音乐依赖共同时间基准
乐手在同一空间合奏时，会通过听觉、视觉和指挥动作不断校正时间。远程传输加入编码、网络路由、缓冲和解码，每一层都会增加等待。稳定的固定延迟虽然仍会影响互动，却比不断变化的延迟更容易被预期。
抖动描述到达时间的波动。平均延迟不高但波动很大时，短音、节奏和齐奏会比长音更容易出现错位。
丢包改变的是声音连续性
实时音频通常无法像普通文件那样等待每个数据包重传。少量丢包可能由算法隐藏，连续丢包则会产生断裂、金属音或短暂无声。提高缓冲能减少部分断裂，却会增加互动延迟，因此没有单一设置适合所有场景。
测试应使用接近真实的语音或音乐任务，而不是只记录下载带宽。
排练与直播需要不同策略
远程排练重视双向互动，直播更重视观众端连续播放。前者必须控制往返时间，后者可以通过更长缓冲换取稳定。把两种场景使用同一套指标，会让优化方向互相冲突。
开始前应先决定任务是实时协作、单向直播还是录制后传送，再选择工具和网络条件。
中乐器的动态与音色带来额外要求
锣鼓和弹拨乐器具有快速瞬态，拉弦与吹管则包含连续音色变化。编码参数过于激进时，强烈瞬态、泛音和空间感可能受到不同程度影响。
现场记录应同时保留采集设备、编码设置、网络条件和监听方式，单凭一句“听起来不好”无法支持复查。
用一段真实声音完成复测
选择包含说话、持续音和短促瞬态的片段，在相同耳机与音量下比较两次结果。记录卡顿发生的时刻、持续多久以及是否自动恢复。这样的听觉记录虽然简单，却能把抽象网络指标重新放回观众和演奏者真正感受到的声音。若使用无线耳机，还应增加一次有线监听对照，排除蓝牙编码和现场干扰造成的差异。