ISOIEC 23090-42025 信息技术 沉浸式媒体的编码表示 第4部分MPEG-I沉浸式音频标准立项发展报告

信息技术沉浸式媒体的编码表示第4部分：MPEG-I沉浸式音频标准立项发展报告StandardizationDevelopmentReport:Informationtechnology-Codedrepresentationofimmersivemedia-Part4:MPEG-Iimmersiveaudio摘要随着虚拟现实（VR）、增强现实（AR）及混合现实（MR）技术的迅猛发展，沉浸式媒体已成为下一代信息产业的核心驱动力。音频作为沉浸式体验的关键感官通道，其编码与表示技术直接决定了用户的临场感与真实感。ISO/IEC23090-4:2025《信息技术沉浸式媒体的编码表示第4部分：MPEG-I沉浸式音频》是该领域最具权威性的国际标准之一，由国际标准化组织与国际电工委员会联合发布。本报告系统梳理了该标准的立项背景、技术框架、核心特性及推广应用价值，分析了标准中多声道空间音频编码、场景描述与渲染、交互式音频处理等关键技术内容，并重点介绍了参与标准研制的国际主要机构。报告指出，该标准的发布将有效推动沉浸式音频技术在广电、通信、娱乐、教育等领域的规模化应用，为全球沉浸式媒体产业的规范化发展奠定坚实基础，并对我国相关技术标准体系的建设与完善提供重要参考。关键词：沉浸式音频；MPEG-I；ISO/IEC23090-4；编码表示；空间音频；标准化AbstractWiththerapidadvancementofvirtualreality(VR),augmentedreality(AR),andmixedreality(MR)technologies,immersivemediahasemergedasacoredrivingforceofthenext-generationinformationindustry.Asacriticalsensorychannelforimmersiveexperiences,audiocodingandrepresentationtechnologiesdirectlydeterminetheuser'ssenseofpresenceandrealism.ISO/IEC23090-4:2025,"Informationtechnology-Codedrepresentationofimmersivemedia-Part4:MPEG-Iimmersiveaudio,"representsoneofthemostauthoritativeinternationalstandardsinthisfield,jointlydevelopedbytheInternationalOrganizationforStandardizationandtheInternationalElectrotechnicalCommission.Thisreportsystematicallyreviewsthestandard'sprojectinitiationbackground,technicalframework,corefeatures,andapplicationvalue,withdetailedanalysisofkeytechnicalcontentsincludingmulti-channelspatialaudiocoding,scenedescriptionandrendering,andinteractiveaudioprocessing.Thereportalsohighlightsmajorinternationalorganizationsinvolvedinthestandard'sdevelopment.Thereleaseofthisstandardwilleffectivelypromotethelarge-scaleapplicationofimmersiveaudiotechnologyinbroadcasting,telecommunications,entertainment,education,andothersectors,layingasolidfoundationforthestandardizeddevelopmentoftheglobalimmersivemediaindustryandprovidinganimportantreferencefortheestablishmentandimprovementofrelevanttechnicalstandardsystemsinChina.Keywords:immersiveaudio;MPEG-I;ISO/IEC23090-4;codedrepresentation;spatialaudio;standardization一、引言1.1立项背景近年来，沉浸式媒体技术在全球范围内呈现出爆发式增长态势。