在选择了RTC模式下，在只打开推流音频（关闭视频）的时候，抓TCP包发现推流会缓冲到1000个字节以上，才会发出一次数据，这相当于超过120ms的语音。这就造成语音有相当高的延迟。

如果音频和视频同时打开，延迟就不明显。貌似逻辑是音频+视频数据缓冲到超过1000字节以上，才发送？

这是bug？还是故意这么设计的？是否有方法改善？