[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

权利要求书

1.一种用于生成指示音频内容的基于对象的音频节目的方法，所述音频内容包括第一非环境内容、与所述第一非环境内容不同的第二非环境内容以及与所述第一非环境内容和所述第二非环境内容不同的第三内容，所述方法包括步骤：

确定包括N个对象通道的对象通道组，其中所述对象通道组的第一子组指示所述第一非环境内容，所述第一子组包括所述对象通道组中的M个对象通道，N和M中的每个是大于零的整数，并且M等于或小于N；

确定指示音频内容的默认混音的扬声器通道声床，其中包括所述声床中的M个扬声器通道的基于对象的扬声器通道子组指示所述第二非环境内容、或所述默认混音的所述第二非环境内容与所述默认混音的所述音频内容中的至少一些其它音频内容的混音；

确定一组M个替换扬声器通道，其中，所述一组M个替换扬声器通道中的每个替换扬声器通道不指示所述基于对象的扬声器通道子组中的相应扬声器通道的内容，或指示所述基于对象的扬声器通道子组中的相应扬声器通道的一些而非全部的内容；

生成元数据，所述元数据指示所述对象通道中的至少之一的内容与所述声床的所述扬声器通道和/或所述替换扬声器通道中的预定扬声器通道的内容的至少一个可选的预定备选混音，其中所述元数据包括针对每个所述备选混音的渲染参数，并且至少一个所述备选混音是指示所述声床的至少一些音频内容和所述第一非环境内容而非所述第二非环境内容的替换混音；以及

生成包括所述扬声器通道声床、所述一组M个替换扬声器通道、所述对象通道组和所述元数据的所述基于对象的音频节目，使得在不使用所述元数据的情况下，所述扬声器通道声床是能够渲染的，以提供能被感知为所述默认混音的声音，以及所述替换混音是能够响应于至少一些所述元数据来渲染的，以提供能被感知为包括所述声床的所述至少一些音频内容和所述第一非环境内容而非所述第二非环境内容的混音的声音；

其中，至少一些所述元数据指示混音图，所述混音图指示所述声床的所述扬声器通道、所述替换扬声器通道和所述对象通道的可选的混音，所述基于对象的音频节目是包括帧的编码比特流，并且所述编码比特流的每个所述帧包括指示所述混音图的元数据。

2.根据权利要求1所述的方法，其中，至少一些所述元数据是可选的内容元数据，所述可选的内容元数据指示所述节目的音频内容的一组可选的预定混音并且包括每个所述预定混音的预定渲染参数组。

3.根据权利要求1至2中任一项所述的方法，其中，所述基于对象的音频节目是包括帧的编码比特流，所述编码比特流是AC-3比特流或E-AC-3比特流，所述编码比特流的每个所述帧指示至少一个数据结构，所述至少一个数据结构是包括所述对象通道的一些内容和一些所述元数据的容器，并且至少一个所述容器被包括在每个所述帧的辅助数据auxdata字段或附加比特流信息addbsi字段中。

4.根据权利要求1至2中任一项所述的方法，其中，所述基于对象的音频节目是包括一系列突发脉冲以及突发脉冲对之间的保护带的Dolby E比特流。

5.根据权利要求1至2中任一项所述的方法，其中，所述基于对象的音频节目是指示所述节目的所述音频内容和所述元数据的未编码表示，并且所述未编码表示是以非暂态方式存储在存储器中的比特流或至少一个数据文件。

6.根据权利要求1至2中任一项所述的方法，其中，至少一些所述元数据指示分层混音图，所述分层混音图指示所述声床的所述扬声器通道、所述替换扬声器通道和所述对象通道的可选的混音，并且所述分层混音图包括元数据的基本层和元数据的至少一个扩展层。

7.根据权利要求1至2中任一项所述的方法，其中，所述基于对象的音频节目指示捕捉的音频内容。

8.根据权利要求1至2中任一项所述的方法，其中，所述默认混音是环境内容与非环境内容的混音。

9.根据权利要求1至2中任一项所述的方法，其中，所述第三内容是环境内容。

10.根据权利要求9所述的方法，其中，所述环境内容指示在观赏事件时的环境声音，所述第一非环境内容指示对所述观赏事件的评论，并且所述第二非环境内容指示对所述观赏事件的备选评论。