aquecimento da câmera: A câmera não precisa usar o chip de codificação de compressão de vídeo integrado com consumo de energia extremamente alto. Ele faz apenas saída de exibição pura. Ele pode manter o corpo fresco por horas de transmissão ao vivo contínua, eliminando completamente o superaquecimento e o desligamento.

3. O pesadelo número um da transmissão ao vivo: o mecanismo de geração de áudio e vídeo fora de sincronia (Latência de sincronização labial)

Durante a transmissão ao vivo, o público muitas vezes vê que depois que o apresentador termina de mover a boca por 0,3 segundos, o som sai dos fones de ouvido, o que é extremamente dramático:

• Causas Físicas de Atraso:
• Rota de áudio: As ondas sonoras entram em um microfone USB externo ou placa de som, a quantidade de dados de áudio é extremamente pequena (apenas algumas centenas de kbps), a velocidade de processamento é extremamente rápida e o atraso do sistema geralmente é de apenas 10~20 milissegundos (ms);
• Rota de vídeo: O sinal de vídeo de alto pixel é lido pelo sensor, demosado, convertido em matriz de cores, saída HDMI e descriptografado pela placa de captura. O atraso de solidificação do hardware do sistema é geralmente de 80~200 milissegundos (ms)!
• Resultado: O som sempre chega antes da imagem, resultando em um sério fenômeno de "avanço do som".

4. OBS Studio calibração de sincronização precisa de áudio e vídeo em nível de milissegundos, método de quatro etapas

Fluxo de trabalho profissional e prático para resolver o problema de dessincronização de áudio e vídeo:

1. Planejamento da preparação do método de teste:

• Abra o OBS Studio e adicione a imagem e o áudio do microfone à cena;
• Fique de frente para a câmera e bata palmas com as duas mãos (palmas), ou bata na mesa com uma régua para fazer um som de impacto nítido e registrar a cena.

2. Diferença de tempo de posicionamento do vídeo na reprodução quadro a quadro:

• Grave um vídeo teste de 10 segundos contendo movimentos de palmas e arraste-o para o software de edição (Premiere ou Cut);
• Aumente o zoom até o nível do quadro na linha do tempo e encontre o quadro onde as palmas de ambas as mãos se unem e fazem contato (por exemplo, no quadro 12 em 1 segundo);
• Encontre o quadro na trilha da forma de onda de áudio onde o pico de pulso de impacto deslumbrante e agudo está localizado (por exemplo, no quadro 1 segundo 04);
• Calcule a diferença de frames entre os dois: uma diferença de 8 frames. A 30fps, a diferença de tempo é:
  [ 8 \div 30 \times 1000,\text{ms} \approx \mathbf{267,\text{ms}} ]

3. Injete deslocamento de sincronização de áudio (Sync Offset) no OBS:

• Na janela "Mixer" na parte inferior do OBS, clique no ícone de engrenagem à direita do microfone -> selecione Propriedades avançadas de áudio;
• Encontre a trilha do seu microfone e preencha o valor calculado na coluna Sync Offset: 267 ms;
• O software atrasará automaticamente o som por 267 milissegundos, para que o som e a imagem sejam perfeitos e perfeitos!

---