根据国际数据公司（IDC）发布的市场研究报告，全球VR/AR市场预计在未来五年内将保持年均超过30%的复合增长率，到2027年市场规模有望突破3000亿美元。作为沉浸式体验的核心组成部分，音频技术经历了从单声道、立体声、环绕声到三维空间音频的演进历程，其技术复杂度与体验提升幅度均呈指数级增长。然而，在MPEG-I沉浸式音频标准发布之前，业界面临着一个突出的标准化难题：各类沉浸式音频编解码方案各自为政，缺乏统一的编码表示与交互框架，导致内容制作、分发与终端渲染环节之间存在严重的兼容性壁垒。不同厂商的硬件设备与软件系统之间的互操作性不足，极大地制约了沉浸式音频产业的规模化发展。为解决上述问题，国际标准化组织动态图像专家组（MovingPictureExpertsGroup，MPEG）在已完成MPEG-H3D音频标准之后，进一步启动了面向更广泛沉浸式应用场景的新一代音频标准化工作。1.2标准定位与意义ISO/IEC23090系列标准（即MPEG-I标准家族）旨在构建覆盖"完整沉浸式体验"（CompleteImmersiveExperience）的编码表示体系，其覆盖范围涵盖视觉、听觉及交互等多个维度。其中，第4部分专门针对沉浸式音频制定统一的编码表示规范，填补了MPEG-I框架下音频编码的空白。该标准不仅支持传统的声道信号（Channel-based）、场景对象（Object-based）和声场信号（Scene-based）三种主流音频表示方式，还创新性地引入了交互式音频场景描述与高阶渲染控制能力，为终端用户提供了根据个人偏好动态调整音频场景的可能性。标准的发布，对实现全球范围内沉浸式音频内容"一次制作、多渠道分发、多终端适配"的产业愿景具有里程碑式的意义。1.3编写目的与适用范围本报告旨在系统全面地介绍ISO/IEC23090-4:2025标准的立项背景、技术体系、核心内容及推广应用路径，服务对象涵盖标准化工作者、音视频技术研发人员、内容制作机构、设备制造商以及相关行业的管理决策者。报告以该国际标准为基础文本，结合沉浸式媒体技术演进趋势与产业应用实践，力求为读者提供一份兼具专业性、实用性与前瞻性的标准发展解读，同时也为我国沉浸式音频领域的技术研究、标准制定及产业布局提供参考依据。二、标准基本信息概述2.1标准编号与名称本标准的正式编号为ISO/IEC23090-4:2025，标准名称为《信息技术沉浸式媒体的编码表示第4部分：MPEG-I沉浸式音频》（*Informationtechnology—Codedrepresentationofimmersivemedia—Part4:MPEG-Iimmersiveaudio*）。该标准由国际标准化组织（ISO）与国际电工委员会（IEC）下属的联合技术委员会ISO/IECJTC1（信息技术委员会）共同制定和发布。2.2发布机构与发布信息本标准由ISO/IECJTC1/SC29（音频、图像、多媒体和超媒体信息编码分技术委员会）负责归口管理，具体由MPEG工作组承担研制工作。标准于2025年11月3日正式发布，标准状态为"现行"（Active），版本为第一版。标准文本以英语为主要工作语言，同时提供电子版PDF格式，便于全球范围的在线获取与使用。2.3标准费用与获取方式根据国际标准化组织的版权政策，该标准为有偿使用标准。定价为1837.0元人民币（或等值国际货币），电子版采用加密PDF格式，下载时长约为1分钟。需要注意的技术限制包括：文件带有水印标识；需安装FileOpen插件方可阅读；阅读时电脑需保持联网状态；该加密文件累计限制在3台电脑上使用，且总计打印次数不超过5次。上述限制措施旨在保护国际标准的知识产权与版权利益。三、标准技术内容详解3.1标准框架结构3.2沉浸式音频场景的编码表示3.2.1多声道空间音频编码多声道空间音频编码是MPEG-I沉浸式音频的基础性技术。