電影沉浸式音頻碼流規(guī)范及功能特性研究

王 豐

中國電影科學(xué)技術(shù)研究所（中央宣傳部電影技術(shù)質(zhì)量檢測(cè)所），北京 100086

1 引言

沉浸式音頻（Immersive Audio）技術(shù)在電影中的應(yīng)用具有里程碑意義，其憑借高品質(zhì)的包容感、更加明確的位置感以及更為豐富細(xì)膩的聲音細(xì)節(jié)迅速走進(jìn)廣大觀眾的視野，成為現(xiàn)階段業(yè)界最為關(guān)注的焦點(diǎn)之一。與傳統(tǒng)影廳5.1 聲道、7.1 聲道等二維環(huán)繞聲技術(shù)相比，沉浸式音頻影廳在觀眾區(qū)上方增加了能夠展現(xiàn)聲場(chǎng)高度（維度）的音頻聲道，同時(shí)具備了基于音頻資產(chǎn)與元數(shù)據(jù)信息共同描述的音頻對(duì)象元素，每個(gè)揚(yáng)聲器都是一個(gè)獨(dú)立發(fā)聲單元，聲像定位效果更為準(zhǔn)確。

為推動(dòng)電影沉浸式音頻技術(shù)的規(guī)范化發(fā)展，美國電影電視工程師協(xié)會(huì)（SMPTE）從2018 年起陸續(xù)發(fā)布多個(gè)技術(shù)標(biāo)準(zhǔn)，對(duì)影院沉浸式音頻元數(shù)據(jù)類型、聲場(chǎng)組結(jié)構(gòu)、碼流以及素材交換格式等多個(gè)方面作出規(guī)范，其目的是通過規(guī)范沉浸式音頻系統(tǒng)的技術(shù)要求，讓技術(shù)團(tuán)隊(duì)在沉浸式音頻系統(tǒng)的研發(fā)和升級(jí)改造時(shí)有章可循，逐步提升不同品牌沉浸式音頻系統(tǒng)的互操作性，進(jìn)而改變現(xiàn)階段不同品牌系統(tǒng)互不兼容的生態(tài)環(huán)境。

SMPTE 頒布的電影沉浸式音頻系列標(biāo)準(zhǔn)具有較強(qiáng)的前瞻性，其定義的功能特性可以從技術(shù)層面為影視聲音創(chuàng)作提供更大的表現(xiàn)空間，但當(dāng)時(shí)尚無能夠完整支持其全部功能的沉浸式音頻系統(tǒng)。為此，SMPTE 于2021年針對(duì)SMPTE ST 2098-2:2019 沉浸式音頻碼流規(guī)范（Immersive Audio Bitstream Specification）標(biāo)準(zhǔn)（以下簡(jiǎn)稱“SMPTE ST 2098-2”）發(fā)布了約束性文檔SMPTE RDD 57:2021（以下簡(jiǎn)稱“SMPTE RDD 57”），針對(duì)SMPTE ST 2098-2 的基礎(chǔ)功能提出支持建議，對(duì)一些高級(jí)功能做出了限制建議，其目的是降低沉浸式音頻碼流的復(fù)雜度，階段性推進(jìn)影院放映端的應(yīng)用普及率，未來會(huì)根據(jù)行業(yè)發(fā)展情況逐步取消相關(guān)功能性限制，直至支持完整功能特性。為促進(jìn)沉浸式音頻技術(shù)的健康發(fā)展與推廣，提升沉浸式音頻技術(shù)的優(yōu)化與普及，使研發(fā)者能夠在正確理解和遵循標(biāo)準(zhǔn)的前提下進(jìn)行技術(shù)創(chuàng)新，確保不同品牌系統(tǒng)之間具備互操作性，同時(shí)使內(nèi)容創(chuàng)作者和觀眾能夠在不同的渲染還音平臺(tái)享受盡可能一致的聽覺體驗(yàn)，需要對(duì)沉浸式音頻所涉及的相關(guān)標(biāo)準(zhǔn)進(jìn)行跟蹤研究和深入分析。本文深入研究了SMPTE ST 2098-2 標(biāo)準(zhǔn)中各內(nèi)容元素參數(shù)位段的功能含義，梳理了沉浸式音頻所涉及的全部功能特性，并結(jié)合其他相關(guān)標(biāo)準(zhǔn)，介紹了現(xiàn)階段電影行業(yè)沉浸式音頻技術(shù)的實(shí)際應(yīng)用情況。

