[发明专利]再现方法、装置及介质、信息处理方法及装置

说明书

本技术涉及使得能够以高自由度实现音频数据的再现同时反映内容创建者的意图的再现装置、再现方法、信息处理装置、信息处理方法以及程序。根据本技术的一个方面的再现装置获取包括每个音频对象的声音数据和针对多个假设的收听位置中的每一个的声音数据渲染参数的内容，基于针对所选择的某个假设的收听位置的渲染参数来渲染声音数据，并输出声音信号。本技术适用于能够再现基于对象的音频数据的装置。

技术领域

本技术涉及再现装置、再现方法、信息处理装置、信息处理方法以及程序，并且特别地，涉及能够实现高度灵活的声音数据的再现同时反映内容创建者的意图的再现装置、再现方法、信息处理装置、信息处理方法以及程序。

背景技术

在乐器表演的教学视频等中包括的图像通常是由内容创建者预先通过剪辑等获得的图像。此外，声音是由内容创建者针对2声道、5.1声道等通过将诸如解说语音和乐器的表演声音的多个声源适当地混合而获得的声音。因此，用户可以观看仅具有内容创建者所期望的视点中的图像和声音的内容。

顺便地，近年来基于对象的音频技术已经引起关注。基于对象的声音数据由对象的音频波形信号和元数据构成，该元数据指示由距离参考视点的相对位置表示的定位信息。

再现基于对象的声音数据，以基于元数据将波形信号渲染成与再现侧的系统兼容的期望声道数的信号。渲染技术的示例包括基于矢量的幅度平移(VBAP)(例如，非专利文献1和2)。

引用列表

非专利文献

非专利文献1：ISO/IEC 23008-3Information technology-High efficiencycoding and media delivery in heterogeneous environments-第3部分：3D audio

非专利文献2：Ville Pulkki，“Virtual Sound Source Positioning UsingVector Base Amplitude Panning”，AES期刊，第45卷，第6期，第456至466页， 1997年

发明内容

本发明要解决的问题

即使在基于对象的声音数据中，声音定位也是由每个对象的元数据确定的。因此，用户可以观看仅具有根据元数据预先准备的渲染结果的声音的内容，换句话说，观看仅具有在确定的视点(假定的收听位置)和其定位位置处的声音的内容。

因此，可以考虑使得能够选择任何假定的收听位置，根据由用户选择的假定收听位置来校正元数据，并且执行其中通过使用校正后的元数据来修改定位位置的渲染再现。

然而，在这种情况下，再现声音变为机械地反映每个对象的相对位置关系的变化的声音，并且并不总是成为令人满意的声音，即内容创建者期望表达的声音。

本技术是鉴于这样的情况而做出的，并且可以实现高度灵活的声音数据的再现，同时反映内容创建者的意图。

解决问题的方法

根据本技术的一方面的再现装置包括获取单元和渲染单元，获取单元获取包括音频对象中的每个音频对象的声音数据和针对多个假定的收听位置中的每一个的声音数据的渲染参数的内容，并且渲染单元基于针对所选择的预定的假定收听位置的渲染参数对声音数据进行渲染并输出声音信号。

内容还可以包括关于预先设置的假定收听位置的信息。在这种情况下，还可以提供显示控制单元，该显示控制单元基于关于假定收听位置的信息来使得用于选择假定收听位置的画面被显示。

针对假定收听位置中的每一个的渲染参数可以包括表示音频对象被定位的位置的定位信息以及作为用于声音数据的增益调整的参数的增益信息。