ISOIEC 23090-342025 信息技术 沉浸式媒体的编码表示 第34部分沉浸式音频参考软件标准立项发展报告

信息技术沉浸式媒体的编码表示第34部分：沉浸式音频参考软件标准立项发展报告StandardizationDevelopmentReport:InformationTechnology-CodedRepresentationofImmersiveMedia-Part34:ImmersiveAudioReferenceSoftware摘要随着虚拟现实（VR）、增强现实（AR）、混合现实（MR）及空间计算等沉浸式技术的迅猛发展，沉浸式音频作为构建真实感、临场感与空间感知的关键技术要素，正日益成为国际标准化组织关注的焦点。ISO/IEC23090系列标准（即MPEG-I标准体系）是国际标准化组织与国际电工委员会联合制定的面向沉浸式媒体编码表示的系列国际标准，其第34部分（ISO/IEC23090-34:2025）专门针对沉浸式音频参考软件进行规范。本报告对该标准的立项背景、技术内容、编制原则、应用前景及产业价值进行系统阐述，重点介绍了标准制定的主要参与单位及其技术贡献，并对该标准在推动沉浸式音频技术产业化、促进全球音视频生态互操作性方面的未来发展方向进行了展望。本报告的编制旨在为相关企事业单位、科研机构及标准化工作者提供权威、全面、深入的立项参考与决策依据，助力我国在沉浸式媒体标准化领域的前瞻布局与深度参与。关键词：沉浸式音频；参考软件；MPEG-I；ISO/IEC23090；国际标准；空间音频；多媒体编码Keywords:ImmersiveAudio;ReferenceSoftware;MPEG-I;ISO/IEC23090;InternationalStandard;SpatialAudio;MultimediaCoding一、引言1.1立项背景近年来，沉浸式媒体技术已从实验室走向规模化商用，在远程会议、在线教育、虚拟社交、数字文旅、电竞直播、智慧医疗等众多领域展现出显著的应用价值。国际数据公司（IDC）预测，到2026年全球VR/AR市场出货量将突破1亿台，沉浸式内容市场规模将超千亿美元。在此背景下，音频作为沉浸式体验的核心维度之一，其编码表示、渲染质量与互操作性已成为决定用户体验优劣的关键因素。传统基于声道（Channel-based）的音频编码方案，如杜比AC-4和MPEG-H，虽在环绕声领域取得巨大成功，但难以满足面向对象（Object-based）和面向场景（Scene-based）的沉浸式音频制作与分发需求。为应对这一挑战，国际标准化组织ISO/IECJTC1/SC29（音频、图像、多媒体和超媒体信息编码分技术委员会）于2017年启动了MPEG-I（ISO/IEC23090）系列标准的制定工作，旨在构建涵盖视频、音频、点云、网格等全要素的沉浸式媒体编码表示标准体系。1.2标准定位与意义ISO/IEC23090-34:2025《信息技术沉浸式媒体的编码表示第34部分：沉浸式音频参考软件》是MPEG-I系列标准中专门针对沉浸式音频软件实现层面的规范性技术文件。该标准以参考软件的形式，为ISO/IEC23090系列中与音频相关的若干部分（包括ISO/IEC23090-4《沉浸式音频的编码表示》）提供了一套可执行、可验证、可移植的软件实现基准，是连接编码规范与产品实现之间的关键桥梁。参考软件在标准体系中具有不可替代的重要作用：其一，它为各类实现者（设备制造商、软件开发商、内容制作方）提供了统一的验证基准，确保不同的实现版本在编码和解码过程中产生一致或高度兼容的输出结果；其二，它为新算法的验证与评估提供了标准化的实验平台，降低了新技术从研究到产品化的转化门槛；其三，它通过对规范性条款的精确实现，有效解决了文本规范中可能存在的歧义性问题，提升了标准的可执行性与一致性。因此，ISO/IEC23090-34:2025的发布，对于促进沉浸式音频技术的规模化商用、跨平台互操作以及产业生态的有序构建，具有里程碑式的意义。二、标准编制原则与依据2.1编制原则ISO/IEC23090-34:2025的编制严格遵循了ISO/IEC导则（ISO/IECDirectives,Part1&Part2）以及JTC1标准制定程序的相关要求，同时秉持以下几项核心原则：（1）与规范性标准的一致性（Conformance）参考软件的编制以ISO/IEC23090-4等规范性标准文本为唯一依据，确保软件行为严格对应标准的规范条款（normativeclauses），不引入额外的私有扩展或非兼容性修改。编码器部分在保持解码器完全合规的前提下，提供了若干在性能和复杂度之间的权衡选项设计。（2）可移植性与模块化参考软件的代码采用模块化架构设计，核心编码解码模块与平台相关的输入输出、文件解析、音频渲染等外围模块保持清晰隔离，确保核心代码可便捷地移植到多种操作系统（Windows、Linux、macOS）与硬件平台（x86、ARM等）之上。