WO2017169890A1 - 情報処理装置および方法 - Google Patents

情報処理装置および方法 Download PDF

Info

Publication number
WO2017169890A1
WO2017169890A1 PCT/JP2017/010871 JP2017010871W WO2017169890A1 WO 2017169890 A1 WO2017169890 A1 WO 2017169890A1 JP 2017010871 W JP2017010871 W JP 2017010871W WO 2017169890 A1 WO2017169890 A1 WO 2017169890A1
Authority
WO
WIPO (PCT)
Prior art keywords
sample
data
file
information
setting unit
Prior art date
Application number
PCT/JP2017/010871
Other languages
English (en)
French (fr)
Inventor
俊也 浜田
平林　光浩
充 勝股
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Priority to US16/088,234 priority Critical patent/US20200411021A1/en
Priority to CN201780019337.9A priority patent/CN108885874A/zh
Priority to JP2018509039A priority patent/JP6876928B2/ja
Priority to EP17774431.5A priority patent/EP3438976A4/en
Publication of WO2017169890A1 publication Critical patent/WO2017169890A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/022—Blocking, i.e. grouping of samples in time; Choice of analysis windows; Overlap factoring
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/16—Vocoder architecture
    • G10L19/167—Audio streaming, i.e. formatting and decoding of an encoded audio signal representation into a data stream for transmission or storage purposes
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
    • G11B27/19—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier
    • G11B27/28—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier by using information signals recorded by the same method as the main recording
    • G11B27/30—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier by using information signals recorded by the same method as the main recording on the same track as the main recording
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/75—Media network packet handling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/75—Media network packet handling
    • H04L65/752—Media network packet handling adapting media to network capabilities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/80—Responding to QoS
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/0017—Lossless audio signal coding; Perfect reconstruction of coded audio signal by transmission of coding error

Definitions

  • the present disclosure relates to an information processing apparatus and method, and more particularly, to an information processing apparatus and method capable of transmitting higher-quality audio data.
  • MPEG-DASH Moving, Picture, Experts, Group, phase, and Dynamic Adaptive Streaming, over HTTP
  • ISO International Organization for Standardization
  • ISO International Organization for Standardization
  • DSD Direct Stream Digital
  • DSD lossless compression method a lossless compression method
  • MPEG-DASH Dynamic-Adaptive-Streaming-over-HTTP
  • URL http://mpeg.chiariglione.org/standards/mpeg-dash/media-presentation-description-and-segment-formats/text-isoiec-23009-12012-dam -1)
  • the present disclosure has been made in view of such a situation, and makes it possible to transmit higher-quality audio data.
  • An information processing apparatus stores encoded data that is encoded data of audio data and has a structure in which blocks, which are access units of the encoded data, are grouped every predetermined number.
  • the information processing apparatus includes a sample setting unit that sets a sample including initialization information used for decoding the group of blocks as a sample which is a minimum access unit in the file in a file of a predetermined file format.
  • the sample setting unit is configured to set a sample including the initialization information and a head block of the group, and a sample for each block of the other block of the group, and is set by the sample setting unit It is possible to further include a sync sample setting unit that sets the sample including the initialization information and the first block of the group to a sync sample including information necessary for starting decoding.
  • a setting unit can be further provided.
  • the sample setting unit may set a sample including the initialization information and all blocks of the group.
  • the sample including the initialization information and all blocks of the group set by the sample setting unit, the subsample including the initialization information, the subsample including the first block of the group, and the blocks of the group A sub-sample setting unit that sets each sub-sample can be further provided.
  • a sync sample setting unit configured to set a sample including the initialization information set by the sample setting unit to a sync sample including information necessary for starting decoding; and the sample setting unit further includes: It may be configured to set a sample that includes all blocks.
  • the sample set by the sample setting unit may further include a subsample setting unit that sets a subsample for each block in the sample including all blocks of the group.
  • the sample setting unit is configured to set a sample including the initialization information and the first block of the group, and a sample including all other blocks of the group, and the sample setting unit is set by the sample setting unit, It is possible to further include a sync sample setting unit that sets a sample including the initialization information and the first block of the group to a sync sample including information necessary for starting decoding.
  • the sample set by the sample setting unit may further include a subsample setting unit that sets a subsample for each block in the sample including all the other blocks in the group.
  • the sub-sample setting unit further includes a sub-sample including the initialization information and a first block of the group in a sample including the initialization information and the first block of the group set by the sample setting unit. Subsamples to be included can be set.
  • the sample setting unit may further set the sample for each block to a track different from the track in which the sample including the initialization information is set.
  • the sample setting unit can further set the sample for each block to a file different from the file in which the sample including the initialization information is set.
  • An extension box setting unit that sets information related to the audio data in an extension box of an audio sample entry can be further provided.
  • the audio data may be DSD (Direct Stream Digital) data, and the encoded data may be obtained by lossless encoding of the DSD data.
  • DSD Direct Stream Digital
  • the file format may be a file format compliant with ISO / IEC14496.
  • An information processing method stores encoded data that is encoded data of audio data and has a structure in which blocks that are access units of the encoded data are grouped into a predetermined number.
  • a sample including initialization information used for decoding the group of blocks is set as a sample which is a minimum access unit in the file in a file having a predetermined file format.
  • An information processing apparatus is a minimum access unit in a file of a predetermined file format for storing encoded data of audio data, and is initialization information used for decoding the group of blocks
  • a sample analysis unit that obtains decoder configuration information used for decoding the encoded data based on the analysis result, and sets the decoder configuration information obtained by the sample analysis unit
  • An information processing apparatus comprising: a setting unit; and a decoding unit that decodes the encoded data using the decoder configuration information set by the setting unit.
  • An information processing method is a minimum access unit in a file of a predetermined file format for storing encoded data of audio data, and initialization information used for decoding the group of blocks
  • the decoder configuration information used for decoding the encoded data based on the analysis result, setting the acquired decoder configuration information, and setting the decoder configuration information This is an information processing method for decoding the encoded data by using.
  • encoded data that is encoded data of audio data and has a structure in which blocks, which are access units of encoded data, are grouped every predetermined number is stored.
  • a sample including initialization information used for decoding a group of blocks is set as a sample which is a minimum access unit in the file.
  • initialization of a file having a predetermined file format for storing encoded data of audio data is a minimum access unit in the file and is used for decoding a group of blocks
  • the sample including the information is analyzed, the decoder configuration information used for decoding the encoded data is acquired based on the analysis result, the acquired decoder configuration information is set, and the set decoder configuration information is used.
  • the encoded data is decoded.
  • information can be processed.
  • higher quality audio data can be transmitted.
  • FIG. 20 is a block diagram illustrating a main configuration example of a computer.
  • DSD lossless stream MP4 file> ⁇ Distribution of video and audio>
  • streaming delivery via the Internet is expected as a means of delivering video and music to consumers.
  • the Internet as a transmission means is unstable in transmission compared with broadcasting and optical disks.
  • the maximum transmission band rate varies greatly depending on the user's environment.
  • a constant transmission band is not always ensured, and fluctuates over time.
  • the fact that the transmission band fluctuates also means that the response time for requests from clients is not constant.
  • MPEG-DASH Moving Picture Experts Group Dynamic Dynamic Adaptive Streaming over HTTP
  • MPD Media Presentation Presentation
  • a general HTTP (HyperText Transfer Protocol) server can be used by using http without using a special protocol.
  • the file format is not only MPEG-TS (Moving Picture Experts Group Transport Transport) but also ISOBMFF (International Organization for Standardization Base Media File Format).
  • ⁇ MPEG-DASH> An example of data transmission using MPEG-DASH is shown in FIG.
