ISOIEC 14496-122026 信息技术 - 视听对象的编码 - 第12部分Iso基媒体文件格式标准立项发展报告

信息技术—视听对象的编码—第12部分：ISO基媒体文件格式标准立项发展报告StandardizationDevelopmentReport:Informationtechnology—Codingofaudio-visualobjects—Part12:ISObasemediafileformat摘要随着超高清视频、虚拟现实（VR）、增强现实（AR）、自适应流媒体及沉浸式媒体的快速发展，媒体文件格式作为音视频内容封装、存储与传输的基础性技术，其标准化工作的重要性日益凸显。ISO/IEC14496-12作为ISO基媒体文件格式（ISOBaseMediaFileFormat，简称ISOBMFF）的官方标准，是MPEG系列标准中应用最广泛、产业支撑最核心的封装格式规范，被广泛应用于MP4、QuickTime、HEIF、AVIF等主流媒体容器格式之中。本报告围绕ISO/IEC14496-12:2026版本的立项背景、技术框架、修订历程、关键特性及产业应用展开系统论述，重点分析了该标准在新版本中新增的沉浸式媒体支持、增强的流媒体封装能力、改进的加密与版权管理机制以及面向AI驱动媒体处理的新接口设计。报告指出，随着版本迭代的持续加速及与MPEG-DASH、CMAF等传输标准的深度协同，ISO/IEC14496-12标准将继续在全球数字媒体生态中发挥基础性引领作用。本报告还对该标准的国内转化与产业推进提出了对策建议，并对未来发展趋势进行了展望。关键词：ISO基媒体文件格式；ISO/IEC14496-12；MPEG；音视频编码；封装格式；自适应流媒体；沉浸式媒体AbstractWiththerapidadvancementofultra-high-definitionvideo,virtualreality(VR),augmentedreality(AR),adaptivestreaming,andimmersivemediatechnologies,thestandardizationofmediafileformats—servingasthefoundationaltechnologyforaudio-visualcontentencapsulation,storage,andtransmission—hasbecomeincreasinglycritical.ISO/IEC14496-12,whichdefinestheISOBaseMediaFileFormat(ISOBMFF),standsasoneofthemostwidelyadoptedandindustriallysignificantspecificationswithintheMPEGfamilyofstandards.ItunderpinsmainstreamcontainerformatsincludingMP4,QuickTime,HEIF,andAVIF.Thisreportsystematicallyaddressestheprojectbackground,technicalarchitecture,revisionhistory,keyfeatures,andindustrialapplicationsoftheISO/IEC14496-12:2026edition.Particularemphasisisplacedonnewlyintroducedcapabilitiessuchasimmersivemediasupport,enhancedstreamingencapsulation,improvedencryptionandrightsmanagementmechanisms,andnovelinterfacesdesignedforAI-drivenmediaprocessing.ThereportfurtheranalyzestheacceleratingpaceofstandarditerationandthedeepsynergywithMPEG-DASHandCMAFdeliverystandards,concludingthatISO/IEC14496-12willcontinuetoplayafoundationalandleadingroleintheglobaldigitalmediaecosystem.Recommendationsfordomesticadoptionandindustrialpromotionarealsoprovided,alongwithanoutlookonfuturedevelopmenttrends.Keywords:ISOBaseMediaFileFormat;ISO/IEC14496-12;MPEG;Audio-visualcoding;Containerformat;Adaptivestreaming;Immersivemedia一、引言1.1立项背景数字媒体技术自20世纪90年代以来经历了从模拟到数字、从标清到高清、从平面到沉浸式的深刻变革。在这一演进过程中，媒体文件格式作为连接编码层与应用层的桥梁，决定了音视频数据在采集、编辑、编码、存储、传输、解码和呈现各环节之间的兼容性与互操作性。ISO/IEC14496-12（即ISO基媒体文件格式，ISOBMFF）由国际标准化组织（ISO）与国际电工委员会（IEC）联合技术委员会JTC1/SC29（音视频编码专家组，即MPEG）制定，自2001年首次发布以来，历经20余次修订和增补，始终是全球数字媒体封装领域最具权威性和影响力的国际标准。