4K 超高清电视三维声的选择与探索

陈纯丹

（广东广播电视台，广东 广州 510066）

1 4K 超高清电视音频选择三维声的原因

4K 超高清电视的出现，除了在分辨率方面比传统的高清电视有了很大提升之外，HDR、高帧率等新技术的应用也为电视观众带来了沉浸式体验，包括更亮丽细腻的画面、更丰富的色彩以及更流畅的运动，画面质量有了全方位提升。声音作为电视节目的另一个重要的呈现形式，必须做出相应的提升，要配合画面给观众带来沉浸式体验，从而满足人民日益增长的美好生活需要。

三维声（3D-Audio）在国外也被叫做沉浸式音频（Immersive Audio）。相比传统的5.1 环绕声，它的最大特点是增加了多个顶部声道，使得声音可以呈现在一个真正的三维空间中，从而为观众带来与4K 画面相匹配的沉浸式体验。此外，一些基于对象（Object-Based）的三维声如杜比全景声（Dolby Atmos），还可以通过对象（Object）在三维空间中的定位和移动进一步强化这种沉浸式体验。

从欧美发达国家电视音视频技术的演进路线来看，标清电视配合立体声音频、高清电视配合5.1环绕声音频、超高清电视配合三维声或沉浸式音频已经成为基本的共识。我国在标清电视甚至是高清电视时代，一直沿用单声道音频。在高清时代，立体声和环绕声也并不是主流的声音格式。超高清电视时代，应该抓住机遇，提高电视节目的声音制作档次，使其与世界先进潮流匹配。

2 三维声在终端呈现的现状

在消费类终端，三维声音频技术已经有了相当广泛的设备支持，大量家庭终端具备DTS:X、Auro-3D、DolbyAtmos、MPEG-H 以及DRA 等解码。以杜比全景声技术（Dolby Atmos）为例，它承载的编码格式主要包括Dolby TrueHD 和Dolby Digital Plus（即eAC3，或可以简称为DD+/DD Plus）。其中，Dolby TrueHD 技术多用于蓝光光盘，而DD+除了可以应用于蓝光光盘外，还可以应用于电视广播、流媒体等分发渠道。

在消费类终端呈现三维声效果，最好的办法是搭建一套家庭影院系统。目前，消费类市场上，家庭影院的核心——影音接收机（AV Receiver）绝大多数都可以支持Dolby TrueHD 和Dolby Digital Plus两种技术的解码和渲染。根据产品的功能特性，这些影音接收机的输出声道包括8 声道、10 声道以及12 声道或更多。消费者可以根据自己的实际情况，搭建相应的5.1.2、5.1.4、7.1.4 或更复杂的还音系统。

在搭建家庭影院系统之外，还可以使用更简单的方法，其中包括Soundbar（国内命名为回音壁）。这是一种条状的音箱，内置相应的解码器（Dobly Atmos、MPEG-H、Auro-3D、DTS:X）和若干扬声器单元，包括向上反射的扬声器单元。通过相应的算法和向上反射的技术，可以使观众获得和家庭影院非常接近的沉浸式体验。

除此之外，目前的一些电视机产品也可以支持相应的解码技术，甚至把Soundbar内置到电视机内。消费者只要把信号源连接到电视机，即可获得沉浸式体验。我国终端产品产业配套齐全、产业链完善，是消费端音响设备的产业基地，更汇聚了海信、创维、长虹、TCL 以及康佳等一批彩电企业，促使超高清三维声的一体化产品不断涌现。

在移动端，包括苹果、三星、华为以及OPPO 在内的主流手机生产商，都推出了支持三维声的手机和平板电脑。一些OTT 运营商包括爱奇艺、优酷等，也都在自己的移动客户端植入了支持三维声的技术。目前，在这些平台上已经有了相当数量的三维声内容。

需要强调的是，推送移动端还可以使用双耳渲染后的方式传输，即通过算法（主要是处理HRTF“头相关相位传输函数”）把三维声转换为双耳渲染版的两声道，普通移动端不必植入新技术就可体验沉浸式三维声效果。目前，支持实时双耳渲染的硬件产品有Dolby 的DP590（制作域产品）、Smyth SVS 的Realiser A16（为录音棚混音师设计）以及植入Auro-3D 技术的STRM AUDIO（民用消费端）等。具备非实时推送算法的国内专业声学机构很多，包括全景声科技南京有限公司、广州合睿科技等。

