总结与展望    

回顾AVS3音频编码在卡塔尔世界杯赛事直播中的实践经验，对于AVS3音频编解码在大型赛事的应用场景，本文总结了以下几个方向值得在未来继续关注和优化：

解码渲染的效率问题

解码以及渲染的效率问题是需要继续优化迭代的方向，这主要包括两个方面，一是编解码的效率问题，另外一个方向则是双耳渲染的效率问题，当存在多个对象同时渲染时，每个对象都需要同HRIR进行卷积，进而导致渲染模块对于CPU的占用以及内存的消耗都会呈线性增长，这也就意味着在一些声学场景更加复杂的赛事直播中，双耳渲染的效率将会是影响用户体验的重要指标。

基于人体感知机理的声场重现

目前的三维音频技术是基于物理声场还原或仿真人耳进行声音重放的，然而人类对于声音的感知是多模态的，各个感官之间具有同步性[6]。继续提高三维音频重现的沉浸感，有必要对人的三维空间感知机理进行深入透彻的研究。例如对于声源定位，把角度，高度，距离和心理声学等诸多影响因素综合考虑，研究人到底是怎样进行定位的，人的大脑是怎么处理声音信息和作出反应的，对人在不同方位上的辨别敏感度进行建模分析。从根本上仿真模拟人耳对于空间声场的感知过程，能够进一步提升三维音频的真实感。

HRTF、BRIR的个性化问题

目前的测量方法得到的HRTF、BRIR库具有通用性，能够在一定程度上还原声音的定位和环境音效等信息，但是每个人具有不同的生理参数和听觉特性，采用通用库必然会导致误差。构建一组具有个性化的HRTF函数库对于精确重建三维声场具有重要意义，但在实际应用中不可能为每个人进行HRTF 的准确测量。如何针对每个人的参数和听觉特性采用高效实际的算法进行hrtf模拟是未来解决个性化问题的重要手段和主要研究方向。

在现有AVS3音频技术基础上，针对上述三个问题，持续探索相关优化算法及方案，增加用户的沉浸感，提高用户对于三维声的体验满意度，将是AVS3音频技术后续演进的重要方向之一。

AVS3音频技术自从面世以来，在国内行业内得到极大的关注，除了2022年卡塔尔世界杯咪咕使用菁彩声进行直播外，央视总台和抖音集团在2023年兔年春节联欢晚会上也联手实现了使用AVS3音频技术来进行节目直播，场外观众戴上耳机就可以身临其境地感受现场震撼的三维声场，从后续反馈来看，观众对AVS3音频的体验比较正向[7]。AVS3音频的应用并不仅仅局限于直播场景，在2023年第三十届北京国际广播电影电视展览会上，央视总台首次展示了将AVS3音频技术应用在车载系统上的系统方案。此外，华为音乐与环球音乐中国联合宣布，双方将采用AVS3音频技术制作及上线品类丰富的空间音频版本内容。可以看到，AVS3音频在国内众多一线厂商以及不同领域内都开始得到应用和发展，这也从侧面证明了AVS3音频技术的商业价值和潜力。

【参考文献】

[1] https://www.sohu.com/a/279320100_100275692

[2] 三维菁彩声（Audio Vivid）技术白皮书，世界超高清产业联盟

[3] 三维声音技术规范 第1部分：编码分发与呈现，世界超高清产业联盟

[4] 信息技术 智能媒体编码 第3部分：沉浸式音频，数字音视频编解码技术标准工作组

[5] HRTF 空间插值与多通路声重放的稳定性分析 刘阳，谢菠荪 华南理工大学学报( 自然科学版) ，2013( 8) : 131－138．

[6]Spatial hearing: the psychophysics of human sound localization.  Blauert J. MIT press; 1997.

[7]https://it.sohu.com/a/633825167_118778

 

相关阅读：