Ethernet AVB가 시간 동기화·자원 예약·트래픽 셰이핑을 나눠 규정하더라도, 실제 오디오·비디오 데이터를 어떤 형식으로 캡슐화해 실어 나를지는 별도로 정해야 한다 — 이 역할을 IEEE 1722가 맡는다. IEC 61883이 정의해 온 미디어 캡슐화 개념을 이어받아, 시간 민감 애플리케이션에 필요한 QoS를 지원하는 모든 IEEE 802 네트워크에서 오디오·비디오 종단 장치 간 상호운용성을 보장하는 프로토콜·데이터 캡슐화·presentation time 절차를 규정한다[1]. AVTP(Audio Video Transport Protocol)라는 이름으로도 불린다.
프레임 캡슐화
IEEE 1722가 나르는 데이터 단위를 AVTPDU(AVTP Data Unit)라 하며, VLAN 태그가 붙은 표준 이더넷 프레임에 실려 나간다 — VLAN 태그는 VLAN에서 다루는 일반 802.1Q 태그 그대로다. EtherType 필드에는 IEEE 1722를 가리키는 값 0x22F0이 실린다[2].
AVTPDU 헤더
AVTPDU는 첫 비트가 control AVTPDU(값 1)와 stream AVTPDU(값 0)를 구분하는 CD 필드로 시작한다 — 전자는 스트림 세션을 발견·수립·해제하는 제어 메시지를, 후자는 오디오·비디오 실 데이터를 담는다[3]. 아래는 오디오·비디오 데이터를 나르는 stream AVTPDU의 헤더 구조다.
Subtype 필드는 뒤따르는 Payload를 어떤 형식으로 해석할지 정한다 — 압축되지 않은 오디오, 압축된 비디오, IEC 61883/IIDC 레거시 포맷 등 서로 다른 subtype이 각자의 페이로드 형식을 규정한다[1]. Stream ID는 스트림을 유일하게 식별하고, Sequence Num은 수신 측이 손실·순서 오류를 검출하는 데 쓰인다[3].
Presentation Time을 통한 미디어 클럭 복원
talker(스트림 송신 장치)는 로컬 미디어 클럭에서 얻은 시각을 802.1AS로 동기화된 공통 시각 기준으로 변환해 AVTP Timestamp에 실어 보낸다. listener(수신 장치)는 이 타임스탬프와 자신의 IEEE 802.1AS 시각을 비교해 재생 시점을 결정하고 미디어 클럭을 재생성한다 — 이렇게 presentation time을 네트워크 전달 지연과 분리해, 전달 경로의 지터가 재생 품질에 영향을 주지 않도록 한다[1].