音频串行元数据区块生成方法、装置、设备及存储介质与流程

1.本公开涉及音频处理的技术领域，尤其涉及音频串行元数据区块生成方法、装置、设备及存储介质。


背景技术：

2.随着科技的发展，音频变得越来越复杂。由早期的单声道音频演变成立体声，工作重心也注重左右声道的正确处理方式。但环绕声出现后，处理过程开始变得复杂。而环绕5.1扬声器系统则对多个通道进行排序约束，进而环绕6.1扬声器系统、环绕7.1扬声器系统等使音频处理千变万化，把正确的信号传递给合适的扬声器形成相互牵连的效果。因此，随着声音变得更具沉浸感和交互性，音频处理的复杂性也大大增加。
3.音频声道(或声道)，是指声音在录制或播放时在不同空间位置采集或回放的相互独立的音频信号。而声道数也就是声音录制时的音源数量或回放时相应的扬声器数量。例如，在环绕5.1扬声器系统中包括6个不同空间位置的音频信号，每个独立的音频信号被用于驱动对应空间位置的扬声器；在环绕7.1扬声器系统中包括8个不同空间位置的音频信号，每个独立的音频信号被用于驱动对应空间位置的扬声器。
4.因此，当前扬声器系统实现的效果依赖于扬声器的数量和空间位置。例如，双声道扬声器系统无法实现环绕5.1扬声器系统的效果。


技术实现要素：

5.本公开的目的在于提出音频串行元数据区块生成方法、装置、设备及存储介质，以生成音频串行模式下的音频串行元数据区块，实现声音模型元数据的工作流。
6.本公开第一方面提供了音频串行元数据区块生成方法，包括：
7.获取音频串行元数据区块的标头子元素和音频串行可扩展区块元素；
8.将所述标头子元素置于所述音频串行可扩展区块元素的前部，再将所述音频串行可扩展区块元素置于所述标头子元素之后，生成用于存储和传输时变元数据的所述音频串行元数据区块；
9.其中，每个所述音频串行可扩展区块元素对应于与相邻音频串行可扩展区块元素组的唯一数量的音频样本，所述音频串行可扩展区块元素的音频格式扩展标记子元素包括设定的音频模型元数据。
10.本公开第二方面提供了音频串行元数据区块生成装置，包括：
11.获取模块，用于获取音频串行元数据区块的标头子元素和音频串行可扩展区块元素；
12.音频串行元数据区块生成模块，用于将所述标头子元素置于所述音频串行可扩展区块元素的前部，再将所述音频串行可扩展区块元素置于所述标头子元素之后，生成用于存储和传输时变元数据的所述音频串行元数据区块；
13.其中，每个所述音频串行可扩展区块元素对应于与相邻音频串行可扩展区块元素
组的唯一数量的音频样本，所述音频串行可扩展区块元素的音频格式扩展标记子元素包括设定的音频模型元数据。
14.本公开第三方面提供了一种电子设备，包括：存储器以及一个或多个处理器；
15.所述存储器，用于存储一个或多个程序；
16.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如任意实施例提供的音频串行元数据区块生成方法。
17.本公开第四方面提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器实现如任意实施例提供的音频串行元数据区块生成方法。
18.由上可见，本公开音频串行元数据区块生成方法，生成音频串行模式下的音频串行元数据区块，在广播音频格式文件区块中包含的元数据，有可能用于描述使用的bw64格式，并通过使用共享的核心元素，尽可能多地维持兼容性。
附图说明
19.图1为本公开实施例中提供了一种三维声音频模型的示意图；
20.图2为本公开实施例中的音频串行元数据区块生成方法的流程图；
21.图3为本公开实施例中的音频串行元数据区块生成装置的结构示意图；
22.图4为本公开实施例中的一种电子设备的结构示意图。
具体实施方式
23.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
24.实施例
25.如图1所示，三维声音频模型由一组元素组成，每个元素用于描述音频制作的一个阶段，三维声音频模型包括内容部分和格式部分。
26.其中，所述内容部分包括：音频节目元素、音频内容元素、音频对象元素和音轨唯一标识元素；所述格式部分包括：音频包格式元素、音频通道格式元素、音频流格式元素和音频轨道格式元素；
27.所述音频节目元素引用至少一个所述音频内容元素；所述音频内容元素引用至少一个音频对象元素；所述音频对象元素引用对应的所述音频包格式元素和对应的所述音轨唯一标识元素；所述音轨唯一标识元素引用对应的所述音频轨道格式元素和对应的所述音频包格式元素；