2 沉浸式音頻碼流元素分析與研究

SMPTE ST 2098-2 是關(guān)于沉浸式音頻碼流的主要標(biāo)準(zhǔn)，它從兩個(gè)部分定義了沉浸式音頻碼流（Immersive Audio Bitstream, IABitstream）結(jié)構(gòu)，包括前導(dǎo)碼部分（Preamble）和沉浸式音頻幀部分（IAFrame），如圖1 所示。其中IAFrame 是IABitstream 中最重要的元素（Element），全部沉浸式音頻數(shù)據(jù)都存在于其中，包括用于揚(yáng)聲器陣列的聲床信息，以及可呈現(xiàn)到任意揚(yáng)聲器或任意虛擬位置的音頻對(duì)象信息，此外還包含多個(gè)音頻數(shù)據(jù)元素，每個(gè)元素都帶有脈沖編碼調(diào)制（Pulse Code Modulation, PCM）或數(shù)字無損壓縮編碼（Digital Losslessly-coded, DLC）音頻資產(chǎn)信息。

圖1 沉浸式音頻碼流結(jié)構(gòu)示意圖

IAFrame 元素是由多個(gè)子級(jí)元素組成的層次結(jié)構(gòu)。子級(jí)元素類型包括聲床定義元素（BedDefinition）、音頻對(duì)象元素（ObjectDefinition）、無損壓縮音頻元素（AudioDataDLC）、脈沖編碼調(diào)制音頻元素（AudioDataPCM）、制作工具信息元素（AuthoringTool-Info）和 用 戶 數(shù) 據(jù) 元 素（UserData），如 圖2 所示。SMPTE ST 2098-2 明確指出，IABitstream 中除上述元素外不能夠包含任何其他類型的元素。

圖2 元素層級(jí)結(jié)構(gòu)圖

2.1 沉浸式音頻幀（IAFrame）元素

IAFrame 是層級(jí)最高的幀頭元素，其數(shù)據(jù)字段主要包含6類位段（圖3）。

圖3 沉浸式音頻幀（IAFrame）元素

起始的Version 位段用于指定沉浸式音頻碼流的版本，符合IABitstream 規(guī)范碼流版本的值應(yīng)為1，該參數(shù)位段禁止使用0 或2 的值。最后的SubElement-Count 位段表示當(dāng)前元素中包含的下級(jí)元素（子元素）總數(shù)。

SampleRate 與BitDepth 用于規(guī)定音頻內(nèi)容的采樣頻率和量化深度，同一個(gè)IABitstream 中所有音頻內(nèi)容應(yīng)使用相同的采樣率與量化深度。SampleRate的編碼值為“0x0”表示采樣率為48kHz，編碼值為“0x1”表示采樣率為96kHz，編碼值“0x2”與“0x3”表示預(yù)留的未定義采樣率。BitDepth 編碼值為“0x0”表示16bit 的量化深度，BitDepth 編碼值為“0x1”表示24bit的量化深度，BitDepth 編碼值“0x2”與“0x3”表示預(yù)留的未定義量化深度，IAFrame 中的所有被取樣音頻內(nèi)容的量化深度取值范圍應(yīng)在（-2n-1≤量化值<2n-1）的范圍內(nèi)。

FrameRate 用于表示IAFrame 的幀率，同時(shí)控制音頻內(nèi)容的采樣數(shù)（SampleCount），F(xiàn)rameRate 編碼值所對(duì)應(yīng)的幀率與音頻采樣數(shù)的對(duì)應(yīng)關(guān)系如表1所示。