  • a file generation device 2 generates video data and audio data as moving image content, encodes them, and files them in a file format for transmission. For example, the file generation device 2 converts these data into files (segments) for every 10 seconds. The file generation device 2 uploads the generated segment file to the Web server 3. Further, the file generation device 2 generates an MPD file (management file) for managing moving image content and uploads it to the Web server 3.
  • MPD file management file
  • the Web server 3 as a DASH server performs live distribution of the moving image content file generated by the file generation device 2 to the playback terminal 5 via the Internet 4 in accordance with the MPEG-DASH method. For example, the Web server 3 stores the segment file and MPD file uploaded from the file generation device 2. Further, the Web server 3 transmits the stored segment file or MPD file to the playback terminal 5 in response to a request from the playback terminal 5.
  • the playback terminal 5 includes streaming data control software (hereinafter also referred to as control software) 6, video playback software 7, and HTTP access client software (hereinafter referred to as access software). ) Perform 8 etc.
  • control software hereinafter also referred to as control software
  • access software HTTP access client software
  • the control software 6 is software that controls data streamed from the Web server 3. For example, the control software 6 acquires an MPD file from the Web server 3. Further, the control software 6 transmits the segment file to be reproduced based on the reproduction time information indicating the reproduction time specified by the MPD file or the moving image reproduction software 7 and the network bandwidth of the Internet 4, for example. The request is instructed to the access software 8.
  • the video playback software 7 is software that plays back an encoded stream acquired from the Web server 3 via the Internet 4.
  • the moving image reproduction software 7 designates the reproduction time information to the control software 6.
  • the moving image reproduction software 7 obtains the reception start notification from the access software 8, it decodes the encoded stream supplied from the access software 8.
  • the moving image reproduction software 7 outputs video data and audio data obtained as a result of decoding.
  • Access software 8 is software that controls communication with Web server 3 using HTTP. For example, the access software 8 supplies a notification of reception start to the moving image reproduction software 7. Further, the access software 8 transmits a transmission request for the encoded stream of the segment file to be played back to the Web server 3 in response to a command from the control software 6. Further, the access software 8 receives a segment file having a bit rate corresponding to the communication environment and the like transmitted from the Web server 3 in response to the transmission request. Then, the access software 8 extracts an encoded stream from the received file and supplies it to the moving image reproduction software 7.
  • DSD Direct Stream Digital
  • PCM Pulse Code Modulation
  • the sampling frequency is as high as 2.8MHz, 5.6MHz, and 11.2MHz, so the bit rates are 5.6Mbps, 11.2Mbps, and 22.4Mbps respectively with 2ch. Therefore, a method for compressing such high-rate DSD data without loss has been devised.
  • DST Down Stream Transfer
  • SACD Super Audio Compact Disc
  • MPEG4 AAC Advanced Audio Coding
  • ISO International Organization for Standardization / International Electrotechnical Commission
  • the bit rate is constant, so that the video data has a bit rate corresponding to the bandwidth variation of the transmission path. Select a rate.
  • the DSD lossless stream has local rate fluctuations. large. In other words, a bandwidth margin caused by the rate fluctuation can be allocated to video data transmission, and higher-quality video data transmission is possible.
  • FIG. 4 shows a main configuration example of a compression encoding apparatus corresponding to such a new DSD lossless compression encoding system.
  • 4 is an apparatus that converts an analog audio signal into a digital signal by ⁇ (sigma delta) modulation, compresses and encodes the converted audio signal, and outputs the digital signal.
  • the compression encoding apparatus 10 is an apparatus that generates a DSD lossless stream by modulating and digitizing an audio signal using the DSD method and encoding the digital data (DSD data) using the new DSD lossless compression encoding method described above. It is.
  • Analog audio signals are input from the input unit 11 and supplied to an ADC (Analog Digital Converter) 12.
  • the ADC 12 digitizes the supplied analog audio signal by ⁇ modulation and outputs it to the input buffer 13.
  • the ADC 12 includes an adder 21, an integrator 22, a comparator 23, a one sample delay circuit 24, and a 1-bit DAC (Digital Analog Converter) 25.
  • the audio signal supplied from the input unit 11 is supplied to the adder 21.
  • the adder 21 adds the analog audio signal one sample period before supplied from the 1-bit DAC 25 and the audio signal from the input unit 11, and outputs the result to the integrator 22.
  • the integrator 22 integrates the audio signal from the adder 21 and outputs it to the comparator 23.
  • the comparator 23 is compared with the midpoint potential of the input audio signal and performs 1-bit quantization for each sample period.
  • the frequency of the sampling period (sampling frequency) is 64 times or 128 times that of the conventional 48 kHz or 44.1 kHz.
  • the comparator 23 outputs the 1-bit quantized audio signal to the input buffer 13 and supplies it to the 1-sample delay circuit 24.
  • the one-sample delay circuit 24 delays the audio signal from the comparator 23 by one sample period and outputs it to the 1-bit DAC 25.
  • the 1-bit DAC 25 converts the digital signal from the 1-sample delay circuit 24 into an analog signal and outputs it to the adder 21.
  • the ADC 12 configured as described above converts the audio signal supplied from the input unit 11 into a 1-bit digital signal (A / D conversion) and outputs it to the input buffer 13.
  • a / D conversion of ⁇ modulation a digital audio signal having a wide dynamic range can be obtained even with a small number of bits, for example, by increasing the frequency of the sampling period (sampling frequency) sufficiently.
  • a stereo (two-channel) audio signal is input to the ADC 12 from the input unit 11, and the ADC 12 converts the signal into a 1-bit signal at a sampling frequency 128 times 44.1 kHz and converts it into the input buffer 13.
  • the number of quantization bits can be 2 bits or 4 bits.
  • the input buffer 13 temporarily stores the 1-bit digital audio signal supplied from the ADC 12 and supplies the audio signal to the control unit 14, the encoding unit 15, and the data amount comparison unit 17 in the subsequent stage in units of one frame.
  • one frame is a unit in which an audio signal is divided into a predetermined time (period) and regarded as one unit. For example, 3 seconds may be set as one frame.
  • the input buffer 13 supplies the audio signal to the control unit 14, the encoding unit 15, and the data amount comparison unit 17 in units of 3 seconds.
  • the audio signal input from the input unit 11 is a stereo (two-channel) signal, and is A / D converted into a 1-bit signal at a sampling frequency 128 times 44.1 kHz.
  • the ⁇ modulated digital signal supplied from the input buffer 13 is also referred to as DSD data.
  • the control unit 14 controls the overall operation of the compression encoding apparatus 10.
  • the control unit 14 has a function of creating a conversion table table1 necessary for the encoding unit 15 to perform compression encoding and supplying the conversion table table1 to the encoding unit 15.
  • the control unit 14 creates a data generation count table pretable using one frame of DSD data supplied from the input buffer 13, and further creates a conversion table table1 from the data generation count table pretable.
  • the control unit 14 supplies the created conversion table table1 to the encoding unit 15 and the data transmission unit 18.
  • the conversion table table1 is created (updated) in units of one frame and supplied to the encoding unit 15.
  • the encoding unit 15 uses the conversion table table1 supplied from the control unit 14 to compress and encode the DSD data supplied from the input buffer 13 in units of 4 bits. Accordingly, the DSD data is supplied from the input buffer 13 to the control unit 14 at the same time as the encoding unit 15 is supplied to the control unit 14, but the encoding unit 15 waits until the conversion table is supplied from the control unit 14.
  • the encoding unit 15 encodes 4-bit DSD data into 2-bit data, or encodes it into 6-bit data, and outputs the encoded data to the encoded data buffer 16.
  • the encoded data buffer 16 temporarily buffers compressed data that is DSD data compression-encoded by the encoding unit 15 and supplies the compressed data to the data amount comparison unit 17 and the data transmission unit 18.
