UA112249C2 - Аудіокодер і аудіодекодер з метаданими гучності та границі програми - Google Patents

Аудіокодер і аудіодекодер з метаданими гучності та границі програми Download PDF

Info

Publication number
UA112249C2
UA112249C2 UAA201503505A UAA201503505A UA112249C2 UA 112249 C2 UA112249 C2 UA 112249C2 UA A201503505 A UAA201503505 A UA A201503505A UA A201503505 A UAA201503505 A UA A201503505A UA 112249 C2 UA112249 C2 UA 112249C2
Authority
UA
Ukraine
Prior art keywords
metadata
audio
program
volume
data
Prior art date
Application number
UAA201503505A
Other languages
English (en)
Inventor
Майкл ГРАНТ
Скотт Грегорі Норкросс
Скотт Грегори НОРКРОСС
Джеффрі Рідміллер
Джэффри Ридмиллер
Майкл ВАРД
Original Assignee
Долбі Лабораторіс Лайсензін Корпорейшн
Долби Лабораторис Лайсензин Корпорэйшн
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Долбі Лабораторіс Лайсензін Корпорейшн, Долби Лабораторис Лайсензин Корпорэйшн filed Critical Долбі Лабораторіс Лайсензін Корпорейшн
Publication of UA112249C2 publication Critical patent/UA112249C2/uk

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/16—Vocoder architecture
    • G10L19/167—Audio streaming, i.e. formatting and decoding of an encoded audio signal representation into a data stream for transmission or storage purposes
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/002—Dynamic bit allocation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/008—Multichannel audio signal coding or decoding using interchannel correlation to reduce redundancy, e.g. joint-stereo, intensity-coding or matrixing
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/06—Determination or coding of the spectral characteristics, e.g. of the short-term prediction coefficients
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/16—Vocoder architecture
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03G—CONTROL OF AMPLIFICATION
    • H03G9/00—Combinations of two or more types of control, e.g. gain control and tone control
    • H03G9/005—Combinations of two or more types of control, e.g. gain control and tone control of digital or coded signals
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03G—CONTROL OF AMPLIFICATION
    • H03G9/00—Combinations of two or more types of control, e.g. gain control and tone control
    • H03G9/02—Combinations of two or more types of control, e.g. gain control and tone control in untuned amplifiers
    • H03G9/025—Combinations of two or more types of control, e.g. gain control and tone control in untuned amplifiers frequency-dependent volume compression or expansion, e.g. multiple-band systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mathematical Physics (AREA)
  • Stereophonic System (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Signal Processing For Digital Recording And Reproducing (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Reverberation, Karaoke And Other Acoustics (AREA)

Abstract

Пристрій і способи формування кодованого бітового аудіопотоку, що включає в тому числі метадані гучності програми та аудіодані в бітовому потоці, а в деяких випадках також метадані границі програми щонайменше в одному сегменті (наприклад, фреймі) бітового потоку. Іншими аспектами є пристрій і способи для декодування такого бітового потоку, наприклад, у тому числі шляхом виконання адаптивної обробки гучності аудіоданих аудіопрограми, що вказана бітовим потоком, або шляхом перевірки дійсності та/або перевірки правильності метаданих і/або аудіоданих такої аудіопрограми. Іншим аспектом є блок обробки звукового сигналу (наприклад, кодер, декодер або постпроцесор), який виконаний (наприклад, запрограмований) з можливістю виконання будь-якого варіанта здійснення способу або включає буферний запам'ятовувальний пристрій, що зберігає щонайменше один фрейм бітового аудіопотоку, сформованого відповідно до будь-якого з варіантів здійснення способу.

