沉浸音频产业化新进展 抖音技术团队牵头制定AVS音频团体标准

近日，AVS(Audio Video Standard) 音频团体标准《信息技术 虚拟现实内容表达 音频》（标准号T/AI 125-2023）发布，标志着国内沉浸音频技术在产业上应用趋于成熟，为多媒体内容多样化与个性化提供了有力的技术支撑。

沉浸音频，也称VR音频，3D音频、空间音频，是新一代音频呈现方式，相比立体声拥有更好的空间呈现效果，能精准地再现每个音源的位置和所处环境的空间信息。当前，沉浸音频带来的沉浸式体验已经在影视、广电、音乐、游戏等场景有广泛的应用。

据了解，AVS 《信息技术 虚拟现实内容表达 音频》标准由抖音视频架构沉浸音频团队牵头制定。在此过程中，该团队先后提交了20余份技术提案，贡献了多项核心技术，参加了两次复合性验证与技术评选，形成十几项前沿技术专利，开源了一套完整的空间音频渲染解决方案，经过三年时间不断完善，建立起了这项国内第三代音频内容表达标准，提供了更加丰富的多媒体呈现能力。

沉浸式音频解决方案示意图

沉浸音频是一种声场重建与还原技术，当声音进入耳朵时，在耳廓、头部附近时传播路线发生变化，到达左右耳的时间上也有微小的差别，所以真正听到的声音与原始音源并不一样，通过沉浸音频渲染，可以使佩戴耳机时与不戴耳机获得一样的听觉感受，具有三维空间感和沉浸感，具备真实环境的房间声学效果。双耳渲染演示如下图：

双耳渲染演示示意图

早在《信息技术 虚拟现实内容表达 音频》标准发布前，沉浸音频技术就得到了新媒体行业的青睐，在众多的场景中崭露头角。2022年9月中央广播电视总台“云听”客户端使用AVS VR音频标准中的耳机渲染技术完成CCTV中秋晚会现场直播；2022年11月世界杯央视转播演示系统使用了AVS VR音频标准中的扬声器渲染技术进行监听；2023年总台春节联欢晚会使用AVS VR音频标准中的耳机渲染技术完成“菁彩声”频道现场直播；2024年杭州亚运会央视体育从制作端生成元数据，按制作者意图生成实时、动态元数据下发，实现了制作、监听与下发数据的完整“菁彩声”流程。

2023年总台春晚使用AVS VR音频技术实现三维菁彩声直播

沉浸音频与VR/MR场景紧密结合。在VR/MR平台上三维视觉、触觉与三维音频现象同步，赋予了用户身临其境的真实感。《信息技术 虚拟现实内容表达 音频》空间音频渲染技术已集成在VR平台PICO上，用户可以使用其制作出具有声源的方位感、环境对声波的反射、透射等声学现象的内容作品，从而为消费者营造符合物理现实的沉浸式音频体验。目前，该项空间音频渲染技术也通过字节跳动旗下的云服务平台火山引擎面向企业客户开放。

随着《信息技术 虚拟现实内容表达 音频》标准的发布，多媒体内容表达有望朝着更沉浸的方向发展，带给用户身临其境的真实体验 。