  • the data amount comparison unit 17 compares the data amount of the DSD data (hereinafter also referred to as uncompressed data) supplied from the input buffer 13 and the compressed data supplied from the encoded data buffer 16 in units of frames. Since the encoding unit 15 encodes 4-bit DSD data into 2-bit data or 6-bit data as described above, the amount of data after compression is the amount of data before compression on the algorithm. It is because it may exceed. Therefore, the data amount comparison unit 17 compares the data amounts of the compressed data and the non-compressed data, selects the one with the smaller data amount, and supplies the data transmission unit 18 with selection control data indicating which one has been selected. .
  • the data amount comparison unit 17 also supplies uncompressed data to the data transmission unit 18 when supplying selection control data indicating that uncompressed data has been selected to the data transmission unit 18.
  • the selection control data can be said to be a flag indicating whether or not the audio data transmitted from the data transmission unit 18 is data that has been compression-encoded by the encoding unit 15 when viewed from the receiving-side device that receives the transmission data. .
  • the data transmission unit 18 Based on the selection control data supplied from the data amount comparison unit 17, the data transmission unit 18 selects either compressed data supplied from the encoded data buffer 16 or uncompressed data supplied from the data amount comparison unit 17. Either one is selected, and the selected control data is transmitted to the partner apparatus via the output unit 19 together with the selection control data. In addition, when transmitting the compressed data, the data transmission unit 18 also adds the data of the conversion table table1 supplied from the control unit 14 to the compressed data and transmits it to the partner apparatus. The data transmission unit 18 can transmit the transmission data by adding a synchronization signal and an error correction code (ECC) to a digital signal for each predetermined number of samples.
  • ECC error correction code
  • the control unit 14 creates a data generation count table pretable for one frame of DSD data, and represents the DSD data supplied from the input buffer 13 in units of 4 bits as follows. ... D4 [n-3], D4 [n-2], D4 [n-1], D4 [n], D4 [n + 1], D4 [n + 2], D4 [n + 3], ...
  • D4 [n] represents 4-bit continuous data, and is hereinafter also referred to as D4 data (n> 3).
  • the control unit 14 counts the number of occurrences of D4 data next to the past three D4 data (past 12-bit data), and creates a data generation count table pretable [4096] [16] shown in FIG.
  • [4096] and [16] of the data generation count table pretable [4096] [16] indicate that the data generation count table is a table (matrix) having 4096 rows and 16 columns, and [0] to [4095].
  • the number of times was 10 times, the number of times “3” was 18 times, the number of times “4” was 20 times, the number of times “5” was 31 times, and “6” 11 times, “7” was 0 times, “8” was 4 times, “9” was 12 times, “ This indicates that the number of times “10” was 5 and the number of times “11” to “15” was 0.
  • control unit 14 counts the number of occurrences of D4 data next to the past three D4 data (past 12-bit data) for one frame of DSD data, and generates a data generation count table pretable.
  • the control unit 14 creates a conversion table table1 [4096] [3] of 4096 rows and 3 columns based on the previously generated data generation count table pretable.
  • each row [0] to [4095] of the conversion table table1 [4096] [3] corresponds to a value that can be taken by the past three D4 data
  • each column [0] to [2] includes the following: Of the 16 values that can be taken by the D4 data, three values having a high occurrence frequency are stored.
  • the first column [0] of the conversion table table1 [4096] [3] stores the value with the highest occurrence frequency (first), and the second column [1] has the second occurrence frequency value. Is stored, and the third column [2] stores the value of the third occurrence frequency.
  • FIG. 6 shows an example of the conversion table table1 [4096] [3] corresponding to the data generation count table pretable shown in FIG. Table 1 [117] [0] to [117] [2], which are the 118th row of the conversion table table1 [4096] [3], are ⁇ 05, 04, 03 ⁇ .
  • This corresponds to the contents of pretable [117] [0] to [117] [15] on line 118 of the data generation count table pretable in FIG.
  • the most frequently occurring (first) value is “5” generated 31 times.
  • the second value of occurrence frequency is “4” generated 20 times
  • the third value of occurrence frequency is “3” generated 18 times.
  • ⁇ 05 ⁇ is stored in the 118th row, first column table1 [117] [0] of the conversion table table1 [4096] [3]
  • ⁇ 04 ⁇ is stored
  • ⁇ 03 ⁇ is stored in the 118th row, third column table1 [117] [2].
  • table1 [0] [0] to [0] [2] on the first row of the conversion table table1 [4096] [3] are pretable [0] on the first row of the data generation count table pretable in FIG. This corresponds to the contents of [0] to [0] [15].
  • the conversion table table1 [4096] [3] of 4096 rows and 3 columns is created based on the previously generated data generation count table pretable and supplied to the encoding unit 15.
  • the encoding unit 15 converts the previous 12-bit data D4 [n-3], D4 [n-2], and D4 [n-1] immediately before 12 into a group of 12 bits. Assuming bit data, three values of the address (row) indicated by D4 [n-3], D4 [n-2], D4 [n-1] in the conversion table table1 [4096] [3], table1 [D4 [n-3], D4 [n-2], D4 [n-1]] [0], table1 [D4 [n-3], D4 [n-2], D4 [n-1]] [ 1], table1 [D4 [n-3], D4 [n-2], D4 [n-1]] [2] are searched.
  • the encoding unit 15 includes three values of the address (row) indicated by D4 [n-3], D4 [n-2], and D4 [n-1] of the conversion table table1 [4096] [3], table1 [D4 [n-3], D4 [n-2], D4 [n-1]] [0], table1 [D4 [n-3], D4 [n-2], D4 [n-1]] [1] , table1 [D4 [n-3], D4 [n-2], D4 [n-1]] [2] are the same as D4 [n], and table1 [D4 [n-3], D4 If [n-2], D4 [n-1]] [0] is the same, D4 [n] is converted to “01b” and 2 bits, and table1 [D4 [n-3], D4 [n-2 ], D4 [n-1]] [1], D4 [n] is converted to “10b” and 2 bits, and table1 [D4 [n-3], D4 [n-2], D4 [ In the case of n-1]] [
  • the encoding unit 15 has three values of the address (row) indicated by D4 [n-3], D4 [n-2], and D4 [n-1] in the conversion table table1 [4096] [3]. If the same is not found, “00b” is added before D4 [n] and converted to 6 bits, such as “00b + D4 [n]”. Here, “01b”, “10b”, “11b”, “00b + D4 [n]”, b represents binary notation.
  • the encoding unit 15 converts the 4-bit DSD data D4 [n] into 2-bit data “01b”, “10b”, or “11b” using the conversion table table1, or , Converted into 6-bit data “00b + D4 [n]” and output to the encoded data buffer 16.
  • FIG. 7 is a diagram illustrating a configuration example of the encoding unit 15 that performs the above-described compression encoding.
  • the 4-bit DSD data (for example, D4 [n]) supplied from the input buffer 13 is stored in the register 51 that stores 4 bits.
  • the output of the register 51 is connected to one input terminal 56a of the selector 55 and a register 52 for storing 12 bits.
  • the register 52 stores the data immediately before the 4-bit DSD data stored in the register 51.
  • the past 12-bit data (for example, D4 [n-3], D4 [n-2], D4 [n-1]) is stored.
  • the conversion table processing unit 53 has a conversion table table1 supplied from the control unit 14.
  • the conversion table processing unit 53 includes three values of addresses indicated by 12-bit data (for example, D4 [n-3], D4 [n-2], D4 [n-1]) stored in the register 52, table1 [D4 [n-3], D4 [n-2], D4 [n-1]] [0], table1 [D4 [n-3], D4 [n-2], D4 [n-1]] [1], table1 [D4 [n-3], D4 [n-2], D4 [n-1]] [2], the 4-bit data (for example, D4 [ n]), and if so, the value corresponding to the column in which the same value is stored, that is, one of “01b”, “10b”, or “11b” is 2 Store in bit register 54.