（3）开源与可验证性该参考软件以开源形式发布，源代码完整、构建脚本规范、测试向量齐备，使用者可自行编译、运行和验证，确保了标准在技术层面的完全公开透明与结果的可复现性。2.2编制依据本标准的编制依据主要包括以下国际文件与技术成果：-ISO/IEC23090-1:2023《信息技术沉浸式媒体的编码表示第1部分：架构》-ISO/IEC23090-4:2023《信息技术沉浸式媒体的编码表示第4部分：沉浸式音频的编码表示》-ISO/IEC14496-3:2022《信息技术视听对象的编码第3部分：音频》-ITU-RBS.2051《高级声音系统的音频格式》-ITU-RBS.2076《音频定义模型（ADM）》-3GPPTR26.918《虚拟现实（VR）媒体传输的流媒体服务》-MPEGAudio工作组历年输出的核心实验（CE）与验证测试（VT）报告三、标准主要内容3.1标准适用范围与架构ISO/IEC23090-34:2025定义了沉浸式音频编码参考软件的总体架构、模块组成、接口规范以及测试验证要求。该标准适用于支持基于声道、基于对象和基于场景（HOA，高阶高保真度立体声）三种主流沉浸式音频表示方式的编码、解码与渲染全流程。标准将参考软件划分为以下几个核心模块：（1）编码器参考模块（EncoderReferenceModule）（2）解码器参考模块（DecoderReferenceModule）解码器参考模块是参考软件中有关解码器的实现，包括比特流解析、熵解码、参数去量化与空间参数恢复、核心信号重建以及输出基带信号生成等功能。其实现严格对应ISO/IEC23090-4中定义的解码过程及其相关伪代码描述，确保在任何合规码流输入条件下，解码结果与规范预期的输出信号保持误差范围内的严格一致。（3）渲染器参考模块（RendererReferenceModule）渲染器参考模块根据用户的听音位置、扬声器布局（如5.1.4、7.1.4、双声道双耳等）或头戴式显示设备的实时姿态信息，对解码后的音频对象和场景信号进行空间渲染处理，提供包括基于矢量的振幅平移（VBAP）、距离衰减、多普勒效应模拟以及双耳渲染（BRIR卷积）等关键空间音频算法。（4）元数据管理模块该模块实现了沉浸式音频内容生产所必需的元数据定义、解析、存储和编辑功能。其核心是完整实现了ITU-RBS.2076定义音频定义模型（ADM）以及ISO/IEC23090-4定义沉浸式音频元数据（IAM）的语法和语义，支持对象位置轨迹、场景旋转、增益自动化等参数的灵活表达。（5）测试与评估工具模块该模块集成了多种音频质量客观评估算法（如PEAQ、ViSQOL、PEMO-Q等），提供了码流一致性测试、解码器符合性测试和主观听音测试（MUSHRA）的辅助工具，方便开发者对参考软件及其衍生实现进行标准化验证。3.2核心技术特点（1）对MASA技术框架的全面软件实现MASA（Metadata-AssistedSpatialAudio）是ISO/IEC23090-4中确立的核心空间音频编码框架，其核心理念是将沉浸式音频信号编码为单声道或立体声下混信号加上紧凑的空间元数据。ISO/IEC23090-34:2025中的编码器参考模块首次对这一框架进行了完整的工程化实现，涵盖基于多声道信号的空间参数提取、基于深度神经网络辅助的声源分离和空间参数优化等前沿功能。（2）支持多种输入格式与灵活接口设计参考软件在接口设计层面充分考虑了与现有专业音频制作流程的衔接。在输入方面，支持包括WAV（含多声道WAV）、ADM广播波形（BW64）、以及MPEG-H等常见文件格式；在输出方面，支持从立体声耳机双耳输出到最多64通道（22.2声道及以上）的扬声器阵列输出。软件提供了标准C语言应用程序编程接口（API），便于第三方系统的集成开发。（3）双耳渲染引擎的精准实现（4）模块化的软件架构设计参考软件采用清晰的分层架构设计，从底层的比特流读写、信号处理原语，到中层的编解码模块，再到上层的应用接口和测试框架，各层之间通过稳定的接口协议进行通信。这一设计极大地方便了开发人员根据实际应用场景灵活选择或裁剪相应功能模块，降低了集成的复杂度与适配时间。四、标准制定参与单位及其贡献国际标准的制定凝聚了全球范围内在沉浸式音频技术、数字媒体处理和消费电子领域具有领先实力的企业、科研机构和学术团体的智慧与力量。ISO/IEC23090-34:2025在制定过程中，广泛吸纳了来自中国、德国、美国、日本、韩国、法国、芬兰、瑞典等国家的数十家成员体的专家参与。以下对该标准制定过程中作出突出贡献的主要参与单位进行详细介绍。4.1主要参与单位概览参与ISO/IEC23090-34:2025制定工作的主要机构涵盖国际知名企业、研究机构和高校，包括：FraunhoferIIS（德国弗劳恩霍夫集成电路研究所）、华为技术有限公司、韩国电子通信研究院（ETRI）、日本广播协会（NHK）、索尼公司、高通公司、瑞典声学研究所、芬兰阿尔托大学等。