[发明专利]用于处理音频数据的方法和装置、介质及设备

说明书

弥漫性或空间上的大音频对象可被识别以进行特殊处理。去相关过程可以对对应于大音频对象的音频信号执行，以产生去相关的大音频对象音频信号。这些去相关的大音频对象音频信号可以与对象位置关联，对象位置可以是固定的或随时间变化的位置。例如，去相关的大音频对象音频信号可以被渲染到虚拟或实际扬声器位置。这种渲染过程的输出可以被输入到场景简化过程。去相关、关联和/或场景简化过程可以在编码音频数据的过程之前执行。

对相关申请的交叉引用

本申请要求于2013年7月31日提交的西班牙专利申请No. P201331193和2013年10月2日提交的美国临时申请No.61/885,805 的优先权，每个申请的全部内容都通过引用被结合于此。

技术领域

本公开内容涉及处理音频数据。更具体而言，本公开内容涉及处理对应于弥漫性(diffuse)或空间上的大音频对象的音频数据。

背景技术

自1927年在电影中引入声音开始，用来捕获运动画面声轨的艺术意图并且再现这种内容的技术一直稳步发展。在20世纪70年代，杜比(Dolby)推出了利用3个屏幕通道和一个单环绕声道编码和分布混合的成本有效手段。在20世纪90年代，杜比利用5.1通道格式将数字声音带到电影院，该5.1通道格式提供分立的左、中、右屏幕通道，左和右环绕声阵列以及用于低频效果的低音炮通道。在2010 年推出的杜比环绕7.1通过将现有的左和右环绕通道分为四个“区”，增加了环绕通道的数量。

电影院和家庭影院音频重放系统正变得越来越多功能和复杂。家庭影院音频重放系统包括越来越多数量的扬声器。随着通道数量增加并且喇叭布局从平面二维(2D)阵列变迁到包括仰角(elevation) 的三维(3D)阵列，在重放环境中再现声音正成为更加复杂的过程。改进的音频处理方法将是期望的。

发明内容

提供了用于处理弥漫性或空间上的大音频对象的改进方法。如本文所使用的，术语“音频对象”指音频信号(本文也称为“音频对象信号”)和无需参照任何特定的重放环境就可被创建或“创作”的关联的元数据。关联的元数据可以包括音频对象位置数据、音频对象增益数据、音频对象尺寸数据、音频对象轨迹数据，等等。如本文所使用的，术语“渲染”指将音频对象变换成用于特定重放环境的扬声器馈送信号的过程。渲染过程可以至少部分地根据关联的元数据并根据重放环境数据来执行。重放环境数据可以包括重放环境中扬声器数量的指示和重放环境内每个扬声器的位置的指示。

空间上的大音频对象不是要被感知为点声源，而是应当被感知为覆盖大的空间区域。在一些情况下，大音频对象应当被感知为围绕听者。这种音频效果可能无法仅仅通过平移(panning)来实现，而是可能需要另外的处理。为了创建令人信服的空间对象尺寸，或空间弥漫性，重放环境中显著比例的扬声器信号应当相互独立，或至少不相关(例如，就一阶交叉相关或协方差而言是独立的)。足够复杂的渲染系统，诸如用于剧院的渲染系统，可以能够提供这种去相关。但是，不太复杂的渲染系统，诸如要用于家庭影院系统的那些，可能不能够提供足够的去相关。

本文所描述的一些实施方式可以涉及识别弥漫性或空间上的大音频对象以进行特殊处理。去相关过程可以对对应于大音频对象的音频信号执行，以产生去相关的大音频对象音频信号。这些去相关的大音频对象音频信号可以与对象位置关联，对象位置可以是静止的或随时间变化的位置。关联过程可以独立于实际重放扬声器配置。例如，去相关的大音频对象音频信号可以被渲染到虚拟扬声器位置。在一些实施方式中，这种渲染过程的输出可以被输入到场景简化过程。

因此，本公开内容的至少一些方面可以在可以涉及接收包括音频对象的音频数据的方法中实现。音频对象可以包括音频对象信号和关联的元数据。元数据可以至少包括音频对象尺寸数据。