表1 幀率與采樣數(shù)的對(duì)應(yīng)關(guān)系

MaxRendered 表示在單幀播放期間可同時(shí)被渲染的最大聲道數(shù)和對(duì)象數(shù)之和。例如，對(duì)于具有無條件聲床的9.1OH 聲床和無條件對(duì)象的118 個(gè)對(duì)象的IAFrame 元素，該IAFrame 的最大渲染計(jì)數(shù)為128。對(duì)于所有預(yù)設(shè)的聲道或?qū)ο?，無論是否存在音頻資產(chǎn)，其數(shù)量都會(huì)包含在最大渲染計(jì)數(shù)中。2022 年底，SMPTE 對(duì)SMPTE ST 2098-2 標(biāo)準(zhǔn)進(jìn)行了修訂，對(duì)MaxRendered 位段要求做了補(bǔ)充，規(guī)定采樣頻率為48kHz 碼流的MaxRendered 值不高于128，規(guī)定采樣頻率為96kHz碼流的MaxRendered 值不高于64。

2.2 聲床定義（BedDefinition）元素

BedDefinition 元素包含聲床元數(shù)據(jù)和指向音頻資產(chǎn)的信息，主要包含14 類位段，其結(jié)構(gòu)如圖4所示。

圖4 聲床定義（BedDefinition） 元素

MetaID 用于識(shí)別幀與幀之間的元數(shù)據(jù)信息。在一個(gè)IAFrame 中相同類型的兩個(gè)元素不得具有相同的MetaID，在連續(xù)的IAFrame 中，相同類型和相同MetaID 的元素通常表示連續(xù)音頻。

ConditionalBed 表示符合特定聲場(chǎng)環(huán)境時(shí)才會(huì)被激活的條件聲床，該位段值為0 表示BedDefinition 元素不存在條件聲床，BedDefinition 直接被激活；值為1表示BedDefinition 元素存在條件聲床，且會(huì)隨之出現(xiàn)BedUseCase 位段。從功能特性來看，條件聲床屬于沉浸式音頻的高級(jí)功能，是為特定聲場(chǎng)組環(huán)境而使用的聲床，當(dāng)該聲床元素為主元素，且條件聲床存在并被激活時(shí)，條件聲床應(yīng)（與其他有效聲床元素一起）從對(duì)應(yīng)的揚(yáng)聲器中還音。當(dāng)該聲床元素為子元素，且條件聲床存在并被激活時(shí)，條件聲床應(yīng)替代原聲床從對(duì)應(yīng)揚(yáng)聲器中還音。

ChannelCount 表示BedDefinition 中的聲道總數(shù)量，ChannelID 表示聲床中的一個(gè)唯一聲道，聲道標(biāo)準(zhǔn)名稱參數(shù)及重映射路由目的地遵從SMPTE ST 428-12、ITU-R BS.2051-3 和SMPTE ST 2098-5 中的定義。一個(gè)BedDefinition 元素中的同一個(gè)ChannelID 值不能出現(xiàn)1 次以上。AudioDataID 用于識(shí)別碼流中攜帶的相關(guān)單聲道音頻資產(chǎn)，當(dāng)該位段為0時(shí)表示沒有音頻資產(chǎn)，IABitstream 編碼器可通過把該字段設(shè)為0 的方式表示靜音音頻資產(chǎn)。

此外，ChannelGainPrefix 規(guī)定了聲道增益值的編碼方式；ChannelDecorInfoExists 表示是否對(duì)該聲床聲道的音頻資產(chǎn)進(jìn)行去相關(guān)處理；AudioDescription 用于提供音頻資產(chǎn)的描述信息，音頻資產(chǎn)可以描述為基本音頻類型的組合，其代碼值對(duì)應(yīng)的基本描述信息內(nèi)容如表2所示。

表2 音頻內(nèi)容描述代碼與描述信息內(nèi)容的關(guān)系

2.3 聲床重映射（BedRemap）元素

BedRemap 元素是BedDefinition 元素的可選子元素，用于描述如何將聲床從原有配置轉(zhuǎn)換為不同的播放配置。例如，該元素可以提供將9.1 聲床下混到5.1 聲床的相關(guān)信息，以便在5.1 聲場(chǎng)配置的影院中播放內(nèi)容。BedRemap 元素應(yīng)具備明確的目標(biāo)環(huán)境指向，并提供混合系數(shù)，從而將BedDefinition 元素中的每個(gè)通道分配到還音系統(tǒng)支持的聲道上。當(dāng)Bed-Remap 元素存在并被激活時(shí)，聲音以與重映射參數(shù)一致的方式重映射到渲染器配置中，并通過該特定目標(biāo)環(huán)境所對(duì)應(yīng)的揚(yáng)聲器還音。BedRemap 元素主要包含8類位段，具體映射如圖5所示。