  • 12-bit data for example, D4 [n-3], D4 [n-2], D4 [n-1]
  • the data stored in the 2-bit register 54 is supplied to one input terminal 56 c of the selector 55.
  • the conversion table processing unit 53 has three addresses of 12 bits (for example, D4 [n-3], D4 [n-2], D4 [n-1]) stored in the register 52. If there is no 4-bit data (for example, D4 [n]) stored in the register 51 in the value, a signal indicating that no conversion is performed (hereinafter referred to as no conversion signal) is selected by the selector 55. Output to.
  • the selector 55 selects one of the three input terminals 56 a to 56 c and outputs data acquired from the selected input terminal 56 from the output terminal 57.
  • 4-bit DSD data for example, D4 [n]
  • the register 51 is supplied to the input terminal 56a
  • "00b" is supplied to the input terminal 56b
  • the register 54 is supplied to the input terminal 56c. 2 bits of conversion data stored in is supplied.
  • the selector 55 selects the input terminal 56b, outputs “00b” from the output terminal 57, and then selects the input terminal 56a.
  • 4-bit DSD data (for example, D4 [n]) stored in the register 51 is output from the output terminal 57.
  • 6 bits “00b + D4 [n]” output when the conversion table table1 does not have the same D4 [n] are output from the output terminal 57.
  • the selector 55 selects the input terminal 56 c and is supplied from the register 54.
  • 2-bit conversion data is output from the output terminal 57.
  • two bits that are output when there is the same D4 [n] in the conversion table table1, that is, “01b”, “10b”, or “11b” are output from the output terminal 57. .
  • step S1 the control unit 14 counts the number of occurrences of D4 data next to the past three D4 data (past 12-bit data) for one frame of DSD data, and generates a data generation count table. Create a pretable.
  • step S2 the control unit 14 creates a conversion table table1 having 4096 rows and 3 columns based on the created data occurrence count table pretable.
  • the control unit 14 supplies the created conversion table table1 to the encoding unit 15 and the data transmission unit 18.
  • step S3 the encoding unit 15 performs compression encoding on the DSD data for one frame period using the conversion table table1. Specifically, the encoding unit 15 converts the 4-bit DSD data D4 [n] into 2-bit data “01b”, “10b”, or “11b”, or 6-bit data “00b +” The process of converting to D4 [n] ”is performed on the DSD data for one frame period. The compressed data obtained by the compression encoding is supplied to the encoded data buffer 16 and the data amount comparison unit 17.
  • step S ⁇ b> 4 the data amount comparison unit 17 compares the data amount of one frame of uncompressed data supplied from the input buffer 13 with the data amount of one frame of compressed data supplied from the encoded data buffer 16. It is determined whether or not it has been reduced than before compression.
  • step S4 If it is determined in step S4 that the data amount has been reduced from before compression, the process proceeds to step S5, and the data amount comparison unit 17 sends selection control data indicating that the compressed data has been selected to the data transmission unit 18. Supply.
  • step S ⁇ b> 6 the data transmission unit 18 supplies the selection control data (a flag indicating compression-encoded data) indicating that the compressed data has been selected and the compressed data supplied from the encoding unit 15 from the control unit 14.
  • the data of the converted conversion table table1 (conversion table data) is added and transmitted to the partner apparatus.
  • step S4 If it is determined in step S4 that the data amount has not been reduced than before compression, the process proceeds to step S7, and the data amount comparison unit 17 selects selection control data indicating that uncompressed data has been selected. The data is supplied to the data transmitter 18 together with the uncompressed data.
  • step S8 the data transmitting unit 18 transmits selection control data (a flag indicating uncompressed data) indicating that uncompressed data has been selected and uncompressed data to the counterpart device.
  • selection control data a flag indicating uncompressed data
  • steps S1 to S8 described above are repeatedly performed on DSD data in units of one frame that are sequentially supplied from the input buffer 13.
  • FIG. 9 shows a main configuration example of a decoding apparatus corresponding to the above-described new DSD lossless compression encoding method.
  • the decoding device 70 in FIG. 9 is a device that receives and decompresses (losslessly decodes) an audio signal that has been compressed and transmitted by the compression coding device 10 in FIG. 4.
  • the audio signal transmitted after compression encoding by the compression encoding apparatus 10 of FIG. 4 is transmitted from a network (not shown) (for example, LAN (Local Area Network), WAN (Wide Area Network), Internet, telephone line network, satellite communication network, etc.)
  • the data is received by the input unit 71 of the decoding device 70 via the public line network and the like and supplied to the data receiving unit 72.
  • the data receiving unit 72 separates the synchronization signal included in the received data, and detects and corrects transmission errors that occur during network transmission. Then, the data reception unit 72 determines whether or not the audio signal is compression-encoded based on selection control data included in the reception data and indicating whether or not the audio signal is compression-encoded. When the audio signal is compression-encoded, the data receiving unit 72 supplies the received compressed data to the encoded data buffer 73. When the audio signal is not compressed and encoded, the data receiving unit 72 supplies the received uncompressed data to the output buffer 76. Further, the data receiving unit 72 supplies the data (conversion table data) of the conversion table table1 included in the received data to the table storage unit 75. The table storage unit 75 stores the conversion table table1 supplied from the data receiving unit 72 and supplies it to the decoding unit 74 as necessary.
  • the encoded data buffer 73 temporarily stores the compressed data supplied from the data receiving unit 72 and supplies the compressed data to the subsequent decoding unit 74 at a predetermined timing.
  • the decoding unit 74 decodes the compressed data to a state before compression (reversible decoding) and supplies it to the output buffer 76.
  • a decoding method by the decoding unit 74 will be described.
  • the case where the compressed data transmitted after being compressed and encoded by the compression encoding device 10 is expressed in units of 2 bits as follows and E2 [n] is decoded will be described. ... E2 [n-3], E2 [n-2], E2 [n-1], E2 [n], E2 [n + 1], E2 [n + 2], E2 [n + 3], ...
  • E2 [n] represents 2-bit continuous data and is also referred to as E2 data.
  • the decoding unit 74 first determines the value of E2 [n]. If E2 [n] is “00b”, the data is not mounted in the received conversion table table1 [4096] [3], so the next 4-bit data “E2 [n +] after E2 [n] 1] + E2 [n + 2] ”is the data to be decoded. In addition, when E2 [n] is “01b”, “10b”, or “11b”, it is the data mounted in the received conversion table table1 [4096] [3], so it was decoded immediately before Using the 12-bit D4 data D4 [n-3], D4 [n-2], and D4 [n-1], the conversion table table1 [4096] [3] is referenced to search for data to be decoded.
  • Data to be decoded is data stored in “table1 [D4 [n-3], D4 [n-2], D4 [n ⁇ 1]] [E2 [n] ⁇ 1]”.
  • the decoding unit 74 can decode (reversibly decode) the compressed data to the state before compression.
  • the decoding unit 74 includes a 2-bit register 91, a 12-bit register 92, a conversion table processing unit 93, a 4-bit register 94, and a selector 95.
  • the 2-bit E2 data (for example, E2 [n]) supplied from the encoded data buffer 73 is stored in the register 91.
  • the 12-bit register 92 is supplied with the output of the selector 95, and the register 92 decodes immediately before the 2-bit E2 data (for example, E2 [n]) stored in the register 91.
  • 12-bit data for example, D4 [n-3], D4 [n-2], D4 [n-1]
  • the selector 95 selects the input terminal 96a and the 4-bit data next to E2 [n].
  • E2 [n + 1] + E2 [n + 2] is output from the output terminal 97 as a decoding result.