Description

Перехресне посилання на споріднені заявки
Дана заявка заявляє пріоритет попередньої заявки на патент США Мо 61/754882, поданої 21 січня 2013 року, та попередньої заявки на патент США Мо 61/824010, поданої 16 травня 2013 року, кожна з яких включена в даний опис за допомогою посилання у всій повноті.
Галузь техніки
Винахід відноситься до обробки звукових сигналів, а більш конкретно, до кодування та декодування бітових потоків аудіоданих з метаданими, що є індикатором стану обробки гучності аудіоконтенту та розташування границь аудіопрограм, що вказані бітовим потоком. Деякі варіанти здійснення даного винаходу формують або декодують аудіодані в один з форматів, відомих як АС-3, Еппапсєд АС-3 або Е-АС-3, або Роїбу Е.
Передумови створення винаходу
Боїібу, БоїІБу Оідйа!, ЮоІру бідна! Ріиз і ОоІрбру Е є товарними знаками ОоїБу І арогайгіе5
Гісепзіпд Согрогайоп. БоїБбу І арогафогіе5 забезпечує запатентовані втілення АС-3 і Е-АС-3, відомі як ОоЇБбу Сідйаї! ії ОоІру Оідйа! РіІи5, відповідно.
Блоки обробки аудіоданих зазвичай працюють «наосліп» і не звертають увагу на характер протікання процесів з аудіоданими, які відбувалися до одержання даних. Це може працювати за умов обробки аудіоданих, коли один об'єкт повністю виконує обробку й кодування аудіоданих для різних цільових відтворюючих медіа-пристроїв при тому, що цільовий відтворюючий медіа- пристрій повністю виконує декодування й відтворення кодованих аудіоданих. Проте, така «сліпа» обробка є неефективною (або взагалі непрацездатною) у ситуаціях, коли множина блоків обробки звукового сигналу рознесена по неоднорідній мережі або встановлена послідовно (тобто, у вигляді ланцюга) і, як очікується, повинна оптимально виконувати відповідні типи обробки звукових сигналів. Наприклад, деякі аудіодані можуть бути закодовані для медіа-систем високої продуктивності й, можливо, їх доведеться перетворити в спрощену форму, що підходить для мобільного пристрою, що перебуває в тракті обробки медіа- інформації. Відповідно, блоку обробки звукового сигналу немає необхідності здійснювати виконаний раніше вид обробки аудіоданих. Наприклад, блок авторегулювання гучності може виконувати обробку вхідного аудіокліпу, незалежно від того, чи було таке ж або аналогічне авторегулювання гучності для цього вхідного аудіокліпу виконане раніше. У результаті блок
Зо авторегулювання гучності може виконувати авторегулювання, навіть коли це не потрібно. Така зайва обробка також може бути причиною погіршення та/або видалення характерних особливостей при відтворенні контенту аудіоданих.
Типовий потік аудіоданих містить як аудіоконтент (наприклад, один або більше каналів аудіоконтенту), так і метадані, що вказують щонайменше одну характеристику аудіоконтенту.
Наприклад, у бітовому потоці АС-3 є кілька параметрів метаданих звукового сигналу, які спеціально призначені для використання при зміні звуку програми, переданої в середовище прослуховування. Одним з параметрів метаданих є параметр ОІАСМОКМ, що призначений для вказівки середнього рівня діалогу, що зустрічається в аудіопрограмі, і використовується для визначення рівня відтворення звукового сигналу.
Під час відтворення бітового потоку, що містить послідовність різних сегментів аудіопрограми (кожний з яких має різний параметр ОІАСМОКМ), АС-3 декодер використовує параметр ОІАСМОКМ кожного сегмента, щоб виконати тип обробки гучності, при якому він змінює рівень відтворення або гучність так, що сприймана гучність діалогу послідовності сегментів підтримується на постійному рівні. Кожний кодований аудіосегмент (елемент) у послідовності кодованих аудіоелементів буде (у загальному) мати різні параметри ІА МОЕМ, і декодер буде масштабувати рівень кожного з елементів таким чином, щоб рівень відтворення або гучність діалогу кожного елемента була однаковою або дуже схожою, навіть якщо буде потрібно застосування коефіцієнтів підсилення різної величини для різних елементів під час відтворення.
БІАСМОКМ зазвичай задається користувачем, і не формується автоматично, хоча існує значення СІАЇМОКМ за замовчуванням, якщо значення не задане користувачем. Наприклад, творець контенту може виконувати виміри гучності із зовнішнього пристрою відносно АС-3 кодера, а потім передати результат (що показує гучність розмовного діалогу аудіопрограми) кодеру, щоб установити значення ОСІАЇ МОКМ. Таким чином, правильність установки параметра
ВІАСМОКМ залежить від творця контенту.
Існує кілька різних причин, через які параметр БІАЇМОЕМ у бітовому потоці АС-3 може бути невірним. По-перше, кожний АС-3 кодер має значення СІАСМОКМ за замовчуванням, що використовується при формуванні бітового потоку, якщо значення ОІАЇМОКМ не задане творцем контенту. Це значення за замовчуванням може істотно відрізнятися від фактичної бо гучності діалогу аудіоконтенту. По-друге, навіть якщо творець контенту вимірює гучність і задає значення ОІАСМОКМ відповідним чином, алгоритм виміру гучності або вимірювальний прилад можуть не відповідати рекомендованому методу виміру гучності для АС-3, у результаті буде отримане невірне значення ВБІАЇ МОМ. По-третє, навіть якщо бітовий потік АС-3 був створений із правильно виміряним і заданим творцем контенту значенням ЮІАГМОКМ, він може бути
Змінений на невірне значення при передачі та/або зберіганні бітового потоку. Наприклад, у додатках телевізійного мовлення для бітових потоків АС-3, що підлягають декодуванню, модифікації а потім перекодуванню, нерідким є використання інформації метаданих з неправильним СІАСМОКМ. Таким чином, значення СІАГМОКМ, включене в бітовий потік АС-3, може бути неправильним або неточним й, отже, може негативно впливати на якість звучання.
Крім того, параметр ОІАГМОКМ не показує стан обробки гучності відповідних аудіоданих (наприклад, які тип(и) обробки гучності були виконані з аудіоданими). До даного винаходу, звуковий бітовий потік ніколи не включав метадані, що вказують стан обробки гучності (наприклад, застосовуваний) тип(и) обробки гучності) аудіоконтенту бітового аудіопотоку або стан обробки гучності й гучність аудіоконтенту бітового потоку у форматі типу, що описаний у даному винаході. Метадані стану обробки гучності в такому форматі є корисними для забезпечення, зокрема, ефективної адаптивної обробки гучності бітового аудіопотоку та/або перевірки вірогідності стану обробки гучності та гучності аудіоконтенту.
Хоча даний винахід не обмежується використанням бітового потоку АС-3, бітового потоку Е-
АС-3 або бітового потоку Бору Е, для зручності він буде описаний у варіантах здійснення, у яких він генерує, декодує або іншим способом обробляє такі бітові потоки, які включають метадані стану обробки гучності.
Кодований бітовий потік АС-3 містить метадані та від одного до шести каналів аудіоконтенту. Аудіоконтент - це аудіодані, які були стиснуті з використанням перцепційного аудіокодування. Метадані містять кілька параметрів метаданих аудіоконтенту, які призначені для використання при зміні звучання програм, що передаються у середовище прослуховування.
Докладний опис АС-3 кодування (також відомого як ЮОоЇБбу Рідна) добре відомий та викладений в багатьох опублікованих джерелах, у тому числі в наступних:
АТС 5іапдага АБ2/А: Рідна! Аца Сотргевзвзіоп еїапдага (АС-3), Вемізіоп А, Адмапсей
Теїемізіоп Зузіет5 СоттіНее, 20 Аца. 2001; і патенти США Мо 5583962; 5632005; 5633981; 5727119; і 6021386, кожний з яких включений у даний опис за допомогою посилання у всій своїй повноті.
Докладний опис кодування Боїбу бідна! Ріи5 (Е-АС-3) викладений в "Іпігодисіоп о роіІру
Бідна! Ріи5, ап Еппапсетепі о (Ше Ооїру бідна! Содіпд Зузіет, АЕ5 Сопмепіп Рарег 6196, 1171н АЕ5 Сопмепійоп, Осіобег 28, 2004.
Докладний опис кодування бобу Е викладений в «Ейісіепі Вії АПосайоп, Оцапіігайоп, апа
Содіпд іп ап Ацаїо Оібігірбшіоп Зузіет», АЕ5 Ргергіпі 5068, 1071 АЕ5 Соп'іегепсе, А!цдиві 1999 апа «Ргоїеззіопа! Аца Содег Орійтпігей їТог Озе м/йп Мідео», АЕ5 Ргергіпї 5033, 107 АЕ5
Сопіегтепсе Айдиві 1999.
Кожний фрейм кодованого бітового аудіопотоку АС-3 містить аудіоконтент і метадані для 1536 семплів цифрового звукозапису. Що представляє 32 мілісекунди цифрового звукозапису або швидкість звукозапису 31,25 фреймів у секунду для частоти дискретизації 48 кГц.
Кожний фрейм кодованого бітового аудіопотоку Е-АС-3 містить аудіоконтент і метадані для 256, 512, 768 або 1536 семплів цифрового звукозапису залежно від того, чи містить фрейм один, два, три або шість блоків аудіоданих відповідно. Для частоти дискретизації 48 кГц це представляє 5,333, 10,667, 16 або 32 мілісекунди цифрового аудіозапису відповідно або швидкість аудіозапису 189,9, 93,75, 62,5 або 31,25 фреймів у секунду відповідно.
Як показано на фіг. 4, кожний фрейм АС-3 ділиться на розділи (сегменти): розділ синхронізуючої інформації (51), що містить (як показано на фіг. 5) синхрослово (ЗМ) і перше із двох слів корекції помилок (СЕКСІ); інформаційний розділ бітового потоку (В5І), що містить більшу частину метаданих; шість аудіоблоків (АВО - АВ5), які містять дані стиснутого аудіоконтенту (а також можуть включати метадані); сегменти зайвих бітів (М/), які містять всі невикористовувані біти, що залишилися після стиснення аудіоконтенту; допоміжний інформаційний розділ (АОХ), який може містити додаткові метадані й друге із двох слів корекції помилок (СКС2). Сегмент зайвих бітів (М/) також може згадуватися як «поле ігнорованих даних».
Як показано на фіг. 7, кожний фрейм Е-АС-3 ділиться на розділи (сегменти): розділ синхронізуючої інформації (ЗІ), що містить (як показано на фіг. 5) синхрослово (ММ); інформаційний розділ бітового потоку (В5І), що містить більшу частину метаданих; від одного до шести аудіоблоків (АВО - АВ5), які містять дані стиснутого аудіоконтенту (а також можуть містити метадані); сегмент зайвих бітів (М/), що містить всі невикористовувані біти, що 60 залишилися після стиснення аудіоконтенту (хоча показано тільки один сегмент зайвих бітів, як правило, за кожним аудіоблоком йдуть слідом інші сегменти зайвих бітів); допоміжний інформаційний розділ (АОХ), що може містити додаткові метадані та слово корекції помилок (СКС). Сегмент зайвих бітів (МУ) також може згадуватися як «поле ігнорованих даних».
У бітовому потоці АС-3 (або Е-АС-3) є кілька параметрів метаданих звукозапису, які спеціально призначені для використання при зміні звучання програми, що передається в середовище прослуховування. Одним з параметрів метаданих є параметр ОІАСМОКМ, що входить у сегмент В5І.
Як показано на фіг. б, сегмент В5І фрейму АС-3 містить п'ятибітовий параметр («ОІАМОКМ»), що вказує значення ОІАЇМОКМ для програми. П'ятибітовий параметр («РІАГМОКМ2»), що вказує передане в тому ж фреймі АС-3 значення СІАЇМОКМ для другої аудіопрограми, міститься в бітовому потоці, якщо режим аудіокодування («астосд») фрейму АС-
З дорівнює «0», вказуючи використання конфігурації каналу «дуальне моно» або «1 «5 1».
Сегмент В5І також містить прапор («адарсіе»), що вказує наявність (або відсутність) додаткової інформації бітового потоку після біта «адарвіе», параметр («адарзії»), що вказує довжину будь-якої додаткової інформації бітового потоку, що йде слідом за значенням «адарвзії», а також до 64 біт додаткової інформації потоку («адарві»), що йде слідом за значенням «аадарзії».
Сегмент В5І містить інші значення метаданих, зокрема, не показаних на фіг. 6.
Короткий опис винаходу
В одному класі варіантів здійснення даний винахід являє собою блок обробки звукового сигналу, що включає буферний запам'ятовувальний пристрій, аудіодекодер і синтаксичний аналізатор. Буферний запам'ятовувальний пристрій зберігає щонайменше один фрейм кодованого бітового аудіопотоку. Кодований бітовий аудіопотік включає аудіодані та контейнер метаданих. Контейнер метаданих містить заголовок, одне або кілька інформаційних наповнень метаданих і захисні дані. Заголовок включає синхрослово, що ідентифікує початок контейнера.
Одне або кілька інформаційних наповнень метаданих описують аудіопрограму, пов'язану з аудіоданими. Захисні дані розташовуються після одного або декількох інформаційних наповнень метаданих. Захисні дані також можуть бути використані для перевірки цілісності контейнера метаданих і одного або декількох інформаційних наповнень у контейнері
Зо метаданих. Аудіодекодер підключений до буферного запам'ятовувального пристрою та здатний декодувати аудіодані. Синтаксичний аналізатор підключений до або інтегрований в аудіодекодер і здатний виконувати синтаксичний аналіз контейнера метаданих.
У типових варіантах здійснення винаходу спосіб включає прийом кодованого бітового аудіопотоку, причому кодований бітовий аудіопотік сегментований на один або кілька фреймів.
Аудіодані, поряд з контейнером метаданих, добувають із кодованого бітового аудіопотоку.
Контейнер метаданих містить заголовок з наступним одним або декількома інформаційними наповненнями метаданих, за якими ідуть захисні дані. І, нарешті, цілісність контейнера й одного або декількох інформаційних наповнень метаданих перевіряється за допомогою використання захисних даних. Одне або кілька інформаційних наповнень метаданих можуть включати інформаційне наповнення гучності програми, що містить дані, що вказують виміряну гучність аудіопрограми, пов'язаної з аудіоданими.
Інформаційне наповнення метаданих гучності програми називають метаданими стану обробки гучності («ІРОМ»), вбудованими в бітовий аудіопотік, для яких відповідно до типових варіантів здійснення винаходу можу бути встановлена автентичність і підтверджена вірогідність, наприклад, для того, щоб об'єкти, що регулюють гучність, могли переконатися в тому, що гучність конкретної програми перебуває в межах встановленого діапазону, і що відповідні аудіодані не змінилися (забезпечуючи тим самим дотримання діючих регулюючих вимог). Для підтвердження цього замість повторного обчислення гучності може бути зчитане значення гучності, що міститься в блоці даних, який містить метадані стану обробки гучності. Завдяки
ІРЗМ, регулювальний орган без необхідності обчислення гучності аудіоконтенту може визначити, що відповідний аудіоконтент перебуває у відповідності (як вказано ГРОМ) із законодавчо встановленим рівнем гучності талабо з нормативними вимогами (наприклад, постановами, прийнятими відповідно до Закону про зменшення гучності комерційної реклами, також відомим як Закон «СА! Му»).
Вимірювання гучності, які необхідні для дотримання законодавчо встановленого рівня гучності та/або деяких нормативних вимог (наприклад, постанов, прийнятих відповідно до
Закону про зменшення гучності комерційної реклами), грунтуються на інтегральній гучності програми. Інтегральна гучність програми вимагає, щоб вимірювання гучності, або рівня гучності діалогу, або рівня гучності змішаного звукозапису, проводилися протягом всієї аудіопрограми. 60 Таким чином, дуже важливо знати, які аудіодані (і метадані) визначають всю аудіопрограму,
щоб виконати вимірювання гучності програми (наприклад, на різних етапах у віщальному ланцюзі) для перевірки відповідності дійсним вимогам законодавства, а це, як правило, вимагає знання місця розташування початку й кінця програми (наприклад, під час обробки бітового потоку, що вказує послідовність аудіопрограм).
Відповідно до типових варіантів здійснення даного винаходу кодований бітовий аудіопотік вказує щонайменше одну аудіопрограму (наприклад, послідовність аудіопрограм), а метадані границі програми та ГРОМ, включені в бітовий потік, дозволяють скинути виміри гучності програми наприкінці програми й, тим самим, забезпечити автоматизований спосіб вимірювання інтегральної гучності програми. Типові варіанти здійснення даного винаходу включають ефективні метадані границі програми в кодованому бітовому аудіопотоці, що дозволяють виконати точне й надійне визначення щонайменше однієї границі між послідовними аудіопрограмами, вказаними бітовим потоком. Типові варіанти здійснення забезпечують точне й надійне визначення границі програми в тому розумінні, що вони дозволяють точно визначити границю програми, навіть у тих випадках, коли бітові потоки, що вказують різні програми, змонтовані один з одним (для формування бітового потоку відповідно до винаходу) таким чином, що обрізаний один або обидва змонтовані бітові потоки (і, таким чином, добуті метадані границі програми, які входили щонайменше в один з бітових потоків до монтажу).
У типових варіантах здійснення метадані границі програми у фреймі бітового потоку, відповідно до винаходу, являють собою прапор границі програми, що вказує число фреймів. Як правило, прапор вказує кількість фреймів між поточним фреймом (фреймом, що містить прапор) і границею програми (початком або кінцем поточної аудіопрограми). У деяких переважних варіантах здійснення винаходу прапори програми розставляють симетрично, ефективним способом на початку й наприкінці кожного сегмента бітового потоку, що вказує одну програму (тобто у фреймах, що зустрічаються протягом деякого заданого числа фреймів після початку сегмента, і у фреймах, що зустрічаються протягом деякого заданого числа фреймів до кінця сегмента), таким чином, коли два таких сегменти бітового потоку з'єднуються (тобто буде присутня ознака послідовності двох програм), метадані границі програми можуть бути присутні (наприклад, симетрично) на обох сторонах границі між двома програмами.
Щоб обмежити збільшення швидкості передачі даних, що є результатом включення
Зо метаданих границі програми в кодований бітовий аудіопотік (який може містити ознаки однієї аудіопрограми або послідовності аудіопрограм), у типових варіантах здійснення винаходу прапори границь програми вставляють тільки в підмножині фреймів бітового потоку. Як правило, коефіцієнт розміщення прапора границі є незростаючою функцією залежно від збільшення інтервалу між кожним із фреймів бітового потоку (в якому прапор установлений) і границею програми, що ближче до зазначеного фрейму, де «коефіцієнт розміщення прапора границі» є середнім значенням відношення кількості фреймів (що вказують програму), які містять прапори границь програми до числа фреймів (що вказують програму), які не містять прапор границі програми, де середнє значення є ковзним середнім кількості (наприклад, відносно невеликого числа) послідовних фреймів кодованого бітового аудіопотоку. У класі варіантів здійснення винаходу коефіцієнт розміщення прапора границі логарифмічно зменшується в міру збільшення інтервалу (від кожного місця вставки прапора) до найближчої границі програми, а для кожного фрейму, що містить прапор, що містить у собі один із прапорів, розмір прапора в зазначеному фреймі, що містить прапор, дорівнює або більше, ніж розмір кожного прапора у фреймі, розташованому ближче до найближчої границі програми, ніж зазначений фрейм, що містить прапор, (тобто, розмір прапора границі програми в кожному фреймі, що містить прапор, є неспадною функцією від збільшення інтервалу від зазначеного фрейму, що містить прапор, до найближчої границі програми).
Інший аспект даного винаходу являє собою блок обробки звукового сигналу (АР), сконфігурований з можливістю виконання будь-якого варіанта здійснення способу відповідно до винаходу. В іншому класі варіантів здійснення винахід являє собою АР, що включає буферний запам'ятовувальний пристрій (буфер), що зберігає (наприклад, незмінним способом) щонайменше один фрейм кодованого бітового аудіопотоку, сформований будь-яким варіантом здійснення способу відповідно до винаходу. Приклади АРО включають, але не обмежуються ними: кодери (наприклад, транскодери), декодери, кодеки, системи попередньої обробки (препроцесори), системи пост-обробки (постпроцесори), системи обробки бітового аудіопотоку та комбінації таких елементів.
В іншому класі варіантів здійснення винахід являє собою блок обробки звукового сигналу (АР), виконаний з можливістю генерації кодованого бітового аудіопотоку, що включає сегменти аудіоданих і сегменти метаданих, де сегменти аудіоданих є індикаторами аудіоданих, а кожний 60 з, щонайменше, деяких сегментів метаданих включає метадані стану обробки гучності (РБМ) і,
можливо, також метадані границі програми. Як правило, щонайменше один такий сегмент метаданих у фреймі бітового потоку включає щонайменше один сегмент ГРБМ, з ознакою, чи був виконаний перший тип обробки гучності з аудіоданими фрейму (тобто, аудіоданими щонайменше в одному сегменті аудіоданих фрейму), і щонайменше один інший сегмент І РБМ, що вказує гучність, щонайменше, деяких аудіоданих фрейму (наприклад, гучність діалогу, щонайменше, деяких з аудіоданих у фреймі, що має ознаки діалогу). В одному з варіантів здійснення винаходу в цьому класі, АРО являє собою кодер, виконаний з можливістю кодування вхідного аудіосигналу для формування кодованого аудіосигналу, а сегменти аудіоданих містять у собі кодований аудіосигнал. У типових варіантах здійснення винаходу в цьому класі кожний із сегментів метаданих має переважний формат, що буде описаний далі.
У деяких варіантах здійснення винаходу кожний із сегментів метаданих кодованого бітового потоку (бітового потоку АС-3 або бітового потоку Е-АС-3 у деяких варіантах здійснення винаходу), що включає І РОЗМ (наприклад, І РЗМ і метадані границі програми), входить у сегмент зайвих бітів поля ігнорованих даних фрейму бітового потоку (наприклад, сегмент зайвих бітів МУ типу, показаного на фіг. 4 або фіг. 7). В інших варіантах здійснення винаходу кожний із сегментів метаданих кодованого бітового потоку (бітового потоку АС-3 або бітового потоку Е-АС-3 у деяких варіантах здійснення винаходу), що включає ЕРЗМ (наприклад, ЕРЗМ і метадані границі програми), входить як додаткова інформація бітового потоку в поле «ададрвзі» інформаційного сегмента бітового потоку («В5І») фрейму бітового потоку або в поле допоміжних даних (наприклад, сегмент АХ типу, показаного на фіг. 4 або фіг. 7) наприкінці фрейму бітового потоку. Кожний сегмент метаданих, що включає ЕРБМ, може мати формат, визначений у даному описі з посиланням на таблицю 1 і таблицю 2, наведені нижче, (тобто, він містить у собі основні елементи, зазначені в таблиці 1, або варіанти, після чого ідентифікатор інформаційного наповнення (ідентифікуючий метадані, такі як ГРОМ) і значення розміру інформаційного наповнення, а потім інформаційне наповнення (РОЗМ дані, які мають формат, показаний у таблиці 2, або формат, показаний у варіанті таблиці 2, наведений у даному описі). У деяких варіантах здійснення винаходу фрейм може включати один або два сегменти метаданих, кожний з яких включає І РОМ, а якщо фрейм включає два сегменти метаданих, один може бути присутнім в полі фрейму адарзбі, а інший - в полі фрейму АШХ.
Ко) У класі варіантів здійснення винаходу даний винахід являє собою спосіб, що включає в себе етапи кодування аудіоданих для формування АС-3 або Е-АС-3 кодованого бітового аудіопотоку, у тому числі за рахунок включення в сегмент метаданих (щонайменше одного фрейму бітового потоку) ГРБЗБМ і метаданих границі програми й, можливо, також і інших метаданих для аудіопрограми, до якої належить цей фрейм. У деяких варіантах здійснення винаходу кожний такий сегмент метаданих включений у поле фрейму адабрзхі або поле допоміжних даних фрейму.
В інших варіантах здійснення винаходу кожний такий сегмент метаданих включений у сегмент зайвих бітів фрейму. У деяких варіантах здійснення винаходу кожний сегмент, що містить метадані ГРЗМ і метадані границі програми, містить заголовок фрейму (і в деяких випадках також додаткові основні елементи), і після заголовка фрейму (або заголовка фрейму й інших основних елементів) сегмент інформаційного наповнення РОЗМ (або контейнера), що має наступний формат: заголовок, як правило, що включає щонайменше одне ідентифікаційне значення (наприклад, версію формату І РБЗМ, довжину, період, число і асоціативні значення вкладеного потоку даних, як зазначено в таблиці 2, наведеній в даному описі), і після заголовка - І РЗМ і метадані границі програми. Метадані границі програми можуть містити в собі число фреймів до границі програми та значення коду (наприклад, значення «оп5еї ехіві»), що вказує, чи містить кадр тільки число фреймів до границі програми або число фреймів до границі програми й значення зсуву, і (у деяких випадках) значення зсуву.
ІГРБМ може включати: щонайменше одне значення, що вказує діалог, яке вказує одне із двох - відповідні аудіодані мають ознаку діалогу або не мають ознаки діалогу (наприклад, які канали відповідних аудіоданих мають ознаку діалогу). Значення, що вказує діалог, може вказати, чи є присутнім діалог у будь-якій комбінації каналів або у всіх каналах відповідних аудіоданих; щонайменше одне значення дотримання нормативних вимог по гучності, що вказує, чи відповідають відповідні аудіодані зазначеному пакету нормативних вимог щодо гучності; щонайменше одне значення обробки гучності, що вказує щонайменше один тип обробки гучності, що був виконаний з відповідними аудіоданими; і щонайменше одне значення гучності, що вказує щонайменше одну характеристику гучності (наприклад, пікове або середнє значення гучності) відповідних аудіоданих.
В інших варіантах здійснення винаходу кодований бітовий потік являє собою бітовий потік, що не є бітовим потоком АС-3 або бітовим потоком Е-АС-3, а кожний із сегментів метаданих, що включає І РЗМ (і в деяких випадках також метадані границі програми), входить у сегмент (або поле, або слот) бітового потоку, зарезервований для зберігання додаткових даних. Кожний сегмент метаданих, що включає ГРОМ, може мати формат аналогічний або ідентичний зазначеному в даному описі з посиланням на таблицю 1 і таблицю 2, які наведені нижче, (тобто, він містить у собі основні елементи, аналогічні або ідентичні тим, які зазначені в таблиці 1, за якими йде ІО (ідентифікатор) інформаційного наповнення (ідентифікаційні метадані як І РЗМ) і значення обсягу інформаційного наповнення, а потім інформаційне наповнення (І РЗМ дані, які мають формат, аналогічний або ідентичний формату, зазначеному в таблиці 2, або у варіанті таблиці 2, наведеній в даному описі).
У деяких варіантах здійснення винаходу кодований бітовий потік містить послідовність фреймів, кожний із фреймів включає інформаційний сегмент бітового потоку («В5ї»), що включає поле «адарвзі» (яке іноді називають сегмент або слот) і поле або слот допоміжних даних (наприклад, кодований бітовий потік є бітовим потоком АС-3 або бітовим потоком Е-АС-3 ), і включає сегменти аудіоданих (наприклад, сегменти фрейму АВО - АВ», показані на фіг. 4) і сегменти метаданих, де сегменти аудіоданих є ознакою аудіоданих, причому кожний з, щонайменше, деяких сегментів метаданих включає метадані стану обробки гучності (РОМ) і, у деяких випадках також метадані границі програми. ГРОМ присутні в бітовому потоці в наступному форматі. Кожний із сегментів метаданих, що включає І РЗМ, включений у поле «адарзі» сегмента В5ЗІ фрейму бітового потоку, або в поле допоміжних даних бітового потоку, або в сегмент зайвих бітів фрейму бітового потоку. Кожний сегмент метаданих, що включає
РОМ, містить сегмент інформаційного наповнення (або контейнера) І РОМ, що має наступний формат: заголовок (зазвичай включає щонайменше одне ідентифікуюче значення, наприклад, версію формату ГРОМ, довжину, період, число й асоціативні значення вкладеного потоку даних, зазначені нижче в таблиці 2); і після заголовка, |Р5М і в деяких випадках також метадані границі програми. Метадані границі програми можуть містити в собі число фреймів до границі програми та значення коду
Зо (наприклад, значення «оїйзеї ехібі»), що вказує, чи містить фрейм тільки число фреймів до границі програми або й число фреймів до границі програми, і значення зсуву), і (у деяких випадках) значення зсуву. ГРОМ може містити: щонайменше одне значення, що вказує діалог (наприклад, параметр «Каналу(ів) діалогу» з таблиці 2), що вказує, що відповідні аудіодані вказують або не вказують діалог (наприклад, які канали відповідних аудіоданих вказують діалог). Значення, що вказує діалог, може вказати, чи є присутнім діалог у будь-якій комбінації каналів або у всіх каналах відповідних аудіоданих; щонайменше одне значення дотримання нормативних вимог по гучності (наприклад, параметр «Тип регулювання гучності» з таблиці 2), що вказує, чи відповідають відповідні аудіодані зазначеному пакету нормативних вимог щодо гучності; щонайменше одне значення обробки гучності (наприклад, один або кілька параметрів «Прапор корекції стробованої гучності діалогу», «Тип корекції гучності» з таблиці 2), що вказує щонайменше один тип обробки гучності, що був виконаний з відповідними аудіоданими; і щонайменше одне значення гучності (наприклад, один або декілька з параметрів: «Відносна стробована гучність за рекомендацією МСЕ (Міжнародний союз електрозв'язку)», «Стробована гучність мови за рекомендацією МСЕ», «Короткострокова гучність (З-секундний часовий інтервал) за рекомендацією МСЕ (ЕВІО 3341)», і «Дійсне пікове значення», наведені в таблиці 2), що вказує щонайменше одну характеристику гучності (наприклад, пікову або середню гучність) відповідних аудіоданих.
У будь-якому з варіантів здійснення винаходу, що припускає, використовує або формує щонайменше одне значення гучності, що вказує відповідні аудіодані, значення гучності може вказувати щонайменше одну вимірювальну характеристику рівня гучності, використовувану для обробки рівня гучності та/або динамічний діапазон аудіоданих.
У деяких втіленнях винаходу кожний із сегментів метаданих у полі «адарві», або в полі допоміжних даних, або сегмента зайвих бітів фрейму бітового потоку має наступний формат: заголовок фрейму (зазвичай включає синхрослово, що ідентифікує початок сегмента метаданих, а потім ідентифікаційні значення, наприклад, версію основного елемента, довжину й період, число розширених елементів, і асоціативні значення вкладеного потоку даних, зазначені в таблиці 1 нижче); і після заголовка фрейму щонайменше одне захисне значення (наприклад, НМАС дайджест і 60 значення цифрового відбитка, де НМАС дайджест може бути 256-бітним НМАС дайджестом
(при використанні алгоритму ЗНА-2), що обчислюється за аудіоданими, основним елементом і всіма розширеними елементами, із усього фрейму, як зазначено в таблиці 1), що підходить щонайменше для одного з: декодування, аутентифікації, або перевірки достовірності щонайменше одного з метаданих стану обробки рівня гучності або відповідних аудіоданих); і також після заголовка фрейму, якщо сегмент метаданих включає ІГРБМ, ідентифікатор («ІО») інформаційного наповнення І РЗМ і значення обсягу (розмір) інформаційного наповнення
І РБМ, що ідентифікують наступні метадані як інформаційне наповнення І РБЗМ, і вказує розмір інформаційного наповнення І РЗМ. Сегмент інформаційного наповнення ГРОМ (переважно, що має формат, зазначений вище) йде за ІЮ інформаційного наповнення Г/Р5М і числовим значенням розміру інформаційного наповнення ГРБЗМ.
У деяких варіантах здійснення типу, описаного в попередньому абзаці, кожний сегмент метаданих у полі допоміжних даних (або в полі «адарві», або в сегменті зайвих бітів) фрейму має три рівні структури: структура високого рівня, що містить прапор, що вказує чи включає поле допоміжних даних (або поле адабзі) метадані, щонайменше одне значення ІО, що вказує, який тип(и) метаданих є присутнім, і, як правило, також значення, що вказує, скільки біт метаданих (наприклад, кожного типу) є присутнім (якщо метадані присутні). Один тип метаданих, які можуть бути присутнім в
І ЗРМ, інший тип метаданих, які можуть бути присутні у метаданих границі програми, та інший тип метаданих, які можуть бути присутні у метаданих медіа-досліджень; структура середнього рівня, що містить основний елемент для кожного ідентифікованого типу метаданих (наприклад, заголовок фрейму, захисні значення, ІЮ інформаційного наповнення й числове значення розміру інформаційного наповнення, наприклад, зі згаданого вище типу, для кожного ідентифікованого типу метаданих); і структура низького рівня, що включає кожне інформаційне наповнення для одного з основних елементів (наприклад, інформаційне наповнення ГРОМ, якщо воно ідентифікується основним елементом як присутнє, і/або інформаційне наповнення метаданих іншого типу, якщо воно ідентифікується основним елементом як присутнє).
Значення даних в такій трьохрівневій структурі можуть бути вкладеними. Наприклад, захисні значення для інформаційного наповнення ГРОМ і/або іншого інформаційного наповнення
Зо метаданих, визначеного основним елементом, можуть бути включені після кожного інформаційного наповнення, визначеного основним елементом (і, таким чином, після заголовка фрейму основного елемента). В одному прикладі, заголовок фрейму може ідентифікувати інформаційне наповнення ГРОМ та інше інформаційне наповнення метаданих, І/р інформаційного наповнення та значення розміру інформаційного наповнення для першого інформаційного наповнення (наприклад, інформаційного наповнення ГРОМ) може йти за заголовком фрейму, саме перше інформаційне наповнення може йти за ІО їі значеннями розміру, значення розміру інформаційного наповнення й ІО інформаційного наповнення для другого інформаційного наповнення можуть йти за першим інформаційним наповненням, саме друге інформаційне наповнення може йти за цими ІО і значеннями розміру, а захисне значення для одного або обох інформаційних наповнень (або для значень основного елемента одного або обох інформаційних наповнень) може йти за останнім інформаційним наповненням.
У деяких варіантах здійснення винаходу основний елемент сегмента метаданих у полі допоміжних даних (або в полі «адабрвзі» або в сегменті зайвих бітів) фрейму містить заголовок фрейму (як правило, що включає ідентифікаційні значення, наприклад, версію основного елемента), і після заголовка фрейму: значення, що вказують, чи входять дані цифрового відбитка в метадані сегмента метаданих, значення, що вказують чи існують зовнішні дані (пов'язані з аудіоданими, що відповідають метаданим сегмента метаданих), ІЮ корисного наповнення й значення розміру корисного наповнення для кожного типу метаданих (наприклад,
ІЇРБМ, і/або метадані типу, відмінного від РОЗМ), ідентифікованого основним елементом, і захисні значення щонайменше одного типу метаданих ідентифікованого основним елементом.
Інформаційне наповнення(я) метаданих сегмента метаданих йде за заголовком фрейму, і (у деяких випадках) вкладено в значення основного елемента.
В іншому переважному форматі кодований бітовий потік є бітовим потоком ОоїБу Е, а кожний із сегментів метаданих, що включає І! РОМ (а в деяких випадках метадані границі програми) входить в оточення перших М семплів захисного частотного інтервалу БоїбБу Е.
В іншому класі варіантів здійснення винахід являє собою АРИ (наприклад, декодер), підключений і виконаний з можливістю прийому кодованого бітового аудіопотоку, що містить сегменти аудіоданих і сегменти метаданих, де сегменти аудіоданих вказують аудіодані, а кожний з, щонайменше, деяких сегментів метаданих включає метадані стану обробки гучності 60 (ІРБМ) і, у деяких випадках, також метадані границі програми, для добування І РОМ з бітового потоку, щоб сформувати декодовані аудіодані у відповідь на аудіодані й виконати щонайменше одну операцію адаптивної обробки гучності аудіоданих з використанням І РОМ. Деякі варіанти здійснення винаходу в цьому класі також включають постпроцесор, підключений до АРИ, причому постпроцесор підключений і настроєний для виконання щонайменше однієї адаптивної операції обробки гучності аудіоданих за допомогою І РЗМ.
В іншому класі варіантів здійснення винахід являє собою блок обробки звукового сигналу (АРІ), що включає буферний запам'ятовувальний пристрій (буфер) і підсистему обробки, з'єднану з буфером, причому АР підключений для одержання кодованого бітового аудіопотоку, що містить сегменти аудіоданих і сегменти метаданих, де сегменти аудіоданих є ознакою аудіоданих, а кожний з, щонайменше, деяких сегментів метаданих містить у собі метадані стану обробки гучності (ГРБЗМ) і, факультативно, також метадані границі програми, буфер зберігає (наприклад, незмінним способом) щонайменше один фрейм кодованого бітового аудіопотоку, і підсистема обробки настроєна з можливістю добування І РЗМ з бітового потоку, і виконання щонайменше однієї адаптивної операції обробки гучності аудіоданих з використанням ГРОМ. У типових варіантах здійснення винаходу в цьому класі, АРО є одним з кодера, декодера й постпроцесора.
