オブジェクトベースオーディオ

对象式音频とは、番組内の音声を1つまたは複数のオーディオオブジェクトとして表現し、それらのオブジェクトに位置、サイズ、動き、ゲイン、優先度、またはインタラクション属性などを付与する、制作および伝送の手法である。再生側のレンダラーは、これらのオーディオデータ、メタデータ、および実際の再生環境に基づいて、オブジェクトをスピーカーに割り当てたり、ヘッドフォン用のバイノーラル信号に変換したりします。

固定チャンネルオーディオとの主な違いは、番組の記述層にあります。5.1 または 7.1 チャンネルのミキシングでは、各チャンネルが特定のスピーカー位置に向くようあらかじめ規定されていますが、オブジェクトベースの番組では、セリフ、効果音、その他の音源を独立したオブジェクトとして記述できるため、同じマスターを、スピーカーの数や配置が異なる環境に適応させることができます。実際の配信では、多くの場合、ハイブリッド構造が採用されます。音楽や環境音などのコンテンツはまず固定チャンネルベースとして構成され、正確な定位や移動が必要な少数の音のみがオブジェクトとして扱われます。

オブジェクト自体は通常、モノラルまたはマルチチャンネルのオーディオデータと、時間とともに変化するメタデータで構成されます。レンダラーは、座標系、スピーカーの能力、部屋のレイアウト、オブジェクトの拡散、音量、およびダウンミックスルールを処理する必要があります。スピーカーの数が限られている場合、複数のオブジェクトが隣接するスピーカーにマッピングされます。ヘッドホン再生では、ヘッド関連伝達関数などの手法を用いて方向の手がかりを形成します。オブジェクト座標は、個々のスピーカーに直接送信できる従来のチャンネルではありません。

对象式音频は、独立した圧縮コーデックではありません。オーディオサンプルはロスレスまたはロス有りの方法でエンコードされ、メタデータも放送、映画館、ファイル、ディスクの各システムに応じてカプセル化されます。Dolby Atmos、DTS:X、MPEG-H 3D Audio などのシステムはいずれもオブジェクトの概念を利用できますが、それぞれのビットストリーム、メタデータ、レンダリングの制約、互換性レイヤーが異なるため、「对象式音频」を特定の商用フォーマットの別名として扱うことはできません。

ITU（国際電気通信連合）のオーディオ定義モデルでは、ダイレクトスピーカー、マトリックス、オブジェクト、高次アンビソニクス、およびバイノーラルオーディオを異なるタイプとして定義している。オブジェクト型オーディオとシーン型オーディオも異なります。シーン型は音場全体の空間基関数を表し、再生時に全体としてデコードされます。一方、オブジェクト型は、個別に識別・制御可能な複数の音源を保持しています。番組では、複数の表現形式を混在させて使用することが可能です。

最終的に聴こえる結果は、配信ストリームでいくつのオブジェクトが保持されているか、再生デバイスがサポートするデコードレベル、レンダラー、および実際のスピーカー配置によって決まります。プレーヤーにAtmosやDTS:Xのロゴが表示されていても、それは対応するフォーマットが認識されたことを示すだけであり、オブジェクトの数、オブジェクトが全編で使用されているかどうか、あるいはすべての音源が離散的な高さ位置を持っているかどうかを判断することはできません。