  • the conversion table processing unit 93 is supplied from the table storage unit 75.
  • the selector 95 selects the input terminal 96b, and outputs the data stored in the register 94 from the output terminal 97 as a decoding result.
  • the output buffer 76 appropriately selects either the uncompressed data supplied from the data receiving unit 72 or the decoded data supplied from the decoding unit 74, and supplies the selected data to the analog filter 77.
  • the analog filter 77 performs predetermined filter processing such as a low-pass filter and a band-pass filter on the decoded data supplied from the output buffer 76, and outputs the result from the output unit 78.
  • predetermined filter processing such as a low-pass filter and a band-pass filter
  • step S21 the data receiving unit 72 determines whether the received data is compression-encoded compressed data based on selection control data included in the received data.
  • step S21 If it is determined in step S21 that the received data is compressed data, the process proceeds to step S22, and the data receiving unit 72 supplies the conversion table data included in the received data to the table storage unit 75.
  • the conversion table processing unit 93 acquires the received conversion table table1 via the table storage unit 75.
  • step S22 the compressed data included in the received data is supplied to the encoded data buffer 73.
  • step S23 the decoding unit 74 decodes the compressed data supplied from the encoded data buffer 73 using the conversion table table1, and supplies the decoded data to the output buffer 76. That is, when the 2-bit E2 data (for example, E2 [n]) is “00b”, the decoding unit 74 performs the next 4-bit data “E2 [n + 1] + E2 [n] after E2 [n].
  • step S21 If it is determined in step S21 that the received data is not compressed data, that is, uncompressed data, the process proceeds to step S24, and the data receiving unit 72 includes the uncompressed data included in the received data. Is supplied to the output buffer 76.
  • uncompressed data or data decoded by the decoding unit 74 is supplied to the output buffer 76, and the data supplied to the output buffer 76 is output to the analog filter 77.
  • step S25 the analog filter 77 performs a predetermined filter process on the data supplied via the output buffer 76.
  • the filtered audio signal is output from the output unit 78.
  • the above processing is repeatedly executed for the audio signal in units of one frame.
  • a GOB Group of Blocks
  • DSD_lossless_payload a unit in which configuration information (configuration) is added to the head of the GOB.
  • Information code book; reference table
  • GOB header GOB header
  • GOB data GOB data
  • DSD lossless stream is composed of a plurality of DSD lossless payloads (DSD_lossless_payload ()).
  • one DSD lossless payload is composed of a format version (format version), a GOB config (GOB config), and a GOB.
  • the GOB is composed of a GOB header (GOB header), GOB data (GOB data), and 10 blocks (Block 1 to Block 10).
  • the GOB header and the GOB data are also referred to as GOB initializers (GOB initializer) used for decoding the GOB.
  • the GOB initializer includes decoder configuration information (decoder configuration), metadata (metadata), codebook (code book), and the like used for decoding.
  • the block (Block) includes a block header (Block header), left channel audio data (L), right channel audio data (R), and byte alignment (byte). align) (when DSD data is 2ch left and right).
  • DSD_lossless_payload stores, for example, format version, DSD_lossless_gob_configuration (), DSD_lossless_gob (number_of_audio_data), and the like.
  • This format version corresponds to the format version shown in FIG.
  • DSD_lossless_gob_configuration corresponds to the GOB config (GOB config) in FIG.
  • DSD_lossless_gob corresponds to the GOB in FIG.
  • DSD_lossless_gob_configuration stores, for example, channel_configuration, number of blocks, sampling_frequency, comment_flag, comment_size, comment_byte, and the like.
  • DSD_lossless_gob stores, for example, DSD_lossless_gob_header (), DSD_lossless_gob_data (), DSD_lossless_block (), byte_align (), and the like.
  • This DSD_lossless_gob_header () corresponds to the GOB header (GOB header) in FIG.
  • DSD_lossless_gob_data corresponds to the GOB data (GOB data) in FIG.
  • DSD_lossless_block corresponds to each block (Block 1 to Block 10) in FIG.
  • DSD_lossless_gob_header stores, for example, DSD_lossless_block_info and the like.
  • DSD_lossless_gob_data stores, for example, gob_codebook_length, gob_codebook [i], and the like.
  • gob_codebook [i] corresponds to the code book (code book) in FIG.
  • ⁇ Decryption> An example of a state of decoding the DSD lossless stream of the new DSD lossless compression encoding method described above will be described.
  • data for a predetermined time is collectively managed as GOB. That is, as shown in FIG. 13A, the DSD lossless stream has a configuration in which a GOB initializer and a predetermined number of blocks (for example, 10 blocks) are continuous. Since the GOB initializer has a playback time of 0, the management of the playback time becomes complicated if it is a single access unit. Therefore, the GOB initializer is added to block 1 which is the first block of the GOB, and the GOB initializer and block 1 are used as one access unit.
  • the DSD lossless stream decoder expands and decodes each block using the decoder configuration information included in the GOB initializer. Therefore, in order to decode each block of the GOB, it is necessary to first read the GOB initializer into the DSD lossless decoder. For example, when each block is sequentially decoded from the first block (block 1) of GOB (in the case of sequential decoding), as shown in FIG. 13B, since the GOB initializer is added to block 1, What is necessary is just to input to a DSD lossless decoder sequentially.
  • the GOB initializer can be read from the DSD lossless stream separately from the block 1, first, as shown in FIG. 13D, the GOB initializer is read, added to the block 6, and input to the DSD lossless decoder. You may do it. In this case, decoding of unnecessary blocks can be omitted.
  • MP4 file a file (hereinafter also referred to as MP4 file) in a file format (hereinafter also referred to as MP4) defined in Part 14 of MPEG-4 (ISO / IEC 14496-14: 2003), which is a derived format of the ISOBMFF format was considered to be used.
  • Video and audio data can be converted into MP4 files as shown in the example of FIG.
  • uncompressed video material (video data) is converted into an image format, encoded with an AVC (Advanced Video Coding) encoder, HEVC (High Efficiency Video Coding) encoder, etc., and a file with the extension “bsf” (.Bsf file) is generated.
  • the .bsf file is a file that stores an encoded stream.
  • DSD audio material (DSD data) is encoded by, for example, the new DSD lossless compression encoding method described above using a DSD lossless encoder, and a file with the extension “enc” (.enc file), extension An “afr” file (.afr file), an extension “esd” file (.esd file), and the like are generated.
  • the .enc file is a file that stores an encoded DSD lossless stream.
  • the .afr file is a file that stores metadata that assists in creating a sample table when storing in an MP4 file.
  • the .esd file is a file that stores metadata for decoder configuration.
  • DSD audio material is converted to PCM data by DSD-PCM conversion, encoded by AAC encoder, and files with extension “aac” (.aac file), .afr file, .esd file, etc. are generated You may be made to do.
  • the .aac file is a file that stores an encoded aac stream.
  • ⁇ Information stored in these files is multiplexed to generate MP4 files.
  • an MP4 file has a hierarchical structure called a box.
  • an MP4 file includes a file type compatibility box (Flie Type Compatibility Box (ftyp)), a movie box (Movie Box (moov)), a media data box (Media Data Box (mdat) )).
  • the file type compatibility box (ftyp) represents the beginning of the file and stores information for identifying the type of the file format.
  • the movie box (moov) stores content metadata and the like.
  • the media data box (mdat) stores actual AV data (actual data).
  • a movie box includes a movie header box (Movie Header Box), a track box (Track Box (track)), and the like.
  • the movie header box stores, for example, movie time axis setting information, enlargement / reduction, rotation, reproduction speed information, and the like.
  • a track box (track) is generated for each track.
  • the track box (track) stores information about the track, for example.
