近年来,实时音视频领域快速发展,WebRTC作为一个高质量且开源的实时音视频通信解决方案,得到了广泛应用,延迟、流畅性和清晰度是实时音视频系统的三大关键指标。由于复杂的网络环境,经常出现丢包和延迟抖动,WebRTC通过在接收端设置抖动缓冲区并在音频引擎、视频引擎下各设计一套自适应抖动缓冲算法,用以缓解其对音视频质量造成的影响。自适应抖动缓冲算法的目标在于合理地调节缓冲延时,从而消除延迟抖动,在延迟和流畅性之间获取平衡。然而,观察算法在真实直播场景下的表现,并对算法设计进行深入分析之后,我们发现在音频引擎下的自适应抖动缓冲算法,不适用于丢包重传机制开启模式,导致开启重传后,在网络质量不好的环境下,虽然音质明显提升,但是缓冲延时大幅增长;视频引擎下的自适应抖动缓冲算法,在计算视频帧大小对缓冲延时的影响时,方法过于保守,导致即使在网络质量极佳的情况下,有时也会出现一定的延时感。为此,本课题分析了淘宝直播平台的数据,并获取了 33989场直播频道的网络数据,在搭建WebRTC音视频通话测试平台后,验证了上述问题。进而本课题在音频算法中引入了延时越界预防机制,在高丢包弱网环境下,既能维持音质的提升效果又控制了缓冲延时的增长量,实现了音质和缓冲延时之间的平衡。在视频算法中引入了JTB-ψ机制,自适应调节乘性下降因子,使得缓冲延时合理的快速下降,平均延时降低了 41.5%,减少不必要的图像延迟。依托本课题所提出的方法,缓冲延时调节更加合理,音视频性能更加突出,更适合直播场景,也对其他音视频应用的优化具有一定参考价值。