圖5 聲床重映射（BedRemap）元素

RemapUseCase 表示激活重映射元素的目標(biāo)聲場(chǎng)組類型，如5.1、7.1DS、9.1OH 等。SourceChannels 對(duì)應(yīng)的聲道數(shù)量應(yīng)為原BedDefinition 元素中指定聲床所包含的聲道數(shù)量。DestinationChannels 對(duì)應(yīng)的聲道數(shù)量應(yīng)等于重映射后所定義的實(shí)際輸出聲道數(shù)量。RemapInfoExists 出現(xiàn)在重映射子塊中，位段值應(yīng)設(shè)置為1，表示需要進(jìn)行重映射處理。DestinationChannelID 表示重映射的聲道標(biāo)識(shí)，在每個(gè)BedRemap 元素子塊中具有唯一值，聲道標(biāo)識(shí)及路由目的地遵從SMPTE ST 428-12、ITU-R BS.2051-2 和SMPTE ST 2098-5 中的定義。RemapGainPrefix 規(guī)定了對(duì)重映射增益值編碼的方式，代碼值為0 表示無增益變化，代碼值為1 表示靜音，代碼值為2 表示聲道增益代碼（RemapGain）包含在IABitstream 中，根據(jù)增益代碼設(shè)置增益大小。

2.4 對(duì)象定義（ObjectDefinition）元素

ObjectDefinition 元素包含元數(shù)據(jù)和指向音頻資產(chǎn)的指針信息，能夠生成一個(gè)音頻對(duì)象的一幀。為了給對(duì)象元數(shù)據(jù)參數(shù)提供足夠的時(shí)間分辨率，需要將單個(gè)IAFrame 所對(duì)應(yīng)的時(shí)長(zhǎng)進(jìn)行分割，將一幀的聲音內(nèi)容按照一定的時(shí)間間隔劃分為多個(gè)子塊，子塊的數(shù)量、排列順序以及每個(gè)子塊的采樣數(shù)和持續(xù)時(shí)長(zhǎng)如表3所示。

表3 不同幀率與音頻子塊參數(shù)的對(duì)應(yīng)關(guān)系

在ObjectDefinition 元素中還包含著區(qū)域（Zone）信息，該信息由碼流中的代碼值來表示。對(duì)于影廳來說，區(qū)域是指影廳不同部分所包含的揚(yáng)聲器合集，一般可分為9 個(gè)區(qū)域，包括銀幕后方三區(qū)域（左中右）、左右墻二區(qū)域、后墻二區(qū)域（左右）、頂層二區(qū)域（左右）。但當(dāng)子元素ObjectZoneDefinition19 被激活時(shí)，高級(jí)區(qū)域配置會(huì)取代原有的9個(gè)區(qū)域。

ObjectDefinition 元素主要包含22 類位段，如圖6所示。該元素可以支持ObjectDefinition 和Object-ZoneDefinition19兩類子元素。

圖6 對(duì)象定義元素（ObjectDefinition）

ConditionalObject 表示符合特定聲場(chǎng)環(huán)境時(shí)才會(huì)被激活的音頻對(duì)象，其作用與前面的ConditionalBed基本一致。從功能特性上來看，條件對(duì)象是為特定目標(biāo)環(huán)境而使用的替代音頻對(duì)象，當(dāng)該對(duì)象為主對(duì)象元素，且條件對(duì)象被激活時(shí)，條件對(duì)象應(yīng)（與其他有效對(duì)象元素一起）出現(xiàn)在對(duì)應(yīng)的位置上。當(dāng)該對(duì)象為子對(duì)象元素，且條件對(duì)象被激活時(shí)，不同坐標(biāo)位置的子音頻對(duì)象將替換主音頻對(duì)象，主音頻對(duì)象應(yīng)不發(fā)聲。