У деяких втіленнях способу, що є предметом запропонованого винаходу, сформований бітовий аудіопотік являє собою або кодований бітовий потік АС-3, або бітовий потік Е-АС-3, або бітовий потік СоЇБбу Е, що включають метадані стану обробки гучності, а також інші метадані (наприклад, параметр метаданих ОІАСМОКМ, параметри метаданих регулювання динамічного діапазону і інші параметри метаданих). У деяких інших варіантах здійснення зазначеного способу, сформований бітовий аудіопотік являє собою кодований бітовий потік іншого типу.
Аспекти даного винаходу містять у собі систему або пристрій, настроєний (наприклад, запрограмований) для виконання якого-небудь варіанта здійснення способу відповідно до винаходу, і машинопрочитуваний носій (наприклад, диск), що зберігає код (наприклад, незмінним способом ) для втілення кожного з варіантів здійснення способу відповідно до винаходу або їхніх етапів. Наприклад, система відповідно до винаходу може являти собою або включати програмований процесор загального призначення, цифровий сигнальний процесор або мікропроцесор, запрограмований за допомогою програмних засобів або апаратно-
Зо програмних засобів і/або іншим способом настроєний для виконання будь-якої з множини операцій з даними, включаючи варіант здійснення способу відповідно до винаходу або його етапів. Такий процесор загального призначення може являти собою або включати комп'ютерну систему, що містить пристрої уведення, запам'ятовувальний пристрій і запрограмовану (і/або іншим способом настроєну) схему обробки для виконання варіанта здійснення способу (або його етапів) відповідно до винаходу у відповідь на затверджені дані.
СТИСЛИЙ ОПИС ГРАФІЧНИХ МАТЕРІАЛІВ
На фіг. 1 представлена структурна схема варіанта здійснення системи, що може бути сконфігурована для виконання варіанта здійснення способу відповідно до винаходу.
На фіг. 2 представлена структурна схема кодера, що є варіантом здійснення блоку обробки звукового сигналу відповідно до винаходу.
На фіг. З представлена структурна схема декодера, що є варіантом здійснення блоку обробки звукового сигналу відповідно до винаходу й підключеного до нього постпроцесора, що є ще одним варіантом здійснення блоку обробки звукового сигналу відповідно до винаходу.
На фіг. 4 представлена діаграма АС-3 фрейму, розділеного на сегменти.
На фіг. 5 представлена діаграма сегмента синхронізуючої інформації (5!) АС-3 фрейму, що включає сегменти, на які він розділений.
На фіг. 6 представлена діаграма інформаційного сегмента бітового потоку (В5І) АС-3 фрейму, що включає сегменти, на які він розділений.
На фіг. 7 представлена діаграма розділеного на сегменти Е-АС-3 фрейму.
На фіг. 8 показана діаграма фреймів кодованого бітового аудіопотоку, що містить метадані границі програми у форматі, що відповідає варіанту здійснення даного винаходу.
На фіг. 9 показана діаграма інших фреймів кодованого бітового аудіопотоку на фіг. 9. Деякі із цих фреймів містять метадані границі програми у форматі, що відповідає варіанту здійснення даного винаходу.
На фіг. 10 представлена діаграма двох кодованих бітових аудіопотоків: бітового потоку (ЕВ), у якому границя програми (позначена як «границя») збігається з переходом між двома фреймами бітового потоку, та іншого бітового потоку (ТВ), у якому границя програми (позначена як «дійсна границя») зсунута на 512 семплів від переходу між двома фреймами бітового потоку.
На фіг. 11 представлений набір діаграм, що показують чотири кодованих бітових бо аудіопотоки. Бітовий потік у верхній частині фіг. 11 (позначений як «Сценарій 1») вказує на першу аудіопрограму (Р!), що містить метадані границі програми, за якими йде друга аудіопрограма (Р2), що також містить метадані границі програми; другий бітовий потік (позначений як «Сценарій 2») вказує на першу аудіопрограму (Р11), що містить метадані границі програми, за якими йде друга аудіопрограма (Рг), що не містить метаданих границі програми; третій бітовий потік (позначений як «Сценарій 3») вказує на обрізану першу аудіопрограму (РІ), що містить метадані границі програми, і яка була змонтована із цілою другою аудіопрограмою (Р2), що містить метадані границі програми; а також четвертий бітовий потік (позначений як «Сценарій 4»), що вказує на обрізану першу аудіопрограму (РІ), що містить метадані границі програми, і на обрізану другу аудіопрограму (Рг), що містить метадані границі програми і яка була змонтована із частиною першої аудіопрограми.
Позначення й термінологія
У даному описі, включаючи формулу винаходу, вираз виконання операції «з» сигналом або даними (наприклад, фільтрація, масштабування, перетворення або застосування посилення для сигналу або даних) використовується в широкому сенсі для позначення виконання дії безпосередньо із сигналом або даними або з обробленим варіантом сигналу або даних (наприклад, з варіантом сигналу, що зазнав попередньої фільтрації або попередньої обробки до виконання дії з ним).
У даному описі, включаючи формулу винаходу, вираз «система» використовується в широкому сенсі для позначення пристрою, системи або підсистеми. Наприклад, підсистема, що реалізує декодер, може згадуватися як декодувальна система, а система, що включає таку підсистему (наприклад, система, що формує Х вихідних сигналів у відповідь на множину вхідних сигналів, де підсистема формує М вхідних сигналів, а інші Х-М вхідних сигналів одержують від зовнішнього джерела) також може згадуватися як декодувальна система.
У даному описі, включаючи формулу винаходу, термін «процесор» використовується в широкому сенсі для позначення системи або пристрою, що програмується або іншим чином налаштовується (наприклад, за допомогою програмного забезпечення або програмно- апаратних засобів) для виконання операцій з даними (наприклад, аудіо, або відео, або іншими даними зображень). Приклади процесорів включають програмовану користувачем вентильну матрицю (або іншу інтегральну схему з конфігурацією, що переналаштовується, або чипсет),
Зо цифровий сигнальний процесор, запрограмований і/або іншим способом сконфігурований для виконання конвеєрної обробки аудіоданих або інших звукових даних, програмований процесор загального призначення або комп'ютер, а також програмовану мікропроцесорну велику інтегральну схему або чипсет.
У даному описі, включаючи формулу винаходу, вираз «аудіопроцесор» і «блок обробки
З5 звукового сигналу» використовуються взаємозамінним чином та для позначення системи в широкому сенсі, виконаної з можливістю обробки аудіоданих. Приклади блоків обробки звукового сигналу включають кодери (наприклад, транскодери), декодери, кодеки, системи попередньої обробки, системи постобробки та системи обробки бітового потоку (які іноді називають інструментами обробки бітового потоку), але не обмежуються ними.
У даному описі, включаючи формулу винаходу, вираз «метадані стану обробки» (наприклад, вираз «метадані стану обробки гучності») відноситься до окремих даних і даних, що відрізняються від відповідних аудіоданих (аудіоконтенту потоку аудіоданих, що також включає метадані стану обробки). Метадані стану обробки, пов'язані з аудіоданими, вказують стан обробки гучності відповідних аудіоданих (наприклад, те, який тип(и) обробки вже був виконаний з аудіоданими) і, як правило, також вказують щонайменше один параметр або характеристику аудіоданих. Зв'язок метаданих стану обробки з аудіоданими синхронізований за часом. Таким чином, дійсні (зовсім недавно отримані або оновлені) метадані стану обробки вказують, що відповідні аудіодані одночасно включають результати зазначеного типу(ів) обробки аудіоданих.
У деяких випадках метадані стану обробки можуть включати послідовність подій обробки й/або деякі або всі параметри, які використовуються та/або виходять при зазначених видах обробки.
Крім того, метадані стану обробки можуть включати щонайменше одну ознаку або характеристику відповідних аудіоданих, які були обчислені або добуті з аудіоданих. Метадані стану обробки можуть також включати інші метадані, які не пов'язані з або не отримані при якій- небудь обробці відповідних аудіоданих. Наприклад, дані сторонніх виробників, дані супроводу, ідентифікатори, службова або стандартна інформація, дані приміток користувача, дані установок користувача та ін. можуть бути додані окремим блоком обробки звукового сигналу для передачі іншому блоку обробки звукового сигналу.
У даному описі, включаючи формулу винаходу, вираз «метадані стану обробки гучності» (або «І РОМ») означає метадані стану обробки, що вказують стан обробки гучності відповідних бо аудіоданих (наприклад, тип(и) обробки гучності, виконаний з аудіоданими) і, як правило, також щонайменше один параметр або характеристику (наприклад, гучність) відповідних аудіоданих.
Метадані стану обробки гучності можуть включати дані (наприклад, інші метадані), які не є (тобто, коли вони вважаються окремими) метаданими стану обробки гучності.
У даному описі, включаючи формулу винаходу, вираз «канал» (або «аудіоканал») позначає монофонічний звуковий сигнал.
У даному описі, включаючи формулу винаходу, вираз «аудіопрограма» означає набір з одного або декількох аудіоканалов і в деяких випадках також зв'язаних метаданих (наприклад, метаданих, які описують бажане просторове звукове представлення, і/або І РОМ, і/або метадані границі програми).
У даному описі, включаючи формулу винаходу, вираз «метадані границі програми» позначає метадані кодованого бітового аудіопотоку, де кодований бітовий аудіопотік є ознакою щонайменше однієї аудіопрограми (наприклад, двох або більше аудіопрограм), а метадані границі програми вказують місце розташування щонайменше однієї границі (початку та/або кінця) щонайменше однієї зазначеної аудіопрограми в бітовому потоці. Наприклад, метадані границі програми (кодованого бітового аудіопотоку, що вказує аудіопрограму) можуть включати метадані, що вказують місце розташування (наприклад, початок «М»-го фрейму бітового потоку або місце розташування «М»-го семпла в «М»-ому фреймі бітового потоку) початку програми, а також додаткові метадані, що вказують місце розташування (наприклад, початок «дУ»-го фрейму бітового потоку або місце розташування «К»-го семпла в «.)»-ому фреймі бітового потоку) кінця програми.
У даному описі, включаючи формулу винаходу, термін «з'єднувати» або «з'єднаний» використовується для позначення або прямого, або непрямого підключення. Таким чином, якщо перший пристрій з'єднаний із другим пристроєм, то підключення може бути прямим підключенням або непрямим підключенням через інші пристрої й підключення.
Докладний опис варіантів здійснення винаходу
Відповідно до типових варіантів здійснення винаходу інформаційне наповнення метаданих гучності програми називають метаданими стану обробки гучності («І РОЗМ»), і в деяких випадках також метадані границі програми убудовані в одне або декілька резервних полів (або слотів) сегментів метаданих бітового аудіопотоку, що також містить у собі аудіодані в інших сегментах
Зо (сегментах аудіоданих). Як правило, щонайменше один сегмент кожного фрейму бітового потоку включає І РЗМ, і щонайменше один сегмент фрейму включає відповідні аудіодані (тобто аудіодані, стан обробки гучності яких зазначено за допомогою РОМ). У деяких варіантах здійснення винаходу обсяг даних в РОЗМ може бути досить малим, і метадані передаються без впливу на швидкість передачі даних, відведеної для передачі аудіоданих.
Взаємодія метаданих стану обробки гучності в тракті обробки аудіоданих є особливо зручною, коли два або кілька блоків обробки звукового сигналу повинні працювати спільно один з одним у тракті обробки даних (або протягом життєвого циклу контенту). Без включення метаданих стану обробки гучності в бітовий аудіопотік можуть відбуватися серйозні проблеми медійної обробки, такі як зниження якості, рівня й просторового звучання, наприклад, коли два або декілька аудіокодеків використовуються послідовно й застосовується асиметричне авторегулювання гучності більш, ніж один раз протягом переміщення бітового потоку до сприймаючих медіа-пристроїв (або до точки відтворення аудіоконтенту бітового потоку).
На фіг. 1 представлена структурна схема зразкового тракту обробки аудіоданих (системи обробки аудіоданих), на якій один або декілька елементів системи можуть бути виконані відповідно до варіанта здійснення даного винаходу. Система включає наступні елементи, з'єднані, як показано на схемі: блок попередньої обробки, кодер, блок аналізу сигналів і корекції метаданих, транскодер, декодер і блок попередньої обробки. У варіантах показаної системи один або декілька елементів опущені або включені додаткові блоки обробки аудіоданих.
У деяких втіленнях блок попередньої обробки, наведений на фіг. 1, виконаний з можливістю приймати в якості вхідних даних ІКМ (імпульсно-кодова модуляція) семпли (часової області), що містять аудіоконтент, і виводити оброблені ІКМ семпли. Кодер може бути виконаний з можливістю прийому ИКМ семплів в якості вхідних даних й виведення кодованого (наприклад, стиснутого) бітового аудіопотоку, що вказує аудіоконтент. Дані бітового потоку, що вказують аудіоконтент, іноді згадуються в даному описі як «аудіодані». Якщо кодер виконаний відповідно до типового варіанта здійснення дійсного винаходу, вихідні дані бітового потоку кодера включають метадані стану обробки гучності (і зазвичай також інші метадані, у деяких випадках метадані границі програми), а також аудіодані.
Блок аналізу сигналів і корекції метаданих, наведений на фіг. 1, може приймати один або декілька кодованих бітових аудіопотоков у якості вхідних даних і визначати (наприклад, бо перевіряти правильність) чи є метадані стану обробки вірними в кожному кодованому бітовому аудіопотоці, виконуючи аналіз сигналу (наприклад, використовуючи метадані границі програми в кодованому бітовому аудіопотоці). Як правило, блок аналізу сигналів і корекції метаданих заміняє невірне (невірні) значення на вірне (вірні) значення, отримане шляхом аналізу сигналу, якщо виявляє, що включені метадані є недійсними. Таким чином, всі вихідні дані кодованого бітового аудіопотоку блоку аналізу сигналів і корекції метаданих можуть включати скоректовані (або нескоректовані) метадані стану обробки, а також кодовані аудіодані.
Транскодер, наведений на фіг. 1, може приймати кодовані бітові потоки в якості вхідних сигналів, і виводити у відповідь модифіковані (наприклад, кодовані іншим способом) бітові аудіопотоки (наприклад, шляхом декодування вхідного потоку й перекодування декодованого потоку в інший формат кодування). Якщо транскодер виконаний відповідно до типового варіанта здійснення даного винаходу, вихідні дані бітового аудіопотоку транскодера містять метадані стану обробки гучності (і, як правило, також інші метадані), а також кодовані аудіодані.
Метадані можуть бути включені в бітовий потік.
Декодер, наведений на фіг. 1, може приймати кодовані (наприклад, стиснуті) бітові аудіопотоки в якості вхідних даних і виводити (у відповідь) потоки декодованих ІКМ аудіосемплів. Якщо декодер виконаний відповідно до типового варіанта здійснення даного винаходу, вихідний сигнал декодера в номінальному режимі роботи являє собою або містить: потік аудіосемплів і відповідний потік метаданих стану обробки гучності (і, як правило, також інших метаданих), добутий із вхідного кодованого бітового потоку; або потік аудіосемплів і відповідний потік керуючих бітів, визначених за метаданими стану обробки гучності (і, як правило, також за іншими метаданим), добутий із вхідного кодованого бітового потоку; або потік аудіосемплів без відповідного потоку метаданих стану обробки або керуючих бітів, визначених за метаданими стану обробки. В останньому випадку декодер може добувати метадані стану обробки гучності (і/або інші метадані) із вхідного кодованого бітового потоку й виконувати щонайменше одну операцію з добутими метаданими (наприклад, перевірку правильності), навіть якщо він не виводить добуті метадані або керуючі біти, визначені з них.
Блок постобробки, наведений на фіг. 1, виконаний відповідно до типового варіанта здійснення даного винаходу, блок постобробки виконаний з можливістю приймати потік декодованих КМ аудіосемплів, а також виконувати його постобробку (наприклад, авторегулювання гучності аудіоконтенту) за допомогою метаданих стану обробки гучності (і, як правило, також інших метаданих), отриманих із семплами, або керуючих бітів (визначених декодером за метаданими обробки стану гучності та, як правило, також за іншими метаданими), отриманих з семплами. Блок постобробки, як правило, також виконаний з можливістю відтворювати постоброблений аудіоконтент для програвання за допомогою однієї або декількох акустичних колонок.
Типові варіанти здійснення даного винаходу забезпечують поліпшений тракт обробки аудіоданих, у якому блоки обробки звукового сигналу (наприклад, кодери, декодери, транскодери, і блоки попередньої обробки й постобробки) погоджують свою відповідну обробку для застосування до аудіоданих відповідно до поточного стану медіаданих, що вказані метаданими стану обробки гучності, отриманих відповідно блоками обробки звукового сигналу.
Вхідні аудіодані будь-якого блоку обробки звукового сигналу системи, наведеної на фіг. 1, (наприклад, кодера або транскодера, наведені на фіг. 1) можуть включати метадані стану обробки гучності (і в деяких випадках також інші метадані), а також аудіодані (наприклад, кодовані аудіодані). Ці метадані можуть бути включені у вхідні аудіодані іншим елементом системи, наведеної на фіг. 1 (або іншим джерелом, не показаним на фіг. 1), відповідно до варіанта здійснення даного винаходу. Блок обробки, що отримує вхідні аудіодані (з метаданими), може бути виконаний з можливістю здійснення щонайменше однієї операції з метаданими (наприклад, перевірки правильності) або у відповідь на метадані (наприклад, адаптивної обробки вхідних аудіоданих) і, як правило, також з можливістю включення метаданих у вихідні аудіодані, оброблений варіант метаданих або керуючі біти, визначені з метаданих.
Типовий варіант здійснення винаходу блоку обробки звукового сигналу (або аудіопроцесор) виконаний з можливістю здійснення адаптивної обробки аудіоданих на основі стану аудіоданих, зазначеному метаданими стану обробки гучності, що відповідають аудіоданим. У деяких варіантах здійснення винаходу адаптивна обробка є (або включає) обробкою гучності (якщо метадані вказують, що обробка гучності або подібна їй обробка ще не була виконана з аудіоданими, але не є (і не включає) обробкою гучності (якщо метадані вказують, що така обробка гучності або подібна їй обробка вже була виконана з аудіоданими). У деяких варіантах бо здійснення винаходу адаптивна обробка є або включає перевірку правильності метаданих
(наприклад, виконувану в підблоці перевірки правильності метаданих) для забезпечення виконання блоком обробки звукового сигналу іншої адаптивної обробки аудіоданих на основі стану аудіоданих, зазначеному метаданими стану обробки гучності. У деяких варіантах здійснення винаходу перевірка правильності визначає достовірність метаданих стану обробки гучності, пов'язаних з аудіоданими (наприклад, включеними в бітовий потік). Наприклад, якщо підтверджено достовірність метаданих, то результати раніше виконаної обробки аудіоданих можуть бути повторно використані, а виконання нової обробки аудіоданих такого ж типу можна уникнути. З іншого боку, якщо встановлено, що метадані були змінені (або з інших причин є недостовірними), те передбачуваний раніше виконаний тип медійної обробки (як зазначено недостовірними метаданими) може бути повторений блоком обробки звукового сигналу та/або інша обробка метаданих та/або аудіоданих може бути виконана за допомогою блоку обробки звукового сигналу. Блок обробки звукового сигналу може також бути виконаний з можливістю повідомляти іншим блокам обробки звукового сигналу, розташованим далі в удосконаленому тракті медійної обробки, що метадані обробки стану гучності (наприклад, присутні в бітовому потоці медіаданих) є дійсними, якщо блок визначає, що метадані стану обробки дійсні (наприклад, на підставі збігу добутого значення й контрольного значення при криптографічній перевірці).
На фіг. 2 наведена блок-схема кодера (100), що є варіантом здійснення блоку обробки звукового сигналу відповідно до винаходу. Будь-який з компонентів або елементів кодера 100 може бути втілений у вигляді одного або декількох процесів та/або однієї або декількох схем (наприклад, спеціалізованих інтегральних схем, ПКВМ (програмована користувачем вентильна матриця) або інших інтегральних схем), апаратних засобів, програмного забезпечення або комбінації апаратних засобів і програмного забезпечення. Кодер 100 містить буфер 110 фрейму, синтаксичний аналізатор 111, декодер 101, валідатор 102 стану аудіоданих, ланку 103 обробки гучності, ланку 104 вибору аудіопотоку, кодер 105, ланку 107 формувача швидкості передачі даних/пристрою форматування, ланку 106 формування метаданих, підсистему 108 вимірювання гучності діалогу та буфер 109 фрейму, з'єднані, як показано на схемі. Також, як правило, кодер 100 містить інші елементи обробки (не показані).
Кодер 100 (який є транскодером) виконаний з можливістю перетворення вхідного бітового
Зо аудіопотоку (який, наприклад, може бути бітовим потоком формату АС-3, або бітовим потоком формату Е-АС-3, або бітовим потоком формату ЮоїБу Е) у кодований вихідний бітовий аудіопотік (який, наприклад, може бути іншим бітовим потоком формату АС-3, або бітовим потоком формату Е-АС-3, або бітовим потоком формату ЮоЇбу Е) у тому числі шляхом виконання адаптивної і автоматизованої обробки гучності з використанням метаданих стану обробки гучності, включених у вхідний бітовий потік. Наприклад, кодер 100 може бути виконаний з можливістю перетворення вхідного бітового потоку у форматі бору Е (формат, як правило, використовується у виробничій і віщальній апаратурі, але не в побутових пристроях, які одержують аудіопрограми, передані їм) у кодований вихідний бітовий аудіопотік (що підходить для трансляції побутовими пристроями) у форматі АС-3 або Е-АС-3.
Система, наведена на фіг. 2, також включає підсистему 150 передачі кодованих аудіоданих (яка зберігає та/або передає кодовані бітові потоки, що виходять із кодера 100) і декодер 152.
Кодований бітовий аудіопотік, що виходить із кодера 100, може бути збережений підсистемою 150 (наприклад, на ЮМО або Віи-Кау диску) або переданий підсистемою 150 (яка може здійснити канал передачі або мережу), або може бути і збережений, і переданий підсистемою 150. Декодер 152 виконаний з можливістю декодувати кодований бітовий аудіопотік (сформований кодером 100), який він одержує за допомогою підсистеми 150, у тому числі шляхом добування метаданих стану обробки гучності (РЗМ) з кожного фрейму бітового потоку (і факультативно також шляхом добування метаданих границі програми з бітового потоку) і формування декодованих аудіоданих. Як правило, декодер 152 виконаний з можливістю здійснення адаптивної обробки гучності декодованих аудіоданих з використанням ІРБ5М (Її в деяких випадках також метаданих границі програми) і/або передачі декодованих аудіоданих і
ІЇРБМ у постпроцесор, виконаний з можливістю здійснення адаптивної обробки гучності декодованих аудіоданих з використанням ГРМ (і, у деяких випадках, метаданих границі програми). Як правило, декодер 152 включає буфер, що зберігає (наприклад, незмінним способом) кодований бітовий аудіопоток, отриманий від підсистеми 150.
Різні втілення кодера 100 і декодера 152 виконані з можливістю виконання різних варіантів здійснення способу відповідно до винаходу.
Буфер 110 фрейму є буферним запам'ятовувальним пристроєм, підключеним для одержання кодованого вхідного бітового аудіопотоку. У процесі роботи буфер 110 зберігає бо (наприклад, незмінним способом) щонайменше один фрейм кодованого бітового аудіопотоку й послідовність фреймів кодованого бітового аудіопотоку передається з буфера 110 у синтаксичний аналізатор 111.
Синтаксичний аналізатор 111 з'єднаний і виконаний з можливістю добування метаданих стану обробки гучності (ГРЗМ) і, факультативно, метаданих границі програми (і/або інших метаданих) з кожного фрейму кодованих вхідних аудіоданих, у які включені такі метадані, для передачі, щонайменше, ГР5М (і в деяких випадках також метаданих границі програми й/або інших метаданих) у валідатор 102 стану аудіоданих, ланку 103 обробки гучності, ланку 106 і підсистему 108, добування аудіоданих з кодованих вхідних аудіоданих і передачі аудіоданих у декодер 101. Декодер 101 кодера 100 виконаний з можливістю декодування аудіоданих для формування декодованих аудіоданих і передачі декодованих аудіоданих у ланку 103 обробки гучності, ланку 104 вибору аудіопотоку, підсистему 108, а також, як правило, валідатор 102 стану.
Валідатор 102 стану виконаний з можливістю перевірки дійсності й перевірки правильності
І РБМ (і в деяких випадках інших метаданих), переданих йому. У деяких варіантах здійснення винаходу І РЗМ є (або включений в) блок даних, включений у вхідний бітовий потік (наприклад, відповідно до варіанта здійснення даного винаходу). Блок може містити криптографічний хеш (алгоритм перевірки дійсності за допомогою криптографічних хеш-функцій, об'єднаних із шифруванням із закритим ключем, або «НМАС») для обробки І РЗМ (і в деяких випадках також і інших метаданих) і/або основних аудіоданих (наданих декодером 101 валідатору 102). Блок даних може мати цифровий підпис у цих варіантах здійснення винаходу, таким чином, наступний в тракті блок обробки звукового сигналу може відносно легко перевірити дійсність і підтвердити правильність метаданих стану обробки.
Наприклад, НМАС використовується для формування дайджесту, а захисне (захисні) значення, включене в бітовий потік відповідно до винаходу, може включати дайджест. Дайджест може бути отриманий для АС-3 фрейму в такий спосіб: 1. Після того як АС-3 дані й ГРОМ кодовані, байти даних фрейму (зв'язані послідовно їтате адаїай1 і їате даїа 2) і байти даних І РЗМ використовуються в якості вхідних даних для хеш-функції НМАС. Інші дані, які можуть бути присутні усередині поля допоміжних даних, не будуть прийняті до уваги при здійсненні розрахунку дайджесту. Такі інші дані можуть бути байтами, що не належать ні до даних АС-3, ні до даних І ЗРУОМ. Біти захисту, включені в І РБЗМ, не можуть бути враховані при здійсненні розрахунку НМАС дайджесту. 2. Після здійснення розрахунку дайджесту його записують у бітовий потік у зарезервоване для бітів захисту поле. 3. Останнім кроком формування повного АС-3 фрейму є розрахунок контрольної суми СКС.
Вона записується в самому кінці фрейму, і враховуються всі дані, що належать цьому фрейму, включаючи біти І РОМ.
Інші криптографічні методи, включаючи який-небудь один або декілька не НМАС криптографічних методів, але не обмежуючись ними, можуть бути використані для перевірки правильності І РЗМ (наприклад, у валідаторі 102) з метою забезпечення безпечної передачі й прийому ІРБМ та/або основних аудіоданих. Наприклад, перевірка правильності (з використанням такого криптографічного методу) може бути виконана в кожному блоці обробки звукового сигналу, що приймає варіант здійснення бітового аудіопотоку відповідно до винаходу, щоб визначити, чи включені метадані стани обробки гучності й відповідні аудіодані в бітовий потік, що пройшов (і/або виник у результаті) спеціальну обробку гучності (як зазначено в метаданих) і не був модифікований після виконання такої спеціальної обробки гучності.
Валідатор 102 стану передає керуючі дані ланці 104 вибору аудіопотоку, формувачу 106 метаданих і підсистемі 108 вимірювання гучності діалогу, щоб указати результати операції перевірки правильності. Під впливом керуючих даних ланка 104 може вибрати (і передати на кодер 105) або
БО адаптивно оброблені вихідні дані ланки 103 обробки гучності (наприклад, коли РОМ указують, що вихідні дані декодера 101 не проходили спеціальний тип обробки гучності, а керуючі біти сигналу валідатора 102 указують, що І РОМ дійсні); або вихідні аудіодані декодера 101 (наприклад, коли /РБМ указують, що вихідні аудіодані декодера 101 уже пройшли певний тип обробки гучності, виконаний ланкою 103, а керуючі біти сигналу валідатора 102 показують, що І РОМ дійсні).
Ланка 103 кодера 100 виконана з можливістю здійснення адаптивної обробки гучності вихідних декодованих аудіоданих декодера 101 на основі однієї або декількох характеристик аудіоданих, вказаних за допомогою ГРОМ, добутих декодером 101. Ланка 103 може бути керуючим процесором з адаптивною областю перетворення гучності й динамічного діапазону в бо режимі реального часу. Ланка 103 може приймати вхідні дані користувача (наприклад, цільову гучність користувача/значення динамічного діапазону або значення аїйаїІпогіт) або інші вхідні метадані (наприклад, один або кілька типів даних сторонніх виробників, дані спостереження, ідентифікатори, службову або стандартну інформацію, дані приміток користувача, дані установок користувача та ін.) і/або інші вхідні дані (наприклад, дані цифрового відбитка), і використати такі вхідні дані для обробки вихідних декодованих аудіоданих декодера 101. Ланка 103 може виконувати адаптивну обробку гучності декодованих аудіоданих (переданих від декодера 101), що вказують одну аудіопрограму (як зазначено метаданими границі програми, добутими синтаксичним аналізатором 111), а може скинути обробку гучності в результаті прийому декодованих аудіоданих (переданих від декодера 101), що вказують іншу аудіопрограму, як зазначено метаданими границі програми, добутими синтаксичним аналізатором 111.
Підсистема 108 вимірювання гучності діалогу може функціонувати з метою визначення гучності сегментів декодованих аудіоданих (від декодера 101), які вказують діалог (або іншу мову), наприклад, за допомогою І РЗМ (і/або інших метаданих), добутих за допомогою декодера 101, коли керуючі біти валідатора 102 показують, що /РЗМ є недійсними. Функціонування підсистеми 108 вимірювання гучності діалогу може бути зупинено, коли І РЗМ указують раніше визначену гучність сегментів діалогу (або іншої мови) декодованих аудіоданих (від декодера 101), якщо керуючі біти валідатора 102 показують, що І РЗМ є дійсними. Підсистема 108 може виконувати вимірювання гучності декодованих аудіоданих, що вказують одну аудіопрограму (що вказується метаданими границі програми, добутими синтаксичним аналізатором 111), і може скидати вимірювання у відповідь на прийом декодованих аудіоданих, що вказують іншу аудіопрограму, що вказується метаданими границі цієї програми.
Для зручного й легкого вимірювання рівня діалогу в аудіоконтенті існують корисні інструменти (наприклад, вимірювач гучності ЮоІру І М100). Деякі варіанти здійснення АРИУ відповідно до винаходу (наприклад, ланка 108 кодера 100) виконані з можливістю включення (або виконання функцій) такого інструмента для вимірювання середньої гучності діалогу аудіоконтенту бітового аудіопотоку (наприклад, декодованого бітового потоку формату АС- 3, переданого ланці 108 від декодера 101 кодера 100).
Якщо ланка 108 виконана з можливістю вимірювання дійсного середнього значення гучності діалогу аудіоданих, то вимірювання може включати етап виділення сегментів аудіоконтенту, переважно таких, що містять мову. Потім аудіосегменти, які в основному є мовою, обробляються відповідно до алгоритму вимірювання гучності. Для декодованих аудіоданих бітового потоку формату АС-3 таким алгоритмом може бути стандартне вимірювання гучності, зваженої за К (відповідно до міжнародного стандарту ІТО-К В5.1770). Як альтернатива можуть бути використані інші показники гучності (наприклад, ті, які засновані на психоакустичних моделях гучності).
Виділення мовних сегментів не є істотним для вимірювання середньої гучності діалогу аудіоданих. Проте, воно поліпшує точність вимірювання та зазвичай забезпечує більшою мірою задовольняючим вимогам результати з погляду слухача. Так як не весь аудіоконтент містить діалог (мову), показник гучності всього аудіоконтенту може забезпечити досить точне наближення рівня діалогу звукозапису, як якби була присутня тільки мова.
Формувач метаданих 106 формує (і/або передає ланці 107) метадані, які будуть включені ланкою 107 у кодований бітовий потік і виведені кодером 100. Формувач 106 метаданих може передавати ланці 107 І РОМ (і в деяких випадках також метадані границі програми й/або інші метадані), добуті кодером 101 та/або синтаксичним аналізатором 111 (наприклад, коли керуючі біти валідатора 102 показують, що І РОМ та/або інші метадані дійсні), або формувати нові І РОМ (і в деяких випадках також метадані границі програми та/або інші метадані) і передавати нові метадані ланці 107 (наприклад, коли керуючі біти валідатора 102 показують, що І РЗМ і/або інші метадані, добуті декодером 101, є недійсними, або він може передавати ланці 107 комбінацію метаданих, добутих декодером 101 і/або синтаксичним аналізатором 111, і знову сформованих метаданих. Формувач 106 метаданих може включати дані гучності, сформовані підсистемою 108, а також щонайменше одне значення, що вказують тип обробки гучності, виконаною підсистемою 108, в І РОМ і передавати ланці 107 для включення в кодований бітовий потік, що виводиться кодером 100.
Формувач 106 метаданих може формувати захисні біти (які можуть складатися з або містити код перевірки дійсності за допомогою криптографічних хеш-функций, об'єднаних (із шифруванням із закритим ключем, або «НМАС»), застосовні щонайменше для однієї з наступних операцій: декодування, перевірки дійсності або перевірки достовірності І РОМ (їі в деяких випадках також інших метаданих) із включенням їх у кодований бітовий потік і/або включення основних аудіоданих у кодований бітовий потік. Формувач 106 метаданих може надати такі захисні біти ланці 107 для включення в кодований бітовий потік.
У номінальному режимі роботи підсистема 108 вимірювання гучності діалогу обробляє аудіодані, що виводяться з декодера 101, для формування в результаті значень гучності (наприклад, значень стробованої та нестробованої гучності діалогу) і значень динамічного діапазону. Завдяки цим значенням формувач 106 метаданих може формувати метадані стану обробки гучності (РОМ) для включення (за допомогою формувача швидкості передачі даних/пристрою форматування 107) у кодований бітовий потік, що виводиться кодером 100.
Крім того, у деяких випадках або в якості альтернативи підсистеми 106 і/або 108 кодера 100 можуть виконувати додатковий аналіз аудіоданих для формування метаданих, що вказують щонайменше одну характеристику аудіоданих для включення в кодований бітовий потік, що виводиться ланкою 107.
Кодер 105 кодує (наприклад, шляхом виконання стиснення) вихідні аудіодані ланки 104 вибору й передає кодовані аудіодані ланці 107 для включення в кодований бітовий потік, що виводиться ланкою 107.
Ланка 107 виконує мультиплексування кодованих аудіоданих з кодера 105 і метаданих (включаючи ІРЗМ) з формувача 106 для формування кодованого бітового потоку, що виводиться ланкою 107, переважно, щоб кодований бітовий потік мав формат, зазначений у переважному варіанті здійснення даного винаходу.
Буфер 109 фрейму являє собою буферний запам'ятовувальний пристрій, що зберігає (наприклад, незмінним способом) щонайменше один фрейм кодованого бітового аудіопотоку, виведеного ланкою 107, а послідовність фреймів кодованого бітового аудіопотоку потім передається з буфера 109, що є виходом кодера 100, у систему 150 передачі.
ІГРБМ, сформовані формувачем 106 метаданих і включені в кодований бітовий потік ланкою 107, показують стан обробки гучності відповідних аудіоданих (наприклад, який тип(и) обробки гучності був виконаний з аудіоданими) і гучність (наприклад, виміряну гучність діалогу, стробовану та/або нестробовану гучність і/або динамічний діапазон) відповідних аудіоданих.
У даному описі «стробування» гучності та/або вимірювання рівня сигналу, виконане з аудіоданими, відноситься до спеціального рівня або порога гучності, причому обчислене
Зо (обчислені) значення, що перевищує граничне значення, включають у кінцеве вимірювання (наприклад, зневажають значеннями короткочасної гучності нижче -60 аВЕ5З у кінцевих виміряних значеннях). Стробування за абсолютною величиною приведе до фіксованого рівня або гучності, враховуючи це, стробування за відносним значенням приводить до значення, що залежить від поточного «нестробованого» виміряного значення.
