一句话定义
抖动缓冲（Jitter Buffer）是实时语音接收端的“排队区”：网络包到达忽快忽慢，它先把包按序号排好，再按固定节奏送给解码器播放，让声音连续、不破音。
原理：像拼图先摆桌上
用快递拼图打个比方。每块拼图有编号，但快递员到达间隔不稳定：有时一次来三块，有时半天不来。若来一块拼一块，遇到乱序或缺失就会卡住、破音。抖动缓冲像门口小桌子，先把拼图按编号摆好，等最晚的关键块到了，再按顺序递给你。桌子能放多少块、愿意等多久，就是缓冲深度（buffer depth）。
网络上，语音常走 RTP/UDP，包可能走不同路径，到达间隔变化叫抖动（jitter）。缓冲太小，抖动一来就来不及播放，出现断续、爆音；太大，声音延迟高，像打卫星电话，抢话困难。它通常还会处理乱序、重复包，并用丢包隐藏（PLC, Packet Loss Concealment）补出替代波形，避免刺耳。
和相邻概念的区别
| 概念 | 作用 | 主要代价 |
|---|---|---|
| 抖动缓冲 | 吸收到达时间波动，稳定播放 | 增加端到端延迟 |
| 丢包隐藏 | 丢包后生成替代音频 | 音质下降 |
| 回声消除 | 去掉自己声音的回声 | 算力，双讲可能受损 |
| 静音检测 | 不传静音省带宽 | 可能切掉字头 |
抖动是现象，缓冲是对策；延迟是结果，缓冲只是延迟预算的一部分。固定缓冲按最坏情况设，稳但延迟高；自适应抖动缓冲（adaptive jitter buffer）根据抖动和丢包动态伸缩，网络好时缩短降延迟，网络差时拉长保连续。
对从业者和普通人的意义
做语音 AI、会议、客服、直播连麦的人，要把端到端延迟预算明确划给抖动缓冲。目标不是零延迟，而是可懂、连续、可交互。调参要看抖动、丢包、乱序和设备时钟漂移，常配合前向纠错（FEC）、重传和抗丢包编解码。具体策略和指标以官方页面为准。
普通人遇到会议卡顿，不一定是“网速慢”，可能是抖动大；声音延迟高，可能是缓冲拉太长；破音，可能是缓冲太短或丢包隐藏不佳。
一句话：抖动缓冲就是在“不卡”和“不延迟”之间，用几百毫秒做的动态平衡。