除了以上元素外，PanInfoExists 表示子塊（Sub Block）中是否存在聲象移動(dòng)信息；ObjectGainPrefix 表示對(duì)象增益值的編碼方法；ObjectPosX、ObjectPosY、ObjectPosZ 規(guī)定了移動(dòng)音頻對(duì)象在三維空間中的位置坐標(biāo)；ObjectSnap 位段相當(dāng)于調(diào)整音頻音色與音頻位置優(yōu)先級(jí)關(guān)系的總開關(guān)，而ObjectZoneControl 位段相當(dāng)于區(qū)域控制功能的總開關(guān)；ObjectSpreadMode 指定了碼流中音頻對(duì)象的擴(kuò)散信息類型，其代碼值對(duì)應(yīng)的標(biāo)識(shí)及功能如表4 所示；ObjectDecorCoefPrefix規(guī)定了對(duì)“去相關(guān)”增益值進(jìn)行編碼的方法。

表4 擴(kuò)散類型描述

2.5 對(duì)象區(qū)域定義19（ObjectZoneDefinition19）元素

ObjectZoneDefinition19 是ObjectDefinition 元素的可選子元素，定義了與ObjectDefinition 中常規(guī)9 區(qū)域定義方式不同的替代分區(qū)定義，將還音環(huán)境區(qū)域擴(kuò)展至影廳內(nèi)19 個(gè)分區(qū)。如果解碼器能夠識(shí)別ObjectZoneDefinition19 參數(shù)位段，并且支持Object-ZoneDefinition19 元素識(shí)別，應(yīng)將音頻信號(hào)區(qū)域設(shè)置關(guān)系與19 個(gè)區(qū)域位置相關(guān)聯(lián)，并將主ObjectDefinition 元素中的ZoneGainPrefix 和ZoneGain 值替換為子元素（ObjectZoneDefinition19）中的ZoneGainPrefix 和ZoneGain19值。

2.6 脈沖編碼調(diào)制音頻（AudioDataPCM）元素與無損壓縮音頻（AudioDataDLC）元素

AudioDataPCM 與AudioDataDLC 元素都是攜帶實(shí)際音頻內(nèi)容的位段，一般來說也是數(shù)據(jù)量最大的位段。AudioDataPCM 元素主要包含了線性PCM 無壓縮音頻數(shù)據(jù)內(nèi)容，其采樣頻率支持48kHz 或96kHz，量化深度支持16bit 或24bit,該元素用于表示音頻內(nèi)容，會(huì)被聲床和音頻對(duì)象元素所引用。該元素主要包含AudioDataID、PCMData 共2 類位段。AudioDataDLC 元素由聲床元素和音頻對(duì)象元素組成，所攜帶的音頻資產(chǎn)應(yīng)符合編碼規(guī)范，該規(guī)范是為數(shù)字影院而設(shè)計(jì)，采用了時(shí)域線性預(yù)測(cè)音頻壓縮方式，對(duì)音頻資產(chǎn)進(jìn)行無損編碼。每個(gè)AudioDataDLC 元素包含一幀單聲道無損壓縮編碼音頻波形，該元素不能用于非整數(shù)幀率的IAFrame。該元素主要包含AudioDataID、DLCSize、DLCSampleRate 等19 類參數(shù)位段。AudioDataPCM 和AudioDataDLC 元素僅用于表示音頻內(nèi)容，解碼過程中會(huì)被聲床和音頻對(duì)象元素所引用，元素本身不涉及功能特性內(nèi)容，在此不做過多分析與解讀。

2.7 制作工具信息（AuthoringToolInfo）元素和用戶數(shù)據(jù)（UserData）元素

AuthoringToolInfo 元素用于標(biāo)識(shí)創(chuàng)建沉浸式音頻的供應(yīng)廠商和制作工具（包括版本號(hào)），渲染器在解碼過程中可能會(huì)跳過這個(gè)元素，該元素包含AuthoringToolURI 參數(shù)位段。AuthoringToolURI 是一個(gè)以空字符結(jié)束的ASCII 文本字符串，每個(gè)字符包含在一個(gè)8bit 字節(jié)中。它是由國際互聯(lián)網(wǎng)工程任務(wù)組（IETF）發(fā)布的IETF RFC 2396 定義的統(tǒng)一資源標(biāo)識(shí)符組成，標(biāo)識(shí)內(nèi)容是制作工具供應(yīng)商注冊(cè)的DNS 可解析域名（大多為官方網(wǎng)址），以防止不同供應(yīng)商提供的工具標(biāo)識(shí)符之間的重復(fù)。URI 的其余部分可由制作工具供應(yīng)商以符合RFC 2396的任何方式定義。