这些单位和机构分别在不同技术方向上为标准制定提供了关键的技术输入与验证测试贡献。4.2重点单位介绍：FraunhoferIISFraunhoferIIS（德国弗劳恩霍夫集成电路研究所）是沉浸式音频技术领域全球公认的领导者，也是MPEG音频标准制定的核心贡献者之一。作为MPEG-2AAC、MPEG-4AAC、MPEG-H3DAudio等多项里程碑式音频标准的主要技术提供方，FraunhoferIIS在ISO/IEC23090-34:2025的制定中承担了不可替代的核心角色。（1）技术贡献FraunhoferIIS是MASA技术框架的主要提出者之一。在ISO/IEC23090-34:2025的编制过程中，FraunhoferIIS贡献了其经过多年积累的核心算法库和工程实践经验，包括空间音频参数提取算法、基于深度神经网络的声源分离与分类算法、高效下混编码策略以及高精度双耳渲染引擎等多项关键技术。其中，其基于深度学习的元数据辅助空间参数估计方案，在不显著增加码率的前提下大幅提高了参数估计精度，成为参考软件中编码器部分的核心处理模块之一。（2）工程实现与开源贡献（3）验证测试与生态推广FraunhoferIIS作为MPEG音频验证测试（VT）工作的重要组织者，在此标准的制定过程中发起并主导了多轮主观听音测试和系统互操作性测试，验证了参考软件在不同声场重构条件下的音质表现。此外，FraunhoferIIS积极推动参考软件在全球广播电视、流媒体平台、游戏引擎及Xenon等虚拟现实平台中的集成与适配，为标准的产业化落地提供了强有力的技术支撑和生态推动力。4.3中国单位的参与情况需要特别指出的是，华为技术有限公司作为中国企业在3GPP和MPEG标准化活动中表现活跃的重要贡献者，在本标准的制定过程中发挥了重要的建设性作用。华为在沉浸式音频的传输优化、低延迟编解码设计以及移动端低复杂度实现等方面提供了多项关键技术提案，为中国在沉浸式媒体国际标准化领域的话语权提升作出了积极贡献。五、标准应用前景与产业价值5.1应用场景与市场需求ISO/IEC23090-34:2025所规范的沉浸式音频参考软件，在以下典型应用场景中具有广阔的应用前景：-虚拟现实（VR）与扩展现实（XR）娱乐：为用户提供与视觉场景精确匹配的三维空间音效，实现“声随景动、景随声变”的沉浸式体验。VR游戏、虚拟演唱会、沉浸式剧场等场景对空间音频的真实感和定位精度提出极高要求，参考软件为开发者提供了一致的编码基准。-增强现实（AR）辅助导航与信息提示：在AR眼镜进行户外导航、导览时，参考软件所定义的渲染器模块可根据用户头部姿态和地理位置动态叠加虚拟声源，通过在真实环境中的精准声像定位实现直觉化的信息引导。-远程沉浸式会议与协作：区别于传统电话会议中的单声道或立体声模式，沉浸式会议系统可利用ISO/IEC23090-34:2025的参考软件实现多说话人空间分离，大幅提高多人远程讨论时的语音清晰度和方位辨识度，改善“鸡尾酒会效应”下的听觉体验。-智慧座舱与车载娱乐：智能座舱中的独立音区（IndividualSoundZone）控制和沉浸式音频娱乐系统，需借助标准化参考软件实现多声道信号高精度重构与个性化声场定制。-数字文旅与博物馆沉浸展示：结合空间音频技术再现历史场景的声学环境，使观众在视觉参观之外获得听觉维度的文化感知，参考软件为内容制作方提供了高效便捷的标准化工具链。5.2产业影响与生态价值该标准对产业链各环节均产生了直接而深远的影响：|产业链环节|受标准影响的维度|典型示例||---|---|---||内容制作方|编码工具链统一、制作流程规范|沉浸式音频节目的混音母带制作、VR影视的音频后期||平台运营商|分发协议与码流格式标准化|流媒体平台沉浸式音频频道的封装与传输||终端制造商|解码与渲染实现的合规参考|VR一体机、Soundbar、智能座舱音频系统||测试认证机构|一致性测试基准的建立|标准符合性测试实验室的检测工具链|在技术产业化层面，参考软件的发布意味着各厂商无需从零开始研发沉浸式音频编解码算法，大幅降低了技术研发门槛和重复投入。同时，由于参考软件具有唯一且公开的基准性实现，不同厂商终端之间可实现真正意义上的“一次编码、处处解码”，从根本上消除了因实现差异导致的互操作壁垒。六、标准发布信息与获取方式6.1标准基本信息|项目|内容||---|---||标准编号|ISO/IEC23090-34:2025||标准全称|信息技术沉浸式媒体的编码表示第34部分：沉浸式音频参考软件||英文全称|Informationtechnology-Codedrepresentationofimmersivemedia-Part34:Immersiveaudioreferencesoftware||发布