BS ISO IEC 23003——MPEG 音频技术（MPEG Audio Technologies）标准系列

🎧 BS ISO/IEC 23003 是英国标准协会（BSI）采用 ISO/IEC 23003 系列发布的、面向 MPEG 音频技术的信息技术标准。该系列建立在 ISO/IEC 14496（MPEG-4）音频编码框架之上，进一步定义面向现代音频应用的先进编码与处理工具，是 MPEG-D 音频标准家族（MPEG 在统一语音与音乐编码、空间音频、动态范围控制三大方向上的扩展）的核心组成部分。英国方面的制定工作由技术委员会 IST/37（图像、音频、多媒体与超媒体信息编码）负责，ICS 分类为 35.040。本系列当前收录两份标准：第 3 部分规定统一语音与音频编码（USAC），第 4 部分规定动态范围控制（DRC）。前者解决”如何在更低码率下同时兼顾语音与音乐质量”，后者解决”如何在各种播放环境下让响度差异巨大的节目保持可听与舒适”。

💡 USAC 的核心理念是”统一”：让语音与音乐共用同一套编码框架，在编码器内部根据信号特性自适应切换频域编码与线性预测编码工具，从而避免传统方案在两类内容之间切换时出现的音质损失与复杂度增加，是高质量低码率音频的重要工具。

一、系列概述与定位 📌

ISO/IEC 23003 系列是 MPEG 音频技术的扩展部分，重点解决 MPEG-4 基础音频规范之外的编码与处理需求。与 MPEG-4 音频（ISO/IEC 14496-3）中大量独立的编码工具不同，23003 系列把相关能力组织成”统一框架 + 专项处理”的结构：第 3 部分定义针对语音与音乐混合内容的统一编码方案，第 4 部分定义与内容无关的动态范围处理能力。两部分的组合使用，使解码器既能在有限码率下高效传输，又能在回放端按用户环境灵活调整听感。

BS ISO/IEC 23003 系列当前收录的两个部分如下表所示。第 3 部分定义统一语音与音频编码，第 4 部分定义动态范围控制。

标准号	中文主题	主要内容	发布/实施
BS ISO/IEC 23003-3:2012	统一语音与音频编码（Unified speech and audio coding）	USAC 解码器框图、工具概述及与 MPEG Surround / SAOC 的组合	2012-04-01 首版（含多次更正）
BS ISO/IEC 23003-4:2015	动态范围控制（Dynamic Range Control）	DRC 的技术概述、语法与助记符、处理工具	2015-11-15 首版

⚠️ BS ISO/IEC 23003-3 在 2015 年发布英国实施版本时，纳入了 2012 年 9 月、2013 年 9 月与 2014 年 12 月的三份更正（corrigenda）。由于该标准技术性强、更正涉及语法细节，使用时应以最新（含全部更正）文本为准，避免采用旧版导致的解码不兼容。

二、统一语音与音频编码（USAC）🔧

BS ISO/IEC 23003-3 规定 统一语音与音频编码（Unified Speech and Audio Coding，USAC）。USAC 把高效语音编码（如 ACELP 线性预测编码）与高质量音频编码（如 MDCT 频域变换编码）融合到一个统一框架，在单一编码器中协调两者，实现低码率下语音与音乐的高效压缩。标准的内容组织围绕解码器展开，主要包括：

2.1 解码器框图

标准首先给出 USAC 解码器的整体结构框图，说明从位流输入到 PCM 输出的数据通路，明确各工具模块（频域解码、线性预测解码、后处理、立体声/多声道相关处理）之间的连接关系。框图既是实现者的架构指引，也是各章节语法定义的参照系。

2.2 解码工具概述

频域编码：基于 MDCT 的变换编码，负责音乐与一般音频内容的高保真压缩。
线性预测编码：基于 ACELP 等 LPC 工具的语音编码，负责语音与近语音信号的高效压缩。
量化与熵编码：对频谱系数与预测残差进行量化与熵编码，控制位流开销。
切换与控制：根据信号特性在频域与线性预测工具之间平滑切换，保证听感连续。

2.3 与 MPEG Surround / SAOC 的组合

标准专门说明 USAC 如何与 MPEG Surround（ISO/IEC 23003-1）和空间音频对象编码（SAOC，ISO/IEC 23003-2）协同工作，使单声道/立体声核心编码与空间参数编码可以组合，支撑环绕声与对象音频场景。