UserData 元素?cái)y帶使用SMPTE UL 標(biāo)識(shí)的未定義用戶數(shù)據(jù)，渲染器在解碼過程中可能會(huì)跳過這個(gè)元素。該元素包含UserID、UserDataBytes 兩類參數(shù)位段。UserID 是符合SMPTE ST 298 標(biāo)準(zhǔn)的SMPTE管理通用標(biāo)簽，用于標(biāo)識(shí)創(chuàng)建UserDataBytes 的實(shí)體及其定義，與無法識(shí)別的UserID 相關(guān)聯(lián)的UserData-Bytes可能會(huì)被忽略。

3 沉浸式音頻標(biāo)準(zhǔn)在電影行業(yè)的發(fā)展與應(yīng)用情況

3.1 電影沉浸式音頻技術(shù)的全球發(fā)展與應(yīng)用現(xiàn)狀

沉浸式音頻技術(shù)自2012 年在電影行業(yè)正式商用以來，迅速成為電影行業(yè)的重要發(fā)展方向，國際上有電影電視工程師協(xié)會(huì)（SMPTE）、數(shù)字電影倡導(dǎo)組織（DCI）、跨協(xié)會(huì)數(shù)字電影論壇（ISDCF）等多個(gè)組織參與了沉浸式音頻標(biāo)準(zhǔn)的商討或制定，2018 年發(fā)布的SMPTE ST 2098 系列標(biāo)準(zhǔn)較為重要。在其制定標(biāo)準(zhǔn)的過程中，眾多國際廠商展開了技術(shù)博弈，多家企業(yè)為實(shí)現(xiàn)技術(shù)互操作性和標(biāo)準(zhǔn)化發(fā)展公開并統(tǒng)一了諸如元數(shù)據(jù)類型、聲場(chǎng)組結(jié)構(gòu)、碼流規(guī)范等技術(shù)指標(biāo)，同時(shí)最大限度地保留了諸如源母版格式、渲染算法等自有知識(shí)產(chǎn)權(quán)的核心技術(shù)內(nèi)容。

ISDCF 于2019 年2 月底組織電影行業(yè)技術(shù)公司基于SMPTE ST 2098-2 實(shí)施了初步互插拔測(cè)試（Plug-Fest），測(cè)試過程中的DCP 素材均使用符合SMPTE ST 2098-2 碼流規(guī)范的MXF 數(shù)據(jù)文件來生成。巴可（Barco）、杜比（Dolby）、Xperi/DTS、D-BOX 等廠商參加了測(cè)試，測(cè)試結(jié)果表明現(xiàn)階段有條件實(shí)現(xiàn)沉浸式音頻基礎(chǔ)功能的正確渲染還音，但對(duì)一些高級(jí)功能尚不能實(shí)現(xiàn)互操作。為兼顧大多廠商音頻渲染器現(xiàn)階段的實(shí)際運(yùn)算能力，降低音頻編碼的復(fù)雜程度，控制沉浸式音頻在電影行業(yè)廣泛應(yīng)用的技術(shù)門檻，ISDCF 認(rèn)為需要制定一份約束性文檔，并于2020 年針對(duì)SMPTE ST 2098-2 發(fā)布了沉浸式音頻碼流約束-IAB 應(yīng)用簡(jiǎn)介1（Immersive Audio Bitstream Constrants-IAB Application Profile 1），該文檔包含了對(duì)數(shù)字電影數(shù)據(jù)包（DCP）和合成播放列表（CPL）標(biāo)識(shí)符、聲床聲道、音頻對(duì)象以及元數(shù)據(jù)信息等完整特性的約束建議，逐步引導(dǎo)不同廠商沉浸式音頻系統(tǒng)實(shí)現(xiàn)渲染還音的互操作。

SMPTE 采納了ISDCF 的建議，于2021 年發(fā)布了SMPTE RDD 57 文檔，該文檔針對(duì)ST 2098-2 的基礎(chǔ)功能提出明確建議，對(duì)現(xiàn)階段用于DCP 的沉浸式音頻碼流提出多項(xiàng)約束性建議，未來會(huì)根據(jù)行業(yè)的發(fā)展情況逐步取消相關(guān)功能性限制，直至完全符合SMPTE ST 2098-2的全部功能要求。

