ES2986709T3 - Potenciación de diálogo en códec de audio - Google Patents

Abstract

Mejora del diálogo de una señal de audio, que comprende la obtención de un conjunto de parámetros variables en el tiempo configurados para estimar un componente de diálogo presente en dicha señal de audio, estimar el componente de diálogo a partir de la señal de audio, aplicar un compresor únicamente al componente de diálogo estimado, para generar un componente de diálogo procesado, aplicar una ganancia determinada por el usuario al componente de diálogo procesado, para proporcionar un componente de diálogo mejorado. El procesamiento del diálogo estimado puede realizarse en el lado del decodificador o en el lado del codificador. La invención permite una mejora del diálogo mejorada. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Potenciación de diálogo en códec de audio

Referencia cruzada a solicitudes relacionadas

Esta solicitud reivindica prioridad de las siguientes solicitudes prioritarias: solicitud provisional de EE.UU.

62/833855 (referencia: D181 19USP1), presentada el 15 de abril de 2019, solicitud EP 19169218.5 (referencia: D181 19EP), presentada el 15 de abril de 2019, y solicitud provisional de EE.UU. 62/882722 (referencia: D181 19USP2), presentada el 5 de agosto de 2019.

Campo de la tecnología

La presente divulgación se refiere a potenciación de diálogo de una señal de audio.

Antecedentes

Soporte para funcionalidad de potenciación de diálogo se incluye típicamente en el estado de la técnica de sistemas de codificación/descodificación de audio.

En sistemas de extremo dual, puede incluirse información para potenciación de diálogo en el flujo de bits transmitido desde el codificador al descodificador. La información se denomina típicamente conjunto de parámetros de potenciación de diálogo (DE) variable en el tiempo, incluyendo un parámetro por banda de frecuencia (y por canal). Una ventana temporal junto con una banda de frecuencia (en un canal) se denomina conjuntamente “baldosa de frecuencia-tiempo”, y los parámetros de DE representan ganancias variables en el tiempo para cada una de tales baldosas. En el lado del descodificador, los parámetros de DE pueden aplicarse junto con una ganancia de diálogo determinada por usuario para proporcionar una señal de diálogo potenciado. Sin embargo, el efecto de la potenciación de diálogo en tales sistemas puede percibirse como demasiado sutil, y se desea por lo tanto un procesamiento mejorado.

En otras áreas, se ha propuesto potenciación de diálogo que incluye combinaciones de ecualización y compresión, véase por ejemplo el documento US2012/0209601.

Sin embargo, tales soluciones no son inmediatamente aplicables a un sistema códec de audio.

El documento WO2017/132396 A1 se refiere a métodos para potenciación de diálogo de contenido de audio, que comprenden proporcionar una primera presentación de señal de audio de los componentes de audio, proporcionar una segunda presentación de señal de audio, recibir un conjunto de parámetros de estimación de diálogo configurados para habilitar la estimación de componentes de diálogo a partir de la primera presentación de señal de audio, aplicar dicho conjunto de parámetros de estimación de diálogo a dicha primera presentación de señal de audio, para formar una presentación de diálogo de los componentes de diálogo; y combinar la presentación de diálogo con dicha segunda presentación de señal de audio para formar una presentación de señal de audio de diálogo potenciado para reproducción en el segundo sistema de reproducción de audio, en el que al menos una de dichas primera y segunda presentación de señal de audio es una presentación de señal de audio binaural.

El documento US2010/0107607 A1 se refiere a procesamiento de señales de audio y potenciación de voz, combinando un programa de audio de alta calidad que es una mezcla de audio de voz y audio sin voz con una copia de menor calidad de los componentes de voz contenidos en el programa de audio con el propósito de generar un programa de audio de alta calidad con una relación aumentada de audio de voz a audio sin voz.Divulgación general de las realizaciones de la invención

Por lo tanto, es un objeto de la presente divulgación proporcionar una potenciación de diálogo mejorada en un sistema de códec de audio. La invención se expone en las reivindicaciones independientes. Realizaciones preferibles se exponen en las reivindicaciones dependientes.

De acuerdo con la presente divulgación, este y otros objetos se logran sometiendo un componente de diálogo estimado a procesamiento adicional, incluyendo compresión (y opcionalmente ecualización), habilitando por ello una potenciación de diálogo mejorada. Una realización de la divulgación se basa en darse cuenta de que la potenciación de diálogo en un sistema de códec de audio puede mejorarse significativamente. Además, en un sistema de extremo dual de acuerdo con una realización de la presente invención, los parámetros de potenciación de diálogo (DE), convencionalmente aplicados como ganancias lineales directamente a la señal de audio, se usan por el contrario para estimar el componente de diálogo, para permitir por ello el procesamiento adicional.

De acuerdo con el primer aspecto de una realización de la presente invención, el procesamiento adicional del componente de diálogo estimado se realiza en el lado del descodificador.

Más específicamente, el primer aspecto se refiere a un método para potenciación de diálogo de una señal de audio, que comprende recibir un flujo de bits codificado que incluye una señal de audio, obtener un conjunto de parámetros variables en el tiempo configurados para estimar un componente de diálogo presente en la señal de audio, estimar el componente de diálogo a partir de la señal de audio, aplicar un compresor al componente de diálogo estimado para generar un componente de diálogo procesado, aplicar una ganancia determinada por usuario al componente de diálogo procesado para generar un componente de diálogo potenciado, y combinar el componente de diálogo potenciado con la señal de audio para formar una señal de audio de diálogo potenciado.

El primer aspecto también se refiere a un descodificador para potenciación de diálogo de una señal de audio, habiendo obtenido el descodificador un conjunto de parámetros variables en el tiempo configurados para estimar un componente de diálogo presente en la señal de audio, comprendiendo el descodificador un elemento descodificador para descodificar la señal de audio recibida en un flujo de bits codificado, un estimador de diálogo para estimar el componente de diálogo a partir de la señal de audio, un compresor para comprimir el componente de diálogo estimado para generar un componente de diálogo procesado, un elemento de ganancia para aplicar una ganancia determinada por usuario al componente de diálogo procesado, para proporcionar un componente de diálogo potenciado, y una trayectoria de combinación para combinar el componente de diálogo potenciado con la señal de audio para formar una señal de audio de diálogo potenciado.

En un sistema de un solo extremo, los parámetros variables en el tiempo para estimar el componente de diálogo pueden determinarse en el descodificador o incluso estar prestablecidos. Sin embargo, en una implementación preferida, el descodificador es parte de un sistema de extremo dual, en cuyo caso los parámetros pueden incluirse en el flujo de bits codificado (por ejemplo, correspondiente a los parámetros de potenciación de diálogo (DE) conocidos en la técnica).

