[发明专利]生成针对音频对象的元数据

说明书

技术领域

本发明的实施例通常涉及音频内容处理，更具体地，涉及用于处 理多声道格式的音频内容的方法和系统。

背景技术

传统上，音频内容是以基于声道的格式进行创建及存储的。如在 本文中所使用的，术语“音频声道”或“声道”指的是通常具有预定 义物理位置的音频内容。例如，双声道、环绕5.1、环绕7.1等等均为 针对音频内容的基于声道的格式。近来，随着多媒体工业中的技术发 展，三维(3D)电影和电视内容在影院和家庭中变得越来越受欢迎。 为了创建更身临其境的声场且精确地控制而无关于特定的播放扬声 器配置的单独音频元素，许多常规的多声道系统都已被扩展以支持包 括声道和音频对象两者的新格式。

如在本文中使用的，术语“音频对象”指的是在声场中存在预定 义时间段的独立音频元素。音频对象可以是动态或静态的。例如，音 频对象可以是对话、枪声、雷电等等。作为重要的元素，音频对象通 常被混音师使用以创建其理想的声音效果。

传统上，基于多声道格式的音频内容或音频信号包括针对至少两 个声道的分离的信号。例如，在环绕5.1扬声器系统中可以包括五个 不同的信号。每个分离的音频信号被用于驱动位于由每个物理扬声器 限定的场中与其对应的扬声器。因为对于单个音频对象分配给每个声 道的能量是不同的，扬声器或换能器可被不同地驱动并且以不同的响 度再现相同的音频对象，这导致由在场中的收听者所感知到的特定位 置。此外，根据多声道格式的音频信号自身可以包括声道间相关系数 (ICC)，其例如可以体现为在声道间的相位和幅度差异的形式。关 于能量分配和特定音频对象的ICC的信息可以允许多个扬声器表现 音频对象，使音频对象的位置和大小能够被收听者所感知。

目前，适合于一定的多声道环绕系统的多声道格式的特定音频信 号需要由专业人士在录音室中使用平移工具来渲染，并且诸如不同的 音频对象的位置和大小之类的属性仅能在工作室被定制为特定格式 (即，对应固定的播放设定的固定数量的声道)，这意味着一旦被创 建就不能再操纵这样的属性。因此，如果想在7.1扬声器系统或普通 的双声道系统上播放良好渲染的5.1格式的音频内容，由这种系统的 给出的演绎并没有得到优化。另外，诸如音频对象的位置和大小之类 的属性可能无法通过扬声器被精确地播放。换言之，当音频内容是创 建为多声道格式的时，由收听者所感知的收听体验是由混音师针对特 定播放设置优化的。当音频内容通过不同的播放设置被播放时，由于 播放设置之间并不匹配，性能可能会降低，诸如音频对象的位置会发 生变化。

鉴于上述情况，本领域需要用于生成包含音频对象的属性的元数 据的解决方案。

发明内容

为了解决上述和其他潜在的问题，本发明提出了一种用于生成与 音频对象相关联的元数据的方法和系统。

在一个方面，本发明的实施例提供了用于处理音频内容的方法， 音频内容包括多声道格式的至少一个音频对象。该方法包括：生成与 该音频对象相关联的元数据，该元数据包括以下数项中的至少一个： 音频对象的估计轨迹；以及音频对象的估计感知大小，该感知大小是 由至少两个换能器所产生的音频对象的幻象(phantom)的所感知到 的区域。在这方面的实施例还包括相应的计算机程序产品。

在另一个方面，本发明的实施例提供用于处理音频内容的系统， 该音频内容包括多声道格式的至少一个音频对象。该系统包括：元数 据生成单元，被配置成生成与该音频对象相关联的元数据，该元数据 生成单元包括以下数项中的至少一个：轨迹元数据生成单元，被配置 成生成该音频对象的估计轨迹；以及大小元数据生成单元，被配置成 生成该音频对象的估计感知大小，该感知大小是由至少两个换能器所 产生的音频对象的幻象的所感知到的区域。

通过下面的描述将可以理解，根据本发明的实施例，音频对象可 以被处理从而被分配包括轨迹和感知大小信息的元数据。音频内容中 经转换的新的音频对象是有利的，因为这样的音频内容可以在任何播 放系统中都能够被精确地播放，而不论维度数目以及换能器的数目是 多少。此外，元数据易于在后续处理阶段被操纵及改善，其结果是， 在几乎每一个声学系统(即使耳机)中音频内容的表现均能够被适配 为准确且因而是身临其境的。通过本发明的实施例所实现的其他优点 将通过下面的描述变得显而易见。

附图说明