SMPTE RDD 57 文檔主要對(duì)沉浸式音頻碼流的以下功能做出了限制：

（1）采樣率限制為48kHz，且不允許使用其他采樣率；

（2）幀率僅允許是24FPS、25FPS、30FPS、48FPS和60FPS；

（3）僅允許擁有1 個(gè)聲床，聲床最多包含10 個(gè)聲道，聲場(chǎng)組僅允許采用SMPTE ST 428-12:2013 數(shù)字電影發(fā)行母版通用音頻聲道和聲場(chǎng)組（D-Cinema Distribution Master Common Audio Channels and Soundfield Groups）標(biāo)準(zhǔn)中定義的7.1DS 聲場(chǎng)組，或SMPTE ST 2098-5:2018 數(shù)字電影沉浸式音頻聲道和聲場(chǎng)組（D-Cinema Immersive Audio Channels and Soundfield Groups）標(biāo)準(zhǔn)中定義的9.1OH 聲場(chǎng)組；

（4）僅允許BedUseCase 參數(shù)位段被設(shè)置為Always Use 的條件聲床存在，并且BedDefinition 不擁有任何子元素，對(duì)同步聲床功能也做出了禁用建議；

（5）ChannelGainPrefix 與ObjectGainPrefix 位段值只能為0，且不能存在ChannelGain 和ObjectGain 位段，也就是說現(xiàn)階段音頻增益控制功能暫不能包含在碼流中；

（6）聲床內(nèi)容不允許進(jìn)行去相關(guān)處理，且不允許包 含ChannelDecorCoefPrefix 和ChannelDecorCoef 位段，在對(duì)音頻對(duì)象進(jìn)行去相關(guān)處理時(shí)，ObjectDecorCoefPrefix 位段值僅允許為0 或1，不允許包含Object-DecorCoef 位段；

（7）僅允許ObjectUseCase 參數(shù)位段被設(shè)置為Always Use 的條件對(duì)象存在，并且ObjectDefinition 不能擁有任何子元素；

（8）如果存在ObjectSnapTolExists 位段，則該位段值應(yīng)為0，不允許包含ObjectSnapTolerance 位段；

（9）如果存在區(qū)域增益控制信息，ZoneGainPrefix位段值僅允許為0 或1，且僅可存在11 種區(qū)域賦值方式；

（10）區(qū)域擴(kuò)散中ObjectSpreadMode 位段值應(yīng)始終為2，不允許包含ObjectSpreadX、ObjectSpreadY 和ObjectSpreadZ 這3個(gè)位段；

（11）不 允 許 包 含ObjectZoneDefinition19 位 段信息；

（12）不允許包含BedRemap、AuthoringToolInfo 和UserData 這三個(gè)元素。

3.2 我國電影沉浸式音頻技術(shù)發(fā)展情況

目前，我國有多家從事電影沉浸式音頻技術(shù)的公司或機(jī)構(gòu)，他們通過不斷技術(shù)研發(fā)和創(chuàng)新，為電影制作和放映提供了多種出色的沉浸式音頻解決方案，并在國內(nèi)外影院中得到了一定范圍的應(yīng)用與認(rèn)可。