El compresor se aplica ventajosamente solo en el componente D de diálogo estimado de la señal de audio. El compresor se aplica ventajosamente antes de aplicar la ganancia determinada por usuario, y antes de combinar el componente de diálogo potenciado con la señal de audio. En descodificadores convencionales, toda la señal de audio que incluye componentes de diálogo y componentes de no diálogo puede ser típicamente reforzada durante el procesamiento de la señal de audio. En descodificadores convencionales, puede aplicarse típicamente un limitador a la señal reforzada para evitar que la señal reforzada llegue a saturación, impidiendo por ello recorte de la señal reforzada. En el primer aspecto de la realización de la presente invención, el compresor tiene un propósito diferente al de un limitador convencional, por ejemplo, típicamente insertado en la salida del descodificador. El compresor de acuerdo con el primer aspecto se usa para aumentar la potencia promedio de solo el componente de diálogo de la señal de audio mientras se mantiene sin cambios el nivel de pico de la señal de audio. La ganancia determinada por usuario se aplica al componente de diálogo procesado (comprimido) y se combina con la señal de audio, o, como en una realización descrita más adelante, el componente de no diálogo, de tal manera que el componente de diálogo puede resaltarse más claramente en la señal de audio procesada. Por lo tanto, de acuerdo con el primer aspecto, el compresor aumenta la relación señal-ruido de la señal de audio de diálogo potenciado entre el componente de diálogo y el componente de no diálogo de la señal de audio, por ejemplo, el fondo. Por lo tanto, el compresor de acuerdo con el primer aspecto, no se usa para impedir el recorte de la señal.

En una realización, el componente de diálogo comprende diálogo con un nivel variable en el tiempo. De acuerdo con el primer aspecto, el compresor puede llevar el nivel de audio de partes más altas del componente de diálogo más cerca del nivel de audio de las partes más silenciosas.

En una realización, el compresor también puede configurarse para aplicar una ganancia de restauración al componente de diálogo procesado (comprimido) para aumentar el nivel, por ejemplo un nivel de pico, del componente de diálogo procesado de vuelta a un nivel, por ejemplo un nivel de pico, del componente de diálogo estimado. Aplicar una ganancia de restauración da como resultado un aumento global del nivel del componente de diálogo, haciendo de este modo que el componente de diálogo comprimido sea más audible.

En una realización descrita adicionalmente a continuación, puede usarse un limitador en la salida del descodificador para impedir que la señal de audio procesada se recorte. En los casos en los que el componente de diálogo ha sido reforzado por una ganancia simple, pero no comprimido, el limitador puede reducir significativamente o incluso cancelar el efecto percibido del refuerzo de diálogo. Por otro lado, al comprimir y reforzar el componente de diálogo, de tal manera que se aumenta la potencia promedio del diálogo, un aumento percibido en el nivel de diálogo puede percibirse incluso después de limitarlo. Como tal, la aplicación de un compresor solo al componente de diálogo de la señal de audio proporciona un sistema de potenciación de diálogo que es perceptivamente más robusto al limitador de salida.

Se entiende que cuando la ecualización también se aplica al componente de diálogo estimado antes de la compresión, comprimir el componente de diálogo estimado se refiere a comprimir el componente de diálogo estimado ecualizado.

De acuerdo con el segundo aspecto de una realización de la presente invención, el procesamiento adicional del componente de diálogo estimado se realiza en el lado del codificador de un sistema de extremo dual, lo que conduce a un parámetro de potenciación de diálogo (DE) modificado, que se codifica e incluye en el flujo de bits. Cabe señalar que, aunque compresión es una operación no lineal variable en el tiempo, es solo la computación del valor de ganancia lo que no es lineal. La aplicación real del valor de ganancia computado es de hecho una operación lineal. La aplicación de una curva de ecualizador estático (invariable en el tiempo) también es lineal. Los inventores se han dado cuenta, por lo tanto, de que el procesamiento adicional del componente de diálogo de acuerdo con una realización de la presente invención puede materializarse alternativamente en el lado del codificador incorporando el coeficiente del ecualizador y la ganancia de compresión (incluyendo restauración) en el conjunto de parámetros de potenciación de diálogo (DE), para generar un conjunto modificado de parámetros de DE.

Más específicamente, el segundo aspecto se refiere a un método para codificar una señal de audio para habilitar la potenciación de diálogo, que comprende proporcionar una señal de audio, proporcionar un conjunto de parámetros de potenciación de diálogo variables en el tiempo configurados para estimar un componente de diálogo presente en la señal de audio, estimar un componente de diálogo estimado aplicando los parámetros de potenciación de diálogo a la señal de audio, aplicar un compresor al componente de diálogo estimado para generar un componente de diálogo procesado, dividir el componente de diálogo procesado por el componente de diálogo estimado para determinar un conjunto de ganancias de ajuste variables en el tiempo, combinar los parámetros de potenciación de diálogo con las ganancias de ajuste para proporcionar un conjunto de parámetros de potenciación de diálogo modificados, y codificar la señal Y de audio los parámetros de potenciación de diálogo modificados en un flujo de bits.

El segundo aspecto también se refiere a un codificador para codificar una señal de audio para habilitar la potenciación de diálogo, que comprende un estimador de diálogo para estimar un componente de diálogo presente en una señal de audio aplicando un conjunto de parámetros de potenciación de diálogo variables en el tiempo a la señal de audio, un compresor para comprimir el componente de diálogo estimado para generar un componente de diálogo procesado, un divisor para dividir el componente de diálogo procesado por el componente de diálogo estimado para determinar un conjunto de ganancias de ajuste variables en el tiempo, un combinador para combinar los parámetros de potenciación de diálogo con las ganancias de ajuste para proporcionar un conjunto de parámetros de potenciación de diálogo modificados, y un elemento codificador para codificar la señal Y de audio el parámetro de potenciación de diálogo modificado en un flujo de bits.

Los efectos ventajosos del compresor descrito con referencia al primer aspecto de las realizaciones de la invención también se logran con el segundo aspecto de las diversas realizaciones de la invención.

Ambos aspectos (descodificador y codificador) proporcionan sustancialmente el mismo efecto técnico.

Una ventaja del segundo aspecto (procesamiento en el codificador) es que el descodificador no necesita modificarse. El compresor puede atenuar partes de la señal que exceden un umbral dado, por ejemplo partes de la señal que tienen un pico o nivel de RMS por encima del umbral dado. La relación de compresión puede ser de aproximadamente de 5:1 o incluso de hasta 20:1. Se puede aplicar una ganancia de restauración para mantener el nivel original (por ejemplo, pico o nivel de RMS) de la señal de diálogo.

En un sistema de extremo dual, el flujo de bits codificado también puede incluir parámetros de compresión para configurar el compresor. Tales parámetros pueden incluir por ejemplo umbral, relación de compresión, tiempo de ataque, tiempo de liberación y ganancia de restauración.

El procesamiento adicional del componente de diálogo estimado incluye preferiblemente aplicar un primer ecualizador al componente de diálogo estimado antes de aplicar el compresor. Tal ecualización puede servir para potenciar adicionalmente el efecto de la compresión.

El término “ecualizador” debe interpretarse ampliamente y puede incluir por ejemplo aplicación de una ecuación de diferencia en el dominio de tiempo. En la mayoría de los ejemplos prácticos, sin embargo, el ecualizador es un elemento que aplica una ganancia dependiente de frecuencia (compleja) a la señal de diálogo estimada, aunque en algunos casos puede ser suficiente una ganancia de valor real.

El ecualizador puede incluir descolgar frecuencias más bajas (por ejemplo, por debajo de 500 Hz) y proporcionar un pequeño refuerzo amplio en rangos de frecuencias seleccionados. Para un ejemplo más detallado, véase más adelante.

El paso de combinar el componente de diálogo potenciado con la señal de audio incluye formar un componente de no diálogo estimado (a veces denominado M&E para “música y efectos”) restando el componente D de diálogo estimado de la señal de audio, y luego sumando el componente de no diálogo estimado con el componente de diálogo potenciado.

