ISOIEC 23009-12022 信息技术.HTTP上的动态自适应流媒体（DASH）.第1部分媒体表示描述和段格式标准立项发展报告

信息技术HTTP上的动态自适应流媒体（DASH）第1部分：媒体表示描述和段格式标准立项发展报告StandardizationDevelopmentReport:InformationTechnology—DynamicAdaptiveStreamingoverHTTP(DASH)—Part1:Mediapresentationdescriptionandsegmentformats摘要关键词：动态自适应流媒体；HTTP流媒体；媒体表示描述；段格式；国际标准；视频传输Keywords:DynamicAdaptiveStreaming;HTTPStreaming;MediaPresentationDescription;SegmentFormat;InternationalStandard;VideoTransmission一、引言（一）研究背景近年来，全球互联网视频流量在网络总数据流量中的占比持续攀升。根据思科年度互联网报告（CiscoVisualNetworkingIndex）的统计数据，视频流量在2022年已占全球IP流量的82%以上，并预计在可预见的未来继续增长。在如此庞大的视频传输需求下，如何实现网络带宽的高效利用、终端播放体验的持续优化，以及多厂商设备之间的互联互通，成为信息通信领域亟待解决的核心技术课题。HTTP自适应流媒体（HTTPAdaptiveStreaming,HAS）技术的兴起，标志着视频分发方式从传统的流媒体服务器推送模式（如RTSP/RTP）向基于HTTP协议的用户自主拉取模式（Pull-based）的重要转变。该技术利用HTTP协议在防火墙穿透、CDN（内容分发网络）部署、缓存代理耦合等方面的天然优势，将视频内容切分为若干时长的媒体段（Segment），并通过媒体表示描述（MediaPresentationDescription,MPD）文件向客户端描述各码率、各分辨率、各语言轨道的可用性信息。客户端根据自身网络带宽、解码能力和终端显示特性，动态请求最适宜的视频段，从而实现连续、平滑、自适应的播放体验。在此技术趋势下，国际标准化组织ISO/IECJTC1/SC29（编码音视频、图像和多媒体及超媒体信息）分技术委员会启动了ISO/IEC23009系列标准的制定工作。其中，ISO/IEC23009-1作为系列标准的第一部分，从2012年首次发布以来，经过多个版本的迭代更新，逐步成为全球范围内DASH技术实现的事实性基准规范。（二）标准定位与意义ISO/IEC23009-1:2022（第四版）于2022年8月2日正式发布，取代了此前ISO/IEC23009-1:2019（第三版）及其增补文件。该标准定义了DASH体系架构中的两个关键要素：一是MPD的数据模型和XML语法——它是以层次化结构描述媒体内容的时间属性、地址属性和质量属性的“元数据蓝图”；二是段格式（SegmentFormats）——即媒体内容在封装和切片时应遵循的物理存储格式，包括初始化段（InitializationSegment）、媒体段（MediaSegment）和索引段（IndexSegment）的结构约束。需要特别说明的是，本报告所讨论的ISO/IEC23009-1:2022版本在最新标准体系审查中已被标记为“废止”（Withdrawn）状态。这并不意味着DASH技术路线的失败或过时，而是反映了标准化组织对标准版本迭代管理的正常机制——新版标准或替代标准已经或即将生效，旧版标准在完成历史使命后退出现行有效性状态。标准的废止既是技术迭代的必然结果，也是产业界技术共识不断汇聚、更新的标志性事件。二、标准技术内容概述（一）MPD数据模型与语义ISO/IEC23009-1:2022所定义的MPD文件，在逻辑上采用分层数据模型组织媒体呈现信息。MPD的根级元素为`<MPD>`，其下依次包含`Period`（时间段）、`AdaptationSet`（适配集）、`Representation`（表示）和`SubRepresentation`（子表示）四个核心层级。每个`Period`定义了一组时间上连续的媒体内容片段，不同Period之间的内容可以进行时间维度的拼接与切换。`AdaptationSet`则描述一组可互换的媒体内容组件（如不同语言音轨、不同视角的视频流），客户端可根据用户偏好或终端能力进行选择。在`Representation`层级，MPD声明了每个媒体流的具体编码格式、码率、分辨率、帧率等描述性信息，这是客户端进行码率选择决策的核心依据。