У деяких втіленнях кодера 100 кодований бітовий потік що накопичується в запам'ятовувальному пристрої 109 (і виводиться в систему 150 передачі), є бітовим потоком формату АС-3 або бітовим потоком формату Е-АС-3 і включає сегменти аудіоданих (наприклад, сегменти фрейму АВО-АВ5, показані на фіг. 4) і сегменти метаданих, причому сегменти аудіоданих відображають аудіодані, а кожний із щонайменше деяких сегментів метаданих включає метадані стану обробки гучності (РОЗМ). Ланка 107 вставляє /РЗМ (і в деяких випадках також метадані границі програми) у бітовий потік у наступному форматі. Кожний із сегментів метаданих, що включає І РЗМ (і в деяких випадках також метадані границі програми), входить у сегмент зайвих бітів бітового потоку (наприклад, сегмент «МУ» зайвих бітів, як показано на фіг. 4 або фіг. 7), або в поле «адарвзі» інформаційного сегмента бітового потоку («В5І») фрейму бітового потоку, або в поле допоміжних даних (наприклад, сегмент АШХ, показаний на фіг. 4 або фіг. 7) наприкінці фрейму бітового потоку. Фрейм бітового потоку може включати один або два сегменти метаданих, кожний з яких включає РОМ, і якщо фрейм включає два сегменти метаданих, то один може бути присутнім у полі фрейму аадабзві, а інший - в полі фрейму АХ. У деяких варіантах здійснення винаходу кожний сегмент метаданих, що містить РОМ, включає сегмент інформаційного наповнення (або контейнера) Ї РОМ, що має наступний формат: заголовок (як правило, що включає синхрослово, що ідентифікує початок інформаційного наповнення І РМ, за яким йде щонайменше одне ідентифікуюче значення, наприклад, версія формату ГРОМ, довжина, період, число, асоціативні значення вкладеного потоку даних, зазначені нижче в таблиці 2); і після заголовка щонайменше одне значення, що вказує діалог (наприклад, параметр «Канали(и) діалогу», наведений у таблиці 2), що вказує, чи мають відповідні аудіодані ознаку діалогу або не мають ознаки діалогу (наприклад, які канали відповідних аудіоданих мають ознаку діалогу);
щонайменше одне значення нормативних вимог щодо гучності (наприклад, параметр «Тип регулювання гучності», наведений у таблиці 2), що вказує, чи відповідають відповідні аудіодані зазначеному пакету нормативних вимог щодо гучності; щонайменше одне значення обробки гучності (наприклад, один або кілька параметрів: «Прапор корекції стробованої гучності діалогу», «Тип корекції гучності», наведені в таблиці 2), що вказує щонайменше один тип обробки гучності, що був виконаний з відповідними аудіоданими; і щонайменше одне значення гучності (наприклад, один або кілька параметрів: «Відносна стробована гучність ІТО», «Стробована гучність мови ІТО», «Короткочасна гучність (3-секундний часовий інтервал) ІТО (ЕВИ 3341)» і «Дійсне пікове значення», наведені в таблиці 2), що вказує щонайменше одну характеристику гучності відповідних аудіоданих (наприклад, пікову або середню гучність).
У деяких варіантах здійснення винаходу кожний сегмент метаданих, що містить І РЗМ і метадані границі програми, містить заголовок фрейму (і в деяких випадках також додаткові основні елементи), а після заголовка фрейму (або заголовка фрейму та інших основних елементів) сегмент інформаційного наповнення (або контейнера) | РОМ, що має наступний формат: заголовок, як правило, що включає щонайменше одне ідентифікуюче значення (наприклад, версію формату І РЗМ, довжину, період, число, асоціативні значення вкладеного потоку даних, зазначені в таблиці 2, наведеної в даному описі), і після заголовка - І РОЗМ і метадані границі програми. Метадані границі програми можуть включати число фреймів до границі програми, значення коду (наприклад, значення «опбеї ехібі»), що вказує, чи містить фрейм тільки число фреймів до границі програми або й число фреймів до границі програми, і значення зсуву) і (у деяких випадках) значення зсуву.
У деяких втіленнях кожний сегмент метаданих, внесений ланкою 107 у сегмент зайвих бітів, або поле «адарвзі», або поле допоміжних даних фрейму бітового потоку, має наступний формат: заголовок фрейму (як правило, що включає синхрослово, що вказує початок сегмента метаданих, за яким йде ідентифікаційне значення, наприклад, версія основного елемента, довжина й період, число розширених елементів й асоціативні значення вкладеного потоку даних, зазначені нижче в таблиці 1); і після заголовка фрейму щонайменше одне захисне значення (наприклад, НМАС дайджест і значення цифрового відбитка аудіоданих, наведені в таблиці 1), що підходить щонайменше для однієї з операцій: декодування, перевірки дійсності або перевірки правильності щонайменше одного 3: метаданих стану обробки гучності або відповідних аудіоданих); і також після заголовка фрейму, якщо сегмент метаданих включає ІГРБМ, ідентифікатор інформаційного наповнення І! РЗМ і значення розміру інформаційного наповнення І РБЗМ, які ідентифікують наступні за ними метадані як інформаційне наповнення І РЗМ і вказують розмір інформаційного наповнення І РБМ.
Сегмент інформаційного наповнення (або контейнера) Ї РОМ (переважно, що має формат, зазначений вище) йде за ідентифікатором інформаційного наповнення ГРБМ їі значеннями розміру інформаційного наповнення І РЗМ.
У деяких варіантах здійснення винаходу кожний сегмент метаданих у полі допоміжних даних (або в полі «адарві») фрейму має три рівні структури: структура високого рівня, що включає прапор, що вказує, чи включає поле допоміжних даних (або поле адабзі) метадані, щонайменше одне ідентифікуюче значення, що вказує який тип(и) метаданих є присутніми, і, як правило, також значення, що вказує, скільки біт метаданих (наприклад, кожного типу) присутні (якщо метадані присутні) Одним типом метаданих, які можуть бути присутніми, є ГЗРМ, іншим типом метаданих, які можуть бути присутніми, є метадані границі програми, ще одним типом метаданих, які можуть бути присутніми, є метадані медіа-досліджень (наприклад, метадані Міеізеп Медіа Кезеагсі); структура середнього рівня, що включає основний елемент для кожного ідентифікованого типу метаданих (наприклад, заголовок фрейму, захисні значення, ідентифікатор інформаційного наповнення ГГ РБЗМ і значення розміру інформаційного наповнення І РЗМ, як згадувалося вище, для кожного ідентифікованого типу метаданих); і структура низького рівня, що включає будь-яке інформаційне наповнення для одного основного елемента (наприклад, інформаційне наповнення ГРЗМ, якщо основним елементом визначено його присутність і/або інформаційне наповнення метаданих іншого типу, якщо основним елементом визначена його присутність).
Значення даних у такій трьохрівневій структурі можуть бути вкладеними. Наприклад, бо захисне (захисні) значення для інформаційного наповнення І РЗМ і/або іншого інформаційного наповнення метаданих, ідентифікованого основним елементом, може бути включене після кожного інформаційного наповнення, ідентифікованого основним елементом (і, таким чином, після заголовка фрейму основного елемента). В одному прикладі заголовок фрейму може ідентифікувати інформаційне наповнення ГРБЗМ і інше інформаційне наповнення метаданих, ідентифікатор інформаційного наповнення та значення розміру інформаційного наповнення для першого інформаційного наповнення (наприклад, інформаційного наповнення І РЗМ) може йти за заголовком фрейму, саме перше інформаційне наповнення може йти за ідентифікатором і значенням розміру, ідентифікатор інформаційного наповнення й значення розміру інформаційного наповнення для другого інформаційного наповнення може йти за першим інформаційним наповненням, саме друге інформаційне наповнення може йти за цими ідентифікатором і значенням розміру, а захисні біти для обох інформаційних наповнень (або для значень основного елемента й обох інформаційних наповнень) можуть йти за останнім інформаційним наповненням.
У деяких варіантах здійснення винаходу, якщо декодер 101 одержує бітовий аудіопотік, сформований відповідно до варіанта здійснення винаходу із криптографічним хешем, то декодер виконується з можливістю синтаксичного аналізу й добування криптографічного хеша із блоку даних, визначеного бітовим потоком, зазначений блок містить метадані стану обробки гучності (РОЗМ) і в деяких випадках також метадані границі програми. Валідатор 102 може використовувати криптографічний хеш для перевірки отриманого бітового потоку та/або пов'язаних з ними метаданих. Наприклад, якщо валідатор 102 встановлює дійсність І РЗМ на основі збігу еталонного криптографічного хеша та криптографічного хеша, добутого із блоку даних, то він може відключити обробку процесором 103 відповідних аудіоданих та ініціювати передачу (без змін) аудіоданих ланкою 104 вибору. Крім того в деяких випадках або в якості альтернативи замість методу, заснованому на криптографічному хеші, можуть бути використані інші типи криптографічних методів.
Кодер 100, наведений на фіг. 2, може визначити (завдяки І РОМ і в деяких випадках також метаданим границі програми, добутим за допомогою декодера 101), що блок постобробки/попередньої обробки виконав тип обробки гучності аудіоданих, які будуть закодовані (елементами 105, 106, і 107) і, отже, можна створювати (у формувачі 106) метадані
Зо стану обробки гучності, які включають спеціальні параметри, використовувані в і/або отримані від проведеної раніше обробки гучності. У деяких втіленнях кодер 100 може створити (їі включати у вихідний кодований бітовий потік) метадані стану обробки, що вказують послідовність подій обробки аудіоконтенту поки кодер розпізнає типи обробки, які були проведені з аудіоконтентом.
На фіг. З наведена структурна схема декодера (200), який є варіантом здійснення блоку обробки звукового сигналу відповідно до винаходу, і постпроцесора (300), з'єднаного з ним.
Постпроцесор (300) також є варіантом здійснення блоку обробки звукового сигналу відповідно до винаходу. Будь-який з компонентів або елементів декодера 200 і постпроцесора 300 може бути втілений як один або кілька процесів і/або одна або кілька схем (наприклад, спеціалізовані інтегральні схеми, програмовані користувачем вентильні матриці або інші інтегральні схеми) в апаратних засобах, програмному забезпеченні або комбінації апаратних засобів і програмного забезпечення. Декодер 200 містить буфер 201 фрейму, синтаксичний аналізатор 205, аудіодекодер 202, ланку 203 перевірки стану аудіоданих (валідатор) і ланку 204 формування керуючих бітів, з'єднані, як показано на схемі. Також зазвичай декодер 200 включає інші елементи обробки (не показані).
Буфер 201 фрейму (буферний запам'ятовувальний пристрій) зберігає (наприклад, незмінним способом) щонайменше один фрейм кодованого бітового аудіопотоку, отриманого декодером 200. Послідовність фреймів кодованого бітового аудіопотоку передається з буфера 201 у синтаксичний аналізатор 205.
Синтаксичний аналізатор 205 з'єднаний і виконаний з можливістю добування метаданих стану обробки гучності (ГРОМ), у деяких випадках також метаданих границі програми та інших метаданих з кожного фрейму кодованого вхідного аудіосигналу, з можливістю передачі щонайменше ІРБЗМ (ії метаданих границі програми, якщо вони добуті) валідатору 203 стану аудіоданих і ланці 204, з можливістю передачі І РЗМ (і в деяких випадках також метаданих границі програми) як вихідних даних (наприклад, постпроцесору 300), з можливістю добування аудіоданих з кодованого вхідного аудіосигналу й передачі добутих аудіоданих у декодер 202.
Кодований бітовий аудіопотік, що входить у декодер 200, може бути або бітовим потоком формату АС-3, або бітовим потоком формату Е-АС-3, або бітовим потоком формату РоїБу Е.
Система, наведена на фіг. З також включає постпроцесор 300. Постпроцесор 300 містить 60 буфер 301 фрейму та інші елементи обробки (не показані), що включають щонайменше один елемент обробки, з'єднаний з буфером 301. Буфер 301 фрейму зберігає (наприклад, незмінним способом) щонайменше один фрейм декодованого бітового аудіопотоку, отриманого постпроцесором 300 від декодера 200. Елементи обробки постпроцесора 300 з'єднані й виконані з можливістю прийому й адаптивної обробки послідовності фреймів вихідного декодованого бітового аудіопотоку буфера 301 за рахунок використання метаданих (у тому числі значень ГРОМ), що виводяться з декодера 202, і/або керуючих бітів, що виводяться з ланки 204 декодера 200. Як правило, постпроцесор 300 виконаний з можливістю здійснення адаптивної обробки гучності аудіоданих, що декодуться, за рахунок використання значень
ІЇРЗМ їі в деяких випадках також метаданих границі програми (наприклад, на основі стану обробки гучності й/або однієї або декількох характеристик аудіоданих, зазначених І РЗМ для аудіоданих, що вказують одну аудіопрограму).
Різні втілення декодера 200 і постпроцесора 300 виконані з можливістю виконання різних варіантів здійснення способу відповідно до винаходу.
Аудіодекодер 202 декодера 200 виконаний з можливістю декодування аудіоданих, добутих за допомогою синтаксичного аналізатора 205 для формування декодованих аудіоданих, і передачі декодованих аудіоданих як вихідних даних (наприклад, постпроцесору 300).
Валідатор 203 стану виконаний з можливістю перевірки дійсності й перевірки правильності
І РБМ (і в деяких випадках інших метаданих), переданих йому. У деяких варіантах здійснення винаходу ГРОМ є (або включені в) блоком даних, що був включений у вхідний бітовий потік (наприклад, відповідно до варіанта здійснення даного винаходу). Блок може містити криптографічний хеш (код перевірки дійсності за допомогою криптографічних хеш-функцій, об'єднаних із шифруванням із закритим ключем, або «НМАС») для обробки І РЗМ (їі в деяких випадках також і інших метаданих) і/або основних аудіоданих (наданих синтаксичним аналізатором 205 і/або декодером 202 валідатору 203). У цих варіантах здійснення винаходу блок даних може мати цифровий підпис, таким чином, наступний в тракті блок обробки звукового сигналу може відносно легко визначити достовірність і підтвердити правильність метаданих стану обробки.
Інші криптографічні методи, включаючи, але не обмежуючись яким-небудь одним або декількома криптографічними методами без НМАС, можуть бути використані для перевірки
Зо правильності РОЗМ (наприклад, у валідаторі 203) при забезпеченні безпечної передачі й прийому І РЗМ і/або основних аудіоданих. Наприклад, перевірка правильності (з використанням такого криптографічного методу) може бути виконана в кожному блоці обробки звукового сигналу, що приймає варіант здійснення бітового аудіопотоку відповідно до винаходу для визначення, чи проходили метадані стану обробки гучності й відповідні аудіодані, включені в бітовий потік, (і/або виникли внаслідок) спеціальну обробку гучності (як зазначено метаданими) і чи не були модифіковані після виконання такої спеціальної обробки гучності.
Валідатор 203 стану передає дані керування формувачу 204 керуючих бітів і/або передає дані керування як вихідні (наприклад, у постпроцесор 300) з метою вказівки результатів операції перевірки правильності. У відповідь на дані керування (і в деяких випадках також інші метадані, добуті із вхідного бітового потоку) ланка 204 може формувати (і передавати в постпроцесор 300) або: керуючі біти, що вказують, що декодовані аудіодані, виведені з декодера 202, пройшли спеціальний тип обробки гучності (коли РОМ показують, що аудіодані, виведені з декодера 202, пройшли спеціальний тип обробки гучності, а керуючі біти валідатора 203 указують, що
І РЗМ дійсні); або керуючі біти, що вказують, що декодовані аудіодані з декодера 202 повинні пройти спеціальний тип обробки гучності (наприклад, коли РОМ указують, що аудіодані, що виводяться з декодера 202, не проходили спеціального типу обробки гучності, або коли РЕМ указують, що аудіодані, що виводяться з декодера 202, пройшли спеціальний тип обробки гучності, але керуючі біти валідатора 203 показують, що І РОМ недійсні).
В якості альтернативи декодер 200 передає метадані, добуті декодером 202 із вхідного бітового потоку й І РОМ (і в деяких випадках також метадані границі програми), добуті синтаксичним аналізатором 205 із вхідного бітового потоку, постпроцесору 300, а постпроцесор 300 виконує обробку гучності декодованих аудіоданих за рахунок використання І РЗМ (їі в деяких випадках також метаданих границі програми) або виконує перевірку правильності І РЗМ, а потім виконує обробку гучності декодованих аудіоданих за рахунок використання І РЗМ (їв деяких випадках також метаданих границі програми), якщо перевірка правильності показує, що
ІРБЗМ є дійсними.
У деяких варіантах здійснення винаходу, якщо декодер 200 отримує бітовий аудіопотік, 60 сформований відповідно до одного з варіантів здійснення винаходу із криптографічним хешем,
то декодер виконується з можливістю аналізувати й добувати криптографічний хеш із блоку даних, визначених з бітового потоку, причому зазначений блок містить метадані стану обробки гучності (РЗМ). Валідатор 203 може використовувати криптографічний хеш для перевірки правильності прийнятого бітового потоку та/або пов'язаних з ними метаданих. Наприклад, якщо валідатор 203 виявляє на підставі збігу еталонного криптографічного хеша й криптографічного хеша, добутого із блоку даних, що І РОЗМ можуть вважатися дійсними, те це може сигналізувати наступному у тракті блоку обробки звукового сигналу (наприклад, постпроцесору 300, що може бути або включати блок авторегулювання гучності) передавати (не змінені) аудіодані бітового потоку. Крім того, у деяких випадках або в якості альтернативи інші типи криптографічних методів можуть бути використані замість методу, заснованому на криптографічному хеші.
У деяких втіленнях декодера 200 кодований бітовий потік, отриманий (і накопичений у запам'ятовувальному пристрої 201), є бітовим потоком формату АС-3 або бітовим потоком формату Е-АС-3 і включає сегменти аудіоданих (наприклад, сегменти АВО-АВ5 фрейму, показані на фіг. 4) і сегменти метаданих, причому сегменти аудіоданих є ознакою аудіоданих, а кожний із щонайменше деяких сегментів метаданих включає метадані стану обробки гучності (РБЗМ) і в деяких випадках також метадані границі програми. Ланка 202 декодера (і/або синтаксичного аналізатора 205) виконана з можливістю добування з бітового потоку І РОМ (Її в деяких випадках також метаданих границі програми), що мають наступний формат. Кожний із сегментів метаданих, що включає І РЗМ (і в деяких випадках також метадані границі програми), входить у сегмент зайвих бітів фрейму бітового потоку, або в поле «адарві» інформаційного сегмента бітового потоку («В5І») фрейму бітового потоку, або в поле допоміжних даних (наприклад, у сегмент АХ, показаний на фіг. 4) наприкінці фрейму бітового потоку. Фрейм бітового потоку може включати один або два сегменти метаданих, кожний з яких може включати
ГРОМ, якщо фрейм включає два сегменти метаданих, то один може бути присутнім у полі адарзі фрейму, а інший - в полі АОХ фрейму. У деяких варіантах здійснення винаходу кожний сегмент метаданих, що включає ГРОМ, включає сегмент інформаційного наповнення (або контейнера) ГРЗМ, що має наступний формат: заголовок (як правило, що включає синхрослово, що визначає початок інформаційного наповнення ГРОМ, а потім ідентифікаційні значення, наприклад, версію формату ІРБМ, довжину, період, число, асоціативні значення вкладеного потоку даних, зазначені нижче в таблиці 2); і після заголовка щонайменше одне значення, що вказує діалог (наприклад, параметр «Канали(и) діалогу», наведений у таблиці 2), що вказує, мають або не мають ознаку діалогу відповідні аудіодані (наприклад, які канали відповідних аудіоданих мають ознаку діалогу); щонайменше одне значення дотримання нормативних вимог щодо гучності, (наприклад, параметр «Тип регулювання гучності», наведений у таблиці 2), що вказує чи відповідають відповідні аудіодані зазначеному пакету нормативних вимог щодо гучності; щонайменше одне значення обробки гучності (наприклад, один або кілька параметрів «Прапор корекції стробованої гучності діалогу», «Тип корекції гучності», наведені в таблиці 2), що вказує щонайменше один тип обробки гучності, що був виконаний з відповідними аудіоданими; і щонайменше одне значення гучності (наприклад, один або кілька параметрів «Відносна стробована гучність ІТО», «Стробована гучність мови ІТО», «Короткочасна гучність (3-секундний часовий інтервал) ІТО (ЕВИ 3341)» і «Дійсне пікове значення», наведені в таблиці 2), що вказує щонайменше одну характеристику гучності (наприклад, пікову або середню гучність) відповідних аудіоданих.
У деяких варіантах здійснення винаходу кожний сегмент, що містить метадані ІРБМ і метадані границі програми, містить заголовок фрейму (і в деяких випадках також додаткові основні елементи), а після заголовка фрейму (або заголовка фрейму та інших основних елементів) сегмент інформаційного наповнення (або контейнера) | РОМ, що має наступний формат: заголовка, як правило, що включає щонайменше одне ідентифікаційне значення (наприклад, версію формату І РБМ, довжину, період, число, асоціативні значення вкладеного потоку даних, зазначені нижче в таблиці 2), і після заголовка - І! РОМ і метадані границі програми. Метадані границі програми можуть включати число фреймів до границі програми та значення коду (наприклад, значення «опбеї ехібі»), що вказує, чи містить фрейм тільки число фреймів до границі програми або й число фреймів до границі програми, і значення зсуву), і (у деяких випадках) значення зсуву.
У деяких втіленнях аналізатор 205 (/або ланка 202 декодера) виконаний з можливістю добування із сегмента зайвих бітів, або поля «адарвзі», або поля допоміжних даних фрейму бітового потоку, причому кожний сегмент метаданих має наступний формат: заголовок фрейму (як правило, що включає синхрослово, що вказує початок сегмента метаданих, за яким йде щонайменше одне ідентифікаційне значення, наприклад, версія основного елемента, довжина й період, число розширених елементів й асоціативні значення вкладеного потоку даних, зазначені нижче в таблиці 1); і після заголовка фрейму щонайменше одне захисне значення (наприклад, НМАС дайджест і значення цифрового відбитка аудіоданих, наведені в таблиці 1), що підходить щонайменше для однієї з операцій: декодування, перевірки дійсності або перевірки правильності щонайменше одного 3: метаданих стану обробки гучності або відповідних аудіоданих); і також після заголовка фрейму, якщо сегмент метаданих включає І РБЗМ, ідентифікатор інформаційного наповнення І! РЗМ і значення розміру інформаційного наповнення І РБЗМ, які ідентифікують наступні за ними метадані як інформаційне наповнення І РЗМ і вказують розмір інформаційного наповнення І РЗМ.
Сегмент інформаційного наповнення (або контейнера) Ї РОМ (переважно, що має формат, зазначений вище) йде за ідентифікатором інформаційного наповнення ГРОМ і значеннями розміру інформаційного наповнення І РЗМ.
У цілому кодований бітовий аудіопоток, сформований переважним варіантами здійснення винаходу, має структуру, що забезпечує механізм позначення елементів метаданих і підлеглих елементів як основних (обов'язкових) або розширених (необов'язкових елементів). Це дозволяє масштабувати в численних додатках швидкість передачі даних бітового потоку (що включає метадані). Основні (обов'язкові) елементи переважного синтаксису бітового потоку також повинні бути здатні подати сигнал про те, що розширені (додаткові) елементи, пов'язані з аудіоконтентом, присутні ("усередині смуги) і/або перебувають у віддаленому місці (за межами смуги).
Основний елемент(и) повинен бути присутнім у кожному фреймі бітового потоку. Деякі підлеглі елементи основних елементів є необов'язковими й можуть бути представлені в будь- якій комбінації. Розширені елементи не повинні бути присутніми у кожному фреймі (щоб
Зо обмежити бітрейт-навантаження). Таким чином, розширені елементи в деяких фреймах можуть бути присутніми, а в інших - ні. Деякі підлеглі елементи розширеного елемента є необов'язковими та можуть бути представлені в будь-якій комбінації, при цьому деякі підлеглі елементи розширеного елемента можуть бути обов'язковими (тобто, якщо розширений елемент присутній у фреймі бітового потоку).
У класі варіантів здійснення винаходу формується (наприклад, за допомогою блоку обробки звукового сигналу, що втілює винахід) кодований бітовий аудіопотік, що містить послідовність сегментів аудіоданих і сегментів метаданих. Сегменти аудіоданих є ознакою аудіоданих, кожний із щонайменше деяких сегментів метаданих включає метадані стану обробки гучності (І РБМ) і в деяких випадках також метадані границі програми, а сегменти аудіоданих мультиплексуються із сегментами метаданих з часовим розділенням. У переважних варіантах цього класу кожний із сегментів метаданих має переважний формат, описуваний у даному описі.
В одному переважному форматі кодований бітовий потік є бітовим потоком формату АС-3 або бітовим потоком формату Е-АС-3, а кожний із сегментів метаданих, що включає ІРЗМ, входить (наприклад, за допомогою ланки 107 переважного втілення кодера 100) в якості додаткової інформації бітового потоку в полі «адабрві» (показаного на фіг. 6) інформаційного сегмента бітового потоку («В5І») фрейму бітового потоку, або в полі допоміжних даних фрейму бітового потоку, або в сегменті зайвих бітів фрейму бітового потоку.
У переважному форматі кожний із фреймів у полі адарвзі (або сегменті зайвих бітів) фрейму включає основний елемент, що має формат, наведений нижче в таблиці 1:
Таблиця 1
Необов'язковий нннннништнининниннн нини
ЗУМС ГО) Синхрослово може бути 16-бітним із Обов'язковий установленим значенням Ох5838 "сі ПНЯ іі елемента вні ПНЯ іон елемента
Період основного Обов'язковий елемента
ХХХ
Число розширених Показує кількість розширених елементів Обов'язковий елементів метаданих, пов'язаних з основним елементом.
Це значення може збільшуватися/зменшуватися в міру проходження бітового потоку від виробітку до розподілу й кінцевого поширення.
Зв'язок вкладеного Описує, з яким вкладеним потоком (потоками) Обов'язковий потоку даних даних пов'язаний основний елемент.
Підпис (НМАС дайджест)» І(256-бітний НМАС дайджест (з використанням Обов'язковий алгоритму ЗНА-2), обчислений за аудіоданими, основним елементом та всіма розширеними елементами усього фрейму.
Відлік у зворотному Поле присутнє тільки в деякому числі фреймів у ІНеобов'язковий порядку до границі голові або хвості файлу/ потоку аудіопрограми. програми Таким чином, зміна версії основного елемента може бути використана для сигналізації про включення цього параметра.
Цифровий відбиток Цифровий відбиток аудіоданих береться по Необов'язковий аудіоданих деякій кількості ІКМ аудіосемплів, представлених полем періоду основного елемента.
Цифровий відбиток Цифровий відбиток відеоданих береться по Необов'язковий відеоданих деякій кількості стиснутих відеосемплів (якщо акі є), представлених полем періоду основного елемента.
ОВІ / ОШІЮ Дане поле визначене для змісту ОК. і/або ОШШІЮ ІНеобов'язковий (може бути надлишковим при цифровому відбитку), що посилається на зовнішнє розміщення додаткового змісту програми (сутності) іиабо метаданих, пов'язаних з бітовим потоком.
У переважному форматі кожне з полів адабрві (або полів допоміжних даних) або сегментів зайвих бітів, які містять І РЗМ, що містять заголовок фрейму (і в деяких випадках також додаткові основні елементи), а після заголовка фрейму (або заголовка фрейму та інших основних елементів) - наступні значення І РОЗМ (параметри): ідентифікатор інформаційного наповнення (що визначає метадані як І РЗМ), що йде за значеннями основного елемента (наприклад, як зазначено в таблиці 1); розмір інформаційного наповнення (що вказує розмір інформаційного наповнення І РБМ), що йде за ідентифікатором інформаційного наповнення; і дані ГРБЗМ (що йдуть за ідентифікатором інформаційного наповнення й значенням розміру інформаційного наповнення), що мають формат, показаний у наступній таблиці (таблиці 2):
Таблиця 2
Параметр РУМ ЮПпИСС Кількість Обов'язковий/ Коефіцієнт (Інтелектуальна унікальних |Необов'язковий розміщення гучність| станів (період оновлення параметра) біса НИМИ ПНЯ Б ННЯ
ГРОМ Застосовується тільки до Обов'язковий період ХХ полів (ХХХ) іл ННЯ НОЯ НИ НОЯ
Зв'язаність Обов'язковий вкладеного потоку
І РОМ
Каналі(и) діалогу Указує, яка комбінація І, С Обов'язковий -- 0,5 секунди 4 К аудіоканалів містить (типовий) мову протягом попередніх 0,5 секунд. Коли мова не присутня в будь-якій І, С або К комбінації, то цей параметр вказує «немає діалогу»
Тип Указує, що відповідний Обов'язковий Фрейм регулювання аудіопотік даних гучності відповідно до визначеного набору правил (наприклад, АТС А/85 або ЕВИ К128)
Прапор корекції Вказує, чи був 2 Необов'язковий (єІФрейм стробованої скоректований зв'язаний присутнім тільки гучності діалогу аудіопотік на основі оді, якщо стробування діалогу ип регулювання гучності вказує, що відповідний звук без виправлення)
Тип Указує, чи бувіг Необов'язковий (єІФрейм корекції скоректований аудіопотік присутнім тільки гучності за допомогою оді, якщо тип нескінченного регулювання прогнозування (на основі гучності вказує, що файлів) або за допомогою відповідні аудіодані контролера гучності й не скоректовані) динамічного діапазону, що працює в режимі реального часу.
Відносна Указує інтегральну!128 Необов'язковий 1с стробована гучність за ІТО-А В85.1770- гучність ІТО (МЕ) |З зв'язаного аудіопотоку без застосування метаданих (наприклад, 7 біт: -58 -» 5,5 ІКЕ5 із кроком 0,5 І КЕ5)
Стробована Указує 1/3 інтегральной128 Необов'язковий 1с гучність мови ІГШігучності мови/ діалогу за (ІМЕ) ІТО-А в5.1770-3 зв'язаного аудіопотоку без застосування метадани (наприклад, 7 біт: -58 -» -5,5 ІКЕЗ5 із кроком 0,5
ІЇКЕ5)
Короткочасна (3-МУказує нестробовану256 Необов'язковий 01с секундний часовийгучність протягом З секунд інтервал) гучністьва ТО (ІТО- В5.1771- 1) за ІТО (ЕВИ 3341) Ізв'язаного аудіопотоку без застосування метаданих (ковзне вікно) (Фо оновлення вимірювання 10
Гу (наприклад, 8 біт: 116 - 2» - 11,5 І КЕ5 із кроком 0,5
ІЇКЕ5)
Дійсне піковеїУказує значення ТгиеРеакід5б Необов'язковий 05с значення (дБ ТР) за ІТО-А 85.1770-
З, Додаток 2, зв'язаного аудіопотоку без застосування метаданих. (тобто, найбільше значення за період фрейму, повідомлене в поле періоду елемента) 116-» 11,5 І КЕ5 із кроком 0,5 І КЕ5
Зсув Указує зсув понижувального |Іпонижувального мікшування мікшування гучності
Границя програми (Указує у фреймах, коли зустрінеться або зустрілася границя програми.
Коли границя програми не
Є границею фрейму, додатковий зсув семплів укаже, як далеко у фреймі перебуває границя поточної програми.
В іншому переважному форматі кодованого бітового потоку, згенерованого відповідно до винаходу, бітовий потік являє собою бітовий потік формату АС-3 або бітовий потік формату Е-
АС-3, і кожний із сегментів метаданих, що включає ГРЗМ (і факультативно також метадані границі програми), включається (наприклад, ланкою 107 переважного варіанта здійснення кодера 100) у кожне з: сегмента зайвих бітів фрейму бітового потоку; або поля "адарві" (зображено на фіг. 6) інформаційного сегмента бітового потоку (В5І") фрейму бітового потоку; або поля допоміжних даних (наприклад, сегмента АХ, зображеного на фіг. 4) наприкінці фрейму бітового потоку. Фрейм може включати один або два сегменти метаданих, кожний з яких включає ЕРБЗМ, а якщо фрейм включає два сегменти метаданих, один може бути присутнім у полі фрейму адабрзі, а інший - в полі фрейму АОХ. Кожний сегмент метаданих, що включає
ЕРБМ, має формат, визначений вище з посиланням на таблиці 1 і 2, наведені вище (тобто він включає основні елементи, зазначені в таблиці 1, з наступним ІОЮ інформаційного наповнення (ідентифікуючим метадані як ЕРЗМ) і значення розміру інформаційного наповнення, визначені вище, за яким іде інформаційне наповнення (дані ЕРЗМ, які мають формат, зазначений у таблиці 2).
В іншому переважному форматі кодований бітовий потік є бітовим потоком формату ЮоїЇру
Е, а кожний із сегментів метаданих, що включає ЕРЗМ (а в деяких випадках метадані границі програми), входить в оточення перших М семплів захисного частотного інтервалу Бору Е.
Бітовий потік формату ЮоІру Е, що включає такий сегмент метаданих, що включає ЕРЗМ, переважно включає значення, що вказує довжину інформаційного наповнення ЕРБМ, що повідомляється в слові Ра преамбули згідно з ЗМРТЕ 337М (частота повторення слова Ра згідно з ЗМРТЕ 337М переважно залишається ідентичною зв'язаній частоті зміни відеокадрів).
У переважному форматі, у якому кодований бітовий потік являє собою бітовий потік формату Е-АС-3, кожний із сегментів метаданих, що містить ЕРЗБМ (і факультативно також метадані границі програми), включається (наприклад, ланкою 107 переважного варіанта реалізації кодера 100) як додаткова інформація бітового потоку в сегмент зайвих бітів, у поле "«адаьеі" інформаційного сегмента бітового потоку (В5І") фрейму бітового потоку. Далі описуються додаткові аспекти кодування бітового потоку формату Е-АС-3 з | РОМ у цьому
Зо переважному форматі: 1. під час створення бітового потоку формату Е-АС-3, у той час як кодер Е-АС-3 (який вставляє значення РОМ у бітовий потік) «активний», для кожного створеного фрейму (синхрофрейму), бітовий потік повинен містити блок метаданих (що включає ІРБМ), розташований у полі адабрзі (або сегменті зайвих бітів) фрейму. Біти, які повинні нести блок метаданих, не повинні збільшувати бітрейт кодера (довжину фрейму); 2. Кожний блок метаданих (що містить ГРОМ) повинен містити наступну інформацію: прапор типу корекції гучності: де «1» означає, що гучність відповідних аудіоданих була скоректована до кодера, а «0» означає, що гучність була скоректована коректором гучності, вбудованим у кодер (наприклад, процесором 103 корекції гучності кодера 100, зображеному на фіг. 2); мовний канал: відображає, який вихідний канал(и) містить мова (за попередні 0,5 с). Якщо мова не виявлена, то це повинне бути зазначене як таке; гучність мови: позначає інтегральну гучність мови кожного відповідного аудіоканалу, що містить мову (за попередні 0,5 с); гучність (ТО: позначає інтегровану гучність згідно ТО В5. 1770-3 кожного відповідного аудіоканалу; і посилення: складене (складені) посилення гучності для зворотної дії в декодері (для демонстрації здатності до зворотної дії);
3. У той час, коли кодер формату Е-АС-3 (який вставляє значення І РЗМ у бітовий потік) «активний» і приймає фрейм формату АС-3 із прапором «надійності», контролер гучності в кодері (наприклад, процесор 103 корекції гучності кодера 100, зображеного на фіг. 2) повинен бути обійдений. Значення аїаіпогт і ОРБС «надійного» джерела повинні бути пропущені через (наприклад, генератором 106 кодера 100) у компонент кодера Е-АС-3 (наприклад, ланку 107 кодер 100). Генерування блоків І РЗМ триває, і прапор типу корекції гучності встановлюється в «1». Послідовність обходу контролера гучності повинна бути синхронізована з початком декодованого фрейму формату АС-3, де з'являється прапор «надійності». Послідовність обходу контролера гучності повинна здійснюватися в такий спосіб: регулятор ступеня підтримувача гучності зменшується зі значення 9 до значення 0 протягом 10 періодів аудіоблоків (тобто 53,3 мс), регулятор кінцевого вимірювача підтримувача гучності розміщується в обхідний режим (ця операція повинна привести до плавного переходу). Термін «надійний» обхід регулятора рівня означає, що значення аїаІпогт бітового потоку джерела також повторно використовується на виході кодера, (наприклад, якщо «надійний» бітовий потік джерела має значення діаІпогт, рівне -30, то вихід кодера повинний використовуватися -30 для вихідного значення аіаІпогт); 4. У той час, коли кодер формату Е-АС-3 (який вставляє значення І РОМ у бітовий потік) «активний» і приймає фрейм формату АС-3 без прапора «надійності», контролер гучності в кодері (наприклад, процесор 103 корекції гучності кодера 100, зображеного на фіг. 2) повинен бути активний. Генерування блоків ІРБМ триває, і прапор типу корекції гучності встановлюється в «0». Активаційна послідовність контролера гучності повинна бути синхронізована з початком декодованого фрейму формату АС-3, де зникає прапор «надійності».
Активаційна послідовність контролера гучності повинна здійснюватися в такий спосіб: регулятор ступеня підтримувача гучності збільшується від значення 0 до значення 9 протягом 1 періоду аудіоблоків, (тобто 5,3 мс) і регулятор кінцевого вимірювача підтримувача гучності приводиться в «активний» режим (ця операція повинна привести до плавного переходу й включати інтегральне скидання кінцевого вимірювача); і 5. під час кодування, графічний інтерфейс користувача (ЦІ) повинен відображати користувачеві наступні параметри: «Вхідна аудіопрограма:
ІНадійна/Ненадійна|» - стан цього параметра заснований на наявності прапора «надійності»
Зо у вхідному сигналі; і «Корекція гучності в реальному часі: |ІЗкКлючена/Виключена|» - стан цього параметра заснований на тому, чи активний цей контролер гучності, вбудований у кодер. При декодуванні бітового потоку формату АС-3 або Е-АС-3, що має І РЗМ (у переважному форматі), включений у сегмент зайвих бітів, або поле "адарві" інформаційного сегмента бітового потоку (В5І"), кожного фрейму бітового потоку, декодер повинен піддавати синтаксичному аналізу дані блоку І РЗМ (у сегменті зайвих бітів або полі адабві) і проводити всі з добутих значень І РЗМ у графічний інтерфейс користувача (ЗШ). Набір добутих значень ГРОМ оновлюється кожного фрейму.
В іншому переважному форматі кодованого бітового потоку, згенерованому відповідно до винаходу, кодований бітовий потік являє собою бітовий потік формату АС-3 або бітовий потік формату Е-АС-3, і кожний із сегментів метаданих, що включає І РЗМ, включається (наприклад, ланкою 107 переважної реалізації кодера 100) у сегмент зайвих бітів, або в сегмент Айх, або як додаткова інформація бітового потоку в поле "адарві" (показаному на фіг. 6) інформаційного сегмента бітів потік (В5І") фрейму бітового потоку. У цьому форматі (який є різновидом формату, описаного вище з посиланнями на таблиці 1 і 2), кожне з полів адарвзі (або А!йх, або зайвих бітів), що містить І РОМ, містить наступні значення І РОМ: основні елементи, наведені в таблиці 1, за якими йде ІО інформаційного наповнення (що ідентифікує метадані як ГРОМ), і значення розміру інформаційного наповнення, за якими йде інформаційне наповнення (І РЗМ дані), що має наступний формат (подібний до обов'язкових елементів, наведених у таблиці 2 вище): версія інформаційного наповнення РМ: 2-бітне поле, що відображає версію інформаційного наповнення І РБМ; діаіїснап: З-бітне поле, що відображає чи містить розмовний діалог Лівий, Правий і/або
Центральний канали відповідних аудіоданих. Розподіл бітів поля діаїспап може бути наступним: біт 0, що відображає наявність діалогу в лівому каналі, зберігається в найстаршому біті поля діаіснап; і біт 2, що відображає наявність діалогу в центральному каналі, зберігається в наймолодшому біті поля діаіснап.
Кожний біт поля діаІснап установлюється в «1», якщо відповідний канал містить розмовний діалог під час попередніх 0,5 с програми; бо Іоцагедіур: 4-бітне поле, що відображає те, якому стандарту нормативних вимог щодо гучності задовольняє гучність програми. Установка поля "Іоцагедіур'" в «000» указує на те, що
ІРО5М не відображає відповідність нормативним вимогам щодо гучності. Наприклад, одне значення цього поля (наприклад, 0000) може означати, що відповідність стандарту нормативних вимог по гучності не зазначена, інше значення цього поля (наприклад, 0001) може вказувати на те, що аудіодані програми відповідають стандарту АТС А/85, і інше значення цього поля (наприклад, 0010) указувати на те, що аудіодані програми відповідають стандарту ЕВИ К128. У зазначеному прикладі, якщо поле встановлене в будь-яке інше значення, відмінне від «0000», полючи Іоцасогтаїаїдаї і Ісшасогпур повинні йти слідом в інформаційному наповненні;
Іонасоїтаіїаі(дає однобітне поле, що вказує, якщо була застосована корекція стробованої гучності діалогу. Якщо гучність програми була скоректована з використанням стробування діалогу, значення поля ІоцасоітаїаІдаї установлюється в «1». Інакше воно встановлюється в «0»;
Іоцасоггіур: однобітне поле, що вказує тип корекції гучності, застосовуваної до програми.
Якщо гучність програми була скоректована за допомогою операції нескінченної прогнозної (файлової) корекції гучності, значення поля Іоцасогіур установлюється в «0». Якщо гучність програми була скоректована з використанням комбінації вимірювання гучності в реальному часі й керування динамічним діапазоном, значення цього поля встановлюється в «1»;
ІоцагеІдаге: однобітне поле, що вказує чи існують дані відносної стробованої гучності (ГО).
Якщо поле ІоцагеІдаге установлюється в «1», 7-бітне поле йшоцагеїдаї повинне йти слідом в інформаційному наповненні;
Іоцагеїдаї: 7-бітне поле, що вказує відносну стробовану гучність програми (ІТ). Це поле вказує інтегральну гучність аудіопрограми, виміряну відповідно до ІТО-А В5.1770-3 без яких- небудь регулювань посилення внаслідок застосування аіаіпогт і стиснення динамічного діапазону. Значення від 0 до 127 інтерпретуються як від -58 ЇКЕБ5 до 5,5 І КЕ5, із кроком 0,5
ЇКЕ5;
Іоцазрспдаїе: однобітне поле, що вказує чи існують дані стробованої гучності мови (ІТ).
Якщо поле Іоцазрспдаїе установлюється в «1», 7-бітне поле Іюпазхрспдаї повинне йти слідом в інформаційному наповненні;
Іоцавзренадаї: 7-бітне поле, що вказує стробовану гучність мови програми. Це поле вказує інтегральну гучність всієї відповідної аудіопрограми, виміряну відповідно до формули (2) згідно
Зо з ІТО-8 В85.1770-3 і без яких-небудь регулювань посилення внаслідок застосування аїаІпогт і стиснення динамічного діапазону. Значення від 0 до 127 інтерпретуються як від - 58 до 5,5
ОКЕ5, із кроком 0,5 ОКЕ5;
ІоцадзігтЗ5е: однобітне поле, що вказує чи існують дані короткострокової (З с) гучності. Якщо поле встановлене в «1», 7-бітне поле Іоцс(зіптЗ35 повинне йти слідом в інформаційному наповненні;
ІоцавіптЗв: 7-бітне поле, що вказує нестробовану гучність за попередні З секунди відповідної аудіопрограми, виміряну відповідно до ІТО-А В5.1771-1 і без яких-небудь регулювань посилення внаслідок застосування аіаіпогт і стиснення динамічного діапазону.
Значення від 0 до 256 інтерпретуються як від -116 ОКЕЗ до 411,5 ОКЕ5, із кроком 0,5 ОКЕ5; іїг'шерке: однобітне поле, що вказує чи існують дані гучності за дійсними піками. Якщо поле їглерке установлене в «1», 8-бітне поле іїшерк повинне йти слідом в інформаційному наповненні; і їшерк: 8-бітне поле, що вказує вибіркове значення дійсного піка програми, виміряне відповідно до Аппех 2 згідно з ІТО-А В5.1770-3 і без яких-небудь регулювань посилення внаслідок застосування аіаіпогт і стиснення динамічного діапазону. Значення від 0 до 256 інтерпретуються як від -116 І КЕ5 до 11,5 І КЕ5, із кроком 0,5 І КЕ5.
У деяких варіантах здійснення основний елемент сегмента метаданих у сегменті зайвих бітів або в полі айхаага (або "адарвзі") фрейму бітового потоку формату АС-3 або бітового потоку формату Е-АС-3 містить заголовок фрейму (зазвичай включає ідентифікаційні значення, наприклад, версію основного елемента), і після заголовка фрейму: значення, що вказують чи включаються дані цифрового відбитка (або інші захисні значення) у метадані сегмента метаданих, значення, що вказують чи існують зовнішні дані (пов'язані з аудіоданими, що відповідають метаданим сегмента метаданих), ІЮ інформаційного наповнення й значення розміру інформаційного наповнення для кожного типу метаданих (наприклад, ЇРЗМ і/або метадані типу, відмінного від ГРБМ), ідентифікованих основним елементом, і захисні значення для щонайменше одного типу метаданих, ідентифікованих основним елементом. Інформаційне (інформаційні) наповнення метаданих сегмента метаданих йдуть за заголовком фрейму, і (у деяких випадках) вкладене в значення основного елемента.
Типові варіанти здійснення даного винаходу включають ефективні метадані границі бо програми в кодованому бітовому аудіопотоці що дозволяють виконати точне й надійне визначення щонайменше однієї границі між послідовними аудіопрограмами, вказаними бітовим потоком. Типові варіанти здійснення забезпечують точне й надійне визначення границі програми в тому сенсі, що вони дозволяють точно визначити границю програми, навіть у тих випадках, коли бітові потоки, що вказують різні програми, змонтовані один з одним (для формування бітового потоку відповідно до винаходу) таким чином, що обрізаний один або обидва змонтованих бітових потоки (і, таким чином, добуті метадані границі програми, які входили щонайменше в один з бітових потоків до монтажу).
У типових варіантах здійснення метадані границі програми у фреймі бітового потоку, відповідно до винаходу, являють собою прапор границі програми, що вказує число фреймів. Як правило, прапор вказує кількість фреймів між поточним фреймом (фреймом, що містить у собі прапор) і границею програми (початком або кінцем поточної аудіопрограми). У деяких переважних варіантах здійснення винаходу прапори границі програми розставляють симетрично, ефективним способом на початку й наприкінці кожного сегмента бітового потоку, що вказує одну програму (тобто у фреймах, що зустрічаються протягом деякого заданого числа фреймів після початку сегмента, і у фреймах, що зустрічаються протягом деякого заданого числа фреймів до кінця сегмента), таким чином, коли два таких сегменти бітового потоку з'єднуються (тобто буде присутня ознака послідовності двох програм), метадані границі програми можуть бути присутніми (наприклад, симетрично) на обох сторонах границі між двома програмами.
Максимальна надійність може бути досягнута за рахунок вставки прапора границі програми в кожний фрейм бітового потоку, що вказує програму, але це зазвичай неможна застосувати на практиці внаслідок відповідного збільшення швидкості даних.
У типових варіантах здійснення прапори границі програми вставляються тільки у вкладений набір фреймів кодованого бітового аудіопотоку (який може вказувати одну аудіопрограму або послідовність аудіопрограм), і коефіцієнт розміщення прапора границі є незростаючою функцією в залежності від збільшення інтервалу між кожним із фреймів бітового потоку (у якому прапор установлений) і границею програми, що ближче до зазначеного фрейму, де «коефіцієнт розміщення прапора границі» є середнім значенням відношення кількості фреймів (що вказують програму), які містять у собі прапори границь програми до числа фреймів (що вказують
Зо програму), які не містять у собі прапор границі програми, де середнє значення є ковзним середнім кількості (наприклад, відносно невеликого числа) послідовних фреймів кодованого бітового аудіопотоку.
Збільшення коефіцієнта розміщення прапора (наприклад, у місцях у бітовому потоці ближче до границі програми) збільшує швидкість даних, необхідну для доставки бітового потоку. Щоб компенсувати це, розмір (кількість біт) кожного вставленого прапора переважно зменшується при збільшенні коефіцієнта розміщення прапора (наприклад, так, що розмір прапора границі програми в "М'-ому фреймі бітового потоку, де М - ціле число, являє собою незростаючу функцію відстані (кількості фреймів) між "М"-м фреймом і найближчою границею програми). У класі варіантів здійснення винаходу коефіцієнт розміщення прапора границі логарифмічно спадає в міру збільшення інтервалу (від кожного місця вставки прапора) до найближчої границі програми, а для кожного фрейму, що містить прапор, що містить у собі один із прапорів, розмір прапора в зазначеному фреймі, що містить прапор, дорівнює або більше, ніж розмір кожного прапора у фреймі, розташованому ближче до найближчої границі програми, ніж зазначений фрейм, що містить прапор. Як правило, розмір кожного прапора визначається зростаючою функцією кількості фреймів від місця вставки прапора до найближчої границі програми.
Наприклад, розглянемо варіант здійснення на фіг. 8 і 9, у якому кожна колонка, позначена номером фрейму (у верхньому ряді), відображає фрейм кодованого бітового аудіопотоку.
Бітовий потік відображає аудіопрограму, що має першу границю програми (що вказує початок програми), що йде відразу ліворуч від колонки, позначеної номером фрейму "17" з лівої сторони на фіг. 9, ї другу границю програми (що вказує кінець програми), що йде відразу праворуч від колонки, позначеної номером фрейму "1" із правої сторони на фіг. 8. Прапори границі програми, включені у фрейми, зображені на фіг. 8, відраховують у зворотному порядку кількість фреймів між поточним фреймом і другою границею програми. Прапори границі програми, включені у фрейми, зображені на фіг. 9, відраховують у прямому порядку кількість фреймів між поточним фреймом і першою границею програми.
У варіанті здійснення згідно з фіг. 8 ії 9 прапор границі програми вставляється тільки в кожний з 2-х фреймів перших Х фреймів кодованого бітового потоку після початку аудіопрограми, що відображається бітовим потоком, і в кожний з "2""-х фреймів (з останніх Х фреймів бітового потоку), які є найближчими до кінця програми, що відображається бітовим бо потоком, де програма містить У фреймів, Х - ціле, що менше або дорівнює У/2, і М - позитивне ціле в діапазоні від 1 до І0д2(Х). У такий спосіб (як показано на фіг. 8 і 9), прапор границі програми вставляється в другий фрейм (М - 1) бітового потоку (найближчий до початку програми фрейм, що містить прапор), у четвертий фрейм (М - 2), у восьмий фрейм (М - 3), і так далі, і у восьмий фрейм від кінця бітового потоку, у четвертий фрейм від кінця бітового потоку, і в другий фрейм від кінця бітового потоку (найближчий до кінця програми фрейм, що містить прапор). У цьому прикладі прапор границі програми в "2""-ому фреймі від початку (або кінця) програми містить Іодг(2"-2) двійкових розрядів, як відображено на фіг. 8 і 9. Таким чином, прапор границі програми в другому фреймі (М - 1) від початку (або кінця) програми містить Іюдг(272) -
Іодг(23) - З двійкових розрядів, і прапор у четвертому фреймі (М - 2) від початку (або кінця) програми містить Іодг(2"2) - Іод2(24) - 4 двійкових розрядів, і так далі.
У прикладі на фіг. 8 ії У формат кожного прапора границі програми є наступним. Кожний прапор границі програми складається з початкового "1"-ного біта, послідовності "0"-вих бітів (або без "0"-го біта або з одним або декількома послідовними "0"-ми бітами) після початкового біта й двохбітного кінцевого коду. Як показано на фіг. 8, кінцевий код становить "11" для прапорів в останніх Х фреймах бітового потоку (фреймах, найближчих до кінця програми). Як показано на фіг. 9, кінцевий код становить "10" для прапорів у перших Х фреймах бітового потоку (фреймах, найближчих до початку програми). Таким чином, для зчитування (декодування) кожного прапора враховується кількість нулів між початковим "1"-им бітом і кінцевим кодом. Якщо кінцевий код визначений як "11", прапор вказує, що між поточним фреймом (фреймом, що містить прапор) і кінцем програми присутні (2-4 - 1) фреймів, де 24 - кількість нулів між початковим "1"-м бітом і кінцевим кодом прапора. Декодер може бути ефективно реалізований для ігнорування першого й останнього біта кожного такого прапора, для визначення інверсії послідовності інших (проміжних) бітів прапора (наприклад, якщо послідовність проміжних бітів являє собою "0001" з "1"-м бітом, що є останнім бітом у послідовності, інвертована послідовність проміжних бітів являє собою "10007 з "1"7-м бітом, що є першим бітом в інвертованій послідовності), і для визначення двійкового значення інвертованої послідовності проміжних бітів в якості індексу поточного фрейму (фрейму, у який включений зазначений прапор) відносно кінця програми. Наприклад, якщо інвертована послідовність проміжних бітів являє собою "1000", ця інвертована послідовність має двійкове значення 27 - 16, і фрейм визначається як 16-й
Зо фрейм перед кінцем програми (як показано в колонці на фіг. 8, що описує фрейм "07).
Якщо кінцевий код визначений як "10", прапор вказує, що між початком програми і поточним фреймом (фреймом, що містить прапор) присутні (24 - 1) фреймів, де 7 - кількість нулів між початковим "1"-им бітом і кінцевим кодом прапора. Декодер може бути ефективно реалізований для ігнорування першого й останнього біта кожного такого прапора, для визначення інверсії послідовності проміжних бітів прапора (наприклад, якщо послідовність проміжних бітів являє собою "0001" з "1"-м бітом, що є останнім бітом у послідовності, інвертована послідовність проміжних бітів являє собою "1000" з "1"-м бітом, що є першим бітом в інвертованій послідовності), і для визначення двійкового значення інвертованої послідовності проміжних бітів в якості індексу поточного фрейму (фрейму, у який включений зазначений прапор) відносно початку програми. Наприклад, якщо інвертована послідовність проміжних бітів являє собою «1000", ця інвертована послідовність має двійкове значення 27 - 16, і фрейм визначається як 16- й фрейм після початку програми (як показано в колонці на фіг. 9, що описує фрейм "327.
У прикладі на фіг. 8 і 9, прапор границі програми присутній тільки в кожному з 72""-х фреймів перших Х фреймів кодованого бітового потоку після початку аудіопрограми, що відображується бітовим потоком, і в кожному з "2М"-х фреймів (з останніх Х фреймів бітового потоку), найближчих до кінця програми, що відображається бітовим потоком, де програма містить У фреймів, Х - ціле, що менше або дорівнює У/2, і М - позитивне ціле в діапазоні від 1 до Іодг(Х).
Включення прапорів границі програми додає тільки середнє значення бітрейта, рівне 1,875 біт/фрейм, до бітрейта, необхідному для передачі бітового потоку без прапорів.
У типовій реалізації варіанта здійснення з фіг. 8 і 9, у якій бітовий потік являє собою кодований бітовий аудіопотік формату АС-3, кожний фрейм містить аудіоконтент і метадані для 1536 семплів цифрового звукозапису. Це представляє 32 мілісекунди цифрового звукозапису або швидкість звукозапису 31,25 фреймів в секунду для частоти дискретизації 48 кГц. Таким чином, у такому варіанті здійснення прапор границі програми у фреймі, відділеному деякою кількістю фреймів (Х" фреймів) від границі програми, указує, що границя виникає через 32Х мілісекунди після кінця фрейму, що містить прапор (або за 32Х мілісекунди перед початком фрейму, що містить прапор).
У типовій реалізації варіанта здійснення з фіг. 8 і 9, у якій бітовий потік являє собою кодований бітовий аудіопотік формату Е-АС-3, кожний фрейм бітового потоку містить 60 аудіоконтент і метадані для 256, 512, 768 або 1536 семплів цифрового звукозапису, залежно від того, чи містить фрейм один, два, три або шість блоків аудіоданих відповідно. Для частоти дискретизації 48 кГц це представляє 5,333, 10,667, 16 або 32 мілісекунди цифрового аудіозапису відповідно або швидкість аудіозапису 189,9, 93,75, 62,5 або 31,25 фреймів у секунду відповідно. Таким чином, у такому варіанті здійснення (за умови, що кожний фрейм представляє 32 мілісекунди цифрового звукозапису) прапор границі програми у фреймі, відділеному деякою кількістю фреймів (Х" фреймів) від границі програми, указує, що границя перебуває за 32Х мілісекунди після кінця фрейму, що містить прапор (або за 32Х мілісекунди перед початком фрейму, що містить прапор).
У деяких варіантах здійснення, в яких границя програми може перебувати усередині фрейму бітового аудіопотоку (тобто, не збігається з початком або кінцем фрейму), метадані границі програми, включені у фрейм бітового потоку, містять число фреймів до границі програми (тобто метадані, що вказують кількість повних фреймів між початком або кінцем фрейму, що містить число фреймів, і границею програми) і деяке значення зсуву. Значення зсуву вказує зсув (зазвичай число семплів) між початком або кінцем фрейму, що містить границю програми, і дійсним положенням границі програми усередині фрейму, що містить границю програми.
Кодований бітовий аудіопотік може відображати послідовність програм (звукових доріжок) відповідної послідовності відеопрограм, і границі таких аудіопрограм, як правило, перебувають на границях відеофреймів, а не на границях аудіофреймів. Також деякі аудіокодеки (наприклад, кодеки формату Е-АС-3 ) використовують розміри аудіофреймів, які не збігаються з відеофреймами. Також у деяких випадках спочатку кодований бітовий аудіопотік піддається перекодуванню для створення перекодованого бітового потоку, і спочатку кодований бітовий потік має розмір фрейму, що відрізняється від розміру фрейму перекодованого бітового потоку, так що границя програми (визначена за спочатку кодованим бітовим потоком) не обов'язково буде перебувати на границі фрейму перекодованого бітового потоку. Наприклад, якщо спочатку кодований бітовий потік (наприклад, бітовий потік ЧЕВ" на фіг. 10) має розмір фрейму, рівний 1536 семплам на фрейм, і перекодований бітовий потік (наприклад, бітовий потік "ТВ" на фіг. 10) має розмір фрейму, рівний 1024 семплам на фрейм, процес перекодування може привести до того, що дійсна границя програми буде перебувати не на границі фрейму перекодованого бітового потоку, а десь у його фреймі (наприклад, 512 семпл у фреймі перекодованого бітового
Зо потоку, як показано на фіг. 10), внаслідок відмінності розмірів фреймів різних кодеків. Варіанти здійснення даного винаходу, у яких метадані границі програми, включені у фрейм кодованого бітового аудіопотоку, містять значення зсуву, а також число фреймів до границі програми, корисні в трьох випадках, відзначених у цьому розділі (а також в інших випадках).
Варіант здійснення, описаний вище з посиланням на фіг. 8 і 9, не містить значення зсуву (наприклад, поле зсуву) у якому-небудь із фреймів кодованого бітового потоку. У різновидах цього варіанта здійснення значення зсуву включається в кожний фрейм кодованого бітового аудіопотоку, що включає прапор границі програми (наприклад, у фреймах, що відповідають фреймам під номерами 0, 8, 12 і 14 на фіг. 8, і фреймах під номерами 18, 20, 24 і 32 на фіг. 9).
У класі варіантів здійснення структура даних (у кожному фреймі кодованого бітового потоку, що містить метадані границі програми відповідно до винаходу) містить значення коду, що вказує, чи містить фрейм тільки число фреймів до границі програми або як число фреймів до границі програми, так і значення зсуву. Наприклад, значення коду може являти собою значення однобітного поля (поле, що згадується тут як "ойбеї ехіб5ї"), значення "ойбеї ехібї - 0 може вказувати на те, що у фрейм не включене значення зсуву, а значення "ойзеї ехібї - 1 може вказувати на те, що у фрейм включене як число фреймів до границі програми, так і значення зсуву.
У деяких варіантах здійснення щонайменше один фрейм кодованого бітового аудіопотоку формату АС-3 або Е-АС-3 містить сегмент метаданих, що містить І РЗМ і метадані границі програми (і факультативно також інші метадані) для аудіопрограми, утвореної бітовим потоком.
Кожний такий сегмент метаданих (який може бути включений у поле адабвзі, або поле допоміжних даних, або сегмент зайвих бітів бітового потоку) містить заголовок фрейму (Її в деяких випадках також додаткові основні елементи), і після заголовка фрейму (або заголовка фрейму й інших основних елементів) сегмент інформаційного наповнення ГРЗМ (або контейнер), що має наступний формат: заголовок, як правило, що включає щонайменше одне ідентифікаційне значення (наприклад, версію формату І РБЗМ, довжину, період, число і асоціативні значення вкладеного потоку даних), і після заголовка, метадані границі програми (які можуть включати число фреймів до границі програми, значення коду (наприклад, значення "ойзеї ехібї!), що вказує, чи містить фрейм бо тільки число фреймів до границі програми або як число фреймів до границі програми, так і значення зсуву, і в деяких випадках значення зсуву) і ГРЗМ. І РЗМ може включати: щонайменше одне значення, що вказує діалог, що вказує одне із двох - відповідні аудіодані мають ознаку діалогу або не мають ознаки діалогу (наприклад, які канали відповідних аудіоданих мають ознаку діалогу). Значення, що вказує діалог, може вказати, чи є присутнім діалог у будь-якій комбінації каналів або у всіх каналах відповідних аудіоданих; щонайменше одне значення дотримання нормативних вимог щодо гучності, що вказує чи відповідають відповідні аудіодані зазначеному пакету нормативних вимог щодо гучності; щонайменше одне значення обробки гучності, що вказує щонайменше один тип обробки гучності, що був виконаний з відповідними аудіоданими; і щонайменше одне значення гучності, що вказує щонайменше одну характеристику гучності (наприклад, пікове або середнє значення гучності) відповідних аудіоданих.
У деяких варіантах здійснення сегмент інформаційного наповнення І Р5М містить значення коду (значення "ойзеї ехізі), що вказує, чи містить фрейм тільки число фреймів до границі програми або як число фреймів до границі програми, так і значення зсуву. Наприклад, в одному такому варіанті здійснення, коли таке значення коду вказує (наприклад, коли оїйв5еї ехіві:- 1), що фрейм містить число фреймів до границі програми й значення зсуву, сегмент інформаційного наповнення ГРОМ може містити значення зсуву, що представляє 11-бітне беззнакове ціле (тобто значення, що має, від 0 до 2048) і яке вказує кількість додаткових аудіосемплів між сигнальною границею фрейму (границею фрейму, що містить границю програми) і дійсною границею програми. Якщо число фреймів до границі програми вказує кількість фреймів (при поточній частоті фреймів) до фрейму, що містить границю програми, точне положення (в одиницях кількості семплів) границі програми (відносно початку або кінця фрейму, що включає сегмент інформаційного наповнення І РЗ5М) буде розраховуватися як:
З - (лічильник фреймів" розмір фрейму) «т зсув, де 5 - кількість семплів до границі програми (від початку або кінця фрейму, що включає сегмент інформаційного наповнення ІРБЗМ), "лічильник фреймів" - число фреймів, що вказується числом фреймів до границі програми, "розмір фрейму - кількість семплів на фрейм, і "зсув" - кількість семплів, що вказується значенням зсуву.
Деякі варіанти здійснення, у яких коефіцієнт розміщення прапорів границі програми
Зо збільшується біля дійсної границі програми, реалізують правило, що полягає в тому, що значення зсуву ніколи не включається у фрейм, якщо фрейм відстоїть від фрейму, що включає границю програми, на число фреймів, яке менше або дорівнює деякому числу ("У"). Як правило,
У 32. Для кодера формату Е-АС-3, що реалізує це правило (з У - 32), кодер ніколи не вставляє значення зсуву в кінцеву секунду аудіопрограми. У цьому випадку приймаючий пристрій відповідає за організацію таймера й, таким чином, виконання свого власного обчислення (у відповідь на метадані границі програми, включаючи значення зсуву, у фреймі кодованого бітового потоку, що відстоїть від фрейму, що містить границю програми, на більш, ніж У фреймів).
Для програм, чиї аудіопрограми відомі як "співпадаючі за фреймами" з відеофреймами відповідних відеопрограм (наприклад, звичайної передачі у вигляді кодованого звукозапису у форматі Роїіру Е), буде зайвим включати значення зсуву в кодовані бітові потоки, що вказують аудіопрограми. Таким чином, значення зсуву, як правило, не будуть включатися в такі кодовані бітові потоки.
З посиланням до фіг. 11, далі розглянемо випадки, у яких кодовані бітові аудіопотоки монтуються разом, щоб створювати варіант здійснення бітового аудіопотоку відповідно до винаходу.
Бітовий потік угорі фіг. 11 (підписаний як "Сценарій 1") вказує всю першу аудіопрограму (РІ), що включає метадані границі програми (прапори границі програми, Е), за якою йде вся друга аудіопрограма (Рг), що також включає метадані границі програми (прапори границі програми,
Е). Прапори границі програми в кінцевій частині першої програми (деякі з яких показані на фіг. 11) такі ж або схожі на ті, які описані з посиланням на фіг. 8, і визначають положення границі між двома програмами (тобто границі на початку другої програми). Прапори границі програми в початковій частині другої програми (деякі з яких показані на фіг. 11) такі ж або схожі на ті, які описані з посиланням на фіг. 9, і вони також визначають положення границі. У типових варіантах здійснення кодер або декодер реалізує таймер (калібрований прапорами в першій програмі), що відраховує у зворотному порядку до границі програми, і той же таймер (калібрований прапорами в другій програмі) відраховує в прямому порядку від тієї ж границі програми. Як показано на графіку таймера границі в сценарії 1 на фіг. 11, такий відлік таймера у зворотному порядку (калібрований прапорами в першій програмі) досягає нуля на границі, і бо відлік таймера в прямому порядку (калібрований прапорами в другій програмі) відображає те ж
Зо положення границі.
Другий зверху бітовий потік фіг. 11 (підписаний як "Сценарій 2") вказує всю першу аудіопрограму (Р1), що включає метадані границі програми (прапори границі програми, РЕ), за якою йде вся друга аудіопрограма (Рг), що не включає метадані границі програми. Прапори границі програми в кінцевій частині першої програми (деякі з яких показані на фіг. 11) такі ж або схожі на ті, які описані з посиланням на фіг. 8, і визначають положення границі між двома програмами (тобто границі на початку другої програми), так само, як у сценарії 1. У типових варіантах здійснення кодер або декодер реалізує таймер (калібрований прапорами в першій програмі), що відраховує у зворотному порядку до границі програми, і той же таймер (далі без калібрування) продовжує відлік у прямому напрямку від границі програми (як показано на графіку таймера границі в сценарії 2 на фіг. 11).
Третій зверху бітовий потік фіг. 11 (підписаний як "Сценарій 3") вказує обрізану першу аудіопрограму (РІ), що включає метадані границі програми (прапори границі програми, БЕ), і яка змонтована з усією другою аудіопрограмою (Рг), що також включає метадані границі програми (прапори границі програми, Е). Монтаж видалив останні "М" фреймів першої програми. Прапори границі програми в початковій частині другої програми (деякі з яких показані на фіг. 11) такі ж або схожі на ті, які описані з посиланням на фіг. 9, і вони визначають положення границі (монтажу) між обрізаною першою програмою й всією другою програмою. У типових варіантах здійснення кодер або декодер реалізує таймер (калібрований прапорами в першій програмі), що відраховує у зворотному порядку до кінця необрізаної програми, і той же таймер (калібрований прапорами в другій програмі) відраховує в прямому порядку від початку другої програми. У сценарії З початок другої програми є границею програми. Як показано на графіку таймера границі в сценарії З на фіг. 11, такий відлік таймера у зворотному порядку (калібрований метаданими границі програми в першій програмі) скидається (у відповідь на метадані границі програми в другій програмі) перед тим, як він досягне нуля (у відповідь на метадані границі програми в першій програмі). Таким чином, хоча обрізання першої програми (за рахунок монтажу) перешкоджає визначенню таймером границі програми між обрізаною першою програмою й початком другої програми у відповідь на (тобто при калібруванні ними) метадані границі програми тільки в першій програмі, метадані програми в другій програмі скидають
Зо таймер, так що таймер зі скиданням коректно вказує (в якості положення, що відповідає "нульовому" відліку таймера зі скиданням) положення границі програми між обрізаною першою програмою й початком другої програми.
Четвертий бітовий потік (підписаний як "Сценарій 4") відображає обрізану першу аудіопрограму (Р1), що включає метадані границі програми (прапори границі програми, Б), і обрізану другу аудіопрограму (Р2), що включає метадані границі програми (прапори границі програми, РЕ) і яка була змонтована із частиною (необрізаною частиною) першої аудіопрограми.
Прапори границі програми в початковій частині всієї (попереднє обрізання) другої програми (деякі з яких показані на фіг. 11) такі ж або схожі на ті, які описані з посиланням на фіг. 9, і прапори границі програми в кінцевій частині всієї (попереднє обрізання) першої програми (деякі з яких показані на фіг. 11) такі ж або схожі на ті, які описані з посиланням на фіг. 8. Монтаж видалив останні "М" фреймів першої програми (і, таким чином, деякі із прапорів границі програми, які перебували там перед монтажем) і перші "М" фреймів другої програми (і, таким чином, деякі із прапорів границі програми, які перебували в них перед монтажем). У типових варіантах здійснення кодер або декодер реалізує таймер (калібрований прапорами в обрізаній першій програмі), що відраховує у зворотному порядку до кінця необрізаної програми, і той же таймер (калібрований прапорами в обрізаній другій програмі) відраховує в прямому порядку від початку необрізаної другої програми. Як показано на графіку таймера границі в сценарії 4 на фіг. 11, такий відлік таймера у зворотному порядку (калібрований метаданими границі програми в першій програмі) скидається (у відповідь на метадані границі програми в другій програмі) перед тим, як він досягне нуля (у відповідь на метадані границі програми в першій програмі).
Обрізання першої програми (за рахунок монтажу) запобігає визначенню таймером границі програми між обрізаною першою програмою й початком обрізаної другої програми у відповідь на (тобто при калібрування ними) метадані границі програми тільки в першій програмі. Однак таймер зі скиданням коректно не вказує положення границі програми між кінцем обрізаної першої програми й початком обрізаної другої програми. Таким чином, обрізання обох змонтованих бітових потоків може перешкоджати точному визначенню границі між ними.
Варіанти здійснення даного винаходу можуть бути реалізовані на апаратних, програмних, програмно-апаратному рівнях або їхніх комбінаціях (наприклад, у вигляді програмованої логічної матриці). Якщо не зазначено інше, алгоритми або процеси, включені як частина бо винаходу, по своїй суті, не пов'язані з будь-яким конкретним комп'ютером або іншим пристроєм.
Зокрема, різні машини загального застосування можуть бути використані із програмами, написаними відповідно до описаних в даному документі ідей, або більше зручним може бути створення більш спеціалізованого пристрою (наприклад, інтегральних схем) для здійснення необхідних етапів способу. Таким чином, винахід може бути реалізований в одній або декількох комп'ютерних програмах, виконуваних на одній або декількох програмованих комп'ютерних системах (наприклад, реалізації кожного з елементів, зображених на фіг. 1, або кодера 100, зображеного на фіг. 2, (або його елементи), або декодера 200, зображеного на фіг. 3, (або його елементу), або постпроцесора 300, зображеного на фіг. 3, (або його елементу), кожна з яких містить щонайменше один процесор, щонайменше одну систему зберігання даних (що містить постійний запам'ятовувальний й тимчасовий запам'ятовувальний пристрій і/або запам'ятовувальні елементи), щонайменше один пристрій введення й щонайменше один пристрій виведення або порт. Програмний код застосовується до вхідних даних для здійснення функцій, описаних у даному документі й генерування вихідної інформації. Вихідна інформація застосовується до одного або декількох вихідним пристроїв відомим образом.
Кожна така програма може бути реалізована на будь-якій бажаній мові програмування (включаючи машинну мову, мову асемблера, або вискорівневу процедурну мову, мову логіки, або об'єктно-орієнтовану мову програмування) для взаємодії з комп'ютерною системою. У будь- якому разі мова може являти собою трансльовану або інтерпретовувану мову.
Наприклад, при реалізації за допомогою послідовностей інструкцій комп'ютерного програмного забезпечення, різні функції й етапи варіантів здійснення винаходу можуть бути реалізовані за допомогою баготопоточних послідовностей інструкцій програмного забезпечення, виконуваних на придатному апаратному забезпеченні для цифрової обробки сигналів, на випадок чого різні пристрої, етапи й функції варіантів здійснення можуть відповідати частинам програмних інструкцій.
Кожна така комп'ютерна програма переважно зберігається або завантажується в носій або пристрій зберігання даних (наприклад, твердотільну пам'ять або носій, або магнітний або оптичний носій), що читається програмованим комп'ютером загального або спеціального призначення, для конфігурування й керування комп'ютером, коли носій або пристрій зберігання даних зчитується комп'ютерною системою для здійснення процедур, описаних у даному документі. Система відповідно до винаходу також може бути реалізована як машинопрочитуваний носій даних, сконфігурований (тобто що зберігає) комп'ютерною програмою, де носій даних, сконфігурований таким чином, змушує комп'ютерну систему працювати певним і попередньо заданим чином, щоб здійснювати функції, описані в даному документі.
Була описана деякий кількість варіантів здійснення винаходу. Проте, варто розуміти, що без відступу від сутності й обсягу даного винаходу можуть бути виконані різні модифікації. У світлі вищевикладених ідей можливі численні модифікації й варіанти даного винаходу. Варто розуміти, що в межах обсягу прикладеної формули винаходу, винахід може бути здійснений інакше, ніж конкретно описано тут.