En algunas realizaciones, el componente de no diálogo estimado también está sujeto a ecualización, aplicando un segundo ecualizador, antes de que el componente de no diálogo estimado se añada al componente de diálogo potenciado. Tal segundo ecualizador puede estar funcionalmente interrelacionado con el primer ecualizador. Por ejemplo, en regiones de frecuencia en las que se amplifica el diálogo estimado, a M&E se le puede dar una ligera atenuación. Se hace referencia a la descripción de realizaciones para un ejemplo más detallado.

En un sistema de extremo dual, el flujo de bits codificado también puede incluir datos de control o datos de direccionamiento para configurar el primer ecualizador y, si está presente, el segundo ecualizador. Por ejemplo, un descodificador puede estar provisto de un conjunto de preajustes de ecualizador diferentes, y los datos de control en el flujo de bits pueden seleccionar qué preajuste aplicar.

Breve descripción de los dibujos

Realizaciones de la presente invención se describirán con más detalle con referencia a los dibujos adjuntos. La figura 1 es un diagrama de bloques de un descodificador de acuerdo con una realización de la presente invención.

La figura 2 es un diagrama de bloques de un descodificador de acuerdo con una segunda realización de la presente invención.

La figura 3 es un diagrama de bloques de parte de un codificador de acuerdo con una realización de la presente invención.

La figura 4 es un descodificador adecuado para su uso con la solución de codificador de la figura 3.

La figura 5 es un diagrama de bloques de una implementación más detallada del descodificador de la figura 2. La figura 6 es un diagrama de bloques que muestra el componente de potenciación de diálogo de la figura 5 de acuerdo con una realización de la invención.

Las figuras 7a y 7b son diagramas de bloques que muestran dos ejemplos del componente de potenciación de diálogo de la figura 5 de acuerdo con otra realización de la invención.

La figura 8 es un diagrama de bloques que muestra el componente de potenciación de diálogo de la figura 5 de acuerdo con otra realización más de la invención.

Las figuras 9a y 9b son dos ejemplos de funciones de ecualización para los ecualizadores de la figura 2.

La figura 10a ilustra esquemáticamente un ejemplo de potenciación de diálogo de acuerdo con un enfoque convencional.

La figura 10b ilustra esquemáticamente un ejemplo de potenciación de diálogo de acuerdo con una realización de la invención.

La figura 10c ilustra esquemáticamente un ejemplo de potenciación de diálogo de acuerdo con otra realización de la invención.

Descripción detallada de las realizaciones

Sistemas y métodos divulgados a continuación pueden implementarse como software, firmware, hardware o una combinación de los mismos. En una implementación de hardware, la división de tareas no corresponde necesariamente a la división en unidades físicas; por el contrario, un componente físico puede tener múltiples funcionalidades, y una tarea puede ser llevada a cabo por varios componentes físicos en cooperación. Ciertos componentes o todos los componentes pueden implementarse como software ejecutado por un procesador de señal digital o microprocesador, o pueden implementarse como hardware o como un circuito integrado de aplicación específico. Tal software puede distribuirse en medios legibles por ordenador, que pueden comprender medios de almacenamiento de ordenador (o medios no transitorios) y medios de comunicación (o medios transitorios). Como es bien conocido por un experto en la técnica, el término medios de almacenamiento de ordenador incluye medios tanto volátiles como no volátiles, extraíbles y no extraíbles implementados en cualquier método o tecnología para el almacenamiento de información tal como instrucciones legibles por ordenador, estructuras de datos, módulos de programa u otros datos. Medios de almacenamiento de ordenador incluyen, pero no se limitan a, RAM, ROM, EEPROM, memoria flash u otra tecnología de memoria, CD-ROM, discos versátiles digitales (DVD) u otro almacenamiento en disco óptico, casetes magnéticos, cinta magnética, almacenamiento en disco magnético u otros dispositivos de almacenamiento magnético, o cualquier otro medio que pueda usarse para almacenar la información deseada y al que pueda accederse mediante un ordenador. Además, es bien conocido por el experto en la técnica que los medios de comunicación típicamente plasman instrucciones legibles por ordenador, estructuras de datos, módulos de programa, u otros datos en una señal de datos modulada tal como una onda de portadora u otro mecanismo de transporte e incluyen cualquier medio de entrega de información.

La siguiente descripción se refiere a diversas realizaciones de descodificador y codificador en un sistema de códec de extremo dual. Cabe señalar que las realizaciones de la presente invención también pueden implementarse en un descodificador de extremo único. En tal realización, los parámetros a variables en el tiempo para estimar un componente de diálogo no se recibirán en el flujo de bits, sino que por el contrario se determinan por el descodificador en base a la señal Y de audio recibida.

Implementación del lado del descodificador

El descodificador 10 de la figura 1 comprende un bloque 11 de estimación de diálogo, que recibe la señal Y de audio de entrada así como un conjunto de parámetros a de potenciación de diálogo (DE) dependiente del tiempo de un flujo de bits. Aunque no se muestra en la figura 1, la señal Y de audio y el conjunto de parámetros a se descodifican ambos a partir de un flujo de bits codificado. Los parámetros a incluyen parámetros para cada uno de un conjunto de bandas de frecuencia (y por supuesto para cada canal de transporte de diálogo). La resolución de la dependencia de tiempo está determinada típicamente por la velocidad de trama del flujo de bits, y una combinación específica de una trama (m) y una banda de frecuencia (k) se denomina baldosa de frecuenciatiempo. De acuerdo con esta terminología, los parámetros de DE comprenden uno o más parámetros a(m, k) para cada baldosa de frecuencia-tiempo. Cabe señalar que los parámetros de DE típicamente tienen una resolución de frecuencia más gruesa que la señal de audio, y una banda de frecuencia de DE puede incluir varios rangos de frecuencias de la señal de audio. Los parámetros de DE habilitan al bloque 11 de estimación de diálogo para estimar un componente D de diálogo presente en la señal Y de audio de acuerdo con D(m, k) = a(m, k) Y(m, k). Para detalles adicionales, se hace referencia al documento WO2017/132396.

El descodificador comprende además una trayectoria de procesamiento de diálogo, que en esta realización incluye un primer ecualizador 12 y un compresor 13 conectados en serie. La salida del compresor 13 está conectada a un amplificador 14, que realiza una multiplicación por un factor de g-1, donde g es una ganancia lineal determinada por usuario.

La ganancia g determinada por usuario puede representar un grado de ganancia de diálogo a aplicar en general. Por ejemplo, un usuario puede establecer la ganancia g en un nivel con el que el usuario está cómodo, y después dejarla en ese nivel. Si un usuario siente que el nivel de componente de diálogo es demasiado silencioso, el usuario puede aumentar el nivel aumentando la ganancia g. De igual modo, si un usuario siente que el nivel del componente de diálogo es demasiado alto, el usuario puede disminuir el nivel disminuyendo la ganancia g. Sin embargo, en la mayoría de los casos prácticos, un usuario puede tener una preferencia por componentes de diálogo más ruidosos y la ganancia puede establecerse típicamente a un valor igual o superior a uno.

Aguas arriba del ecualizador 12 está dispuesto un conmutador 15, que en esta realización está configurado para conectar la señal D de diálogo estimada a la trayectoria de procesamiento (compresor 13 y opcionalmente ecualizador 12) solo cuando se cumplen dos condiciones:

l) el factor g de ganancia seleccionado por el usuario es mayor que 1, y

2) el parámetro a de potenciación de diálogo es distinto de cero para la baldosa de frecuencia-tiempo, es decir, hay diálogo presente.