中國電影科學(xué)技術(shù)研究所（中央宣傳部電影技術(shù)質(zhì)量檢測(cè)所）始終積極推進(jìn)數(shù)字電影沉浸式音頻技術(shù)發(fā)展，在沉浸式音頻系列技術(shù)標(biāo)準(zhǔn)制定期間就已開始積極關(guān)注和跟蹤相關(guān)進(jìn)展，并在標(biāo)準(zhǔn)發(fā)布后第一時(shí)間對(duì)標(biāo)準(zhǔn)進(jìn)行了研究和解讀，認(rèn)為相關(guān)標(biāo)準(zhǔn)的發(fā)布，為制版和發(fā)行的統(tǒng)一、系統(tǒng)間的兼容提供了技術(shù)和標(biāo)準(zhǔn)指導(dǎo)。我單位技術(shù)研發(fā)團(tuán)隊(duì)對(duì)SMPTE ST 2098 系列標(biāo)準(zhǔn)的兼容性、技術(shù)專利壁壘、國產(chǎn)化可行性等關(guān)鍵問題進(jìn)行了深入研究和探索，為實(shí)現(xiàn)數(shù)字電影沉浸式音頻系統(tǒng)全流程國產(chǎn)化、打破國外技術(shù)壟斷并與國際技術(shù)標(biāo)準(zhǔn)實(shí)現(xiàn)兼容，推動(dòng)沉浸式音頻技術(shù)在行業(yè)制作、發(fā)行、放映等環(huán)節(jié)的應(yīng)用打下了良好的基礎(chǔ)。現(xiàn)階段正在逐步推進(jìn)《數(shù)字電影沉浸式音頻發(fā)行母版技術(shù)要求》《數(shù)字電影沉浸式音頻渲染效果主觀評(píng)價(jià)方法》等相關(guān)沉浸式音頻標(biāo)準(zhǔn)的起草，旨在形成具有我國自主知識(shí)產(chǎn)權(quán)的數(shù)字影院沉浸式音頻標(biāo)準(zhǔn)化體系，提高相關(guān)領(lǐng)域的國際話語權(quán)和行業(yè)競(jìng)爭(zhēng)力，實(shí)現(xiàn)電影還音技術(shù)的高質(zhì)量發(fā)展。

4 結(jié)語

沉浸式音頻技術(shù)在影視、音樂、娛樂等諸多行業(yè)的應(yīng)用愈發(fā)普及，儼然已成為當(dāng)今乃至未來一段時(shí)間音頻技術(shù)的發(fā)展方向。對(duì)于電影行業(yè)來說，沉浸式音頻系統(tǒng)已成為高端影廳的標(biāo)配，同時(shí)節(jié)目制作機(jī)構(gòu)也有越來越多的混錄棚通過升級(jí)改造具備了支持電影沉浸式音頻制作生產(chǎn)的硬件環(huán)境，與其相關(guān)的技術(shù)標(biāo)準(zhǔn)也緊隨技術(shù)與市場(chǎng)的發(fā)展不斷修訂更新。

隨著技術(shù)標(biāo)準(zhǔn)的不斷完善，沉浸式音頻的元數(shù)據(jù)類型以及功能特性將會(huì)逐步統(tǒng)一，音頻內(nèi)容的編解碼方式也會(huì)逐步走向一致，國內(nèi)外不同廠商的沉浸式音頻設(shè)備將會(huì)逐步實(shí)現(xiàn)良好的兼容，從而有效降低影片的制作運(yùn)營成本。標(biāo)準(zhǔn)對(duì)技術(shù)發(fā)展具有規(guī)范促進(jìn)作用，在保證通用性、兼容性和可操作性方面發(fā)揮了積極作用，但同時(shí)也可能會(huì)產(chǎn)生專業(yè)技術(shù)壁壘，使有些公司不得不放棄自研技術(shù)，甚至需要為制作符合標(biāo)準(zhǔn)的產(chǎn)品支付高額的專利授權(quán)費(fèi)。

在現(xiàn)階段電影行業(yè)中，沉浸式音頻技術(shù)仍有著多元化發(fā)展空間，比如目前在母板格式和渲染算法等方面還沒有統(tǒng)一的標(biāo)準(zhǔn)規(guī)范，可以預(yù)見沉浸式音頻未來的主要技術(shù)賽道將從“功能特性創(chuàng)新”逐步轉(zhuǎn)換為“渲染算法創(chuàng)新”。相關(guān)研究人員和從業(yè)人員要找準(zhǔn)切入點(diǎn)，積極提升沉浸式音頻技術(shù)領(lǐng)域多元化發(fā)展，將技術(shù)研發(fā)與市場(chǎng)應(yīng)用相結(jié)合，逐步拓展活躍用戶數(shù)量，充分發(fā)掘核心技術(shù)所蘊(yùn)含的商業(yè)價(jià)值，推動(dòng)其形成技術(shù)標(biāo)準(zhǔn)，用技術(shù)實(shí)力提升市場(chǎng)博弈能力和行業(yè)競(jìng)爭(zhēng)力，進(jìn)一步推動(dòng)電影行業(yè)高質(zhì)量發(fā)展。?