Desde el inicio de los tiempos, hemos acostumbrado a nuestro cerebro a ver sucesos antes de escuchar los sonidos que los acompañan. Esto se debe a que el sonido viaja a 330 metros por segundo, y la luz a casi 300 millones de metros por segundo. Cuando la situación es tal que el sonido se escucha antes de poder apreciar la representación visual que lo acompaña (como cuando se escucha el audio antes de ver el video), el observador se muestra molesto, ya que la situación no concuerda con la ley natural de la física.
La demora entre el audio y el video (A/V) se da dentro de las redes de transmisión cuando ambas señales son procesadas por separado. El procesamiento de señales digitales de video con ancho de banda elevado puede llegar a abarcar varios campos para dar como resultado una señal de salida, mientras que el audio utiliza un ancho de banda mucho menor al del video, y requiere de un menor periodo de procesamiento para producir una señal de salida. Es necesario, por lo tanto, tomar en cuenta el tiempo de procesamiento tanto de cada una de las señales al diseñar la nueva infraestructura A/V, e insertar además demoras fijas en la señal de audio para evitar que éste se escuche antes de que aparezca la señal visual.
La cada vez más compleja función de enrutamiento, distribución y procesamiento de señales digitales en canales múltiples de audio y video ha causado cada vez mayores problemas al intentar conservar la sincronización entre ambas señales dentro del sistema. Los pequeños e indetectables errores de demora entre el audio y el video se acumulan a través del sistema, lo cual da como resultado un error muy perceptible al final del canal de distribución. Por lo tanto, es importante medir y establecer cuál es el nivel de sincronización en varios puntos a lo largo del sistema.
Por lo general, el operador que "manualmente" escucha y observa el material del programa es el que debe determinar la presencia de errores. Para lograr esto, él debe hallar pistas visuales dentro de la imagen para determinar si el sonido que se escucha corresponde a la misma y ofrece sincronía. El método más común y obvio de hacer esto es escuchar a una persona hablar, observar el movimiento de los labios y verificar la sincronización entre éste y el sonido. Cuando no se cuenta con pistas visuales en la imagen que permitan establecer la sincronización, como en el ejemplo anterior, es difícil para el operador determinar si existe demora en la producción de las señales.