Si no se cumple alguna de estas condiciones, el componente D de diálogo estimado se conecta directamente al multiplicador 14 sin ningún procesamiento. También son posibles otros ajustes del conmutador, por ejemplo sin requerir la segunda condición.

Finalmente, el descodificador comprende un punto de suma 16 configurado para añadir la salida del multiplicador 14 a la señal Y de audio de entrada.

En uso, cuando g > 1, el ecualizador de la figura 1 procesará el componente D de diálogo estimado (con compresión y opcionalmente ecualización), después lo multiplicará por g - 1 y después lo añadirá finalmente a la señal Y de audio original. Cuando g < 1, el codificador multiplicará el componente D de diálogo estimado (sin procesamiento) por un factor de g - 1 y lo añadirá a la señal Y de audio original. Cabe señalar que este último caso corresponde a atenuar el diálogo, ya que el factor g-1 será menor que cero. La suma en el punto 16 será de este modo en este caso una resta.

En la figura 2 se muestra una realización más elaborada. Aquí, el descodificador 20 incluye adicionalmente un punto de resta 21 configurado para restar el diálogo D estimado de la señal Y de audio de entrada, formando por ello un componente “de no diálogo” estimado, a menudo denominado M&E (música y efectos). El descodificador de la figura 2 incluye además una trayectoria de procesamiento con un segundo ecualizador 22, cuya salida está conectada a un punto de suma 24. El segundo ecualizador 22 está precedido por un segundo conmutador 23, en esta realización configurado de nuevo para suministrar la señal de M&E al segundo ecualizador 22 solo cuando se cumplen dos condiciones:

1) el factor g de ganancia seleccionado por usuario es mayor que 1, y

2) el parámetro de potenciación de diálogo a(m, k) es distinto de cero para la baldosa de frecuencia-tiempo, es decir hay diálogo presente.

En la figura 2, el punto de suma 24 está conectado para añadir o bien el M&E procesado desde el ecualizador 22, o bien el M&E no procesado directamente desde el conmutador 23. El resultado de la suma es la señal de audio de diálogo potenciado.

Los ecualizadores 12, 22 de las figuras 1 y 2 están configurados típicamente para aplicar una ganancia (compleja) dependiente de la frecuencia a la señal de entrada (es decir, la señal de diálogo estimada o la señal de M&E). El primer y el segundo ecualizador 12, 22 pueden estar funcionalmente interrelacionados, por ejemplo en el sentido de que, cuando la función de ganancia del primer ecualizador ha reforzado la función de ganancia del segundo ecualizador, tiene un corte correspondiente (pero típicamente de banda más estrecha). Esto se ilustra en las figuras 9a, 9b, para funciones de ganancia de ecualizador ejemplares EQ<1>y EQ<2>. La primera función de ganancia EQ<1>aquí tiene un descuelgue por debajo de aproximadamente 400 Hz, un ligero valle (es decir, atenuación) alrededor de 3 kHz, y picos alrededor de 5 kHz y 10 kHz. La segunda función de ganancia EQ<2>tiene cortes correspondientes alrededor de 5 kHz y 10 kHz. Cabe señalar que estas funciones de ganancia son solo ejemplos, y que los detalles de las funciones de ganancia dependerán de la aplicación real y del efecto deseado.

El compresor 13 en las figuras 1 y 2 puede ser un compresor de banda única con parámetros tales como umbral, relación de compresión, tiempo de ataque, tiempo de liberación y ganancia de restauración. Los parámetros de compresión pueden descodificarse a partir del flujo de bits y pueden ser diferentes para cada trama. Por ejemplo, la relación de compresión puede ser de 5:1, de 10:1 o de 20:1. El ataque puede ser de 10 ms, la liberación puede ser de 250 ms, el umbral relativo puede ser de -6 dB, y la ganancia de restauración puede ser de 10 dB. El umbral (es decir, el límite inferior para compresión a establecer) puede establecerse con respecto a un nivel de sonoridad de referencia a largo o corto plazo. Por ejemplo, puede establecerse con respecto a un valor de normalización del diálogo, que puede ser una indicación de la sonoridad promedio de diálogo en la señal de audio. El valor de normalización del diálogo puede posiblemente ajustarse para desviaciones locales en base a información adicional, que también puede proporcionarse en el flujo de bits.

Implementación como una multiplicación de matriz

Cabe señalar que los diagramas de bloques de las figuras 1 y 2 son representaciones esquemáticas de la funcionalidad de los descodificadores. Una implementación más práctica se materializará típicamente como una multiplicación de matriz Z = H ■ Y, donde Y es la señal de audio de entrada, H es una función de transferencia en forma de una matriz de entrada-salida, y Z es la señal de salida de diálogo potenciado.

Consideremos potenciación de diálogo en el dominio de filtro espejo en cuadratura (QMF), con una señal Y de audio de entrada = Y(m, k), donde m es el índice de ventana temporal y k es el índice de banda de frecuencia, y el componente de diálogo estimado (para la baldosa de frecuencia-tiempo específica) es D = aY, donde a(m, k) puede interpolarse entre actualizaciones de flujo de bits. Además, sea que V = V(m) =J 'Z k \0 ( rn ,k ) \2representa el valor de envolvente instantáneo de D para todos k. Entonces, si a > 0 y g > 1, la salida Z de diálogo potenciado es dada por:

Z = g ■ C[EQ<1>(D)] EQ<2>(M&E)

Z = g ■ C[q<1>■ D] q<2>■ M&E

Z = g ■ f ■ q<1>■ D q<2>■ M&E

donde qi yc\2son los coeficientes de EQ, y f es la ganancia de compresión que es una función del valor de envolventeV de D =EQ-i(D).

Dado que

D = a ■ Y

M&E = (1 - a) ■ Y

la salida Z puede escribirse como

Z = g ■ f ■ q<1>■ a ■ Y q<2>■ (1 - a) ■ Y

Z = [g ■ f ■ qi ■ a q<2>■ (1 - a)] ■ Y

Z = [(g ■ f ■ qi - q<2>) ■ a q<2>] ■ Y

o simplemente como

Z = H<DE_on>■ Y

donde H<DE_on>= (g ■ f ■ q<i>- q<2>) ■ a q<2>es la función de transferencia completa de potenciación de diálogo de acuerdo con una realización de la invención. De este modo, en una implementación práctica, los coeficientes de una curva de EQ estática pueden almacenarse en una tabla de búsqueda y solo la ganancia f de compresión necesita computarse a partir deVantes de que H pueda aplicarse a Y.

En una configuración multicanal, la ganancia f de compresión se obtiene de manera similar computando la ganancia para cada canal por separado y tomando la ganancia más pequeña como ganancia común para todos los canales. Esto es equivalente a computar el valor de envolvente instantáneo para cada canal por separado y derivar la ganancia del valor de envolvente mayor.

En el caso en el que el procesamiento adicional del diálogo D estimado se apague (g < 1), entonces f = q<i>= q<2>= 1 y la salida Z se convierte

Z = [(g - 1) ■ a 1] ■ Y

o de forma equivalente

Z = H<DE_off>■ Y

con

HDE_off = (g - 1) ■ a 1

La necesidad de tener un búfer extra para D y/oDpuede eliminarse computando la envolventeVcomo

donde a(m, k) pueden interpolarse de nuevo entre actualizaciones de flujo de bits.