此外，MPD还支持通过`SegmentTemplate`和`SegmentList`两种方式描述媒体段的URL模板和地址列表，为不同部署场景提供了灵活的段寻址方案。在2022版本中，该标准进一步完善了MPD对低时延直播场景的支持能力，引入了“AvailabilityTimeSynchronization”（可用时间同步）等机制，使客户端能够在直播边缘更精确地估计媒体段的可用时间，从而在保证播放连续性的前提下最小化端到端时延。这些技术条款的直接受益者是体育赛事直播、在线会议和云游戏等对时序高度敏感的交互式媒体验证场景。（二）段格式规范在段封装层面，ISO/IEC23009-1:2022明确规定了基于ISO基元媒体文件格式（ISOBMFF，ISO/IEC14496-12）的段封装方式。媒体内容经过编码后，需被封装为初始化段和媒体段。初始化段不包含实际的音视频采样数据，而是携带`ftyp`、`moov`等必要的盒级元数据，用于初始化解码器。媒体段则由一个或多个`moof`（moviefragment）盒和`mdat`（mediadata）盒组成，承载实际的媒体数据内容。该标准同时支持基于MPEG-2TS（传输流）的段封装方式，以满足广播基础设施对接和兼容性的需求。通过对两种封装格式的统一规范，DASH标准在部署灵活性方面建立了显著优势，既适用于OTT（Over-The-Top）流媒体平台，也适用于有线电视和卫星电视等传统广播场景的IP化传输。（三）关键技术与新特性相较于此前版本，ISO/IEC23009-1:2022在如下技术方向引入了重要更新：1.增强的低时延直播支持：在已有的分块传输（ChunkedTransfer）编码和“SegmentTimeline”描述机制基础上，新增了更精细的时间线描述能力，支持毫秒级时间戳精度。2.改进的内容保护描述：优化了MPD中对DRM（数字版权管理）系统的描述语法，支持多DRM系统并行声明，简化了客户端的内容解密授权流程。3.支持更丰富的自适应决策信息：通过新增的描述性元素，使服务端可以向客户端提供各码率流的网络带宽需求估计值和缓冲区建议值，辅助客户端做出更稳健的码率决策。4.与CMAF（CommonMediaApplicationFormat，通用媒体应用格式）的深度协同：明确了对ISO/IEC23000-19（CMAF）标准的对齐策略，降低了HLS（HTTPLiveStreaming）与DASH生态之间的互操作成本。三、标准发布与废止的版本演进（一）版本沿革ISO/IEC23009-1标准的版本演进跨越了整整十年的技术变迁：-第一版（2012年）：DASH标准的基础版本，确立了MPD和段格式的核心概念，面向VOD（视频点播）和传统直播场景。-第二版（2014年）：引入了对事件消息（EventMessages）、时延约束的增强支持，并增加了与ServerandNetworkAssistedDASH（SAND）标准的接口。-第三版（2019年）：大规模增强了低时延直播能力，引入了分块编码和传输机制，支持CMAF的接入，进一步完善了URL模板的灵活性。-第四版（2022年）：即本报告所讨论的版本，在第三版基础上进行了技术勘误、功能增强和编辑性修订。（二）废止原因分析ISO/IEC23009-1:2022版本的废止，并非由于该标准存在致命性技术缺陷，而是标准化过程生命周期管理机制的常规体现。经分析，废止原因主要体现在以下几个方面：1.版本替代机制：国际标准通常具有明确的有效期限。各国家成员体（NationalBodies）在定期复审中会就标准的“确认、修订或废止”进行投票。DASH技术演进迅速，ISO/IECJTC1/SC29/WG3在2023至2024年间启动了第五版的修订工作。新版本在低时延、AI辅助、沉浸式媒体方面取得了技术突破，使得第四版在技术层面不再代表最新的业界共识。2.与后续标准的协同需求：DASH标准的生命力在于其与相关联的标准（包括CMAF、MPEG-7、MPEG-21等）的协同发展。为避免多个标准之间产生条款冲突和引用不一致，标准化组织倾向于在重大技术革新的节点采用“整体替代”的模式推进版本更新。3.产业化成熟度的考量：2022版本中部分新引入的技术条款在产业化验证中被发现存在实现歧义，各主流播放器和服务器厂商在实现方式上存在细微差异。通过废止原版本并发布整合性的新版本，有助于消除这些歧义，促进全产业链更统一的落地实施。（三）废止状态下的过渡安排需要指出的是，标准的废止（Withdrawn）并不等于标准技术内容的失效。对于已采用该标准并依据其完成产品开发和系统部署的厂商，ISO/IEC23009-1:2022所定义的技术规范仍然具有重要的参照意义。