立足现在 可期未来—电视音频发展的面面观

9402660

立足现在 可期未来—电视音频发展的面面观

本文通过对中央广播电视总台“5G+4K/8K+AI”总体战略格局以及“十四五”发展规划技术工作板块（草案）中有关音频部分的介绍，结合央视音频节目制作运行的具体数据分析，从电视声音制作的音频系统架构、节目播出平台、声音制作格式、视音频协同趋势、内容呈现样态等的现状出发，以多个角度对未来电视音频制作的技术发展趋势进行了研判，对三维声、AoIP、新媒体制播等关键性技术和热点前景进行了解读。


音频节目制作 系统架构 节目播出平台 声音制作格式 视音频协同趋势 内容呈现

BIRTV2019的主题报告会上，中央广播电视总台编务会议成员姜文波正式公布了总台“5G+4K/8K+AI”应用实践的总体战略格局规划，总台将以标准规范为主线，以应用需求为牵引，以总台4K技术体系建设为平台，联合产学研机构，从融合制播、超高清电视、移动新媒体、人工智能等四个方面全面推进4K/8K发展。

可以看到，不论是4K/8K超高清内容生产中高格式的声音制作，还是原创混合现实IMR里的声场渲染，无论是基于5G的UHD信号传输中多声道的需要，还是超高清电视进影院5.1亦或是三维声的诉求，从最初端的节目采编制作，到媒体集成发布平台的信号调度分发，再到院线、App和家庭的最终端呈现，声音所扮演的角色从端到端，可做可为之处比比皆是。

在最近总台技术局组织全台技术系统撰写的“总台十四五发展规划技术工作板块（草案）”中，也提到“建设基于IP架构的超高清视音频制播系统”“推动三维声等先进音频媒体技术应用”等音频技术相关规划。

下面，笔者就从电视声音制作的音频系统架构、节目播出平台、声音制作格式、视音频协同趋势、内容呈现样态的现状出发，结合央视具体运行数据，从多个角度对未来电视音频制作的技术发展趋势进行探讨。



一、系统架构的现在与未来

系统的架构特征是电视制播系统最根本的属性，它决定了系统最根本的运转方式、运行条件、制作流程，和安全播出息息相关。央视自1995年开始模拟系统数字化的改造，在2001年底基本完成，而现在已经开始了IP化的进程。从安全播出统计数据可以看出，央视自上世纪90年代中后期至今，系统稳定运行的大趋势逐年向好。

如果说模拟系统架构有什么优势的话，相对于早期刚刚出现的数字系统而言，更简单直观、便于查找故障点，是当时（尤其是系统复杂度较低但安全播出要求较高的音频直播项目）选择模拟系统的理由。而那时的模拟架构音频系统，留存至今的已经极少。

模拟系统没有场景记忆、不能快速切换、面对大型复杂节目的需求完全应对极为困难，目前除了高端录音棚为了追求某些模拟特有的品质还在使用部分模拟设备外，已经被淘汰。央视包括综合制作和新闻制播在内，所有在用的音频系统已经没有模拟架构。

相对而言，数字系统架构技术成熟、标准完善，设置、记录、切换、显示方便，也可以通过单根同轴电缆或光纤传输几十路音频信号，具备模拟架构难以企及的优势，是目前音频系统架构的主流。而IP架构的系统，正在兴起。


自2017年成功打造了第一个全IP架构的音频系统后，央视音频IP化建设进程推进迅速。目前综合制作域在用的26个演播室中，已有2个演播室拥有全IP架构的音频系统，而明年这一数字将达到至少9个；全台35个录音合成机房、音乐编辑机房和录音棚中有33个已经使用“文件+网络”的方式进行节目生产；外场制作平台方面，8套音频EFP中有3套是全IP化的系统，现有全IP架构的录音车2辆，2021年将会再增加2辆，而9辆转播车中的3辆其配套的音频系统也已经IP化。


IP架构与基带相比较，有着不言而喻的优势：一根网线上百路乃至几百路的音频信号吞吐量、结构简单、便于维护、大量节约线缆布放成本、自带冗余、无缝切换……随着SMPTE ST 2022-7、ST 2110-30等相关标准出台，音频IP架构的系列标准逐渐完善，越来越多的设备上出现了网络接口，越来越多的设备支持以流的方式进行音频信号的传输。