Implementación del lado del codificador

El enfoque descrito con referencia a la figura 2 también puede aplicarse en el lado del codificador, como se ilustra en la figura 3.

Un codificador de un sistema de extremo dual incluye circuitería de procesamiento digital (no mostrada) para calcular un conjunto de parámetros a de potenciación de diálogo variables en el tiempo, que se van a incluir en el flujo de bits, de modo que el descodificador es capaz de estimar un componente de diálogo a partir de una señal de audio.

La figura 3 ilustra un corte del codificador, que incluye un bloque 31 de estimación de diálogo (similar al bloque 11 de estimación de diálogo anterior) para estimar el componente D de diálogo presente en la señal Y de audio usando los parámetros a que se han calculado previamente en el codificador. El codificador incluye además una trayectoria de procesamiento con un ecualizador 32 y un compresor 33, que recibe el componente D de diálogo estimado y proporciona el resultado procesado a un multiplicador 34. El codificador también incluye un inversor x-135, que recibe el componente D de diálogo estimado y emite un componente D-1 de diálogo invertido que se proporciona al multiplicador 34. La salida del multiplicador está conectada a un segundo multiplicador 36, que

también recibe los parámetros de potenciación de diálogo.

En uso, el multiplicador 34 recibirá el componente de diálogo procesado y lo multiplicará con 1/D, es decir, proporcionará una relación r entre el componente de diálogo procesado y el componente de diálogo estimado. La

relación r es típicamente específica para una baldosa de frecuencia-tiempo. La relación r de este modo, representa la contribución de la trayectoria de procesamiento 32, 33 con referencia al componente de diálogo estimado para una baldosa de frecuencia-tiempo específica. Para cada baldosa, el multiplicador 36 multiplicará el parámetro a de DE con la relación r y emitirá un parámetro b de DE modificado. El conjunto completo de parámetros b de DE modificados se codifica entonces en el flujo de bits junto con la señal de audio.

Cuando una realización de la presente invención se implementa en el lado del codificador (como se ilustra en la

figura 3), es compatible hacia atrás con los descodificadores existentes, tal como el ilustrado en la figura 4.

Multiplicando la señal Y recibida por el conjunto de parámetros a de DE modificados, el descodificador es capaz

de reproducir la señal de diálogo procesada emitida desde el compresor 33 del codificador de la figura 3. Cuando

tal señal de diálogo procesada se escala por g-1 y a continuación se añade de nuevo dentro de Y, como se muestra en el descodificador de la figura 4, es posible producir una señal de potenciación de diálogo mejorada

incluso en un descodificador existente.

Implementación práctica

La figura 5 ilustra esquemáticamente cómo potenciación de diálogo de acuerdo con una realización práctica de la invención puede implementarse en una topología de descodificador existente. Como se ilustra en la figura 5, el descodificador 50 comprende generalmente un descodificador 51 de núcleo, para descodificar el flujo de bits recibido, una transformada 52 opcional, por ejemplo, una transformada T binaural, una trayectoria de procesamiento de reverberación tardía opcional que incluye una transformada 53 de matriz y un bloque 54 de red

de retardo de retroalimentación (FDN). El codificador incluye además un bloque 55 de potenciación de diálogo

(DE), que proporciona salidas a dos puntos 56, 57 de suma (correspondientes a los dos puntos 21, 24 de suma

de la figura 2). Finalmente, el descodificador 50 comprende un bloque 58 de posprocesamiento que proporciona,

por ejemplo, control de volumen, y un limitador 59.

La figura 6 muestra un ejemplo del bloque 55 de potenciación de diálogo de la figura 5 para el caso específico de

audio estéreo. El bloque 55 comprende un bloque 61 de estimación de diálogo (correspondiente al bloque 11 de

las figuras 1 y 2), usando una transformada Acore para estimar el componente de diálogo, y además un bloque 62

de procesamiento para proporcionar ecualización y compresión del diálogo estimado. En el caso en el que no se

aplica ecualización a la señal de M&E, la transformada en el bloque 62 es equivalente a f(m) ■ q<1>(k), y q<2>(k) = 1.

Un punto 64 de multiplicación (correspondiente al multiplicador 14 de las figuras 1 y 2) multiplica el diálogo procesado con una ganancia g determinada por usuario.

En la realización ilustrada, la compresión en el bloque 62 está provista de una cadena lateral 63 que computa

una ganancia de compresor apropiada en base a la señal de diálogo estimada. Cabe señalar que la ecualización

en el bloque 62 puede ser proporcionada también aguas arriba de la rama de la cadena lateral, de tal manera

que la entrada a la cadena lateral 63 está también sujeta al ecualizador. Otra opción es aplicar un ecualizador separado en la cadena lateral 63. Este ecualizador puede ser entonces diferente del ecualizador en el bloque 62.

Para el caso de audio estéreo, y usando la notación de banco de QMF, el mapeo de LoRo y(m, k) = [Y<1>(m, k)

Y<2>(m, k)]T (representando el índice “1” el canal izquierdo y respectivamente representando el índice “2” el canal derecho de un par de canales estéreo) para diálogo potenciado LoRo z(m, k) = [Z<1>(m, k) Z<2>(m, k)]T puede expresarse como

z(m, k) = H<DE_on>(m, k) ■ y(m, k)

donde de nuevo m es el índice de ventana temporal y k es el índice de banda de frecuencia y con

Aquí,

- A<core>es una matriz de 2 por 2 que estima el diálogo de LoRo de la principal completa de LoRo. Típicamente,

A<core>se divide en ocho bandas de frecuencia y se interpola entre actualizaciones de flujo de bits que ocurren

cada 2048 muestras a la velocidad de trama nominal.

- g es la ganancia de usuario que determina la cantidad de refuerzo de diálogo. Puede variar de trama a trama y

puede requerir interpolación entre tramas.

- f(m) es la ganancia de compresor que se computa para cada ventana temporal m.

La ganancia es de banda ancha. De este modo, no hay dependencia de k. Además, se usa típicamente la misma ganancia de compresor para cada canal. Por lo tanto, f(m) es un escalar.

- q-<i>(k-) es una curva de EQ no variable en el tiempo aplicada a la señal de diálogo.

- q<2>(k) es una curva de EQ no variable en el tiempo aplicada a la señal de música y efectos.

- I<2>es una matriz de identidad de 2 por 2.

El caso envolvente 5.1 se deriva fácilmente del caso estéreo. La única diferencia es que solo los tres canales frontales L/R/C (izquierdo/derecho/centro) son procesados por la potenciación de diálogo de acuerdo con una realización de la invención. Similar al ejemplo de dos canales descrito anteriormente, la misma ganancia de compresor se usa típicamente para cada uno de los tres canales frontales. En la figura 6, la transformada “A<core>” en el bloque 61 es ahora una matriz 3 por 3 (diagonal) con los parámetros de DE correspondientes como sus elementos, y que se aplica solo a los tres canales frontales de la señal envolvente 5.1 para estimar la señal de diálogo.

La figura 7a muestra otro ejemplo de un bloque de potenciación de diálogo 55' para una implementación estéreo alternativa, que incluye aquí una transformada 52 binaural. Véanse el documento WO2017/035281 y el documento WO2017/035163 para detalles de transformación binaural.