  • a track box has a track header box (Track Header Box), an edit box (Edit Box), a media box (Media Box (mdia)), and the like.
  • the track header box stores, for example, information relating to screen composition such as a spatial position, size, enlargement / reduction, layer, etc., information relating to association between tracks, and the like.
  • information related to AV synchronization such as time position and playback speed is stored.
  • the media box for example, information regarding AV data is stored.
  • the media box (mdia) includes a media header box (Media header box), a media handler box (Media handler box), a media information box (Media information box (minf)), and the like.
  • Media header box for example, information on the type of AV data, media time axis setting, language setting, and the like are stored.
  • media information box (minf) for example, information on data and samples is stored.
  • the media information box (minf) has a data information box (Data Information Box), a sample table box (Sample Data Box), and the like.
  • the data information box stores information related to data reference such as a data storage location and a reference method.
  • information related to sample management such as data time and address information is stored.
  • sample table box A sample is a minimum access unit in the MP4 file format.
  • a main configuration example of the sample table box is shown in FIG.
  • the sample table box (stbl) includes a sample description box (Sample Description Box), a time-to-sample box (Time To Sample Box), a sample size box (Sample Size Box), It has a Sample To Chunk Box, Chunk Offset Box, Sync Sample Box, and Subsample Information Box.
  • sample description box for example, information on codec, image size, etc. is stored.
  • the sample description box stores a sample entry (sample entry) in which information about the sample is stored. Decode configuration information is stored in this sample entry.
  • time-to-sample box for example, information regarding the time of the sample is stored.
  • sample size box for example, information regarding the size of the sample is stored.
  • sample-to-chunk box for example, information regarding the position of sample data is stored.
  • chunk offset box for example, information regarding data offset is stored.
  • sync sample box for example, information about sync samples is stored.
  • a sync sample (Sync ⁇ ⁇ ⁇ ⁇ Sample) is a sample that can be randomly accessed, that is, a sample that can serve as a starting point of decoding.
  • the sync sample box stores information necessary for starting decoding (for example, information necessary for decoding, information indicating the starting point of decoding, etc.).
  • An example of the definition of the sync sample is shown in FIG.
  • An example of the syntax of the sync sample is shown in FIG.
  • An example of the semantics of the sync sample is shown in FIG.
  • a subsample is a unit representing a part of a byte range indicated by a sample (sample). That is, the byte range pointed to by the sample can be divided into a plurality of subsamples. In other words, multiple subsamples can be set within a sample.
  • An example of syntax of the subsample is shown in FIG.
  • An example of subsample semantics is shown in FIG.
  • DSD lossless stream obtained by encoding high-quality DSD data using the new DSD lossless compression encoding method is converted into an MP4 file and distributed using MPEG-DASH to deliver higher-quality data Is possible.
  • a method for storing this DSD lossless stream in an MP4 file has not yet been considered. For example, if one audio sample (one quantized sample) in an elementary stream is assigned to one MP4 sample in the MP4 system layer as a rule, the number of MP4 samples becomes enormous. For example, in the case of 2.8MHz DSD data, 2.8 million MP4 samples will be created in one second. This is a very heavy load and inefficiency in a system that processes each MP4 sample and is difficult to realize. Therefore, the DSD lossless stream cannot be distributed by MPEG-DASH. As a result, higher quality audio data could not be transmitted.
  • an audio access unit in which a plurality of quantized samples within a certain time is collected is configured to correspond to 1MP4 sample.
  • the processing load can be reduced by handling the access unit with a larger data size in consideration of the mounting load.
  • FIG. 18 is a block diagram illustrating an example of a configuration of a distribution system that is an aspect of an information processing system to which the present technology is applied.
  • a distribution system 100 shown in FIG. 18 is a system for distributing data (contents) such as images and sounds.
  • the file generation device 101, the distribution server 102, and the playback terminal 103 are connected via a network 104 so as to communicate with each other.
  • the file generation apparatus 101 performs processing related to generation of an MP4 file that stores audio data.
  • the file generation device 101 generates audio data, generates an MP4 file that stores the generated audio data, and supplies the generated MP4 file to the distribution server 102.
  • the distribution server 102 performs processing related to MP4 file distribution.
  • the distribution server 102 acquires and manages the MP4 file supplied from the file generation apparatus 101, and provides a distribution service using MPEG-DASH.
  • the distribution server 102 supplies the MP4 file to the playback terminal 103 in response to a request from the playback terminal 103.
  • the playback terminal 103 performs processing related to playback of audio data.
  • the playback terminal 103 requests the distribution server 102 to distribute the MP4 file according to MPEG-DASH, and acquires the MP4 file supplied in response to the request.
  • the playback terminal 103 decodes the MP4 file and plays back the audio data.
  • the network 104 is an arbitrary communication network, may be a wired communication network, a wireless communication network, or may be configured by both of them. Further, the network 104 may be configured by a single communication network, or may be configured by a plurality of communication networks.
  • the network 104 may include a communication network or a communication path of an arbitrary communication standard such as a wired communication network complying with the standard.
  • the file generation device 101, the distribution server 102, and the playback terminal 103 are connected to the network 104 so that they can communicate with each other, and can exchange information with each other via the network 104.
  • the file generation apparatus 101, the distribution server 102, and the playback terminal 103 may be connected to the network 104 by wired communication, wireless communication, or both. You may be made to do.
  • the distribution server 100 is configured with one file generation device 101, one distribution server 102, and one reproduction terminal 103.
  • these numbers are arbitrary and the same. It does not have to be.
  • each of the file generation device 101, the distribution server 102, and the playback terminal 103 may be singular or plural.
  • FIG. 19 is a block diagram illustrating a main configuration example of the file generation device 101.
  • the file generation apparatus 101 includes a DSD generation unit 111, a DSD encoding unit 112, an MP4 file generation unit 113, and a setting unit 114.
  • the DSD generation unit 111 performs processing related to generation of DSD data. For example, the DSD generation unit 111 performs ⁇ modulation on the input audio signal (audio analog signal) and converts it into DSD data that is 1-bit digital data. In addition, the DSD generation unit 111 supplies the generated DSD data to the DSD encoding unit 112, for example.
  • the DSD encoding unit 112 performs processing related to encoding of DSD data. For example, the DSD encoding unit 112 encodes the DSD data supplied from the DSD generation unit 111 using the new DSD lossless compression encoding method described above, and generates a DSD lossless stream. Further, the DSD encoding unit 112 supplies the generated DSD lossless stream to the MP4 file generation unit 113, for example.
  • the MP4 file generation unit 113 performs processing related to generation of an MP4 file. For example, the MP4 file generation unit 113 acquires the DSD lossless stream supplied from the DSD encoding unit 112 and generates an MP4 file that stores the DSD lossless stream. For example, the MP4 file generation unit 113 generates the MP4 file according to the setting by the setting unit 114. Also, the MP4 file generation unit 113 outputs the generated MP4 file to the outside of the file generation apparatus 101, for example. For example, the MP4 file generation unit 113 supplies the MP4 file to the distribution server 102 via the network 104.
  • the setting unit 114 performs processing related to the setting for the generation of the MP4 file by the MP4 file generation unit 113.
  • the setting unit 114 generates settings related to the generation of the MP4 file, and sets the settings in the MP4 file generation unit 113.
  • the setting unit 114 includes a sample table box setting unit 121, a sample entry setting unit 122, a sync sample box setting unit 123, and a subsample information box setting unit 124.
  • the sample table box setting unit 121 performs processing related to setting of the sample table box.
  • the sample entry setting unit 122 performs processing related to setting of sample entries.
  • the sync sample box setting unit 123 performs processing related to the setting of the sync sample box.
  • the subsample information box setting unit 124 performs processing related to the setting of the subsample information box.