当然，从目前来看，广播电视全面推行系统IP化，还有一些今后需要着眼、着力解决的问题，比如：熟悉电视声音制作流程且具备相关IP知识的人才培养和储备、跨接在不同设备和系统间的基于“流”的监控管系统的统一要求和协议开放、以及面向全台视音频和播总控的IP地址/组播地址的整体规划等等。

尽管音频IP化起步更早，但广播电视制播系统IP化全面提速的更主要原因来自视频：超高清视频制播和融合媒体业务需要高带宽、长距离的信号传输以及更灵活、更智能化的多平台多渠道的信号汇聚和调度分发，这恰恰是SDI基带架构的短板。所以，由基带向IP过渡，是系统架构发展的必然趋势。

在此基础之上，云架构可能会接踵而来，基于5G高带宽、低时延以及强大的边缘计算能力，也许未来的演播室群，其DSP模块并不在本地，而是部署在云端。

当音频工程师的讨论中充斥着VLAN、网络掩码、组播、Domain值等陌生的词汇，当设备清单中音分、加解嵌器，跳线盘都不再出现，当音频系统图变成了IP地址表，我们必须相信，IP架构的时代，已经来临。



二、平台的现在与未来

国家广播电视总局2020年7月发布的《2019年全国广播电视行业统计公报》显示：2019年底，全国有线广播电视实际用户数同比下降5.05%，而IPTV、OTT用户规模则持续扩大。

4月发布的《中国互联网络发展状况统计报告》显示：截至2020年3月，中国网民规模为9.04亿，互联网普及率达64.5%；手机网民规模为8.97亿，网民使用上网的比例达99.3%。

而在广告收入方面，2019年传统广播电视广告收入998.85亿元，同比下降9.13%；广播电视和网络视听机构通过互联网取得的新媒体广告收入828.76亿元，同比增长68.49%，其中广播电视机构新媒体广告收入194.31亿元，同比增长25.11%。

一系列数字表明，广播电视用户的收视习惯在发生变化，通过网络渠道，尤其是以手机上网的方式收听收看广播电视节目的比例持续提升。而围绕总书记“努力打造国际一流新型主流媒体”的明确要求，总台实施“台网并重，先网后台，移动优先”战略，结合手机终端与移动互联网信息传播的特点推出“央视频”“央视新闻”等一批新媒体旗舰平台，更凸显了网络阵地和新媒体平台的受关注程度不断提高。


2020年5月，受疫情影响，在中大型演播室节目录制尚未完全正常化的情况下，总台的新媒体客户端，以其小巧的制作体量、快速的部署反应、灵活的表现形式，完成了多次极为成功的网络直播，并就此一发不可收拾。

五一期间，央视主播康辉、朱广权、尼格买提、撒贝宁首度合体，组成“央视Boys”组合，来到国美卖场举办了以“为了美好生活拼了”为主题的网络直播，观看人数高达1600多万，三个小时销售额超过5.2亿元。因为疫情而被培养起来的内容消费和商业习惯，一经产生，就没那么容易消退，由此引领的直播带货及短视频直播成为新生代的互联网营销利器，也开创了一个“万物皆可播”的直播时代。

究其原因，颇受年轻收视群体喜爱的传播平台功劳不小：移动终端随时随地的收看方式，碎片化的收看时间，尤其是辅以可穿戴式电子设备，通过耳机+小屏，可以非常简单地营造出一个便携、时尚的不打扰别人也避免被打扰的个人视听空间，非常契合现代人尤其是年轻人的收听收看习惯。

经统计，2020年5月至9月，音频综合制作投入新媒体制播的工作量，仅外场部分就高达5827人·小时，所制作的节目中直播节目占比达到36.5%。而随着“云端音乐季”“我和我的家乡五地直播首映活动”等新媒体节目在央视2000平米演播室和800平米演播室的预约、制作、直播，在大型演播室等优质技术资源预约使用的优先级上，新媒体节目已经与传统电视节目持平。