En la figura, hay tres bloques 71, 72 y 73 de estimación de diálogo diferentes que representan diferentes modos (también llamados “configuraciones”) de la transformada A, etiquetada como A<cfg0>, A<cfg1>y A<cfg2>(para detalles, véase el documento WO2017/132396). Cabe señalar que A<cfg2>es equivalente a A<core>en la figura 6. Los bloques 62 y 63 son similares a los de la figura 6.

En esta implementación estéreo alternativa, y usando de nuevo la notación de banco de QMF, el mapeo de LoRo y(m, k) = [Y<1>(m, k) Y<2>(m, k)]<T>a diálogo potenciado LaRa (binaural) z(m, k) = [Z<1>(m, k) Z<2>(m, k)]<T>puede expresarse como

z(m, k) = HüE_on(m, k) ■ y(m, k)

con

H<üE_on>= g ■ f(m) ■ q<1>(k) ■ A<cfgx>(m, k) q<2>(k) ■ T(m, k) ■ [I<2>- A<cfg2>(m, k)] Aquí,

- T es una matriz 2 por 2 que convierte la señal estéreo en una señal binaural. T se interpola entre actualizaciones de flujo de bits, que se producen por ejemplo cada 4096 muestras a la velocidad de trama nominal.

- Acfgx es una matriz de 2 por 2 que estima diálogo de la principal completa de LoRo, donde X indica el modo (configuración). Algunos modos incluyen una transformación binaural. Nótese que en la figura 7a Acfg<2>=Acore se usa para generar la señal de M&E.

Como una alternativa, la potenciación de diálogo 55' en la figura 7a puede aplicarse después de que la señal estéreo se convierte en una señal binaural (es decir, después del bloque 52). Esto se divulga en la figura 7b, donde a elementos similares se les han dado los mismos números de referencia que en la figura 7a. Nótese que, en el caso ilustrado, Acfgo se usa para generar la señal de M&E.

La resta del diálogo estimado de la señal estéreo solo es relevante si una versión binaural de diálogo está presente en el flujo de bits. El proceso de resta puede ser omitido a costa de un rendimiento reducido. La interpretación de la ganancia g de usuario cambia si se omite la resta. En ese caso, una ganancia de usuario igual a 0 significa que no hay potenciación de diálogo y una ganancia de usuario igual a 1 cede un refuerzo de 6 dB. Valores negativos de g darían como resultado atenuación, pero puesto que el diálogo después de la potenciación de diálogo es diferente del diálogo en la señal estéreo, se espera una pobre atenuación, y por lo tanto la señal de diálogo potenciado en la salida sufriría distorsión.

En aún otra realización más, potenciación de diálogo 55'' puede aplicarse antes de la conversión de la señal estéreo de potenciación de diálogo en una señal binaural, como se muestra en la figura 8, donde de nuevo a elementos similares se les han dado los mismos números de referencia que en la figura 7a. En este caso las configuraciones anteriores (cfgl, cfg2, cfg3) son superfluas, y solo la configuración de núcleo (A<c ore>) se requiere (bloque 73). De hecho, esta variante corresponde a una cascada de 1) un descodificador estéreo con potenciación de diálogo 55'', 56, 57, y 2) una transformada binaural 52.

Desvanecimiento cruzado

En algunas realizaciones el descodificador puede estar configurado para conmutar entre potenciación de diálogo convencional (es decir, sin compresión ni ecualización del diálogo) y potenciación de diálogo de acuerdo con la presente invención. Tal conmutación puede basarse por ejemplo en datos de direccionamiento en el flujo de bits. Por simplicidad, potenciación de diálogo convencional se abrevia aquí como DE, mientras que la potenciación de diálogo de acuerdo con la presente invención se denomina ADE (potenciación de diálogo “avanzada”). La conmutación entre DE y ADE puede conducir a saltos audibles en la sonoridad que degradan potencialmente la experiencia de usuario.

Con el fin de mitigar el efecto audible de tales discontinuidades en la potenciación de diálogo aplicada el descodificador puede incluir un mecanismo de transición. El mecanismo de transición puede ser un desvanecimiento cruzado, que se usa popularmente para una conmutación sin interrupciones. En términos generales, desvanecimiento cruzado significa que una salida se conmuta gradualmente de una primera señal A a una segunda señal B durante un período de tiempo dado. Puede expresarse como:

cross_fade_output = f_smooth x A (1-f_smooth) x B

donde f_smooth es un factor de ponderación con rampa descendente de 1 a 0 en el caso de que la salida se conmute de A a B y rampa ascendente de 0 a 1 cuando la salida se conmuta de B a A.

En el presente caso, el factor de ponderación puede definirse mediante la siguiente función, que genera una rampa de 0 a 1 cuando ADE se conmuta a ON (ADE<switch>= 1) y una rampa inversa de 1 a 0 cuando tal potenciación de diálogo se conmuta a OFF (ADE<switch>= 0).

) ;

íP)

La duración de la rampa se determina por una constante de tiempo<t>. La constante de tiempo puede ser una o varias tramas de procesamiento del descodificador. En el ejemplo dado, la rampa es lineal, pero puede ser cualquier función que transicione suavemente entre 0 y 1 dentro del tiempo<t>. Por ejemplo, podría ser una función logarítmica, cuadrática o cosenoidal.

Las figuras 10a y 10b ilustran esquemáticamente potenciación de diálogo en un sistema estéreo inmersivo de acuerdo con el enfoque convencional (figura 10a) y de acuerdo con una realización de la presente invención (figura 10b). Cabe señalar que la figura 10b corresponde esencialmente a la figura 7a analizada anteriormente. Sin embargo, las etapas de ecualizador y de compresor se han ilustrado aquí como una aplicación de ganancias, calculadas en el bloque 105 de cálculo de ganancia de ADE.

Cabe señalar que se usa un sistema estéreo inmersivo como ejemplo, y que los principios del desvanecimiento cruzado también pueden implementarse en otras aplicaciones que conmutan entre DE y ADE.

En ambos casos, una señal estéreo de LoRo de entrada se procesa para proporcionar una señal de LaRa inmersiva de diálogo potenciado. En la figura 10a, una matriz M<d e>se aplica a la señal de LoRo, mientras que en la figura 10b, una matriz M<a d e>se aplica a la señal de LoRo. Al final, una FDN (Red de Retardo de Realimentación) 100 recibe una señal de alimentación de FDN y genera una señal de FDN que se mezcla para obtener salida de auriculares final de LbRb con diálogo potenciado.

A partir de la figura 10a, y usando las notaciones usadas anteriormente en el texto, se deriva que:

M<d e>= T (g -1) x AcfgX

donde T se aplica en el bloque 101, AcfgX se aplica en el bloque 102, y se aplica la ganancia (g-1) apropiada en el punto 103 de multiplicación.

A partir de la figura 10b, y usando de nuevo notaciones usadas anteriormente en el texto, se deriva que:

donde T y A<cfgX>se aplican de nuevo en los bloques 101 y 102, respectivamente, A<cfg2>se aplica en el bloque 104, se calcula ADE_gain en el bloque 105, se somete a ganancia g en el punto 106 de multiplicación, y finalmente se aplica en el punto 103 de multiplicación.

Cabe señalar que, cuando se materializa una potenciación de diálogo en el dominio de CQMF, M<a d e>y M<d e>son matrices de 2x2 variables tanto de ventana temporal como de banda de CQMF, y LoRo y LaRa son matrices de 2x1 variables tanto de ventana temporal como de banda de CQMF (vectores de columna). Como anteriormente, I<2>es una matriz de identidad de 2 por 2.