在实践中，许多企业和组织在其产品生命周期内仍将持续使用该版本的技术规范，直到完成向新版本或替代标准的平滑升级。在标准化术语中，这一过程被称为“技术冻结后的维护期”。四、标准参与单位或标委会介绍ISO/IECJTC1/SC29ISO/IECJTC1（联合技术委员会第1分委员会）是国际标准化组织和国际电工委员会共同组建的联合技术委员会，负责信息技术领域的标准化工作。JTC1下设的SC29分技术委员会，全称为“编码音视频、图像和多媒体及超媒体信息”（Codingofaudio,picture,multimediaandhypermediainformation），是MPEG（MovingPictureExpertsGroup，运动图像专家组）标准化工作的正式组织机构。SC29的历史可追溯至1988年MPEG工作组成立之时。该委员会负责制定的MPEG系列标准涵盖音视频编码（如MPEG-2、MPEG-4AVC/H.264、MPEG-HHEVC/H.265、VVC/H.266）、多媒体系统（如MPEG-2Systems、MPEG-4Systems）、内容描述（MPEG-7）和数字版权管理（MPEG-21）等广泛的技术领域。DASH系列标准即由SC29/WG3（系统编码组）具体负责制定。SC29的成员包括来自全球各主要经济体的标准化机构代表，如中国的SAC（国家标准化管理委员会）、美国的ANSI（美国国家标准学会）、欧洲的CEN/CENELEC、日本的JISC等。此外，大量企业通过国家成员体或联络组织（LiaisonOrganization）参与标准制定进程，包括但不限于：华为、中兴、腾讯、字节跳动、Netflix、Apple、Google、Microsoft、Qualcomm、Ericsson等全球知名技术企业。中国在SC29中的技术参与度持续提升，尤其在5G多媒体传输、超高清视频、交互式媒体等方向提出了多项技术提案，为DASH标准的演进贡献了中国智慧和中国方案。在DASH系列标准的制定和推广过程中，SC29发挥了不可替代的引领作用。它不仅负责标准文本的起草和审议，还组织开展了一系列旨在验证标准互操作性的国际测试活动（如MPEGDASHPlugfest）。这些测试活动为各设备厂商和平台厂商提供了验证产品符合度和互通性的协作平台，极大地促进了DASH在产业界的规模化部署。五、结论与展望（一）结论ISO/IEC23009-1:2022作为DASH系列标准演进过程中的重要一环，标志着HTTP自适应流媒体从早期以点播为主的技术形态，向支持低时延直播、内容保护协同和多格式融合方向迈出了关键一步。尽管该版本现已废止，但其所确立的MPD数据抽象模型和段封装规范仍构成后续版本的坚实基础。DASH标准的发展历程充分证明，标准化的生命力来源于持续的技术演进而非静态的规范固定，每一次版本更迭都是对产业实践、网络环境变迁和用户需求升级的积极回应。本报告认为，DASH技术体系的成功有以下几点核心经验值得借鉴：其一，基于HTTP协议的技术路线获得了CDN、云计算和终端生态的最大公约数支持；其二，MPD高度灵活的数据模型可以适配从点播到直播、从标清到8K超高清的宽谱系应用场景；其三，标准制定与产业落地形成了良性互动，商业驱动力成为标准演进的最根本推动力量。（二）展望面向未来，DASH系列标准的演进将聚焦于以下方向：-全低时延化：在5G和未来6G网络环境下，端到端时延将压缩至百毫秒以内，DASH协议将继续优化分块大小、编码参数和缓冲区管理策略，以满足云游戏、远程手术、工业控制等垂直行业应用需求。-沉浸式媒体支持：随着AR/VR/XR设备的普及，DASH标准将扩展对空间音频、多视角视频、点云数据等沉浸式媒体类型的描述能力。-AI融合：人工智能技术在码率预测、客户端决策优化、内容感知编码方面的应用，将与DASH标准形成深度耦合，催生面向AI辅助自适应的新标准化需求。-绿色可持续：在“双碳”目标背景下，面向能耗优化的自适应流媒体分发策略也将成为标准制定的重要考量维度。可以预见，在标准化组织和产业界的共同努力下，DASH技术体系将继续演进，为全球数十亿用户的数字媒体体验提供更可靠、更高效、更智能的技术底座。建议我国相关企事业单位积极跟进DASH新版标准的制定进程，持续向SC29贡献技术提案，并同步推进国内标准的更新与对接，在国际标准化格局中争取更大的话语权。参考文献[1]ISO/IEC23009-1:2022,Informationtechnology—DynamicadaptivestreamingoverHTTP(DASH)—Part1:Mediapresentationdescriptionandsegmentformats[S].Geneva