28.所述音频包格式元素引用至少一个所述音频通道格式元素；所述音频流格式元素引用对应的所述音频通道格式元素和对应的所述音频包格式元素；所述音频轨道格式元素和对应的所述音频流格式元素相互引用。元素间的引用关系在图1中以箭头表示。
29.音频节目可以包括但不限于叙述、声音效果和背景音乐，所述音频节目元素可以用于描述节目，所述节目包括至少一个内容，所述音频内容元素用于描述所述音频节目元素中对应的一个内容。音频节目元素可以引用一个或多个音频内容元素，音频内容元素组合在一起以构建为完整的音频节目元素。
30.所述音频内容元素描述音频节目的一个组成部分(例如背景音乐)的内容，并引用一个或多个音频对象元素将内容与其格式联系起来。
31.所述音频对象元素用于建立内容、格式和有价值的信息，并确定实际音轨的音轨唯一标识。
32.格式部分包括：音频包格式元素、音频通道格式元素、音频流格式元素、音频轨道格式元素。
33.所述音频包格式元素，可以用于描述所述音频对象元素和原始音频数据依据通道分组打包时采用的格式。
34.所述音频通道格式元素可以用于表示单个音频采样序列和对其执行的预设操作，例如，在场景中渲染对象的移动。所述音频通道格式元素可以包含至少一个音频块格式元素。音频块格式元素可以视为音频通道格式元素的子元素，所以，音频通道格式元素和音频块格式元素之间为一种包含关系。
35.音频流，是渲染通道、对象、高阶环境音组件或包所需的音轨的组合。所述音频流格式元素用于建立音频轨道格式元素集和音频通道格式元素集之间的关系，或音频轨道格式集和音频包格式之间的关系。
36.所述音频轨道格式元素对应于单个音轨中的一组样本或数据，用于描述原始音频数据的格式，及渲染器的解码信号，还用于识别成功解码音轨数据所需的音轨组合。
37.通过三维声音频模型对原始音频数据进行制作后生成包含元数据的合成音频数据。
38.所述元数据(metadata)是描述数据特性的信息，元数据支持的功能包括指示存储位置、历史数据、资源查找或文件记录。
39.合成音频数据以通信方式传输到远端后，由远端基于元数据对合成音频数据进行渲染，还原原始声音场景。
40.图1中示出了内容部分、格式制作部分和64位广播波(broadcast wave-64bit，bw64)文件之间的划分。内容制作部分和格式制作部分都构成了xml格式的元数据，它通常包含在64位广播波文件的一个音频可扩展标记语言(axml)区块中。底部的64位广播波文件部分包含通道分配(chna)区块，它是一个查找表，用于连接元数据和文件中的音频节目。
41.内容部分描述音频的技术内容，例如它是否包含对话或特定语言，以及响度元数据。格式部分描述音频曲目的通道类型以及它们是如何组合在一起的，例如立体声对中的左声道和右声道。内容部分的元索通常是音频和节目所独有的，而格式部分的元素可以复用。
42.本公开提供了音频串行元数据区块生成方法，如图2所示，该方法包括：
43.s210、获取音频串行元数据区块的标头子元素和音频串行可扩展区块元素；
44.s220、将所述标头子元素置于所述音频串行可扩展区块元素的前部，再将所述音频串行可扩展区块元素置于所述标头子元素之后，生成用于存储和传输时变元数据的所述音频串行元数据区块；
45.其中，每个所述音频串行可扩展区块元素对应于与相邻音频串行可扩展区块元素组的唯一数量的音频样本，所述音频串行可扩展区块元素的音频格式扩展标记子元素包括设定的音频模型元数据。
46.可选的，所述音频串行元数据区块与同一音频文件中的其他资源交换文件格式(riff)区块一起排列，所述音频串行元数据区块包含符合音频格式文件或与音频数据段相关联的音频数据。
47.可选的，获取到的所述标头子元素中的区块格式元素用于描述包含音频模型元数据的区块的规格和相关音频区块的规格。
48.可选的，所述音频串行元数据区块由一个对齐点表完成，所述对齐表允许基于时间戳获取访问选定的所述音频串行可扩展区块子元素；且音频串行元数据区块总长度不固定。
49.可选的，获取所述音频串行元数据区块的元素，包括：
50.获取所述音频串行元数据区块的属性和元素，所述音频串行元数据区块的属性包括：块标识、字节块的数据大小、文本的压缩方法、音频串行可扩展区块低字节、音频串行可扩展区块高字节、音频串行可扩展区块有效条目数量、音频串行可扩展区块子块数组、对齐点有效条目数量和对齐点数组；
51.对于所述字节块的数据大小，获取所述字节块的数据大小的属性，还包括获取除块标识和字节块的数据大小以外的使用字节；
52.文本的压缩方法表示可扩展标记语言xml文本的压缩方法；
53.音频串行可扩展区块低字节表示音频串行可扩展区块表的低字节大小，包括多音频串行可扩展区块元素字段的字节；