  • the MP4 file generation unit 113 and the setting unit 114 may be a single device (MP4 file generation device 131).
  • the MP4 file generation device 131 generates and outputs an MP4 file that stores the input DSD lossless stream.
  • the DSD encoding unit 112 may be added to the configuration of the MP4 file generation device 131 to form one device (MP4 file generation device 132).
  • the MP4 file generation device 132 generates a DSD lossless stream by lossless encoding the input DSD data, and further generates and outputs an MP4 file that stores the DSD lossless stream.
  • FIG. 20 is a block diagram illustrating a main configuration example of the playback terminal 103.
  • the playback terminal 103 includes an MP4 file acquisition unit 141, a DSD decoding unit 142, an output control unit 143, an output unit 144, and a control unit 145.
  • the MP4 file acquisition unit 141 performs processing related to MP4 file acquisition. For example, the MP4 file acquisition unit 141 requests the distribution server 102 to distribute content in accordance with MPEG-DASH, and acquires the MP4 file of the content supplied in response to the request. Further, for example, the MP4 file acquisition unit 141 extracts a DSD lossless stream or the like from the acquired MP4 file, and supplies it to the DSD decoding unit 142. Also, for example, the MP4 file acquisition unit 141 extracts control information and the like from the acquired MP4 file and supplies it to the control unit 145.
  • the DSD decoding unit 142 performs processing related to decoding of the DSD lossless stream. For example, the DSD decoding unit 142 decodes the DSD lossless stream by a decoding method corresponding to the above-described new DSD lossless compression encoding method, and restores the DSD data. Note that the DSD decoding unit 142 performs this decoding based on the control of the control unit 145, for example. For example, the DSD decoding unit 142 supplies the restored DSD data to the output control unit 143.
  • the output control unit 143 performs processing related to control of output of DSD data. For example, the output control unit 143 controls the output of the DSD data by discarding the DSD data supplied from the DSD decoding unit 142 or supplying the DSD data to the output unit 144. Note that the output control unit 143 performs this output control based on the control of the control unit 145, for example.
  • the output unit 144 performs processing related to output of DSD data.
  • the output unit 144 includes a speaker or the like, converts DSD data supplied from the output control unit 143 into an audio signal (audio analog signal), and outputs the audio signal from the speaker or the like.
  • the output unit 144 may include an output terminal, for example, and output an audio signal or DSD data to the outside of the playback terminal 103 (supplied to other devices).
  • the configuration of the output unit 144 is arbitrary and may include devices other than those described above.
  • the control unit 145 performs processing related to control of decoding of the DSD lossless stream and control of output of DSD data. For example, the control unit 145 controls the DSD decoding unit 142 to control decoding of the DSD lossless stream. For example, the control unit 145 controls the output control unit 143 to control the output of DSD data. For example, the control unit 145 acquires control information from the MP4 file acquisition unit 141 and performs these controls based on the control information.
  • control unit 145 includes a sample table box analysis unit 151, a subsample information box analysis unit 152, a sync sample box analysis unit 153, a sample entry analysis unit 154, a decoder configuration information setting unit 155, and a reproduction control unit 156. .
  • the sample table box analysis unit 151 performs processing related to analysis of the sample table box.
  • the subsample information box analysis unit 152 performs processing related to the analysis of the subsample information box.
  • the sync sample box analysis unit 153 performs processing related to the analysis of the sync sample box.
  • the sample entry analysis unit 154 performs processing related to analysis of sample entries.
  • the decoder configuration information setting unit 155 performs processing related to analysis of the decoder configuration information.
  • the playback control unit 156 performs processing related to playback control of DSD data.
  • the MP4 file acquisition unit 113, the DSD decoding unit 142, the output control unit 143, and the control unit 145 may be a single device (MP4 file playback device 161).
  • the MP4 file playback device 161 extracts a DSD lossless stream from the input MP4 file, decodes the DSD lossless stream, and generates DSD data. Further, the MP4 file playback device 161 outputs a desired range (from a desired position to a desired position) of the generated DSD data.
  • ⁇ MP4 sample settings> As described above, a method for storing a DSD lossless stream obtained by encoding high-quality DSD data using a new DSD lossless compression encoding method in an MP4 file has not yet been considered. For example, what kind of data is assigned to a sample of an MP4 file was not defined.
  • a file having a predetermined file format for storing encoded data of audio data and having encoded data having a structure in which blocks as access units of the encoded data are grouped by a predetermined number is stored in the file.
  • a sample including initialization information used for decoding a group of blocks is set as a sample which is the minimum access unit in.
  • the encoded data may be, for example, the above-described DSD lossless stream (a stream obtained by encoding DSD data using the above-described new DSD lossless compression encoding method).
  • the block may be a block in the DSD lossless stream
  • the group of blocks may be GOB
  • the initialization information may be a GOB initializer.
  • the predetermined file format may be the above-described MP4 file format (file format conforming to ISO / IEC14496)
  • the sample may be a sample in the MP4 file. That is, for example, a sample including a DSD lossless stream GOB initializer may be set in an MP4 file.
  • the sample entry setting unit 122 sets a sample including such a GOB initializer.
  • each block can be decoded using the initializer information.
  • the DSD lossless stream can be stored in the MP4 file. Therefore, streaming distribution of a DSD lossless stream using MPEG-DASH is possible, and higher-quality audio data can be transmitted.
  • Each block of the DSD lossless stream may be assigned to different samples. That is, one block may be assigned to one sample of the MP4 file. For example, as shown in FIG. 21, a sample may be set as indicated by a double arrow 172 for a DSD lossless stream 171 for 1 GOB (10 blocks). A double arrow 172 indicates the range of the sample.
  • a sample for each block may be set.
  • a total of 11 samples are set for the DSD lossless stream 171 including samples including the GOB initializer and samples for each block.
  • the sample entry setting unit 122 further sets such a sample for each block.
  • a sample including a GOB initializer may be set as a sync sample (Sync Sample).
  • a sync sample (Sync Sample).
  • an ellipse 173 indicates that the sample is a sync sample.
  • the sync sample box setting unit 123 sets a sample including the GOB initializer as a sync sample. In this case, although the sync sample includes the GOB initializer but does not include the block, the reproduction time of this sample is set to zero.
  • the GOB initializer may include the first block (block 1) of the GOB in the sample including the GOB initializer, and the second and subsequent blocks of the GOB may be assigned to the samples.
  • a total of 10 samples including the samples including the GOB initializer and the block 1 and the samples of the blocks 2 to 10 are set.
  • the sample entry setting unit 122 sets a sample including the GOB initializer and the block 1, and further sets a sample for each block for the blocks 2 to 10.
  • a sample including the GOB initializer and block 1 may be set as a sync sample (Sync Sample).
  • the sync sample box setting unit 123 sets a sample including the GOB initializer and block 1 as a sync sample.
  • the GOB initializer part and the block 1 part Each may be set as a subsample.
  • a dotted double-pointed arrow 174 indicates a sub-sample range. That is, in this case, a subsample including the GOB initializer and a subsample including the block 1 are set in the sample including the GOB initializer and the block 1.
  • the subsample information box setting unit 124 sets such a subsample.
  • the sample including the GOB initializer and block 1 may be set as a sync sample (Sync Sample).
  • the sync sample box setting unit 123 sets a sample including the GOB initializer and block 1 as a sync sample. That is, in this case, both the sync sample and the subsample are set.
  • sample number (sample number) is set as shown in A of FIG. 22 in the sync sample box (SyncSampleBox (stss)).
  • sample number is set as shown in B of FIG. 22 in the sync sample box (stss).
  • sample delta is a parameter indicating (identifying) the position (number) of a sample for setting a subsample.
  • the subsample count is a parameter indicating the number of set subsamples.