当前，全球媒体产业正站在新一轮技术变革的节点上。8K超高清视频逐步走向商用，VR/AR内容生态加速构建，基于人工智能的内容生成与理解技术（AIGC）初具规模，低延迟交互式媒体（如云游戏、实时音视频通信）对封装格式提出了全新的性能要求。与此同时，流媒体服务在全球范围内的主导地位持续巩固，自适应码率传输（ABR）已成为内容分发的标配机制。上述技术趋势共同构成了ISO/IEC14496-12:2026版本修订和立项的核心驱动力。1.2标准基本信息本报告所涉标准的基本信息如下：-标准编号：ISO/IEC14496-12:2026-标准全称：信息技术—视听对象的编码—第12部分：ISO基媒体文件格式-英文名称：Informationtechnology—Codingofaudio-visualobjects—Part12:ISObasemediafileformat-标准状态：现行-发布机构：国际标准化组织（ISO）与国际电工委员会（IEC）联合发布-发布日期：2026年4月22日-国别：国际组织-语言：英语-版本说明：电子版加密PDF格式1.3标准定位与技术范畴ISO/IEC14496-12定义了一种独立于具体编码格式的、面向文件的媒体封装框架。该框架采用面向对象的Box结构，以灵活、可扩展的方式组织媒体数据及其元数据，支持音频、视频、图像、文本、字幕、元数据流等多种媒体类型的封装与同步。该标准的基本设计理念是通过提供一种通用的、可扩展的容器格式，使不同编码格式（如H.264/AVC、H.265/HEVC、H.266/VVC、AV1、AAC、MP3、OPUS等）能够在统一框架下被封装、索引、流化和播放。ISOBMFF的设计具有以下核心特征：-面向对象的结构化设计：所有数据均封装在类型化的Box（或称为Atom）中，形成层级化的树状结构；-媒体数据的解耦：媒体数据（mdat）与元数据（moov）分离存储，支持流式处理和本地播放两种模式；-时间轴的灵活管理：通过Sample、Chunk、Track等抽象概念实现多轨道的精确时间同步；-可扩展性：通过Four-CharacterCode（四字符码，简称FourCC）机制实现标准化扩展和私有扩展；-流媒体友好性：支持分段（Segment）封装，适用于渐进式下载和自适应流媒体传输场景。二、标准修订历程与技术演进2.1版本沿革ISO/IEC14496-12标准的修订历程反映了数字媒体产业从DVD时代到流媒体时代再到沉浸式时代的技术演进。|版本/年份|主要技术变更||-----------|-------------||2001年（第一版）|基于AppleQuickTime容器格式，确立Box结构基本框架||2003年（第二版）|引入MovieFragment机制，支持流媒体渐进式封装||2005年（第三版）|增加对OMADRM的支持，完善元数据框架||2008年（第四版）|引入HVCC（HEVC配置）、增强流媒体能力||2012年（第五版）|补充加密扩展（CENC）支持，增强与DASH的协同||2015年（第六版）|支持HEIF图像格式的封装需求||2020年（第七版）|引入VVC、EVC、AV1等新型编码格式的封装支持||2022年（第八版）|增强低延迟模式，支持CMAF的进一步演进||2026年（第九版）|沉浸式媒体支持、AI接口、增强安全特性|2.2ISO/IEC14496-12:2026版主要新增内容2.2.1沉浸式媒体（ImmersiveMedia）封装支持随着MPEG-I（ISO/IEC23090）系列标准的持续推进，沉浸式媒体（包括VR、AR、自由视点视频和光场显示）对封装格式提出了新的要求。ISO/IEC14496-12:2026版本引入了以下关键技术支持：-多视角视频轨道的同步封装：支持多个视点的视频轨道在时间和空间维度的精确对齐；-深度信息与点云数据的封装：为基于深度图像的渲染（DIBR）和点云压缩（V-PCC、G-PCC）提供标准化的存储方案；-空间音频的轨道组织：支持基于场景的音频对象（Scene-basedAudio）和基于对象的音频（Object-basedAudio）在文件中的灵活布局；-6DoF（六自由度）交互信息的存储：为交互式媒体提供位姿、注视点等数据的时间同步封装机制。2.2.2增强的流媒体封装与低延迟传输2026版对CMAF（CommonMediaApplicationFormat，通用媒体应用格式）的兼容性进行了进一步增强，使得ISOBMFF封装的媒体内容可以无缝适配低延迟流媒体传输场景。具体改进包括：-新增ChunkStreaming（块级流式）模式：进一步细化分块（Chunk）粒度，支持毫秒级的封装和传输延迟；-优化TrackFragment的索引结构：降低播放器端的内存占用和初始化延迟；-支持HTTP/3与QUIC协议的封装适配：为下一代传输协议提供Box结构的优化布局。2.2.3增强的加密与版权管理机制-新增对ISO/IEC23001-7（CENC，CommonEncryption）第四版规范的全面兼容；-引入多DRM（数字版权管理）系统的并行支持机制，优化License获取过程的元数据描述；-增加对硬件安全级别要求的元数据标记能力；-扩展内容保护信息（ContentProtection，简称CP）Box的字段定义，支持更细粒度的策略表达。2.2.4面向AI的媒体处理接口2026版首次引入了面向AI驱动媒体处理的若干扩展机制：-语义元数据轨道（SemanticMetadataTrack）：新增一种承载结构化语义标签（如目标检测结果、场景分类标签、人物识别信息等）的轨道类型；-特征描述Box（FeatureDescriptionBox）：为AI模型推理所需的媒体特征提供轻量级存储结构；-模型封装钩子（ModelEncapsulationHook）：允许将AI推理模型（如ONNX、TensorFlowLite格式）作为附加数据封装在文件中，便于端侧联合部署。