54.音频串行可扩展区块高字节表示音频串行可扩展区块表的高字节大小，包括多音频串行可扩展区块元素字段的字节。
55.可选的，所述音频串行可扩展区块元素的子块数组的属性包括音频串行可扩展区块数据大小、与音频串行可扩展区块关联的声道的音频样本数、可扩展标记语言数据、音频串行可扩展区块的起始字节偏移量、对齐点的起始字节偏移量的高字节、时间戳抽样级数的低字节和时间戳抽样级数的高字节。
56.可选的，还包括：根据获取所述音频串行可扩展区块数据大小，表示获取以字节为单位所述数据大小的属性，获取除数据大小、与音频串行可扩展区块关联的声道的音频样本数以外的使用字节；
57.根据获取所述可扩展标记语言数据，表示获取包含可扩展标记语言数据或通过文本的压缩方法指示的压缩方法压缩的可扩展标记语言数据；
58.根据获取所述音频串行可扩展区块的起始字节偏移量，表示对齐点以字节表示从音频串行可扩展区块的开头，还包括获取除块标识和字节块的数据大小以外的使用字节；所述时间戳抽样计数的低字节表示从资源交换文件格式区块的数据区块开始，以每个声道的音频样本表示的对齐点的时间戳。
59.音频串行可扩展区块(sxml区块)元素用于传输时变元数据，例如，音频模型数据的串行表示(串行adm)。包含符合预设的xml1.0格式或与音频数据段相关联的压缩或未压缩xml的相关串行音频元数据；以任何顺序与同一文件中的其他资源交换文件格式区块一起出现。其包含一个标头，后设置带有压缩方法类型(fmttype)指定的压缩或未压缩xml数据的子块(subxmlchunk)。每个xml数据的子块对应于与相邻xml数据的子块组相邻的唯一数量的音频样本。音频串行可扩展区块由一个可选的对齐点表完成，该表允许基于时间戳
的方式选定的xml数据的子块组，音频串行可扩展区块总长度不固定，使用数据(ds 64)区块来允许音频串行可扩展区块的字段大小。
60.音频串行可扩展区块元素包含的信息如表1所示：
61.表1
[0062][0063]
[0064]
音频串行可扩展区块元素的子块数组包含的信息如表2所示：
[0065]
表2
[0066]
[0067][0068]
图3为本公开实施例提供的音频串行元数据区块生成装置，包括：
[0069]
获取模块310，用于获取音频串行元数据区块的标头子元素和音频串行可扩展区块元素；
[0070]
音频串行元数据区块生成模块320，用于音频串行元数据区块生成模块，用于将所述标头子元素置于所述音频串行可扩展区块元素的前部，再将所述音频串行可扩展区块元素置于所述标头子元素之后，生成用于存储和传输时变元数据的所述音频串行元数据区块；其中，每个所述音频串行可扩展区块元素对应于与相邻音频串行可扩展区块元素组的唯一数量的音频样本，所述音频串行可扩展区块元素的音频格式扩展标记子元素包括设定的音频模型元数据。
[0071]
可选的，所述音频串行元数据区块与同一音频文件中的其他资源交换文件格式区块一起排列，所述音频串行元数据区块包含符合音频格式文件或与音频数据段相关联的音频数据。
[0072]
可选的，获取到的所述标头子元素中的区块格式元素用于描述包含音频模型元数据的区块的规格和相关音频区块的规格。
[0073]
可选的，所述音频串行元数据区块由一个对齐点表完成，所述对齐表允许基于时间戳获取访问选定的所述音频串行可扩展区块子元素；且音频串行元数据区块总长度不固定。
[0074]
可选的，获取模块，具体用于：
[0075]
获取所述音频串行元数据区块的属性和元素，所述音频串行元数据区块的属性包
括：块标识、字节块的数据大小、文本的压缩方法、音频串行可扩展区块低字节、音频串行可扩展区块高字节、音频串行可扩展区块有效条目数量、音频串行可扩展区块子块数组、对齐点有效条目数量和对齐点数组；
[0076]
对于所述字节块的数据大小，获取所述字节块的数据大小的属性，还包括获取除块标识和字节块的数据大小以外的使用字节；
[0077]
文本的压缩方法表示可扩展标记语言xml文本的压缩方法；
[0078]
音频串行可扩展区块低字节表示音频串行可扩展区块表的低字节大小，包括多音频串行可扩展区块元素字段的字节；
[0079]
音频串行可扩展区块高字节表示音频串行可扩展区块表的高字节大小，包括多音频串行可扩展区块元素字段的字节。
[0080]
可选的，所述音频串行可扩展区块元素的子块数组的属性包括音频串行可扩展区块数据大小、与音频串行可扩展区块关联的声道的音频样本数、可扩展标记语言数据、音频串行可扩展区块的起始字节偏移量、对齐点的起始字节偏移量的高字节、时间戳抽样级数的低字节和时间戳抽样级数的高字节。
[0081]
