[发明专利]用于生成和交互式地渲染基于对象的音频的方法和系统

说明书

用于生成基于对象的音频节目的方法，该基于对象的音频节目是以可个性化的方式可渲染的，并且包括在不选择其他节目内容的情况下可渲染的扬声器通道声床(例如，以提供默认的全范围音频体验)。其他实施方式包括递送、解码和/或渲染这样的节目的步骤。声床的内容的渲染或者节目的其他内容的所选的混音的渲染可以提供沉浸式体验。节目可以包括多个对象通道(例如，指示用户可选的和用户可配置的对象的对象通道)、扬声器通道声床和其他扬声器通道。另一方面是音频处理单元(例如，编码器或解码器)，其被配置成执行方法的任意实施方式，或者其包括存储根据方法的任意实施方式生成的基于对象的音频节目(或其比特流)的至少一个帧(或其他分段)的缓冲存储器。

本申请是申请号为201480020223.2、申请日为2014年4月3日、名称为“用于生成和交互式地渲染基于对象的音频的方法和系统”的PCT发明专利申请的分案申请。

相关申请的交叉引用

本申请要求于2013年4月3日提交的美国临时专利申请第61/807,922号的申请日的权益以及于2013年6月7日提交的美国临时专利申请第61/832,397号的申请日的权益。

技术领域

本发明涉及音频信号处理，并且更具体地，涉及包括音频内容(指示扬声器通道和至少一个音频对象通道)以及支持音频内容的交互式渲染(rendering)的元数据的音频数据比特流的编码、解码和交互式渲染。本发明的一些实施方式以被称为Dolby数字(AC-3)、Dolby数字+(增强的AC-3或E-AC-3)或Dolby E的格式中的一种格式生成、解码和/或渲染音频数据。

背景技术

Dolby、Dolby数字、Dolby数字+和Dolby E是杜比实验室特许公司的商标。杜比实验室提供分别被称为Dolby数字和Dolby数字+的AC-3和E-AC-3的专有实现。

虽然本发明不限于用于根据E-AC-3(或AC-3或Dolby E)格式对音频数据进行编码或者用于递送、解码或渲染E-AC-3、AC-3或Dolby E编码数据，但是为了方便起见，将在实施方式中描述本发明，其中其根据E-AC-3或AC-3或Dolby E格式对音频比特流进行编码，并且递送、解码和渲染这样的比特流。

典型的音频数据流包括音频内容(例如，音频内容的一个或更多个通道)以及指示音频内容的至少一个特征的元数据二者。例如，在AC-3比特流中，存在几个音频元数据参数，这几个音频元数据参数具体意在用于改变被递送至收听环境的节目的声音。

AC-3或E-AC-3编码比特流包括元数据，并且可以包括音频内容的1至6个通道。音频内容是已经使用感知音频编码被压缩的音频数据。AC-3编码的细节是众所周知的，并且在包括以下项的很多公开的参考文献中阐述AC-3编码的细节：

ATSC标准A52/A：数字音频压缩标准(AC-3)，修订本A，高级电视系统委员会，2001年8月20日；以及

美国专利5,583,962；5,632,005；5,633,981；5,727,119；以及6,021,386。

在例如以下中阐述了Dolby数字+(E-AC-3)编码的细节：“Introduction to DolbyDigital Plus,an Enhancement to the Dolby Digital Coding System(Dolby数字+的介绍，Dolby数字编码系统的增强)”，AES会议论文6196，第117届AES会议，2004年10月28日。