[发明专利]用于将音频上混以便产生3D音频的方法和系统

权利要求书

1.一种用于产生包括N+M个全范围声道的3D输出音频的方法，其中N和M是正整数，并且N+M个全范围声道意图由包括离收听者不同的距离处的至少两个扬声器的扬声器呈现，所述方法包括如下步骤：

（a）提供包括N个全范围声道的N声道输入音频；以及

（b）将输入音频上混以便产生3D输出音频。

2.根据权利要求1所述的方法，还包括如下步骤：

（c）提供指示至少一个音频源的离收听者的距离的源深度数据，以及

其中步骤（b）包括通过使用源深度数据将N声道输入音频上混以便产生3D输出音频的步骤。

3.根据权利要求2所述的方法，其中N声道输入音频是立体3D视频节目的音轨，并且步骤（c）包括通过包括识别由3D视频节目确定的至少一个视觉图像特征、以及产生指示每个所述视觉图像特征的确定的深度的源深度数据的操作，来产生源深度数据的操作。

4.根据权利要求2所述的方法，其中N声道输入音频是立体3D视频节目的音轨，并且步骤（c）包括通过包括确定指示由3D视频节目确定的至少一个视觉图像特征的深度的深度映射的操作来产生源深度数据的操作。

5.根据权利要求4所述的方法，其中音频源是在收听者处从相对于收听者具有第一方位角和第一仰角的方向入射的由3D输出音频确定的声音的源，视觉图像特征的深度确定音频源离收听者的距离，并且深度映射指示与方位角和仰角有关的音频源离收听者的距离。

6.根据权利要求4所述的方法，其中音频源是在收听者处从相对于收听者具有第一方位角的方向入射的由3D输出音频确定的声音的源，视觉图像特征的深度确定音频源离收听者的距离，并且深度映射指示与方位角有关的音频源离收听者的距离。

7.根据权利要求2所述的方法，其中步骤（c）包括根据N声道输入音频产生源深度数据的步骤。

8.根据权利要求2所述的方法，其中N声道输入音频是立体3D视频节目的音轨，并且步骤（c）包括根据立体3D视频节目以自动的方式产生源深度数据的步骤。

9.根据权利要求8所述的方法，其中步骤（b）以自动的方式被执行。

10.根据权利要求8所述的方法，其中立体3D视频节目包括标题和/或字幕深度元数据，并且步骤（c）包括根据标题和/或字幕深度元数据以自动的方式产生源深度数据的步骤。

11.根据权利要求2所述的方法，其中步骤（c）包括根据N声道输入音频以自动的方式产生源深度数据的步骤。

12.根据权利要求11所述的方法，其中步骤（b）以自动的方式被执行。

13.根据权利要求1所述的方法，其中N声道输入音频是2D音频节目。

14.根据权利要求1所述的方法，其中N声道输入音频是2D音频节目，并且2D音频节目的N个全范围声道意图由离收听者标称等距的N个扬声器呈现。

15.根据权利要求1所述的方法，其中3D输出音频是3D音频节目，并且3D音频节目的N+M个全范围声道包括要由离收听者标称等距的N个主扬声器呈现的N个声道以及意图由额外的扬声器呈现的M个声道，额外的扬声器中的每一个被放置为比主扬声器更接近或者远离收听者。

16.一种用于自动产生包括N+M个全范围声道的3D输出音频的方法，其中N和M是正整数，并且N+M个全范围声道意图由包括在离收听者不同的距离处的至少两个扬声器的扬声器呈现，所述方法包括如下步骤：

（a）提供包括N个全范围声道的N声道输入音频；以及

（b）响应于输入音频以自动的方式产生3D输出音频。

17.根据权利要求16所述的方法，还包括如下步骤：

（c）提供指示至少一个音频源的离收听者的距离的源深度数据，以及

其中步骤（b）包括通过使用源深度数据将N声道输入音频上混以便产生3D输出音频的步骤。

18.根据权利要求17所述的方法，其中N声道输入音频是立体3D视频节目的音轨，并且步骤（c）包括产生源深度数据的操作，所述操作包括识别由3D视频节目确定的至少一个视觉图像特征、以及产生指示每个所述视觉图像特征的确定的深度的源深度数据。