3 三维声传输的可行性

三维声的传输分为两个阶段——面向消费者的传输和制作域内部的传输。

3.1 面向消费者的传输

面向消费者的传输中，MPEG-H 和Dolby Atmos都有成熟的解决方案。MPEG-H 还能提供互动体验，消费者可以根据自己的喜好控制环境声与体育解说的比例，选择不同的语言解说，但需要在编码端写入相应的数据。MPEG-H 已被韩国4K 频道使用，近年还参与欧洲歌唱锦标赛的内容分发编码，其国内团队也开始进行相应的技术推广。而杜比的Dolby Digital Plus（以下简称DD+）可以作为杜比全景声的编码格式，通过电视广播、流媒体等形式分发到用户终端，码率可以低至448 kb/s。前面提到的互联网平台上的杜比全景声内容和近两年与互联网平台以及国内外各大电视机构合作制作的杜比全景声直播节目，都是采用DD+编码，如2019 年世界杯、2020 年欧洲冠军杯联赛（CCTV 5 APP）以及超级乐队（CCTV 音乐 APP）等。

3.2 制作域内部的传输

对于制作域内部的传输，新建系统基本支持携带16CH 音频基带信号。若携带通道能力限制，可以使用Dolby ED2 的方式。Dolby ED2 是Dolby E的下一代技术，可以支持杜比全景声音频及其元数据。当前支持DolbyE 解码和透传的设备都可以同样支持Dolby ED2。2016 年的欧洲杯、2020 年的欧洲冠军杯决赛以及欧洲国家杯决赛，主办方都是通过ED2 回传杜比全景声音频。同样，使用ED2在制作域内部传输的还包括英超联赛。

4 制作技术系统

制作技术系统分为后期制作系统和直播制作系统两部分。

后期制作系统暂时只有杜比公司工具较完善，核心是杜比全景声渲染工具。该工具目前有硬件（DAMS）和软件（DAPS）两个版本，可以配合Protools、Nuendo 等音频工作站使用。制作域直接输出基于声道的三维声信号，在分发端需要相应的编码工具将制作好的杜比全景声母版文件编码为TrueHD 或DD+等交付格式。

直播制作调音台具备5.1.4 母线最佳。如果没有5.1.4 母线，至少需要具备5.1 母线。监听扬声器系统配置为5.1.4 格式。Smyth SVS 的Realiser A16可以作为其他辅助工位的耳机监听输出。直播制作系统可以借助杜比全景声的渲染工具（DP590）、Dolby DD+编码工具（DP591）以及质量检查工具（DP580）。

5 三维声内容制作

三维声内容制作需要技术与艺术有机结合。节目内容创作人员要了解声音呈现的先进性，音频技术人员也要清晰节目制作的整体流程。得益于广东作为中国改革开放的前沿阵地，广东民众在音频领域的整体基础较为扎实，相应的软硬件及厂家资源较为集中。广东电视节目口和技术口的电视节目制作人员勇立潮头，在较早就对三维声音频等新兴技术开展了多次研讨，集思广益，获得了较为丰富的认知。

广东广播电视台音频团队从2017 年开始实践与探索电视三维声内容制作。2017 年的三维声作品《2017CBA 总决赛广东vs 新疆》，获得2018 年广电总局第一届三维声大赛三等奖；2018 年与4K 综艺频道宣推组一起参与策划三维声纯人声清唱歌唱节目《美丽人声》，在现场进行了三维声混音，并进行双耳渲染推送给现场所有带耳机的观众。图1、图2 和图3 分别为《美丽人声》现场混音间、观众席及系统图。

节目2019 年在广东4K 综艺频道顺利播出（受限与播出链路声道承载能力，实际为环绕声播出，三维声及双耳版本进行了网络端推送）。三维声作品《2018 年国际羽联年度总决赛男双决赛》，获2019年金帆奖声音制作体育实况一等奖第一名。2019年12 月1 日CBA 揭幕战，实现了超高清三维声远程制作，并把带三维声的TS 码流推送到体验区的民用终端，成功呈现了三维声端到端技术生产链路。图4 和图5 分别为远程制作混音间和信号流程图。

6 电视三维声的机遇与挑战

从国际关注度高的项目看，2018 年俄罗斯世界杯官方信号已送出超高清三维声，2020 东京奥运主转播机构更宣布所有场馆音频信号为沉浸式，可见国外对超高清三维声的探索已快速推进。随着我国超高清电视技术的推进和配合超高清产业链的生态发展，我国的电视三维声产业将迎来一波需求高潮。广东广电产业可以借助这一东风，探索更合理的解决方案，利用本土的音频编解码专业团队（广晟数码、合睿科技等），联合芯片研发、平台服务等龙头企业，解决有线终端和移动终端的超高清三维声传输及呈现，从而形成自有知识产权的生态产业。

广东广电音频团队一直不遗余力参与超高清三维声的探索与实践，但是基于安全播出、技术保障配置的人员数量不足以应付过多的“高规格”生产制作，虽然能借助广东录音师协会等平台共享省内广电系统人以及邀请热心的录音师参与，但基于电视制作流程又能参与此类“高规格”制作的人力资源依旧十分短缺。因此，需规划超高清产业发展的决策层给予相应的政策支持，打通生产环节上的瓶颈，促使超高清三维声产业持续、良性发展。