该标准全面支持从传统的5.1、7.1声道配置到22.2、9.1等更高阶声道布局的编码与传输。在编码框架设计上，标准在保留与既有AAC、MPEG-H等音频编码标准兼容性的同时，引入了更高效率的频谱感知编码工具和更精细的空间参数编码方法，从而在有限码率条件下实现了更高的空间分辨率和音频还原质量。标准中定义了分层编码架构：基础层（BaseLayer）确保兼容传统立体声和环绕声系统；增强层（EnhancementLayer）提供沉浸式三维空间音频所需的额外声道信息和空间参数信息。该分层架构设计使得同一内容能够在不同能力等级的终端设备上实现自适应的解码呈现，有效解决了高沉浸感需求与带宽/算力限制之间的矛盾。3.2.2基于对象的音频编码表示对象级音频编码（Object-basedAudioCoding）是MPEG-I沉浸式音频的重要技术支柱。与传统的声道级编码不同，基于对象的编码方法将音频场景中的每个声音元素（如对白、乐器、环境音效等）视作独立的音频对象（AudioObject），每个对象不仅包含音频信号数据本身，还携带丰富的元数据（Metadata），包括对象的三维空间坐标、运动轨迹、音量增益、声学属性等描述信息。这种编码表示方式的突出优势在于其渲染的灵活性：终端设备可根据实际扬声器布局或用户头部的实时位置动态计算各音频对象在三维空间中的最佳呈现方式。标准中定义了完整的对象元数据语法和语义规则，支持静态场景与动态场景两种模式，并规定了对音频对象进行空间化处理所必需的参数化描述方法。3.2.3基于声场的音频编码表示除声道与对象两种方式之外，MPEG-I沉浸式音频还完整支持基于声场（Scene-based）的音频表示方法，即高阶环境立体声（Higher-OrderAmbisonics，HOA）技术。HOA技术通过球谐函数对三维声场进行数学描述，能够在任意扬声器布局下重建精确的空间声场分布，尤其适用于需要高频谱连续性和空间一致性的专业音频制作场景。标准中对HOA信号的编码处理包括：环境立体声系数的量化与熵编码、声场分量的降阶策略、HOA信号与其他表示方式（声道、对象）之间的无缝混合编码等。这种多表示方式融合的编码策略，使得沉浸式音频内容的创作者能够根据艺术表达需求与技术条件灵活选择最合适的表示方式或组合使用多种方式。3.3渲染与回放技术渲染与回放是沉浸式音频从编码比特流到用户听觉感知的关键环节。ISO/IEC23090-4:2025定义了完整的渲染处理流程和规范，涵盖了多种应用场景。具体而言，标准将渲染流程划分为解码、场景解析、空间处理、双耳化渲染与扬声器馈给生成等若干阶段，并针对耳机回放和扬声器回放两大场景分别规定了详尽的渲染技术要求。在耳机回放方面，标准推荐采用基于头部相关传递函数（HRTF）的双耳渲染技术，并结合头部跟踪信息实现动态声场更新，从而使用户在转动头部时获得与真实环境一致的听觉定位感和空间稳定性。在扬声器回放方面，标准支持从立体声到多声道环绕声再到空间音频布局的多种扬声器配置的渲染输出，规定了不同配置之间的转换矩阵和格式规范。此外，标准还引入了基于几何信息的声学模拟方法，能够在一定程度上模拟房间混响、墙面反射等环境声学效应。3.4交互式音频与场景描述交互式音频功能是MPEG-I沉浸式音频区别于以往音频编码标准的最显著特征之一。标准中定义了交互式音频场景描述框架——沉浸式音频场景描述符（ImmersiveAudioSceneDescriptor，IASD），该描述符允许内容制作者为每个音频对象或音频场景关联一个逻辑结构，描述对象之间的相互关系、可调节的声音属性维度（如音量、音色、空间位置等）以及用户交互的响应规则。基于该框架，终端用户可以在播放过程中根据个人偏好对音频场景进行一定程度的动态调整，例如：切换不同的语言音轨、调整对白音量与环境音效的平衡比例、选择不同的摄像机视角对应的空间音频角度等。这种交互能力在体育赛事直播、音乐会转播、互动游戏等应用场景中具有极为重要的实用价值。标准中同时规范了交互操作的触发条件和响应时间等技术要求，以保证交互式音频体验的实时性和流畅性。3.5符合性测试与参考软件为确保不同厂商实现的互操作性，ISO/IEC23090-4:2025在规范性附录中给出了完整的符合性测试方案。该方案涵盖了编码器输出比特流的格式符合性验证、解码器输出音频信号的误差容许范围、渲染器输出结果的空间精度评估等多维度测试内容。