自研VoIP应用RTP音频在Wireshark中播放慢8倍问题求助

核心问题定位 #

你的问题本质是采样率转换、编码标准与RTP时间戳三者不匹配，导致Wireshark按标准G.711u参数解析时出现时间轴拉伸。

具体排查修复步骤 #

1. 强制完成48kHz到8kHz的降采样 #

G.711u是严格的8kHz单声道编码标准，必须先把麦克风采集的48kHz原始数据降采样到8kHz再编码：

• 48kHz转8kHz的比例是6:1，每6个原始样本保留1个（建议用专业音频滤波/插值算法避免失真）；
• 你当前设置的480个48kHz样本，转换后应得到80个8kHz样本，对应10ms的G.711u编码帧；
• 若跳过降采样直接编码48kHz数据，编码后的数据流实际是48kHz采样率，但Wireshark会默认按8kHz解析，直接导致播放速度异常。

2. 对齐RTP时间戳与编码帧的对应关系 #

RTP时间戳增量必须严格匹配编码后的8kHz采样率：

• 每帧80个8kHz样本对应10ms时长，所以时间戳增量为80是正确的，但前提是编码输入是8kHz数据；
• 如果编码输入仍是48kHz数据，480个样本对应10ms，但G.711u编码后payload会是480字节（而非标准80字节），Wireshark会把480字节识别为480个8kHz样本（对应60ms），自然拉长播放时间。

3. 检查SDP媒体描述的正确性 #

确保SDP中明确指定8kHz采样率，示例如下：

m=audio 5004 RTP/AVP 0
a=rtpmap:0 PCMU/8000/1

若SDP中误写为48000，Wireshark会用错误采样率解析，直接导致播放速度偏差。

4. 验证RTP payload的标准性 #

标准G.711u（8kHz单声道）每10ms的payload大小应为80字节（80样本 × 1字节/样本）。若你的payload是480字节，说明未做降采样，Wireshark会错误识别时长，导致播放变慢。

5. 手动指定Wireshark播放采样率 #

在Wireshark中右键目标RTP流 → 「播放」→ 手动设置采样率为8000Hz，若播放恢复正常，说明SDP或RTP解析的采样率识别有误。

总结 #

最可能的根因是你跳过了48kHz到8kHz的降采样步骤，直接对原始麦克风数据进行G.711u编码，导致RTP payload与标准G.711u的样本数不匹配，最终被Wireshark错误解析为更长时长的音频，出现播放速度慢8倍的问题。

内容的提问来源于stack exchange，提问作者Griboks