[发明专利]从音频内容基于投影提取音频对象

摘要

公开了一种用于从音频内容中提取音频对象的方法。该方法包括标识第一投影空间集合，所述第一投影空间集合包括用于所述多个声道中的第一声道的第一子集和用于所述多个声道中的第二声道的第二子集。该方法可以进一步包括确定所述第一声道和所述第二声道之间的第一相关性集合，所述第一相关性集合中的每个相关性对应于所述第一投影空间子集中的一个投影空间和所述第二投影空间子集中的一个投影空间。另外，该方法可以包括至少部分地基于所述第一相关性集合中的第一相关性和来自所述第一子集的对应于所述第一相关性的投影空间来从所述第一声道的音频信号中提取音频对象，所述第一相关性大于第一预定义阈值。也公开了对应的系统和计算机程序产品。

主权项

1.一种用于从音频内容中提取音频对象的方法，所述音频内容由多个声道的音频信号表示，所述方法包括：基于所述多个声道的相关性对该多个声道进行聚类以便由此获得声道群组；从所述声道群组中选择第一声道和第二声道；标识第一投影空间集合，所述第一投影空间集合包括用于所述第一声道的第一子集和用于所述第二声道的第二子集；确定所述第一声道和所述第二声道之间的第一相关性集合，所述第一相关性集合中的每个相关性对应于第一投影空间子集中的一个投影空间和第二投影空间子集中的一个投影空间；标识所述第一相关性集合之中的具有所述第一相关性集合中的最大值的第一相关性；至少部分地基于所述第一相关性和来自所述第一子集的对应于所述第一相关性的投影空间来从所述第一声道的音频信号中提取音频对象，所述第一相关性大于第一预定义阈值；及通过以下方式验证和调整所述对象提取：至少部分地基于从所述第一声道的音频信号和所述第二声道的音频信号中提取的所述音频对象来生成多声道对象；将生成的所述多声道对象混缩成单声道表示；确定在提取的对象的原始多声道表示和单声道表示之间的混缩相似度以及在提取的对象的原始多声道表示和预渲染的单声道表示之间在能量分布方面的预渲染相似度中的至少一个，其中所述预渲染的单声道表示是通过至少部分地基于估计的位置来预渲染单声道表示而获得的；以及至少部分地基于所述第一相关性集合中的第一相关性和来自所述第一子集的对应于所述第一相关性的投影空间，并且进一步基于所确定的相似度来从所述第一声道的所述音频信号中重新提取所述音频对象。