标准还提供了配套的参考软件（ReferenceSoftware）与一致性测试向量集（ConformanceTestVectors），供开发者在产品研发阶段进行验证和比对。这些技术附件作为标准的有机组成部分，为标准的落地实施提供了坚实的技术保障。四、主要参与研制单位介绍4.1FraunhoferIIS（德国弗劳恩霍夫集成电路研究所）在ISO/IEC23090-4:2025的研制过程中，来自全球多个国家的科研机构与企业深度参与了标准的技术贡献与文本编制工作。其中，德国弗劳恩霍夫集成电路研究所（Fraunhofer-InstitutfürIntegrierteSchaltungen，简称FraunhoferIIS）作为国际音频编码技术领域公认的权威研究机构，在该标准的制定过程中发挥了至关重要的核心技术贡献作用。FraunhoferIIS总部位于德国埃尔朗根，是欧洲最大的应用科学研究机构——弗劳恩霍夫应用研究促进协会（Fraunhofer-Gesellschaft）下属的重要组成机构之一。该研究所拥有超过30年的数字音频编码技术研究历史，是全球音频编码领域公认的开拓者与引领者。FraunhoferIIS是MP3音频编码格式的发明者，同时也是AAC（AdvancedAudioCoding）格式的核心技术贡献者，并深度参与了MPEG-H3DAudio和MPEG-4Audio等多项国际音频标准的制定工作。可以说，FraunhoferIIS的研究成果贯穿了数字音频编码从第一代到最新一代的完整技术演进历程，积累了深厚的技术底蕴和丰富的标准化经验。在ISO/IEC23090-4:2025的制定过程中，FraunhoferIIS的研究团队深度参与了标准中多项核心技术的提案与验证工作，包括空间音频场景描述框架的构建、基于对象音频渲染管线的优化设计、交互式音频控制机制的定义等关键环节。FraunhoferIIS还主导开发了标准配套的参考软件实现，为标准的验证和推广提供了重要技术支撑。凭借其在音频信号处理、心理声学建模、空间音频渲染等领域的深厚积累，FraunhoferIIS有效推动了多项关键技术创新成果纳入国际标准体系，确保了该标准的先进性与实用性。同时，该研究所还积极与全球范围内的内容制作机构、设备制造商和服务提供商紧密合作，积累了丰富的产业化落地经验，为标准的后续推广应用奠定了坚实基础。五、标准发展趋势与产业展望5.1标准的技术演进方向随着人工智能技术的快速渗透以及6G通信、云计算等基础设施的持续演进，ISO/IEC23090-4:2025所确立的沉浸式音频编码技术体系预计将在以下方面持续发展：一是基于深度学习的音频编码工具将逐步引入，有望在极低码率条件下实现更优的音频质量；二是面向云渲染和实时流媒体场景的轻量化编码与传输方案将进一步完善；三是针对增强现实（AR）等需要虚实融合的混合场景音频处理需求，标准后续版本预计将补充更加丰富的场景融合与声学环境感知功能。5.2产业应用前景从产业应用角度审视，MPEG-I沉浸式音频标准的发布将为多个关键行业带来深远影响。在广播电视领域，该标准可为超高清（4K/8K）节目制播提供与其视觉质量相匹配的沉浸式音频技术方案；在数字娱乐领域，VR游戏、虚拟演唱会、沉浸式影院等业态将直接受益于统一的音频编码与渲染标准；在远程通信和在线教育领域，以空间音频为支撑的高临场感音视频会议和虚拟课堂有望实现体验升级。此外，智能座舱、智能家居等新兴应用场景也将为沉浸式音频开辟更广阔的应用空间。5.3对我国相关标准化工作的启示ISO/IEC23090-4:2025的发布对我国沉浸式音频领域的标准化工作具有积极的借鉴意义。当前，我国已发布《超高清视频产业发展行动计划（2019—2022年）》等政策文件，将超高清视频与沉浸式体验明确列为重点发展方向。在全国音频、视频及多媒体系统与设备标准化技术委员会（SAC/TC242）等机构的推动下，行业也在积极推进数字音频相关的国家标准与行业标准制修订工作。未来应在充分研究国际标准的基础上，结合我国产业实际条件与应用需求，加快推动具有自主知识产权的沉浸式音频编码方案的标准化进程，同时积极参与国际标准的后续修订工作，提升我国在全球沉浸式媒体标准化领域的话语权与影响力。六、结论ISO/IEC23090-4:2025《信息技术沉浸式媒体的编码表示第4部分：MPEG-I沉浸式音频》的正式发布，标志着全球沉浸式音频标准化工作迈入了一个崭新的发展阶段。该标准在充分继承既有音频编码技术成果的