Una señal de LaRa con desvanecimiento cruzado, es decir, un desvanecimiento cruzado de la señal de LaRa en la figura 10a y la señal de Lara en la figura 10b puede implementarse aplicando la función de ponderación f_smooth definida anteriormente directamente en las matrices M<a d e>y M<d e>, de acuerdo con:

La figura 10c es una ilustración esquemática de esto como un diagrama de bloques basado en los diagramas de las figuras 10a y 10b.

En la figura 10c, el peso f_smooth se aplica a la salida del bloque 104, de tal manera que la resta de diálogo en la figura 10b se desvanece a medida que f_smooth se acerca a 1. Además, el peso f_smooth se aplica al punto 106 de multiplicación y el peso (1 - f_smooth) se aplica a la ganancia (g - 1). Estas dos ganancias ponderadas se suman entonces en un punto 107 de suma, antes de conectarse al punto 103 de multiplicación. Esto significa que, para f_smooth = 0, el punto 103 de multiplicación recibirá la misma entrada que en la figura 10a, mientras que para f_smooth = 1, el punto 103 de multiplicación recibirá la misma entrada que en la figura 1b.

Generalizaciones

La referencia a lo largo de esta memoria descriptiva a “una realización”, “algunas realizaciones” o “una realización” significa que un rasgo, estructura o característica particular descrito en conexión con la realización se incluye en al menos una realización de la presente invención. De este modo, las apariciones de las frases “en una realización”, “en algunas realizaciones” o “en una realización” en diversos lugares a lo largo de esta memoria descriptiva no se refieren necesariamente todas a la misma realización. Además, los rasgos, estructuras o características particulares pueden combinarse de cualquier manera adecuada, como resultará evidente para un experto en la materia a partir de esta divulgación, en una o más realizaciones.

Como se usa en el presente documento, a menos que se especifique lo contrario, el uso de los adjetivos ordinales “primero”, “segundo”, “tercero”, etc. para describir un objeto común, simplemente indican que se está haciendo referencia a diferentes instancias de objetos similares, y no está destinado a implicar que los objetos así descritos deben estar en una secuencia dada, ya sea temporalmente, espacialmente, clasificatoriamente o de cualquier otra manera.

En las reivindicaciones siguientes y la descripción en el presente documento, uno cualquiera de los términos comprendiendo, comprendido o que comprende es un término abierto que significa que incluye al menos los elementos/rasgos que siguen, pero que no excluye otros. De este modo, el término que comprende, cuando se usa en las reivindicaciones, no debe interpretarse como limitante de los medios o elementos o pasos enumerados a continuación. Por ejemplo, el alcance de la expresión un dispositivo que comprende A y B no debe limitarse a dispositivos que consisten únicamente en los elementos A y B. Uno cualquiera de los términos incluyendo o que incluyen o que incluye como se usan en el presente documento también es un término abierto que también significa que incluye al menos los elementos/rasgos que siguen al término, pero que no excluye otros. De este modo, que incluye es sinónimo de y significa que comprende.

Como se usa en el presente documento, el término “ejemplar” se usa en el sentido de proporcionar ejemplos, en oposición a indicar calidad. Es decir, una “realización ejemplar” es una realización proporcionada como un ejemplo, como opuesto a ser necesariamente una realización de calidad ejemplar.

Debe apreciarse que, en la descripción anterior de realizaciones ejemplares de la invención, diversos rasgos se agrupan a veces en una única realización, figura o descripción de la misma con el propósito de racionalizar la divulgación y ayudar a la comprensión de uno o más de los diversos aspectos inventivos. Este método de divulgación, sin embargo, no debe interpretarse como reflejo de una intención de que las reivindicaciones requieran más rasgos de los que se mencionan expresamente en el mismo. Por el contrario, como reflejan las siguientes reivindicaciones, aspectos inventivos reposan en menos de todos los rasgos de una única realización anterior divulgada. De este modo, las reivindicaciones que siguen a la descripción detallada se incorporan expresamente mediante el presente documento en esta descripción detallada, instituyéndose en sí misma cada reivindicación como una realización separada de esta invención.

Además, aunque algunas realizaciones descritas en el presente documento incluyen algunas pero no otras características incluidas en otras realizaciones, combinaciones de rasgos de diferentes realizaciones forman diferentes realizaciones, como entenderán los expertos en la técnica. Por ejemplo, en las siguientes reivindicaciones, cualquiera de las realizaciones reivindicadas puede usarse en cualquier combinación.

Además, algunas de las realizaciones se describen en el presente documento como un método o combinación de elementos de un método que puede implementarse por un procesador de un sistema de ordenador o por otros medios para llevar a cabo la función. De este modo, un procesador con las instrucciones necesarias para llevar a cabo tal método o elemento de un método forma un medio para llevar a cabo el método o elemento de un método. Además, un elemento descrito en el presente documento de una realización de aparato es un ejemplo de un medio para llevar a cabo la función realizada por el elemento con el propósito de llevar a cabo las diversas realizaciones de la invención.

En la descripción proporcionada en el presente documento, se exponen numerosos detalles específicos. Sin embargo, se entiende que las realizaciones de la invención pueden ponerse en práctica sin estos detalles específicos. En otros casos, métodos, estructuras y técnicas bien conocidos no se han mostrado en detalle con el fin de no oscurecer un entendimiento de esta descripción.

De manera similar, debe advertirse que el término acoplado, cuando se usa en las reivindicaciones, no debe interpretarse como limitado a conexiones directas solamente. Los términos “acoplado” y “conectado”, junto con sus derivados, pueden usarse. Debe entenderse que estos términos no están destinados a ser sinónimos entre sí. De este modo, el alcance de la expresión un dispositivo A acoplado a un dispositivo B no debe limitarse a dispositivos o sistemas en los que una salida del dispositivo A está conectada directamente a una entrada del dispositivo B. Significa que existe una trayectoria entre una salida de A y una entrada de B que puede ser una trayectoria que incluye otros dispositivos o medios. “Acoplado” puede significar que dos o más elementos están en contacto físico o eléctrico directo, o que dos o más elementos no están en contacto directo entre sí pero aun así cooperan o interactúan entre sí.

De este modo, aunque se han descrito realizaciones específicas de la invención, los expertos en la técnica reconocerán que se pueden realizar otras y adicionales modificaciones en la misma. Por ejemplo, cualesquiera fórmulas dadas anteriormente es meramente representativa de métodos que pueden usarse. La funcionalidad puede añadirse o eliminarse de los diagramas de bloques y las operaciones pueden intercambiarse entre bloques funcionales.

Por ejemplo, un descodificador que implementa la invención puede incluir bloques de procesamiento diferentes a los mostrados en la figura 5.

Claims (15)

REIVINDICACIONES

1. Un método para potenciación de diálogo (DE) de una señal de audio (Y), que comprende:

recibir un flujo de bits codificado que incluye la señal de audio,

obtener un conjunto de parámetros (a) variables en el tiempo configurados para estimar un componente de diálogo (D) presente en dicha señal de audio,

estimar dicho componente de diálogo a partir de dicha señal de audio,

aplicar un compresor (13) solo a dicho componente de diálogo estimado, para generar un componente de diálogo procesado,

aplicar una ganancia (g) determinada por usuario al componente de diálogo procesado, para proporcionar un componente de diálogo potenciado, y

combinar dicho componente de diálogo potenciado con dicha señal de audio para formar una señal de audio de diálogo potenciado, en el que combinar el componente de diálogo potenciado con la señal de audio incluye formar un componente de no diálogo restando de la señal de audio el componente de diálogo estimado, y sumando dicho componente de no diálogo con dicho componente de diálogo potenciado.