可选的，还包括：表示模块，用于根据获取所述音频串行可扩展区块数据大小，表示获取以字节为单位所述数据大小的属性，获取除数据大小、与音频串行可扩展区块关联的声道的音频样本数以外的使用字节；
[0082]
根据获取所述可扩展标记语言数据，表示获取包含可扩展标记语言数据或通过文本的压缩方法指示的压缩方法压缩的可扩展标记语言数据；
[0083]
根据获取所述音频串行可扩展区块的起始字节偏移量，表示对齐点以字节表示从音频串行可扩展区块的开头，还包括获取除块标识和字节块的数据大小以外的使用字节；
[0084]
所述时间戳抽样计数的低字节表示从资源交换文件格式区块的数据区块开始，以每个声道的音频样本表示的对齐点的时间戳，所述数据区块用于储存音频样本。
[0085]
本发明实施例所提供的音频串行元数据区块生成装置可执行本发明任意实施例所提供的音频串行元数据区块生成方法，具备执行方法相应的功能模块和有益效果。
[0086]
图4为本公开实施例提供的一种电子设备的结构示意图。如图4所示，该电子设备包括：处理器410、存储器420、输入装置430以及输出装置440。该电子设备中处理器30的数量可以是一个或者多个，图4中以一个处理器410为例。该电子设备中存储器420的数量可以是一个或者多个，图4中以一个存储器420为例。该电子设备的处理器410、存储器420、输入装置430以及输出装置440可以通过总线或者其他方式连接，图4中以通过总线连接为例。该电子设备可以是电脑和服务器等。本公开实施例以电子设备为服务器进行详细说明，该服务器可以是独立服务器或集群服务器。
[0087]
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本公开任意实施例所述音频串行元数据区块生成装置的程序指令/模块。存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实
例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0088]
输入装置430可用于接收输入的数字或者字符信息，以及产生与电子设备的观众用户设置以及功能控制有关的键信号输入，还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。输出装置440可以包括扬声器等音频设备。需要说明的是，输入装置430和输出装置440的具体组成可以根据实际情况设定。
[0089]
处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现音频串行元数据区块生成方法。
[0090]
本公开实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器生成包括任意实施例提供的音频串行元数据区块生成方法。
[0091]
当然，本公开实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的电子方法操作，还可以执行本公开任意实施例所提供的电子方法中的相关操作，且具备相应的功能和有益效果。
[0092]
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本公开可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory,rom)、随机存取存储器(random access memory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是机器人，个人计算机，服务器，或者网络设备等)执行本公开任意实施例所述的电子方法。
[0093]
值得注意的是，上述电子装置中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开的保护范围。
[0094]
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0095]
在本说明书的描述中，参考术语“在一实施例中”、“在又一实施例中”、“示例性的”或“在具体的实施例中”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0096]
虽然，上文中已经用一般性说明、具体实施方式及试验，对本公开作了详尽的描述，但在本公开基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本公开精神的基础上所做的这些修改或改进，均属于本公开要求保护的范围。