求助实时视频聊天中如何准确地统计时延问题？

我看见网上有几种方法，感觉都比较笨
方法一，采集时，在每帧图片上叠加当时的时钟水印，接收端再把时钟水印OCR出来，与当前时钟对比，得出时延数值。
方法二，直接直播一个网络时钟，接收端对比两个网络时钟的时差

没有什么方案在协议中就能把时钟写进去，接收端直接decode出来进行对比？

你考虑的方法一和方法二都不准，而且受制于很多条件。

我个人认为最准的方法，就是在接收端统计两帧之间的时间差（上一个画面和下一个画面的时间差不就是延迟吗。。），这个用来评估时延最有说服力，也不需要基准条件。虽然第一帧无法统计，但这不重要，必竟视频聊天时这一帧的统计数据可以互略不计。