Claims (27)

ФОРМУЛА ВИНАХОДУ
1. Блок обробки звукового сигналу, що містить: буферний запам'ятовувальний пристрій для зберігання щонайменше одного фрейму кодованого бітового аудіопотоку, при цьому кодований бітовий аудіопотік містить аудіодані та контейнер метаданих, причому контейнер метаданих включає заголовок, одне або кілька інформаційних наповнень метаданих і захисні дані; аудіодекодер, з'єднаний з буферним запам'ятовувальним пристроєм, призначений для декодування аудіоданих; і синтаксичний аналізатор, з'єднаний з аудіокодером або інтегрований у нього й призначений для виконання синтаксичного аналізу кодованого бітового аудіопотоку, причому заголовок містить синхрослово, що ідентифікує початок контейнера метаданих, одне або кілька інформаційних наповнень метаданих описують аудіопрограму, пов'язану з аудіоданими, захисні дані розташовані після одного або декількох інформаційних наповнень метаданих, і захисні дані мають можливість бути використаними для перевірки цілісності контейнера метаданих і одного або декількох інформаційних наповнень у контейнері метаданих.
2. Блок обробки звукового сигналу за п. 1, який відрізняється тим, що контейнер метаданих зберігається в зарезервованому просторі даних АС-3 або Е-АС-3, який вибраний з групи, що 60 складається з поля ігнорованих даних, поля допоміжних даних, поля адарбзві і їхньої комбінації.
3. Блок обробки звукового сигналу за п. 1 або 2, який відрізняється тим, що одне або кілька інформаційних наповнень метаданих містять метадані, що вказують щонайменше одну границю між послідовними аудіопрограмами.
4. Блок обробки звукового сигналу за п. 1 або 2, який відрізняється тим, що одне або кілька інформаційних наповнень метаданих містять інформаційне наповнення гучності програми, що містить дані, які показують виміряну гучність аудіопрограми.
5. Блок обробки звукового сигналу за п. 4, який відрізняється тим, що інформаційне наповнення гучності програми містить поле, що вказує, чи містить аудіоканал розмовний діалог.
б. Блок обробки звукового сигналу за п. 4, який відрізняється тим, що інформаційне наповнення гучності програми містить поле, що вказує спосіб вимірювання гучності, який був використаний для формування даних про гучність, включених в інформаційне наповнення гучності програми.
7. Блок обробки звукового сигналу за п. 4, який відрізняється тим, що інформаційне наповнення гучності програми містить поле, що вказує, чи була скоректована гучність аудіопрограми за допомогою стробування діалогу.
8. Блок обробки звукового сигналу за п. 4, який відрізняється тим, що інформаційне наповнення гучності програми включає поле, що вказує, чи була скоректована гучність аудіопрограми за допомогою операції нескінченної прогнозної корекції гучності або за допомогою операції файлової корекції гучності.
9. Блок обробки звукового сигналу за п. 4, який відрізняється тим, що інформаційне наповнення гучності програми включає поле, що вказує інтегральну гучність аудіопрограми без будь-яких коректувань посилення, викликаних стисненням динамічного діапазону.
10. Блок обробки звукового сигналу за п. 4, який відрізняється тим, що інформаційне наповнення гучності програми включає поле, що вказує інтегральну гучність аудіопрограми без будь-яких коректувань посилення, викликаних нормалізацією діалогу.
11. Блок обробки звукового сигналу за п. 4, який відрізняється тим, що виконаний з можливістю здійснення адаптивної обробки гучності за допомогою інформаційного наповнення гучності програми.
12. Блок обробки звукового сигналу за будь-яким із пп. 1-11, який відрізняється тим, що Зо кодований бітовий аудіопотік є бітовим потоком формату АС-3 або бітовим потоком формату Е- АС-3.
13. Блок обробки звукового сигналу за будь-яким із пп. 4-11, який відрізняється тим, що виконаний з можливістю добування інформаційного наповнення гучності програми з кодованого бітового аудіопотоку, а також перевірки дійсності або перевірки правильності інформаційного наповнення гучності програми.
14. Блок обробки звукового сигналу за будь-яким із пп. 1-13, який відрізняється тим, що одне або декілька інформаційних наповнень метаданих включають унікальний ідентифікатор інформаційного наповнення, причому унікальний ідентифікатор інформаційного наповнення розташований на початку кожного інформаційного наповнення метаданих.
15. Блок обробки звукового сигналу за будь-яким із пп. 1-13, який відрізняється тим, що синхрослово є 16-бітовим синхрословом, що має значення Ох5838.
16. Спосіб декодування кодованого бітового аудіопотоку, який включає: отримання кодованого бітового аудіопотоку, при цьому кодований бітовий аудіопотік сегментований на один або декілька фреймів; добування аудіоданих і контейнера метаданих з кодованого бітового аудіопотоку, причому контейнер метаданих включає заголовок з наступними одним або декількома інформаційними наповненнями метаданих з наступними захисними даними; і перевірку цілісності контейнера та одного або декількох інформаційних наповнень метаданих шляхом застосування захисних даних, причому одне або декілька інформаційних наповнень метаданих включають інформаційне наповнення гучності програми, що містить дані, які вказують виміряну гучність аудіопрограми, пов'язаної з аудіоданими.
17. Спосіб за п. 16, який відрізняється тим, що кодований бітовий потік є бітовим потоком формату АС-3 або бітовим потоком формату Е-АС-3.
18. Спосіб за п. 16, який відрізняється тим, що додатково включає: виконання адаптивної обробки гучності аудіоданих, добутих з кодованого бітового аудіопотоку, за допомогою інформаційного наповнення гучності програми.
19. Спосіб за п. 16, який відрізняється тим, що контейнер розташовують в і добувають із зарезервованого простору даних АС-3 або Е-АС-3, який вибраний із групи, що складається з 60 поля ігнорованих даних, поля допоміжних даних, поля адарбзві і їхньої комбінації.
20. Спосіб за п. 16, який відрізняється тим, що інформаційне наповнення гучності програми включає поле, що вказує, чи містить аудіоканал розмовний діалог.
21. Спосіб за п. 16, який відрізняється тим, що інформаційне наповнення гучності програми включає поле, що вказує спосіб вимірювання гучності, який був використаний для формування даних гучності, включених в інформаційне наповнення гучності програми.
22. Спосіб за п. 16, який відрізняється тим, що інформаційне наповнення гучності програми включає поле, що вказує, чи була скоректована гучність аудіопрограми за допомогою стробування діалогу.
23. Спосіб за п. 16, який відрізняється тим, що інформаційне наповнення гучності програми включає поле, що вказує, чи була скоректована гучність аудіопрограми за допомогою операції нескінченної прогнозної корекції або за допомогою операції файлової корекції гучності.
24. Спосіб за п. 16, який відрізняється тим, що інформаційне наповнення гучності програми включає поле, що вказує інтегральну гучність аудіопрограми без будь-яких коректувань посилення внаслідок стиснення динамічного діапазону.
25. Спосіб за п. 16, який відрізняється тим, що інформаційне наповнення гучності програми включає поле, що вказує інтегральну гучність аудіопрограми без будь-яких коректувань посилення, викликаних нормалізацією діалогу.
26. Спосіб за п. 16, який відрізняється тим, що контейнер метаданих включає метадані, що вказують щонайменше одну границю між послідовними аудіопрограмами.
27. Спосіб за п. 16, який відрізняється тим, що контейнер метаданих зберігають в одному або декількох полях ігнорованих даних або сегментах зайвих бітів фрейму. ренту Я | Щ- р рн рт сна Препроцесор | о Кодер те хорекщія. Трансконер р Лекожев я Построцесор | ня Н , | метаданих. гелі ; Мого конання
Фіг. 1 Е сАШОВМ і нн т І ; пут Аудівчані Що В | і ! Декодер ШО тов, То г НВ, ! ; М поему Мт бодовзвий шин НН | ок Е мох нні Колер Дня, щи «і рубер Н-- мих, пови | : з Буфер І ГУчНнОоСт зпа і Н ' Щ аєдшівнцоМко її осеесесессома щі -- 50 Н Н І і МЕМ 1 кн | тн | ! - : прп: З Формувца | Й Н метадані У пеня) мераданих. - тт ік. й Е аудіодсних | і і і ТП китось джу а ; сп 0 ши ши Іван рови -- - нн ши і гучнаси ; ЛИН сни Н і Деколер вн ву нини ин я Никнн Б ою - Цільова гучність користувача Інли метадані Кодер зцачевня динамічного дійпазову
Фіг. 2 р сн тк тк яю не что зх он ото Зх об чек я об ян оо р ТМ ох жо ях ох чо зок их че же ож ню жк КН -к Н Інші метадані Й репост ІЗ З САНЯ І сич пух чжкК Кк жжА КК АЖ ЖАКА КК АЖ КАК КАК КАКК КК жк ю кн оК ЖжАЖ кА кАЖнх ух: Колованнії і Дт ню 2 ве ІЙ " " і Й « ЗО З вхІдДнНИ ; ддннестксннсннко ння хЗкннкод екон лудюдан : ! реннннноконя ! пітовий і р, т. ; ЕД ї Я зудіопозік мих зни Буфер Е; Декодер нтідтнятиятттнтя 3 х Буфер Ге З й ! ї ! Н ; ї : і ; І: р я і і | й жилетки ! і і г! гокгооодогосооо сою фровсоеоссюстсдюсоогосовсоюогосоюосогов | Кеюсесеосвонососв о ооєюгесоссвогаювегювюсеюедосе ; Н І : г Містидані ставу | Е | ; і З і вні ; рі . ФЕМ) і. і у ;
ак. 1 ЕОВОЩ-- : і щ- і Ін ЧЕ МЕ роту ; ча ще: ; жі рнпнннннх ; » Е ро МПеостпроцесор 3 ц м ПВазідитор стану! | ї Формувач Н і ; НО Свннузксичний вк одепитаниу О 3 Тиептс ув фен З й і о ауліцяйних фе керуючих СВУ ува ! ; і аналізатор | Й Н Керування у | : Я Н : Н ІЧ "деітілекттктефінтттттснтй, Хелен У Н Її Її і і нн п КО ! і І і шли днк хню ск мно трхо ня М жк Мая АЖ Мих сю миЖю АКА схо Мо Коня КА МКК чл КА МАК сля мае АКА чн Мо люк ння, КА сл плн, Кк ИН: й ка ван Деколер Що
Фіг. З фаснтеттттютттттттттне тт отттеметто то ткнтттеовоттоттненн Фрейм нон ние нн нн нн Фіг 4 перен про и ан Ж поки пи шини не поданих пк поки яд МА пюгюстнн Та зрена 14 ІЗ- ; ще Ак М х й у я іл; за: 415 ничих
Я. ЗБ БЗІ АВО ПКУ АВТ У; АВ СУМ КАВУ ОМ АВЯ ЛМО АВМ АЮХ ОСНОВ як ри полей, я Пенн пен р. в діння ши НН я ще дення ва сооеосогуоссовтсвсчстрсюті КОДАК яклемлиюлеючнчнте соту ІЙ че пи ли Пи ПИ ПИ Ба СО І ГА МОНМ МИНА сек ВАС МОКМХ СИ; ще | ВОЗОЗН о асо б у у У Ж Е от ся
А .
Фіг. 5 Фіг. б
Фіг. 7 Під дв дщо ацо дпа вщя вх ВЕ ДОЩ . ЗВ ОБО івіл одного ло шести з АБО, АБИ, АБО, АБ АБВА. АБУ ОАРАНХ РЕ СНОСЯ со соми пнжктужжжння я - зх и ре: у з 17 Ку г |; . Н мі ях КУ я В ї Е м. : ч - я є я Фреймів ло гранині на НЕ Не М Н Р . ВР -5 і -7 я Шк м ЕШШе | -К 15 нн п в п нн пн нн п п п п п в в в нн п п п п В в Зміст прапору Ні о | й | гу | З і НІ і ВІ про | В. бори ЕН 7 о І 314 Е п ІВ . : і і транині програми і | і Н і Н і Н : і Е і і ; Я Й А пи ши и ПО Во о Я по о ВО ши ши Нажяність І С А КУ ТБ аро гої о ! 11818 і : пон нетиповим З вав чи нин питні вини мин нан митннннн плажатхим зверни нини пининоння мине пев шини зишивчи житя шини Лічнльних фреймів 1001-81 | | І З ові Ї І сен то | й поко Ви ВИНО НАМ СИНИ Пи ЗИ ЗК МН ЗА п вн п ПКС Зх ЗИ Кен ин Яких по 1плік в прямому 4 Ї 7 і 41 Н Н ЩІ : Відлік з прямому Н ! : Н І і и Н Н 5 і ї х порядку (317 і Н Н і і Н і Н звопотвому порядку ї Н ї ; і Н : | ; Сантаксис прапору границі програми, що відраховується в зворотному порядку до гравці програма ще
Фіг. 5 шия нн нн - й песоуннся рми ними нииш ник ники пестсеттстюст, Г Ме фрейму В | й Н 18 З а 5 З 7 813 І то ій н Її ПОШИ І 14 ї15 винна нн и нн нн и и м нн п пн м п п м В п Фреймів де траннцй З Б ТР 13 5 З й 7 й БЮ РЕ Ра ря в ї5 Звмісз прапору Віа тю | вони о З ОКО; о Ї НН ШУ і ЕН б й НН: Е ; ке Н Н і ї І І Н границі програми З і і і ! ' і і ї у: З Н У з 5 пиши ши ши шшн пекан нн ння - смегефєєх пат Іі а одн» - лих сис ; Наявність ДИ ОК а б р 1 сіро оо Кі сссхз НН М ШІ М ВІ М Відлік в прямому К а 1 їй ІН і і і НІ порядку (г) і і і ! Я ' І Синтаксис прапору границі програми, що віпраховується в прямому порчику для початку програми
Фіг. 9 Границя Розмір фрейму: 1535 ен в в и а п шини ПЕТ ГЕ ТЕТ АГАТ пен нн нн нн нн нн нини нн вн нн нн нн нн мн ни нн нн нн вн он нин нин нн ння пп попе БАГАТАТА Розмір фрейму: ЗОЛЯ ! Дійсна гравиця, 512 семи у фрейм ен нн Фннн нн Фіг 10
Сненарій 1 РІ 1 РО мають прапори Програма | (ЕЕ Програма ЗР, КЕ Е сни и и ни я Е К меж й Пи Танмер границі х п гри Й ше БЕК мм вно сум мам мах ом ем м мех яке хеме лк ЗМ ноу; ЧУ Ми ММА се ЗМг Мем Фх У ЗКУХ гам дум. Ме лм (Калібрований ї55 пи прапорами, ГЕ) п Єненарій 2: тільки РІ має прапори Програма | (РІ) Програма З (РІ Е КЕ Б ЖБЕ Таймер границі п срж й ля дклжнкх аа (Капіброваннй К5)-- нн нн: і прапорами, Е| п п Спенарій 3: Кінець РІ змонтований Програма | (РІ Програма 2 (РО) ! , ши ЩО Таймер границі пн (Калібрований см сх он ж жи нн ж т п о о оон нини прапорами, Е) п Сценарні 4: Кінець РІ. початок РО змонтовані Програма І (РІ Програма 2 (Р2) к чн п Таймерграниці Пан уттяя ау ИН сх кома я (Калібрований - ПУ дент пику прапорами, Е) пи ЧИ понти де а
Фіг.
UAA201503505A 2013-01-21 2014-01-15 Аудіокодер і аудіодекодер з метаданими гучності та границі програми UA112249C2 (uk)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361754882P 2013-01-21 2013-01-21
US201361824010P 2013-05-16 2013-05-16
PCT/US2014/011672 WO2014113465A1 (en) 2013-01-21 2014-01-15 Audio encoder and decoder with program loudness and boundary metadata