可以看到，电视节目播出平台或者说视频播出平台的未来发展趋势，已经从大屏为主，过渡到了双屏并重的时代。

当然，从音频制作的专业标准看来，新媒体节目在制播链路环节上，还存在直播流程不规范、应急预案不健全、技术标准不统一、播出效果不稳定的问题，虽然以现有的制作模式可以较为顺畅地完成直播，但从制作流程、制作标准方面还应进一步梳理、规范。传统专业广播电视机构和主流媒体，应该充分利用设备专业、系统稳定的优势，在客户端多出精品节目，争取更多点击率。



三、声音格式的现在与未来

以2004年3月CCTV音乐频道开播为标志，央视开始节目的立体声播出；2008年5月高清频道开播，在同年6月的欧洲杯转播中，央视第一次开始环绕声播出。

根据质量管理部节目质量检测报告的数据，2019年立体声节目占全台节目总量的81.6%，立体声制播已经成为高清节目的“标配”，而总台的环绕声节目制作，前期录制、直播的数据近年来达到平均每年300天以上，而环绕声的后期制作量，从图3的机房制作量统计可以看出，以2018年10月的4K频道开播为节点，迅速提升。



笔者认为广播电视技术的发展在终端用户的体验上可以分为两个方向：一是质量，二是感受。视觉体验，在标清到高清再到4K的变化过程中，是质量上的提升；而从普通电视到3D电视、VR、AR，即使在画面质量没有提升的情况下，带来的感受也是全新的。

声音也如此，目前使用的24bit量化、48kHz采样的数字音频技术，在声音质量上已经完全能满足绝大部分受众的需求（只有母带制作才会使用24bit/96kHz以上的数字音频格式），但是在听觉感受上，从单声道到立体声再到环绕声，则还有变化的空间，那就是跳出二维平面局限的“三维声”全新沉浸式体验。


三维声，作为下一代音频制作规范（NGA：Next Generation Audio），其标准已经在世界多个国家确立：美国ATSC 3.0在2018 CES展上正式发布、欧洲DVB 2017年11月发布ETSI TS 101 154标准、日本ISDB的22.2音频格式也早已成型。

工信部、广电总局和中央广播电视总台2019年联合印发《超高清视频产业发展行动计划（2019-2022年）》（简称“行动计划”），明确将按照“4K先行、兼顾8K”的总体技术路线，大力推进超高清视频产业发展和相关领域的应用。

《行动计划》提出，2022年，符合HDR、宽色域、三维声、高帧率、高色深要求的4K电视终端应全面普及，8K电视终端销量占电视总销量的比例超过5%。

可以看出，三维声，是满足人民日益增长的物质文化需要，是下一阶段UHD的播出标准，也是国家的要求。三维声的相关行业标准，目前正在积极推进，并已经完成了多次全链路验证；2018年初发布了《GY/T316用于节目制作的先进声音系统》行业标准，规范了三维声制作的监听布局；2018年底，压缩编码部分的草案文本已提交，目前还在按照科技司的要求进一步修改。

在实践应用中，央视从2015年开始搭建三维声测试环境，进行三维声节目的试验性制作，迄今为止，已经制作完成的三维声节目制作超过50个，手机端直播三维声节目的场次超过70次。


当然，并非所有节目都适于三维声制作，像环绕声一样，三维声格式更适合综艺晚会、体育赛事、音乐会、纪录片等类型的节目，它同样关注于声场环境的还原和重塑，关注于给观众沉浸式的带入感体验。

三维声格式也并非高不可攀，并不是所有的节目一旦打上了“三维声”的标签，就必须要10个声道都发出声音，对于没有环境信息的简单节目，简单化制作即可。就好比在4K超高清节目制播技术的第一阶段，虽然要求默认环绕声属性，但对于导视类、无观众的简单语言类节目等，进行“简单环绕声制作”即可，即将立体声“内容”按环绕声“格式“进行封装，而无需复制所有声道。

今后的播出，应该是维持常态化多声道格式的播出样态，无需根据声音格式频繁变换播出窗口属性，就好比一条宽阔的高速公路，设计允许多个车道通行，如果仅仅有一两辆车在行驶，那么只需要固定走其中的一两条车道就好，而不需要再把车道临时变窄。这样，有助于提高节目制作效率，也同样有利于安全播出。



