我们知道，所有的媒体类型（包括音频和视频）都可以通过以下两种模式来传输：用于同步显示的实时传输和下载模式。下载是一个异步过程，在网络上下载的是多媒体信息还是其他数据集，对网络的要求都相同，差别在于数据集的大小。另一方面，依赖时间的媒体的实时传输对网络提出了一些新的要求。
一、视频对网络的要求
1、视频质量的5个等级：
1）高清晰度电视（HDTV）、2）演播质量数字电视、3）演播室质量数字电视、4）VCR质量电视、5）低速电视会议质量。以上质量的5个层次是按质量的好坏排列的。
1）高分辨率/高帧速率HDTV：要达到的位率高度依赖于压缩时脱机发生以产生被压缩数字流的存储版本还是实时执行，压缩率通常希望达到100：1；高分辨率/高帧频HDTV应当被压缩到位率在20~34Mbit/s之间；高分辨率常规帧频HDTV则要求在15~25Mbit/s之间。
2）广播质量电视：现存的MPEG-2压缩标准的实现是在约6Mbit/s的位率下操作的。对于类NTSC的质量，期望达到2~3Mbit/s。而对于类PAL/SECAM的质量，期望达到4Mbit/s。
3）VCR质量：像MPEG-l或DVI这样的压缩算法提供了1.2Mbit/s位率的脱机压缩，200Kbit/s可以被用于传输音频，以形成1.4Mbit/s的流。
4）视频会议质量。常规的基于线路视频会议系统按视频会议质量操作，即以98或112Kbit/s的速度产生数据流。在这个模式里，剩余的带宽即16bit/s被分配给音频流。MPEG专家组已制定出能够压缩视频会议质量低到32Kbit/s的相应标准。
HDTV质量需要的位率比那些传统共享LAN可用的位率要高。广播电视质量与大多数局域网技术兼容，它们能携带一个或多个同时发生的数据流。VCR质量与T-1租赁线和传统频率兼容，视频会议质量适合于与一个双倍窄带ISDN连接。
2、实时视频要求的延时抖动
通常，为了同步展现多媒体信息，必须把实时运动视频数据流与音频数据流同时传输。在这种情况下，对传输延时和延时抖动的要求通常由音频数据流决定。在音频和视频的情况下，对HDTV到VCR质量而言，较粗糙的同步是必须的。在视频会议质量中，抖动效果屏蔽了大多数音频和视频异步。
ITU-T对实时会话规定网络的单程传输时延应在100~500ms，在交互式多媒体应用中，如查询，网络系统对用户指令的响应时间应小于1~2s。为此我们提供需要数据流，HDTV质量的网络传输延时的变化应当不超过50ms，广播质量应不超过l00ms，视频会议质量应当不超过400ms的视频延时抖动界限，它们是从音频数据流的要求推导出来的且应用于压缩。表2-1给出了几种主要媒体业务对网络时延抖动的要求。静态媒体（文字、图形、图像）对网络的时延抖动不敏感。
表2-1：几种主要媒体业务对网络时延抖动的要求
产生网络的延时抖动有多种原因，包括传输系统中的干扰和噪声引起的物理抖动、局域网中的介质方法时间变化、广域分组网中的流控等待时间、存储转发排对时间变化等均能引起延时抖动。
3、实时视频要求的错误率
对于网络错误率这个问题，压缩数据流比非压缩数据流对错误更敏感。表3-1给出了主要的媒体对网络错误率的要求。假设连续被影响帧静态传播，我们简要地介绍运动视频帧被传输错误影响的频率。
表3-1：主要的媒体对网络错误率的要求
1）被影响帧之间的间隔。在视频会议质量（100Kbit/s）中如果比特差错率（BER）为10-5，则两个连续被影响帧之间的平均时间间隔为1s；如果BER为10-9，则间隔为3h。
在压缩模式的广播质量电视中，如果BER为10-5，则两个连续错误之间的平均时间为20ms，也就是说每帧平均有两个错误或者每秒钟有50个错误比特，如果BER为10-9，则每个4min帧有一个错误。在压缩模式的HDTV中，10-5的BER会导致每帧约4个错误，即每秒240个错误比特，而10-9的BER会导致两个连续包含1个错误比特的帧之间平均时间间隔为1min。
2）传输错误的处理。在实时音频和视频的情况下，重复传输是不合适的，通常的技术包括使用向前错误矫正（FEC）代码，它依赖于控制位与纯信息数据流的叠加，这种技术允许没有成组的错误的检测和校正，它们典型地允许残余错误率改善4个数量级。
二、音频对网络的要求
音频质量主要分为两级，即电话语音质量（常规电话网络的质量，带宽限制在3.4kHz）和CD质量（带宽在l0kHz附近）。当使用ITU-T G.711标准时，电话质量要求为64Kbit/s，而CD质量是立体声，需1411.2Kbit/s（这些位流是未压缩的）。现代的语音编码和压缩算法允许32Kbit/s的电话质量和低到4.8Kbit/s的电话质量，立体声模式的CD可被压缩到192或256Kbit/s。
音频对网络的要求主要是延时问题，音频的实时传输对延时变化很敏感，为了克服延时变化，一个附加的偏移延时需要在接收端实施延时平衡化处理，这个技术可以在源和音频的最后播出间的总延时增加一个很强的成分。当使用典型的个人计算机作为端系统时，网络限度对于压缩的CD质量音频不应超过l00ms，对电话质量音频则不超过400ms。电话质量的残余位错误率应被限制在10-2，没压缩的CD质量应限制在10-3，压缩的CD质量应限制在10-4。