Publications (1)

Publication Number Publication Date
UA112249C2 true UA112249C2 (uk) 2016-08-10

Family

ID=51210033

Family Applications (3)

Application Number Title Priority Date Filing Date
UAA201606020A UA122050C2 (uk) 2013-01-21 2014-01-15 Аудіокодер і аудіодекодер з метаданими гучності та границі програми
UAA201606019A UA122560C2 (uk) 2013-01-21 2014-01-15 Аудіокодер і аудіодекодер з метаданими гучності та границі програми
UAA201503505A UA112249C2 (uk) 2013-01-21 2014-01-15 Аудіокодер і аудіодекодер з метаданими гучності та границі програми

Family Applications Before (2)

Application Number Title Priority Date Filing Date
UAA201606020A UA122050C2 (uk) 2013-01-21 2014-01-15 Аудіокодер і аудіодекодер з метаданими гучності та границі програми
UAA201606019A UA122560C2 (uk) 2013-01-21 2014-01-15 Аудіокодер і аудіодекодер з метаданими гучності та границі програми

Country Status (22)

Country Link
US (6) US9916838B2 (uk)
EP (3) EP2901449B1 (uk)
JP (9) JP6212565B2 (uk)
KR (8) KR102158002B1 (uk)
CN (2) CN104737228B (uk)
AU (1) AU2014207590B2 (uk)
BR (5) BR122016011963B1 (uk)
CA (1) CA2888350C (uk)
DK (1) DK2901449T3 (uk)
ES (4) ES2843744T3 (uk)
HK (3) HK1212091A1 (uk)
HU (1) HUE036119T2 (uk)
IL (9) IL287218B (uk)
MX (6) MX2018006149A (uk)
MY (2) MY193854A (uk)
PL (1) PL2901449T3 (uk)
RU (3) RU2713609C2 (uk)
SG (2) SG11201502405RA (uk)
TR (1) TR201802631T4 (uk)
TW (9) TWI611395B (uk)
UA (3) UA122050C2 (uk)
WO (1) WO2014113465A1 (uk)