四、视音频协同的现在与未来

视频音频协同的趋势，从最早一岗多能的“多面手”，到精细化制作的精细分工，今后的趋势将会是愈加紧密的合作。

从以前使用磁带介质的开盘机、DA88、3324，到今天通过光纤、网线的多通道数字信号或IP流的记录，声音多轨记录能力迅速提高，近年来央视制作的大型节目如新中国成立70周年大阅兵、亚洲文化嘉年华、大湾区新年音乐会等，其多轨记录信号均达到了300轨以上。

而视频多通道记录能力，随着广播电视技术的进步，专业设备计算能力、运行速度和存储能力的飞跃，制作效率的提升迅速，即使是4K制作的高格式，总台新中国成立70周年阅兵转播的超高清信号收录也达到了40个通道以上。

正是基于此，部分类型的电视节目制作，从直播或者是“主用PGM信号，辅以个别单挂镜头”的录播模式，向现场多通道收录+后期精细化制作的变化趋势明显。后期制作，尤其是精细化的后期制作，确实可以避免诸多“遗憾”，但制作效率的要求也必然越来越高。电视节目后期制作流程，声音后期制作位于画面剪接编辑完成、内容审查通过之后，对于时间紧迫的节目，视音频岛间交互的所有正常的亦或是应急的推送、转码、封装、拷贝、杀毒等环节流程，都会被一再优化，以节约时间。

也因此，视音频岛紧耦合的共享存储，以及视音频后期协同制作文件交互，就变得非常重要。携带丰富元数据的视音频后期协同制作文件（如AAF文件，Advanced Authering Format），使得剪辑点信息、可编辑素材、场记内容乃至版权信息，在后期制作过程中得以传递，如果没有在视频制作岛生成的这些交互文件，拿到剪辑好视频的录音师从浩如烟海的场记中去检索与画面场景相匹配的音频素材，直如大海捞针，尤其是对于素材成片比极高的纪录片，不但耗费大量的时日和精力，也会极大地影响录音师的艺术创作。

也因此，对于尽早确立视音频后期协同制作文件交互的规范，就变得非常迫切。有的国内厂家生产的视频工作站，在各方面表现优异，但往往忽视了这一类文件的生成和兼容性，希望以后能够重视起来。

随着广播电视技术的发展，视频的4K/8K超高清、高动态、宽色域必将越来越普及，音频的环绕声、三维声、沉浸感也不再神秘陌生，然而视音频越是向高端发展，越是不可能由一方兼顾。

近年来，在节目评奖中，时有以下情况：参评视频奖项画面唯美的片头片花，声音却是有杂音的、单声道的；参评声音奖项的三维声作品，画面却颜色不对、分辨率粗糙。电视节目如果要提高整体质量，声音画面完美协作、相得益彰，确保制作不但高质而且高效，那么视音频就必须深度交互、紧密耦合，这是未来的趋势，也是节目生产的要求。



五、内容呈现的现在与未来

作为终端呈现的载体，屏的形态在向两个方向转变。一个是大：4K/8K超高清呈现要求质量越来越好的超大屏幕，与之适配的声音呈现方式也必然是高端的，那就是多音箱、Soundbar的方式。

另一个方向则是小：移动终端要求小巧但清晰的、与碎片化收看方式适配的便携式个人视听空间，可能是手机，可能是Pad，也可能是支持AR/VR的眼镜或者是头盔，与之适配的声音呈现方式则必然是使用耳机的方式，集成多个微型扬声器单元或者更多的是以双耳渲染技术实现的三维声沉浸式体验。

统计数字表明，目前按传统频道收看方式的电视机使用率在城市已经不足10%，在农村也仅仅略高于这个数字，这说明除了传统的电视机以外，内容的呈现渠道和样态越来越多。

可以预见，未来的内容呈现方式必然是两强并立的态势：UHD（4K乃至8K）在大屏端的呈现和新媒体互动内容在移动端的呈现。大屏在播放超高清节目内容上有着绝对的优势，尤其适合定时发生、必然精彩，而且最好是结果未知的节目，比如世界杯决赛的直播，2019年4K+环绕声的大阅兵超高清直播，也首次走进了电影院线。