2. El método de la reivindicación 1, en el que el compresor (13) está configurado para aumentar la potencia promedio de solo el componente de diálogo estimado mientras mantiene sin cambios un nivel de pico de la señal de audio, o

en el que el método se realiza por un descodificador (50) que comprende un limitador (59) en una salida del descodificador, o

en el que el método comprende además aplicar un primer ecualizador (12) al componente de diálogo estimado antes de aplicar el compresor (13), o

en el que el método comprende además aplicar un segundo ecualizador (22) al componente de no diálogo antes de sumarlo con dicho componente de diálogo potenciado, y opcionalmente en el que dicho segundo ecualizador está funcionalmente interrelacionado con el primer ecualizador.

3. Un método para codificar una señal de audio (Y) para habilitar potenciación de diálogo, que comprende: proporcionar una señal de audio,

proporcionar un conjunto de parámetros (a) de potenciación de diálogo variables en el tiempo configurados para estimar un componente de diálogo (D) presente en dicha señal de audio,

estimar un componente de diálogo estimado aplicando los parámetros de potenciación de diálogo a la señal de audio,

aplicar un compresor (33) solo a dicho componente de diálogo estimado, para generar un componente de diálogo procesado,

dividir dicho componente de diálogo procesado mediante dicho componente de diálogo estimado, para determinar un conjunto de ganancias de ajuste variables en el tiempo, y

combinar dichos parámetros de potenciación de diálogo con dichas ganancias de ajuste, para proporcionar un conjunto de parámetros de potenciación de diálogo modificados, y

codificar dicha señal de audio y dichos parámetros de potenciación de diálogo modificados en un flujo de bits.

4. El método de la reivindicación 3, en el que el compresor (33) está configurado para aumentar la potencia promedio de solo el componente de diálogo estimado mientras mantiene sin cambios un nivel de pico de la señal de audio (Y), o

en el que el método comprende además aplicar un ecualizador (32) al componente de diálogo estimado antes de aplicar el compresor, o

en el que dicho conjunto de parámetros (a) variables en el tiempo incluye un parámetro para cada una de un conjunto de bandas de frecuencia.

5. Un descodificador (10, 20, 50) para potenciación de diálogo (DE) de una señal de audio (Y), habiendo obtenido dicho descodificador un conjunto de parámetros (a) variables en el tiempo configurados para estimar un componente de diálogo (D) presente en dicha señal de audio, comprendiendo el descodificador:

un elemento de descodificador para descodificar la señal de audio recibida en un flujo de bits codificado, un estimador de diálogo para estimar dicho componente de diálogo a partir de dicha señal de audio, un compresor (13) para comprimir solo el componente de diálogo estimado para generar un componente de diálogo procesado,

un elemento de ganancia para aplicar una ganancia (g) determinada por usuario al componente de diálogo procesado, para proporcionar un componente de diálogo potenciado, y

una trayectoria de combinación para combinar dicho componente de diálogo potenciado con dicha señal de audio para formar una señal de audio de diálogo potenciado, en el que la trayectoria de combinación comprende un sustractor para restar de la señal de audio el componente de diálogo estimado para formar un componente de no diálogo, y un punto (16, 24) de suma para sumar dicho componente de no diálogo con dicho componente de diálogo potenciado.

6. El descodificador (10, 20, 50) de la reivindicación 5, en el que el compresor (13) está configurado para aumentar la potencia promedio de solo el componente de diálogo estimado mientras mantiene sin cambios un nivel de pico de la señal de audio, o

en el que el descodificador (50) comprende además un limitador (59) en una salida del descodificador.

7. El descodificador (10, 20, 50) de la reivindicación 5 o 6, que comprende además un primer ecualizador (12) para ecualizar el componente de diálogo estimado antes de aplicar el compresor (13), y/o

en el que el descodificador (20) comprende además un segundo ecualizador (22) para ecualizar el componente de no diálogo antes de sumarlo con dicho componente de diálogo potenciado, y opcionalmente en el que dicho segundo ecualizador está funcionalmente interrelacionado con dicho primer ecualizador (12).

8. El descodificador (20) de la reivindicación 7, en el que el primer ecualizador (12) está configurado para reforzar uno o más rangos de frecuencias del componente de diálogo (D) y el segundo ecualizador (22) está configurado para cortar uno o más rangos de frecuencias del componente de no diálogo, y opcionalmente en el que, para un rango de frecuencias dado, el refuerzo de componente de diálogo tiene un ancho de banda de refuerzo y el correspondiente corte de componente de no diálogo tiene un ancho de banda de corte más estrecho que el ancho de banda de refuerzo.

9. El descodificador (10, 20, 50) de una cualquiera de las reivindicaciones 5 a 8, configurado para aplicar el compresor (13) al componente de diálogo estimado si la ganancia (g) determinada por usuario es mayor que uno y si el componente de diálogo estimado es distinto de cero, y/o,

en el que el compresor (13) está configurado además para aplicar una ganancia de restauración al componente de diálogo procesado para aumentar un nivel del componente de diálogo procesado de vuelta a un nivel del componente de diálogo estimado.

10. El descodificador (10, 20, 50) de una cualquiera de las reivindicaciones 5 a 9, en el que el flujo de bits codificado incluye los parámetros (a) variables en el tiempo, y en el que el elemento de descodificador está configurado para descodificar dichos parámetros variables en el tiempo, y opcionalmente en el que el flujo de bits codificado incluye parámetros de compresión para configurar el compresor (13).

11. El descodificador (10, 20, 50) de la reivindicación 10, en el que el flujo de bits codificado incluye datos de direccionamiento para configurar dicho primer ecualizador (12) y, si está presente, dicho segundo ecualizador (22).

12. Un codificador para codificar una señal de audio (Y) para habilitar potenciación de diálogo (DE), que comprende:

un estimador de diálogo para estimar un componente de diálogo presente en una señal de audio aplicando un conjunto de parámetros (a) de potenciación de diálogo variables en el tiempo a la señal de audio,

un compresor (33) para comprimir solo dicho componente de diálogo estimado, para generar un componente de diálogo procesado,

un divisor para dividir dicho componente de diálogo procesado mediante dicho componente de diálogo estimado, para determinar un conjunto de ganancias de ajuste variables en el tiempo,

un combinador para combinar dichos parámetros de potenciación de diálogo con dichas ganancias de ajuste, para proporcionar un conjunto de parámetros de potenciación de diálogo modificados, y

un elemento de codificador para codificar dicha señal de audio y dicho parámetro de potenciación de diálogo modificado en un flujo de bits.

13. El codificador de la reivindicación 12, que comprende además un ecualizador (32) para ecualizar el componente de diálogo estimado antes de aplicar el compresor (33).

14. Un producto de programa de ordenador, que comprende porciones de código de ordenador configuradas para, cuando se ejecutan en uno o más procesadores, hacer que los procesadores realicen el método de una cualquiera de las reivindicaciones 1 a 4.

15. Un medio de almacenamiento no transitorio, que almacena el producto de programa de ordenador de la reivindicación 14.