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2783366B1 (en) * 2011-11-22 2015-09-16 Dolby Laboratories Licensing Corporation Method and system for generating an audio metadata quality score
US9570090B2 (en) * 2015-05-26 2017-02-14 Google Inc. Dialog system with automatic reactivation of speech acquiring mode
TWM487509U (zh) 2013-06-19 2014-10-01 杜比實驗室特許公司 音訊處理設備及電子裝置
WO2015038475A1 (en) 2013-09-12 2015-03-19 Dolby Laboratories Licensing Corporation Dynamic range control for a wide variety of playback environments
US9349378B2 (en) 2013-11-19 2016-05-24 Dolby Laboratories Licensing Corporation Haptic signal synthesis and transport in a bit stream
EP2879131A1 (en) * 2013-11-27 2015-06-03 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Decoder, encoder and method for informed loudness estimation in object-based audio coding systems
US9621963B2 (en) 2014-01-28 2017-04-11 Dolby Laboratories Licensing Corporation Enabling delivery and synchronization of auxiliary content associated with multimedia data using essence-and-version identifier
US10063207B2 (en) 2014-02-27 2018-08-28 Dts, Inc. Object-based audio loudness management
PT3149955T (pt) 2014-05-28 2019-08-05 Fraunhofer Ges Forschung Processador de dados e transporte de dados de controlo do utilizador para descodificadores e renderizadores de áudio
US10109285B2 (en) * 2014-09-08 2018-10-23 Sony Corporation Coding device and method, decoding device and method, and program
EP4372746A2 (en) * 2014-10-10 2024-05-22 Dolby Laboratories Licensing Corporation Transmission-agnostic presentation-based program loudness
US9584911B2 (en) * 2015-03-27 2017-02-28 Cirrus Logic, Inc. Multichip dynamic range enhancement (DRE) audio processing methods and apparatuses
PL3311379T3 (pl) * 2015-06-17 2023-03-20 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Kontrola głośności dla interaktywności użytkownika w systemach kodowania audio
US9837086B2 (en) * 2015-07-31 2017-12-05 Apple Inc. Encoded audio extended metadata-based dynamic range control
US10140822B2 (en) 2015-08-05 2018-11-27 Dolby Laboratories Licensing Corporation Low bit rate parametric encoding and transport of haptic-tactile signals
US9590580B1 (en) 2015-09-13 2017-03-07 Guoguang Electric Company Limited Loudness-based audio-signal compensation
US10341770B2 (en) * 2015-09-30 2019-07-02 Apple Inc. Encoded audio metadata-based loudness equalization and dynamic equalization during DRC
US10007713B2 (en) * 2015-10-15 2018-06-26 Disney Enterprises, Inc. Metadata extraction and management
US10594689B1 (en) 2015-12-04 2020-03-17 Digimarc Corporation Robust encoding of machine readable information in host objects and biometrics, and associated decoding and authentication
US10573324B2 (en) 2016-02-24 2020-02-25 Dolby International Ab Method and system for bit reservoir control in case of varying metadata
US10015612B2 (en) * 2016-05-25 2018-07-03 Dolby Laboratories Licensing Corporation Measurement, verification and correction of time alignment of multiple audio channels and associated metadata
US10210881B2 (en) * 2016-09-16 2019-02-19 Nokia Technologies Oy Protected extended playback mode
CA3049729C (en) 2017-01-10 2023-09-05 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Audio decoder, audio encoder, method for providing a decoded audio signal, method for providing an encoded audio signal, audio stream, audio stream provider and computer program using a stream identifier
US10354667B2 (en) 2017-03-22 2019-07-16 Immersion Networks, Inc. System and method for processing audio data
US10878879B2 (en) * 2017-06-21 2020-12-29 Mediatek Inc. Refresh control method for memory system to perform refresh action on all memory banks of the memory system within refresh window
US10943573B2 (en) * 2018-05-17 2021-03-09 Mediatek Inc. Audio output monitoring for failure detection of warning sound playback
CN110945494B (zh) 2017-07-28 2024-06-21 杜比实验室特许公司 向客户端提供媒体内容的方法和***
CN114898761A (zh) * 2017-08-10 2022-08-12 华为技术有限公司 立体声信号编解码方法及装置
US11895369B2 (en) 2017-08-28 2024-02-06 Dolby Laboratories Licensing Corporation Media-aware navigation metadata
JP7274492B2 (ja) 2018-02-22 2023-05-16 ドルビー・インターナショナル・アーベー パケット化メディアストリームのサイドロード処理のための方法、機器、およびシステム
US10937434B2 (en) * 2018-05-17 2021-03-02 Mediatek Inc. Audio output monitoring for failure detection of warning sound playback
EP4220639A1 (en) * 2018-10-26 2023-08-02 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Directional loudness map based audio processing
WO2020185025A1 (ko) * 2019-03-14 2020-09-17 가우디오랩 주식회사 라우드니스 레벨을 제어하는 오디오 신호 처리 방법 및 장치
EP4014506B1 (en) 2019-08-15 2023-01-11 Dolby International AB Methods and devices for generation and processing of modified audio bitstreams
JPWO2021085252A1 (uk) 2019-10-30 2021-05-06
US11922532B2 (en) 2020-01-15 2024-03-05 Digimarc Corporation System for mitigating the problem of deepfake media content using watermarking
CN115280791A (zh) * 2020-03-11 2022-11-01 字节跳动有限公司 数字媒体完整性的指示
US11315581B1 (en) * 2020-08-17 2022-04-26 Amazon Technologies, Inc. Encoding audio metadata in an audio frame
CN115292545B (zh) * 2022-10-08 2022-12-20 腾讯科技（深圳）有限公司 一种音频数据处理方法、装置、设备以及可读存储介质
WO2024081785A1 (en) * 2022-10-12 2024-04-18 Sameer Kumar Digital audio measurement systems and method

Family Cites Families (92)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5632005A (en) 1991-01-08 1997-05-20 Ray Milton Dolby Encoder/decoder for multidimensional sound fields
AU653582B2 (en) 1991-01-08 1994-10-06 Dolby Laboratories Licensing Corporation Encoder/decoder for multidimensional sound fields
KR0152037B1 (ko) 1994-09-27 1998-11-02 김광호 다채널 오디오신호의 전송 비트열구조
US5727119A (en) 1995-03-27 1998-03-10 Dolby Laboratories Licensing Corporation Method and apparatus for efficient implementation of single-sideband filter banks providing accurate measures of spectral magnitude and phase
US7224819B2 (en) 1995-05-08 2007-05-29 Digimarc Corporation Integrating digital watermarks in multimedia content
US6446037B1 (en) * 1999-08-09 2002-09-03 Dolby Laboratories Licensing Corporation Scalable coding method for high quality audio
GB2373975B (en) 2001-03-30 2005-04-13 Sony Uk Ltd Digital audio signal processing
US6807528B1 (en) * 2001-05-08 2004-10-19 Dolby Laboratories Licensing Corporation Adding data to a compressed data frame
US7072477B1 (en) 2002-07-09 2006-07-04 Apple Computer, Inc. Method and apparatus for automatically normalizing a perceived volume level in a digitally encoded file
US7454331B2 (en) * 2002-08-30 2008-11-18 Dolby Laboratories Licensing Corporation Controlling loudness of speech in signals that contain speech and other types of audio material
US8301884B2 (en) * 2002-09-16 2012-10-30 Samsung Electronics Co., Ltd. Method of managing metadata
KR100860984B1 (ko) * 2002-10-15 2008-09-30 삼성전자주식회사 메타데이터 관리 방법
US8979655B2 (en) * 2002-12-10 2015-03-17 Ol2, Inc. System and method for securely hosting applications
CN100583239C (zh) * 2003-02-28 2010-01-20 松下电器产业株式会社 再生装置及再生方法
CN100474907C (zh) * 2003-06-18 2009-04-01 汤姆森特许公司 在电影胶片上记录数据的装置
US7509255B2 (en) 2003-10-03 2009-03-24 Victor Company Of Japan, Limited Apparatuses for adaptively controlling processing of speech signal and adaptively communicating speech in accordance with conditions of transmitting apparatus side and radio wave and methods thereof
CN1910915A (zh) 2004-01-08 2007-02-07 皇家飞利浦电子股份有限公司 在个人视频记录装置中对节目边界进行标记
US8131134B2 (en) 2004-04-14 2012-03-06 Microsoft Corporation Digital media universal elementary stream
DE602005023997D1 (de) 2004-06-21 2010-11-18 Mitsubishi Electric Corp Codierungseinrichtung für bewegliche bilder, aufzeichnungseinrichtung für bewegliche bilder und wiedergabeeinrichtung für bewegliche bilder
US7617109B2 (en) 2004-07-01 2009-11-10 Dolby Laboratories Licensing Corporation Method for correcting metadata affecting the playback loudness and dynamic range of audio information
US7624021B2 (en) * 2004-07-02 2009-11-24 Apple Inc. Universal container for audio data
KR100991803B1 (ko) * 2004-07-22 2010-11-04 주식회사 넷앤티비 Ｓａｆ 동기화 계층 패킷 구조를 제공하는 ｓａｆ 동기화 계층 패킷 제공 시스템 및 사용자 단말
KR100689443B1 (ko) 2004-08-21 2007-03-08 삼성전자주식회사 방송 데이터를 저장하기 위한 디지털 방송 시스템 및송수신 방법
US7729673B2 (en) 2004-12-30 2010-06-01 Sony Ericsson Mobile Communications Ab Method and apparatus for multichannel signal limiting
AR052601A1 (es) 2005-03-10 2007-03-21 Qualcomm Inc Clasificacion de contenido para procesamiento de multimedia
TW200638335A (en) * 2005-04-13 2006-11-01 Dolby Lab Licensing Corp Audio metadata verification
TWI397903B (zh) 2005-04-13 2013-06-01 Dolby Lab Licensing Corp 編碼音訊之節約音量測量技術
WO2006113999A1 (en) * 2005-04-26 2006-11-02 D-Box Technologies Inc. Method and apparatus for providing a motion signal with a sound signal using an existing sound signal encoding format
US7702279B2 (en) * 2005-12-20 2010-04-20 Apple Inc. Portable media player as a low power remote control and method thereof
US7974287B2 (en) * 2006-02-23 2011-07-05 Lg Electronics Inc. Method and apparatus for processing an audio signal
US7983910B2 (en) * 2006-03-03 2011-07-19 International Business Machines Corporation Communicating across voice and text channels with emotion preservation
US20080025530A1 (en) 2006-07-26 2008-01-31 Sony Ericsson Mobile Communications Ab Method and apparatus for normalizing sound playback loudness
US20080080722A1 (en) 2006-09-29 2008-04-03 Carroll Tim J Loudness controller with remote and local control
WO2008136608A1 (en) 2007-05-02 2008-11-13 Pixtree Technologis, Inc. Method of processing media data and receiver, broadcasting system
JP5334335B2 (ja) * 2007-07-02 2013-11-06 フラウンホファー・ゲゼルシャフト・ツール・フォルデルング・デル・アンゲバンテン・フォルシュング・アインゲトラーゲネル・フェライン メディアデータコンテナおよびメタデータコンテナを有するファイルを記憶および読み出すための装置および方法
CN101350604B (zh) 2007-07-19 2012-07-04 鸿富锦精密工业（深圳）有限公司 自动切换音量调节模式的装置及方法
US20090164473A1 (en) 2007-12-19 2009-06-25 Harman International Industries, Incorporated Vehicle infotainment system with virtual personalization settings
US20090164378A1 (en) * 2007-12-21 2009-06-25 Steven Marcus Jason West Music Distribution
JP5142769B2 (ja) * 2008-03-11 2013-02-13 株式会社日立製作所 音声データ検索システム及び音声データの検索方法
US20090253457A1 (en) 2008-04-04 2009-10-08 Apple Inc. Audio signal processing for certification enhancement in a handheld wireless communications device
EP2144230A1 (en) * 2008-07-11 2010-01-13 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Low bitrate audio encoding/decoding scheme having cascaded switches
EP2146522A1 (en) 2008-07-17 2010-01-20 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus and method for generating audio output signals using object based metadata
US8788555B2 (en) * 2008-07-29 2014-07-22 Orange Method for updating an encoder by filter interpolation
US8218790B2 (en) 2008-08-26 2012-07-10 Apple Inc. Techniques for customizing control of volume level in device playback
JP2010135906A (ja) 2008-12-02 2010-06-17 Sony Corp クリップ防止装置及びクリップ防止方法
JP5267115B2 (ja) 2008-12-26 2013-08-21 ソニー株式会社 信号処理装置、その処理方法およびプログラム
JP4519934B2 (ja) * 2008-12-26 2010-08-04 株式会社東芝 音声再生装置
US8422699B2 (en) 2009-04-17 2013-04-16 Linear Acoustic, Inc. Loudness consistency at program boundaries
JP5635097B2 (ja) * 2009-08-14 2014-12-03 ディーティーエス・エルエルシーＤｔｓ Ｌｌｃ オーディオオブジェクトを適応的にストリーミングするためのシステム
TWI529703B (zh) 2010-02-11 2016-04-11 杜比實驗室特許公司 用以非破壞地正常化可攜式裝置中音訊訊號響度之系統及方法
TWI525987B (zh) 2010-03-10 2016-03-11 杜比實驗室特許公司 在單一播放模式中組合響度量測的系統
ES2526761T3 (es) 2010-04-22 2015-01-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Aparato y método para modificar una señal de audio de entrada
JP2012010311A (ja) * 2010-05-26 2012-01-12 Sony Corp 送信装置、送信方法、受信装置、受信方法および送受信システム
US20120033819A1 (en) 2010-08-06 2012-02-09 Samsung Electronics Co., Ltd. Signal processing method, encoding apparatus therefor, decoding apparatus therefor, and information storage medium
JP5665987B2 (ja) * 2010-08-12 2015-02-04 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ Ｑｍｆベースのオーディオコーデックの出力信号のリサンプリング
JP5903758B2 (ja) 2010-09-08 2016-04-13 ソニー株式会社 信号処理装置および方法、プログラム、並びにデータ記録媒体
TW202405797A (zh) * 2010-12-03 2024-02-01 美商杜比實驗室特許公司 音頻解碼裝置、音頻解碼方法及音頻編碼方法
US8989884B2 (en) 2011-01-11 2015-03-24 Apple Inc. Automatic audio configuration based on an audio output device
US9171549B2 (en) 2011-04-08 2015-10-27 Dolby Laboratories Licensing Corporation Automatic configuration of metadata for use in mixing audio programs from two encoded bitstreams
WO2012146757A1 (en) 2011-04-28 2012-11-01 Dolby International Ab Efficient content classification and loudness estimation
JP2012235310A (ja) 2011-04-28 2012-11-29 Sony Corp 信号処理装置および方法、プログラム、並びにデータ記録媒体
US20120287999A1 (en) 2011-05-11 2012-11-15 Microsoft Corporation Syntax element prediction in error correction
US8965774B2 (en) 2011-08-23 2015-02-24 Apple Inc. Automatic detection of audio compression parameters
JP5845760B2 (ja) 2011-09-15 2016-01-20 ソニー株式会社 音声処理装置および方法、並びにプログラム
JP2013102411A (ja) 2011-10-14 2013-05-23 Sony Corp 音声信号処理装置、および音声信号処理方法、並びにプログラム
ES2565394T3 (es) 2011-12-15 2016-04-04 Fraunhofer Gesellschaft zur Förderung der angewandten Forschung e.V. Aparato, método y programa informático para evitar artefactos de recorte
TWI517142B (zh) 2012-07-02 2016-01-11 Sony Corp Audio decoding apparatus and method, audio coding apparatus and method, and program
EP2757558A1 (en) 2013-01-18 2014-07-23 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Time domain level adjustment for audio signal decoding or encoding
JP6445460B2 (ja) 2013-01-28 2018-12-26 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ 新しいメディア装置に関する埋め込み音量メタデータを有する、および、有しないメディアの正規化音声再生のための方法と装置
US9607624B2 (en) 2013-03-29 2017-03-28 Apple Inc. Metadata driven dynamic range control
US9559651B2 (en) 2013-03-29 2017-01-31 Apple Inc. Metadata for loudness and dynamic range control
JP2015050685A (ja) 2013-09-03 2015-03-16 ソニー株式会社 オーディオ信号処理装置および方法、並びにプログラム
CN105531762B (zh) 2013-09-19 2019-10-01 索尼公司 编码装置和方法、解码装置和方法以及程序
US9300268B2 (en) 2013-10-18 2016-03-29 Apple Inc. Content aware audio ducking
JP6588899B2 (ja) 2013-10-22 2019-10-09 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ オーディオ装置のための組合せダイナミックレンジ圧縮および誘導クリッピング防止のための概念
US9240763B2 (en) 2013-11-25 2016-01-19 Apple Inc. Loudness normalization based on user feedback
US9276544B2 (en) 2013-12-10 2016-03-01 Apple Inc. Dynamic range control gain encoding
CA3162763A1 (en) 2013-12-27 2015-07-02 Sony Corporation Decoding apparatus and method, and program
US9608588B2 (en) 2014-01-22 2017-03-28 Apple Inc. Dynamic range control with large look-ahead
US9654076B2 (en) 2014-03-25 2017-05-16 Apple Inc. Metadata for ducking control
PL3123469T3 (pl) 2014-03-25 2018-09-28 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Urządzenie kodera audio i urządzenie dekodera audio z wydajnym kodowaniem wzmocnienia w sterowaniu zakresem dynamiki
PT3149955T (pt) 2014-05-28 2019-08-05 Fraunhofer Ges Forschung Processador de dados e transporte de dados de controlo do utilizador para descodificadores e renderizadores de áudio
BR112016027506B1 (pt) 2014-05-30 2023-04-11 Sony Corporation Aparelho e método de processamento de informação
MX368088B (es) 2014-06-30 2019-09-19 Sony Corp Procesador de informacion y metodo de procesamiento de informacion.
TWI631835B (zh) 2014-11-12 2018-08-01 弗勞恩霍夫爾協會 用以解碼媒體信號之解碼器、及用以編碼包含用於主要媒體資料之元資料或控制資料的次要媒體資料之編碼器
US20160315722A1 (en) 2015-04-22 2016-10-27 Apple Inc. Audio stem delivery and control
US10109288B2 (en) 2015-05-27 2018-10-23 Apple Inc. Dynamic range and peak control in audio using nonlinear filters
MX371222B (es) 2015-05-29 2020-01-09 Fraunhofer Ges Forschung Dispositivo y metodo para control de volumen.
PL3311379T3 (pl) 2015-06-17 2023-03-20 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Kontrola głośności dla interaktywności użytkownika w systemach kodowania audio
US9934790B2 (en) 2015-07-31 2018-04-03 Apple Inc. Encoded audio metadata-based equalization
US9837086B2 (en) 2015-07-31 2017-12-05 Apple Inc. Encoded audio extended metadata-based dynamic range control
US10341770B2 (en) 2015-09-30 2019-07-02 Apple Inc. Encoded audio metadata-based loudness equalization and dynamic equalization during DRC

Also Published As

Publication number Publication date
HK1245490A1 (zh) 2018-08-24
JP2023134751A (ja) 2023-09-27
KR102488704B1 (ko) 2023-01-17
MX2015004468A (es) 2015-07-14
EP3244406B1 (en) 2020-12-09
US20170206912A1 (en) 2017-07-20
KR20150047633A (ko) 2015-05-04
IL256016B (en) 2018-06-28
RU2713609C2 (ru) 2020-02-05
TWI611395B (zh) 2018-01-11
TW201442020A (zh) 2014-11-01
IL274397B (en) 2021-02-28
EP3822970A1 (en) 2021-05-19
EP2901449A4 (en) 2016-06-15
TWI811934B (zh) 2023-08-11
MY183382A (en) 2021-02-18
TR201802631T4 (tr) 2018-03-21
IL269138A (en) 2019-11-28
TW201610984A (zh) 2016-03-16
TW201824253A (zh) 2018-07-01
US9905237B2 (en) 2018-02-27
JP2021182160A (ja) 2021-11-25
US10672413B2 (en) 2020-06-02
IL259412A (en) 2018-07-31
JP2017173836A (ja) 2017-09-28
MY193854A (en) 2022-10-28
RU2020100805A (ru) 2021-07-14
US20180151188A1 (en) 2018-05-31
EP2901449A1 (en) 2015-08-05
IL259412B (en) 2019-10-31
JP7371067B2 (ja) 2023-10-30
IL256015A (en) 2018-01-31
RU2589362C1 (ru) 2016-07-10
JP6472481B2 (ja) 2019-02-20
PL2901449T3 (pl) 2018-05-30
KR102192755B1 (ko) 2020-12-18
ES2667871T3 (es) 2018-05-14
BR112015007723B1 (pt) 2022-02-15
BR112015007723A2 (pt) 2017-07-04
MX339611B (es) 2016-05-31
DK2901449T3 (en) 2018-03-05
TWI590231B (zh) 2017-07-01
MX343571B (es) 2016-11-09
KR20200134343A (ko) 2020-12-01
MX2022013535A (es) 2022-11-16
IL287218B (en) 2022-07-01
UA122050C2 (uk) 2020-09-10
MX2021011251A (es) 2022-10-28
KR20150099709A (ko) 2015-09-01
JP2016197250A (ja) 2016-11-24
US20180108367A1 (en) 2018-04-19
JP2019197222A (ja) 2019-11-14
TW201730875A (zh) 2017-09-01
BR122016011963B1 (pt) 2022-02-08
JP2020074006A (ja) 2020-05-14
TW202242849A (zh) 2022-11-01
WO2014113465A1 (en) 2014-07-24
KR20160075835A (ko) 2016-06-29
KR20210055800A (ko) 2021-05-17
TWI696171B (zh) 2020-06-11
JP6561097B2 (ja) 2019-08-14
AU2014207590A1 (en) 2015-05-07
IL256016A (en) 2018-01-31
TW201727621A (zh) 2017-08-01
IL256015B (en) 2019-02-28
ES2660487T3 (es) 2018-03-22
IL287218A (en) 2021-12-01
ES2843744T3 (es) 2021-07-20
ES2749089T3 (es) 2020-03-19
JP2018022180A (ja) 2018-02-08
IL269138B (en) 2020-06-30
JP6212565B2 (ja) 2017-10-11
IL293618A (en) 2022-08-01
UA122560C2 (uk) 2020-12-10
US20200357422A1 (en) 2020-11-12
JP6641058B2 (ja) 2020-02-05
TW202111689A (zh) 2021-03-16
TW201907390A (zh) 2019-02-16
RU2016119385A (ru) 2018-11-07
HK1248913A1 (zh) 2018-10-19
RU2016119385A3 (uk) 2019-11-27
US20150325243A1 (en) 2015-11-12
HUE036119T2 (hu) 2018-06-28
BR122016011963A2 (pt) 2020-07-14
KR20230011500A (ko) 2023-01-20
JP2015531498A (ja) 2015-11-02
RU2016119393A (ru) 2018-11-05
JP6929345B2 (ja) 2021-09-01
EP3244406A1 (en) 2017-11-15
BR122015008454A2 (pt) 2019-08-20
TWI754286B (zh) 2022-02-01
CN104737228A (zh) 2015-06-24
KR20160032252A (ko) 2016-03-23
JP6442443B2 (ja) 2018-12-19
IL280583A (en) 2021-03-25
RU2719690C2 (ru) 2020-04-21
RU2016119393A3 (uk) 2019-12-03
IL237561A0 (en) 2015-04-30
JP2016191941A (ja) 2016-11-10
KR101637897B1 (ko) 2016-07-08
BR122015008454B1 (pt) 2022-02-15
TWI611396B (zh) 2018-01-11
CN107657959A (zh) 2018-02-02
AU2014207590B2 (en) 2015-08-13
EP2901449B1 (en) 2018-01-03
MX356196B (es) 2018-05-18
CN107657959B (zh) 2021-06-11
KR102153278B1 (ko) 2020-09-09
KR102158002B1 (ko) 2020-09-21
SG11201502405RA (en) 2015-04-29
IL237561A (en) 2017-12-31
TWI666628B (zh) 2019-07-21
HK1212091A1 (en) 2016-06-03
BR122020018591B1 (pt) 2022-06-14
JP6371340B2 (ja) 2018-08-08
CA2888350A1 (en) 2014-07-24
CA2888350C (en) 2016-04-19
KR102183712B1 (ko) 2020-11-27
TWI636454B (zh) 2018-09-21
CN104737228B (zh) 2017-12-29
IL280583B (en) 2021-12-01
IL274397A (en) 2020-06-30
TW201944394A (zh) 2019-11-16
US9911426B2 (en) 2018-03-06
TWI524329B (zh) 2016-03-01
US9916838B2 (en) 2018-03-13
KR20170073737A (ko) 2017-06-28
BR122020020608B1 (pt) 2022-05-10
US20170221496A1 (en) 2017-08-03
MX2018006149A (es) 2021-09-17
KR102251763B1 (ko) 2021-05-14
SG10201604643RA (en) 2016-07-28

Similar Documents

Publication Publication Date Title
UA112249C2 (uk) Аудіокодер і аудіодекодер з метаданими гучності та границі програми
RU2696465C2 (ru) Аудиокодер и аудиодекодер с метаданными сведений о программе или структуры вложенных потоков
EP3082128B1 (en) Audio decoder with program loudness and boundary metadata
RU2790571C2 (ru) Аудиокодер и аудиодекодер с метаданными сведений о программе или структуры вложенных потоков