而在移动端，耳机收听三维声技术结合头部随动，三维声+VR360°全景视频形成天生“绝配”，带来了让人“耳目一新”的优质体验。

所以未来的用户终端呈现也将是家庭影院和移动终端的抗衡，而不论哪一方，三维声元数据带来的基于对象的用户交互和互动功能，都是必然要关注的点。

有了三维声元数据的交互，用户就可以选择收听自己支持那一方的球队的欢呼，就可以选择自己需要的解说语言，甚至可以专门收听交响音乐会中的某一件乐器，可以选择自己喜欢的某个独特位置与众不同的听感。而伴随着5G、AI、大数据的助力，更高质、更逼真、更加个性化的听觉体验必然会越来越令人满意。

图片
当然，媒体就是媒体，“传统”与“新”都只是传播的媒介和手段，“内容为王”的理念更关注优质、独家和差异化，但今天的“内容为王”似乎应该是更广义的，内容和质量毋庸置疑的重要，同时，平台、覆盖，优质的呈现渠道以及优秀的呈现样态，发挥的作用日益巨大。

作为广播电视技术必不可少的组成部分，音频和视频犹如鸟之两翼，车之双轮，缺一不可。音频推动，应该着眼于四个方面：安全播出、精品制作、新技术推广、新媒体应用。未来的广播电视音频工作应当在进一步提高对于音频工作重要性认知的基础上，以安全播出为底线，以精品创作为目标，充分利用新技术的亮点和优势，在大小屏、融媒体、多平台展现魅力，和视频相携而行。

立足现在，放眼未来，纵观世界广播电视领域内音频技术近年来的发展和应用趋势，三维声和AoIP已经成为两大趋势。

三维声展现三维空间包围感声场的魅力，虽然目前在我国其行业标准依然处于在研阶段，传统媒体暂时还没有畅通三维声的播出渠道，但新媒体平台已经可以发布基于三维声制作的音频流，多音箱的三维声收听环境已有行标指导规范，基于HRTF算法+空间模拟的耳机收听三维声的技术已经出现，并且在迅速完善。

AoIP架构颠覆了音频系统的传统构成和运行方式，使之变得简洁、高效、四通八达。2015年基于AoIP概念的音频设备开始在中央电视台节目生产中局部应用，2016年我国发布《GY/T 304-2016高性能流化音频在IP网络上的互操作性规范》行业标准，2017年央视建成了全国首个基于双叶脊架构的全IP外场EFP音频系统，2018年、2019年分别建成了全IP架构的800平米演播室和三维声录音车音频系统，并在新中国成立70周年庆典等重大节目直播中稳定运行。

这说明音频系统的IP化已经基本实现，但对于全系统IP构架下的监控管，尚需在实现检测信号流量、时钟抖晃、网线通断、手动切流的基础上在通用、直观和功能的丰富上进一步加强。监控管能力的进一步提升，将会是IP化视音频系统安全播出的保障。

在未来的“十四五”计划中，适配超高清战略发展布局，需要尽快出台三维声和IP化的系列行业标准，常态化环绕声制播，加强对于IP架构和三维声技术在安全播出方面的验证和测试，在稳健的基础上阔步推动新技术的应用；加强年度重点音频创作节目选题的制订和实施，创作高品质多门类的作品级节目声音；和世界上的先进技术联合，和国内新型互联网信息企业联手，进一步优化适合在移动端和新媒体平台推广的耳机重放三维声的技术，配合5G、AI技术，完善高度个性化的更加智能高效的双耳实时渲染算法，适配年轻观众群体的诉求，适配VR、AR等视觉新技术的发展诉求；加强与欧美、日韩等具有较强实力的广播电视媒体机构的交流，提高音频技术水平、创作理念、应用思路、管理水准，推动电视声音制作水平进一步提高，助力加快实现从传统广播电视媒体向国际一流原创视音频制作发布的全媒体机构转变、从传统节目制播模式向深化内容生产供给侧结构性改革转变、从传统技术布局向新战略格局转变。

来源：选自2021年第1期《现代电视技术》