实现 Lip-sync

        在网络上，同时传输音频和视频并且在不同的通道传输，就涉及到了唇音同步(Lip-sync)的问题，比如SIP视频通话、视频会议等。
 最近在研究这个问题，对Lip-sync有所了解。介绍一种通用易懂的架构。如下：

 1.发送端的动作
    音频帧和视频帧都打上时间戳(以同样的时间基(timebase)，比如系统运行的时间)

 2.接收端的动作
   1)媒体内同步
      创建音频和视频的jitter 缓冲区，来处理延迟抖动、丢包、乱序导致的播放不流畅问题。
   2)媒体间同步
      以音频为主流，视频为从流。
      音频播放之前，缓冲一定数量的音频帧。 定时从音频缓冲区中取得一个音频帧进行播放，
      并记录下时间戳Ta。然后从视频缓冲区中取得一个视频帧，其时间戳Tv与Ta进行对比，来决定
      是立即显示、丢弃还是稍后显示。

      以上就是简单的唇音同步的方案，仅在接收端进行改善，但是音频和视频不同步，

  有很多原因：采集不同步、编码不同步、网络打包不同步、网络传输不同步、 网络解包不同步，解码不同步。

  故，实现唇音同步，不仅可以在接收端进行改善，同时也可以在发送端做改善的处理，在此不做描述。