✅ 对实现者而言，USAC 的收益在于”一套解码器覆盖两类内容”：广播、流媒体与存储设备无需针对语音和音乐分别维护解码路径，降低了硬件与软件的维护成本。

三、动态范围控制（DRC）🔧

BS ISO/IEC 23003-4 规定 动态范围控制（Dynamic Range Control，DRC），用于在播放时根据设备能力与聆听环境调整音频信号的动态范围。所谓动态范围，指信号中最响与最轻部分之间的差异：过大的动态范围在安静环境（如深夜电视）听不清低音，在嘈杂环境（如车载）又会被环境噪声淹没。DRC 通过随内容一起传输的控制元数据或在解码端施加处理，让响亮的节目保持可懂、安静的节目保持可闻，同时保护扬声器与听力免受过载。标准规定了：

技术概述：DRC 的处理模型、控制目标与典型应用场景。
语法与助记符：DRC 相关数据的位流语法、语义与助记符约定，保证编码器与解码器互操作。
处理工具：增益调整、限幅、响度管理等工具，以及滤波器与平滑策略。

DRC 元数据可以独立于音频内容传输，也可嵌入音频位流，因此同一内容可以在不同端点上实施不同的控制策略，而无需重新编码。

💡 DRC 的关键价值在于”内容不变、体验可调”：制作阶段只附加控制元数据，播放设备按自身声学能力选择增益曲线，从而在耳机、电视、车载与影院等不同场景获得一致的听觉体验。

四、工程实践与应用 🔍

USAC 与 DRC 广泛应用于音频编码、流媒体、广播、电视与沉浸式音频。工程实践要点包括：

编码器选型：USAC 面向低码率高音质场景（如从 HE-AAC 演进的应用），应根据目标码率与内容类型（语音为主、音乐为主或混合）选择频域/预测工具组合与帧长配置。
解码兼容：实现解码器时应严格遵循标准（含更正）的语法与语义，尤其关注更正涉及的位流细节，保证与编码器及既有内容的互操作。
DRC 应用策略：根据播出平台（移动、电视、车载、公共广播）设定不同的控制强度，避免过度压缩损失音乐动态，也避免在要求保真的场景错误启用强压缩。
多声道协同：当 USAC 与 MPEG Surround / SAOC 组合时，需正确配置空间参数、元数据与 DRC 优先级，防止增益处理破坏声道间的响度平衡。
测试与验收：通过主观听音（听力测试）与客观指标（响度、失真、频谱误差）双重验证编码/解码链路，确保符合发行要求。

应用场景	建议工具	关注点
移动流媒体/播客	USAC 频域工具 + 中等码率	码率、电池功耗、弱网健壮性
广播与电视	USAC + DRC 元数据	响度一致、深夜低音量可懂
沉浸式/对象音频	USAC + MPEG Surround / SAOC	空间参数同步、声道平衡
专业存档与发行	高码率 USAC	透明性、无损往返、元数据保留

五、常见问题解答 ❓

❓ 问：USAC 与传统语音/音频编码有什么不同？
答：传统方案把语音（如 AMR 类）与音乐（如 AAC 类）分开处理，混合内容会在切换点出现质量波动；USAC 把两类工具统一在单一框架内，按信号特征连续切换，因而在混合内容与低码率下获得更一致、更高质量的结果。

❓ 问：第 3 部分为什么强调”与 MPEG Surround / SAOC 的组合”？
答：因为现代音频常包含多声道与对象，USAC 需要与空间音频工具协同才能高效编码立体声、环绕声或沉浸式内容；标准为此规定了参数接口与协同工作方式。

❓ 问：动态范围控制（DRC）解决什么问题？
答：它解决”响度差异过大”的问题——让内容在安静环境（如深夜电视）与嘈杂环境（如车载、公共广播）都能清晰可听，同时避免扬声器过载与失真，并可按用户偏好调节。

🔍 问：应用 USAC/DRC 时要注意什么？
答：应使用包含全部更正的现行标准文本，正确配置编码参数与元数据，验证解码器对更正细节的兼容性，并在目标播放环境进行主客观测试，避免实现偏差。

🔍 问：DRC 元数据与音频内容是什么关系？
答：DRC 元数据可独立于音频内容传输或嵌入位流，作为”建议的控制曲线”存在；播放端可以选择采用、调整或忽略，因此同一内容在不同设备上可呈现不同但一致的设计听感。

🔒

正在加载下载地址，请稍候 10 秒