一种基于互联网传输的图像语音实时控制系统，包括网络和通过网络相连接的本地和异地的视频音频控制系统，本地网络连接设备将数据传输到本地串网转换器，将控制命令数据由网络协议格式转化为串口格式的控制命令，并由本地控制键盘输出指令，输出本地音频视频数据；异地控制键盘的控制命令输出至异地串网转换器，将串口格式的控制命令解析为网口协议格式的控制命令数据，并输出到异地视频音频负载。本实用新型的图像语音实时控制系统的优点是：采用了新的网络接口技术和单片机接口技术，解决了通过互联网实现远程异地集成音频视频遥控的技术难题，其操作技术简单，控制方式灵活，无需复杂的软件，降低了系统实施的成本。