[发明专利]比特流中音频效果元数据的信令

说明书

提出了用于操纵声场的方法、系统、计算机可读介质和装置。一些配置包括：接收包括元数据和声场描述的比特流；解析元数据，以获得效果标识符和至少一个效果参数值；并将由效果标识符标识的效果应用于声场描述。该应用可以包括：使用至少一个效果参数值，将所标识的效果应用到声场描述。

相关申请的交叉引用

本申请要求享受2019年11月4日提交的、标题为“SIGNALLING OF AUDIO EFFECTMETADATA IN A BITSTREAM”的希腊临时专利申请No.20190100493的优先权，故以引用方式将其全部内容并入本文。

本公开内容的各方面涉及音频信号处理。

背景技术

环绕声的发展使得当今许多娱乐输出格式可用。市场上的环绕声格式范围包括流行的5.1家庭影院系统格式，其在进入立体声以外的客厅方面最为成功。这种格式包括以下六个通道：左前(L)、右前(R)、中央或前中(C)、左后或左环绕(Ls)、右后或右环绕(Rs)以及低频效果(LFE))。环绕声格式的其它示例包括日益增长的7.1格式和由NHK(Nippon HosoKyokai或日本广播公司)开发的用于例如超高清电视标准的未来派22.2格式。可能需要环绕声格式将音频编码在二维(2D)和/或三维(3D)中。但是，这些2D和/或3D环绕声格式需要高比特率才能将音频正确编码在2D和/或3D中。

除了基于通道的格式之外，用于增强再现的新音频格式变得可用，例如，基于对象和基于场景的(例如，高阶Ambisonics或HOA)编解码器。音频对象封装了单独的脉冲编码调制(PCM)音频流、以及它们的三维(3D)位置坐标和编码为元数据的其它空间信息(例如，对象相干性)。通常使用例如基于变换的方案(例如，MPEG层3(MP3)、AAC、基于MDCT的编码)，对PCM流进行编码。也可以对元数据进行编码以用于传输。在解码和渲染端，将元数据与PCM数据相结合，重新创建3D声场。

基于场景的音频通常使用诸如B格式的Ambisonics格式进行编码。B格式信号的通道对应于声场的球谐函数，而不是扬声器馈送。一阶B格式信号具有多达四个通道(一个全向通道W和三个定向通道X、Y、Z)；二阶B格式信号具有多达九个通道(四个一阶通道和五个其它通道R、S、T、U、V)；三阶B格式信号具有多达16个通道(九个二阶通道和七个其它通道K、L、M、N、O、P、Q)。

可以使用高级音频编解码器(例如，基于对象的编解码器或基于场景的编解码器)来表示区域上的声场(即，气压在空间和时间上的分布)，以支持多方向和沉浸式再现。在渲染过程中加入与头部相关的传递函数(HRTF)可以用于增强耳机的这些质量。

发明内容

根据一般配置，一种操纵声场的方法包括：接收包括元数据和声场描述的比特流；解析所述元数据，以获得效果标识符和至少一个效果参数值；并将由所述效果标识符标识的效果应用于所述声场描述。该应用可以包括：使用至少一个效果参数值，将所标识的效果应用到声场描述。还公开了包括代码的计算机可读存储介质，当所述代码由至少一个处理器执行时使所述至少一个处理器执行这种方法。

根据一般配置，一种用于操纵声场的装置包括：解码器，其被配置为接收包括元数据和声场描述的比特流，并解析所述元数据以获得效果标识符和至少一个效果参数值；以及渲染器，其被配置为将由所述效果标识符标识的效果应用于所述声场描述。所述渲染器被配置为使用所述至少一个效果参数值，以将所标识的效果应用到所述声场描述。还公开了包括存储器和处理器的装置，所述存储器被配置为存储计算机可执行指令，所述处理器耦合到所述存储器并被配置为执行所述计算机可执行指令以执行这些解析和渲染操作。

附图说明

通过示例的方式来说明本公开内容的各方面。在附图中，相同的附图标记表示相似的元件。

图1示出了用于操纵声场的用户方向的示例。

图2A描绘了音频内容产生和再现的序列。