[发明专利]用于生成自适应音频内容的方法、系统和装置

权利要求书

1.一种用于生成自适应音频内容的方法，所述方法包括：

从基于声道的源音频内容中提取至少一个音频对象，其中提取所述至少一个音频对象包括：

将所述源音频内容分解为指向性音频信号和发散性音频信号，其中分解所述源音频内容包括：对所述源音频内容执行信号分量分解、以及通过分析分解出的信号分量来计算发散概率，以及

从所述指向性音频信号中提取所述至少一个音频对象；以及

至少部分地基于所述至少一个音频对象而生成所述自适应音频内容。

2.根据权利要求1所述的方法，其中提取所述至少一个音频对象包括：

对于所述源音频内容中的多个帧中的每一个帧，通过频谱合成来识别和聚集存在相同音频对象的声道；以及

跨所述多个帧对识别和聚集的所述声道执行时间合成，以便沿时间合成所述至少一个音频对象。

3.根据权利要求2所述的方法，其中识别和聚集所述存在相同音频对象的声道包括：

对于所述多个帧中的每一个帧，将频率范围划分为多个子频带；以及

基于所述多个子频带之间的信号包络和频谱形状中至少一个的相似性，来识别和聚集所述存在相同音频对象的声道。

4.根据权利要求1所述的方法，还包括：

从所述源音频内容生成基于声道的静态环境声，

并且其中生成所述自适应音频内容包括基于所述至少一个音频对象和所述静态环境声来生成所述自适应音频内容。

5.根据权利要求4所述的方法，其中生成所述静态环境声包括：

将所述源音频内容分解为指向性音频信号和发散性音频信号；以及

从所述发散性音频信号生成所述静态环境声。

6.根据权利要求4所述的方法，其中生成所述静态环境声包括：

通过对所述源音频内容执行环境上混音来创建至少一个高度声道；以及

从所述源音频内容的声道和所述至少一个高度声道生成所述静态环境声。

7.根据权利要求1所述的方法，还包括：

估计与所述自适应音频内容相关联的元数据。

8.根据权利要求7所述的方法，其中生成所述自适应音频内容包括编辑与所述自适应音频内容相关联的所述元数据。

9.根据权利要求8所述的方法，其中编辑所述元数据包括控制所述自适应音频内容的增益。

10.根据权利要求1所述的方法，其中生成所述自适应音频内容包括：

对所述至少一个音频对象执行后处理，所述后处理包括以下至少一个：

分离所述至少一个音频对象中的至少部分重叠的音频对象；

修改与所述至少一个音频对象相关联的属性；以及

交互地操控所述至少一个音频对象。

11.一种用于生成自适应音频内容的系统，所述系统包括：

音频对象提取器，被配置为从基于声道的源音频内容中提取至少一个音频对象，其中提取所述至少一个音频对象包括：

将所述源音频内容分解为指向性音频信号和发散性音频信号，其中分解所述源音频内容包括：对所述源音频内容执行信号分量分解、以及通过分析分解出的信号分量来计算发散概率，并且

从所述指向性音频信号中提取所述至少一个音频对象；以及

自适应音频生成器，被配置为至少部分地基于所述至少一个音频对象而生成所述自适应音频内容。

12.根据权利要求11所述的系统，其中所述音频对象提取器包括：

频谱合成器，被配置为对于所述源音频内容中的多个帧中的每一个帧，通过频谱合成来识别和聚集存在相同音频对象的声道；以及

时间合成器，被配置为跨所述多个帧对识别和聚集的所述声道执行时间合成，以便沿时间合成所述至少一个音频对象。