三、标准技术框架与核心结构3.1Box结构体系ISOBMFF的核心技术架构基于Box（或称Atom）的层级化组织。每个Box由BoxSize（4字节）、BoxType（4字节，即FourCC）、BoxBody（可变长度）三部分构成。标准将Box分为文件级Box、电影级Box和轨道级Box三个层次。文件级Box：包括`ftyp`（FileType，文件类型声明）、`moov`（MovieMetadata，电影元数据）、`mdat`（MediaData，媒体数据）、`free`（FreeSpace，空闲空间）、`sidx`（SegmentIndex，分段索引）等。电影级Box（`moov`内）：包括`mvhd`（MovieHeader，电影头）、`trak`（Track，轨道）、`mvex`（MovieExtends，电影扩展）等。轨道级Box（`trak`内）：包括`tkhd`（TrackHeader，轨道头）、`mdia`（MediaInformation，媒体信息）、`edts`（EditList，编辑列表）等。3.2轨道（Track）与样本（Sample）的抽象模型ISOBMFF将连续的媒体流抽象为若干并行的轨道（Track），每个轨道代表一种时间连续的媒体数据流（如视频流、音频流、字幕流等）。轨道由若干个样本（Sample）组成，样本是媒体数据的最小可访问单元（如视频中的一帧）。样本通过样本表（SampleTable）中的索引信息实现时间和空间的映射。该抽象模型具有以下优点：-支持多轨道的任意组合，便于实现多语言、多角度、多质量层的灵活封装；-样本级索引机制支持高效的随机访问和精确寻址；-通过编辑列表（EditList）和合成偏移（CompositionOffset）机制精确描述呈现时间与解码时间的差异。3.3流式处理与分段封装ISO/IEC14496-12从早期版本起就支持流式媒体封装，2026版进一步强化了该能力。MovieFragment机制允许将元数据分散到媒体数据块之间（使用`moof`Box），从而避免在文件头部一次性写完全部元数据。这使得直播流、录制流和渐进式下载场景下的低延迟成为可能。与DASH和HLS的配合使ISOBMFF成为自适应流媒体的封装基石。四、标准参与单位及主要贡献4.1主要起草单位ISO/IEC14496-12:2026由ISO/IECJTC1/SC29（即MPEG委员会）负责制定和维护。SC29/WG3（编码与媒体技术）下的特别工作组具体承担该标准的编纂工作，成员涵盖全球主要ICT企业、研究机构、标准组织和内容服务提供商。4.2主要参与单位介绍：FraunhoferIISFraunhoferIIS（弗劳恩霍夫集成电路研究所）是全球音视频编码和媒体传输技术领域最具影响力的研究机构之一，总部位于德国埃尔朗根。作为MPEG委员会的长期核心成员，FraunhoferIIS深度参与了ISO/IEC14496-12各版本的起草和修订工作，尤其在音频轨道封装、流媒体架构和低延迟传输方面做出了突出贡献。FraunhoferIIS在ISO/IEC14496-12:2026版本的制定过程中主要承担了以下工作：-音频轨道封装架构的设计：主导了空间音频对象在ISOBMFF中的轨道组织和时间同步机制的技术方案设计；-低延迟流媒体模式的性能验证：基于其自研的实时音频流媒体平台，对新引入的ChunkStreaming模式进行了系统性的性能测试和验证；-文件格式互操作性测试：协调组织了全球多个实验室之间的互操作性测试（PlugFest），确保新版本中新增Box结构与各主流实现之间的兼容性；-标准化文档编辑工作：承担了部分章节的编写和技术编辑任务。FraunhoferIIS自1987年以来一直是MPEG音频标准化工作的核心成员，曾主导开发了MP3、AAC、MPEG-H等具有革命性影响的音频编码标准。其在媒体格式标准化方面的深厚积累和产业导向的研究方法，使其在ISO/IEC14496-12标准的持续演进中扮演着不可替代的角色。五、标准应用情况与产业影响5.1应用领域ISO/IEC14496-12:2026所定义的ISO基媒体文件格式已深入渗透到数字媒体产业的各个环节，主要包括：|领域|典型应用||------|---------||流媒体服务|DASH、HLS封装格式的基础；Netflix、YouTube等主流平台的分发格式||移动设备|Android/iOS系统的标准视频录制和播放格式||数字摄影|HEIF（高效图像文件格式）的基础容器||广播电视|ATSC3.0、DVB等数字电视标准中的媒体封装格式||数字电影|DCP（数字电影包）的封装基础||视频会议|WebRTC录制格式、云端录制存储格式||汽车电子|DVR（行车记录仪）、ADAS数据记录格式||医疗影像|手术录像、内窥镜视频的标准存储格式||AI媒体处理|训练数据集的统一封装格式、多模态数据的同步存储||云游戏|云渲染视频流的低延迟封装|5.2与其他关键标准的协同ISO/IEC14496-12与其他标准体系形成了紧密的协同关系：-ISO/IEC23009（MPEG-DASH）：DASH的Segment格式直接基于ISOBMFF定义；-ISO/IEC23000-19（CMAF）：CMAF以ISOBMFF为底层容器，实现HLS与DASH的统一；-ISO/IEC23001-7（CENC）：定义ISOBMFF框架下的通用加密方案；-ISO/IEC23008-12（HEIF）：在ISOBMFF基础上扩展出现代图像格式