[发明专利]基于对象的音频信号平衡

说明书

本文描述了用于调整音频节目中的对话信号和非对话信号之间的关系的系统、设备和方法。在例子中，可以接收关于音频节目的长期对话平衡的信息。长期响度对话平衡可以指示音频节目的对话与非对话响度关系。可以接收对话响度偏好，诸如从用户、从数据库或者从另一源接收。可以根据音频节目的接收的长期对话平衡和接收的对话平衡偏好之间的差异来确定期望的长期增益或衰减。可以将长期增益或衰减应用于音频节目的对话信号和非对话信号中的至少一个以渲染根据响度偏好增强的音频节目。

优先权声明

本申请要求2015年10月28日提交的美国申请No.62/247,678的优先权权益，该申请全文通过引用并入本文。

背景技术

对话或评论可以是电影声轨中的或电视广播节目中的关键的音频元素。在电影的某些片段期间，收听者可能期望对话音频比对话音频信号和非对话音频信号的原始混音中提供的对话音频突出。较突出的对话可能是实现或保持收听舒适所期望的，诸如对于有听力损失的收听者、对于尝试理解以除了他或她的母语之外的语言出现的对话的或者处于不利的收听状况下的收听者。

对于一些体裁(genre)或类型的媒体内容(诸如在其中对话音频是评论音轨的体育或游戏广播)，对话音频水平与非对话音频水平的优选关系或比率在不同人之间可能是显著变化的。对于特定收听者来说优选的音频信号关系可以例如是对话突显性或对话信号幅度水平(诸如相对于原始混音或广播信号混音)的提高或降低。

音频节目可以包括多个不同的音频声道信号。例如，在常规的多声道数字音频格式(诸如5.1格式)中，多个不同的音频声道中的每个可以被分配给规定布局中的相应的回放扩音器。在常规的系统中，给定的音频声道信号可以将对话分量和非对话分量的组合包括在同一个信号中。对话检测或分类技术可以用于选择性地处理信号的对话相关分量。

在基于对象的数字音频格式中，多个不同的音频信号中的每个可以独立地提供，诸如用于在回放位置或附近进行渲染。这样的基于对象的格式可以提供优于传统的多声道格式的较多的灵活性，并且可以使得可以单独地存储、处理或发送音频节目的不同分量。

例如，在基于对象的数字音频格式中，对话信号可以是独立于其他音频信号而被处置或处理的。此外，在基于对象的数字音频中，信号可以包括“对象类型”名称，诸如“对话”、“音乐”、“效果”或某个其他的名称，或者可以与该“对象类型”名称相关联。在一些例子中，对象信号可以是指音频节目的分支，诸如音乐分支、效果分支或对话分支。每个分支可以包括一个或多个音频对象信号。对象类型信息可以可选地与音频对象信号本身一起被嵌入或包括在元数据中。在回放时，每个音频对象信号可以可选地被独立地分析和处理，诸如在被混音并且被渲染到输出之前。

发明内容

提供本发明内容是为了以简化的形式介绍下面在详细描述中进一步描述的构思的选择。本发明内容并非意图认定要求保护的主题的关键特征或基本特征，也非意图用于以任何方式限制要求保护的主题的范围。

本文所描述的对话控制和增强系统和方法的各种实施例被配置为使用基于对象的数字音频编码格式。适合于数字音频/视频广播或流传输服务和其他应用的这些格式可以包括或使用对话“音轨”或对象，对话“音轨”或对象表示与同一个音频节目的非对话元素分开发送的音频信号。这样的对象可以包括或使用信号响度元数据，并且可以在接收端被选择性地进行增益校正。

系统和方法的各种实施例提供对话控制，在该对话控制中，可以应用原始音频内容材料的修改或动态增益调整来满足系统或用户偏好或预期。这可以帮助避免用户在节目期间或当在节目之间切换时调整对话控制参数或设置的需要。另外，系统和方法的实施例可以与现有的广播标准和规章兼容，这确保跨内容体裁和源(例如，包括插播广告)的一致的节目响度，从而避免打扰并且最小化对于用户在节目期间或当在节目之间切换时重复调整音量的需要。