  • the subsample size is a parameter indicating the size of each subsample. For example, subsample size 1 (subsample_size_1) indicates the size of the subsample including the GOB initializer, and its value is 25 bytes (bytes).
  • Subsample size 2 indicates the size of the subsample including block 1, and the value depends on each subsample (for example, x01, x02, x03, ).
  • Decoding can be controlled in units of blocks by setting samples as in (A-1). Thereby, an increase in load can be suppressed as compared with the case of sampling for each quantized sample.
  • a sample including the GOB initializer is set for each GOB, random access in units of blocks can be performed by controlling to access the first sample of the GOB first. For example, when accessing a block in the middle of a GOB, if the GOB initializer is first read, decoding can be started from the block in the middle (decoding of the block before that block is omitted).
  • the sample including the GOB initializer can be set as the sync sample. Therefore, the sample including the GOB initializer can be accessed more easily, and any block in the GOB can be accessed. That is, random access in units of blocks becomes possible. Also, since the GOB initializer is stored in a different sample from the block, the GOB initializer can be read without requiring decoding of the block. Therefore, the GOB initializer can be read at a higher speed.
  • the sample including the GOB initializer and block 1 can be set as the sync sample. Therefore, random access in block units is possible.
  • setting samples as shown in (A-6) makes it easier to match the number of samples and playback time, enabling faster reading of the GOB initializer, and for each block. Random access becomes possible.
  • Each block of the DSD lossless stream may be assigned to one sample. That is, 1 GOB may be assigned to one sample of the MP4 file. For example, as shown in FIG. 23, a sample may be set as indicated by a double arrow 172 for a DSD lossless stream 171 for 1 GOB (10 blocks).
  • the entire GOB that is, a sample including the GOB initializer and the blocks 1 to 10 may be set.
  • one sample is set for the DSD lossless stream 171.
  • the sample entry setting unit 122 sets the sample including the GOB initializer and all blocks.
  • a sample including the entire GOB set as shown in (B-1) may be set as a sync sample.
  • an ellipse 173 indicates a sync sample.
  • the sync sample box setting unit 123 sets the sync sample in this way.
  • the GOB initializer and the block 1 part and the block 2 to block 10 block parts are respectively You may make it set as a subsample.
  • a dotted double-pointed arrow 174 indicates a subsample range. That is, in this case, the sum of the sample including the entire GOB, the subsample including the GOB initializer and block 1, the subsample including block 2, the subsample including block 3, ..., and the subsample including block 10 Ten subsamples are set.
  • the subsample information box setting unit 124 sets such a subsample.
  • the GOB initializer portion and the block portions of blocks 1 to 10 Each may be set as a subsample. That is, in this case, a total of 11 samples, including a sample including the entire GOB, a subsample including the GOB initializer, a subsample including the block 1, a subsample including the block 2, ..., and a subsample including the block 10 are included. Subsample is set. For example, the subsample information box setting unit 124 sets such a subsample.
  • a sample including the entire GOB in which subsamples are set as in (B-3) may be set as a sync sample.
  • the sync sample box setting unit 123 sets the sync sample in this way.
  • a sample including the entire GOB in which the subsample is set as shown in (B-4) may be set as the sync sample.
  • the sync sample box setting unit 123 sets the sync sample in this way.
  • sample delta (sample_delta), subsample count (subsample_count), subsample size (subsample_size_1, ..., subsample_size_10) Etc. are set as shown in FIG.
  • the value of the sample delta is set to “1”.
  • the value of the subsample count is set to “10”.
  • the size of each subsample is set as each subsample size (for example, x11, ..., x110, y11, ..., y110, z11, ..., z110).
  • sample delta (sample_delta), subsample count (subsample_count), subsample size (subsample_size_1, ..., subsample_size_11) Etc. are set as shown in FIG.
  • the value of the sample delta is set to “1”.
  • the value of the subsample count is set to “11”.
  • Subsample 1 (subsample_size_1) indicates the size of the subsample including the GOB initializer, and its value is set to “25” (bytes).
  • the size of each subsample is set as each subsample size after subsample 2 (for example, x21, ..., x210, y21, ..., y210, z21, ..., z210).
  • Decoding can be controlled in GOB units by setting samples as in (B-1) (as in (B-2)). Thereby, an increase in load can be suppressed as compared with the case of sampling for each quantized sample.
  • a sample including a GOB initializer is set for each GOB, and each sample is automatically set as a sync sample. Therefore, random access is possible at least for each GOB. Access to a block in the middle of GOB may be sequentially decoded from block 1 and the output result before the desired block may be discarded in output control.
  • the GOB initializer and blocks 1 to 10 can be extracted as subsamples.
  • the initializer can be read at a higher speed, and random access in units of blocks becomes possible.
  • a sample including all blocks in the GOB may be set.
  • a total of two samples are set for the DSD lossless stream 171: a sample including a GOB initializer and a sample including all blocks in the GOB.
  • the sample entry setting unit 122 further sets a sample including all the blocks in the GOB.
  • a sample including a GOB initializer may be set as a sync sample.
  • an ellipse 173 indicates a sync sample.
  • the sync sample box setting unit 123 sets a sample including the GOB initializer as a sync sample. In this case, although the sync sample includes the GOB initializer but does not include the block, the reproduction time of this sample is set to zero.
  • a sample including a GOB initializer which is different from a sample including all blocks in the GOB in which subsamples are set as in (C-3), is set as a sync sample. You may do it.
  • the sync sample box setting unit 123 sets the sync sample in this way.
  • a sample including the GOB initializer and block 1 and blocks 2 to 10 are included.
  • a sample may be set.
  • a total of two samples, a sample including the GOB initializer and the block 1, and a sample including the blocks 2 to 10 are set for the DSD lossless stream 171.
  • the sample entry setting unit 122 sets such two samples.
  • a sample including the GOB initializer and block 1 may be set as a sync sample.
  • the sync sample box setting unit 123 sets a sample including the GOB initializer and block 1 as a sync sample.
  • the playback time of this sample is the playback time of block 1.
  • the GOB initializer portion is compared with the sample including the GOB initializer and block 1. And the portion of block 1 may be set as subsamples. In other words, in this case, a total of 11 subsamples including a subsample including the GOB initializer, a subsample including block 1, a subsample including block 2,..., And a subsample including block 10 are set. Yes.
  • the subsample information box setting unit 124 sets such a subsample.
  • the sample including the GOB initializer and block 1 is used as a sync sample instead of the sample including blocks 2 to 10 in which subsamples are set as in (C-7). You may make it set.
  • the sync sample box setting unit 123 sets the sync sample in this way.
  • the sample including the GOB initializer and the block 1 in which the subsample is set as in (C-8) may be set as the sync sample.
  • the sync sample box setting unit 123 sets the sync sample in this way.
  • sample delta (sample_delta), subsample count (subsample_count), and subsample size (subsample_size_1, ..., subsample_size_10) in the subsample information box are shown in FIG. Is set as follows.
  • the value of the sample delta is set to “2”.
  • 10 subsamples are set for the samples including the blocks 1 to 10, the value of the subsample count is set to “10”.
  • the size of each subsample is set as each subsample size (for example, x31, ..., x310, y31, ..., y310, z31, ..., z310).
  • parameters such as sample delta (sample_delta), subsample count (subsample_count), subsample size (subsample_size_1, ..., subsample_size_9) in the subsample information box are as shown in FIG. Is set as follows.
  • the value of the sample delta is set to “2”.
  • the value of the subsample count is set to “9”.
  • the size of each subsample is set as each subsample size (for example, x41, ..., x49, y41, ..., y49, z41, ..., z49).
  • sample delta (sample_delta), subsample count (subsample_count), subsample size (subsample_size_1, ..., subsample_size_9) in the subsample information box are as shown in FIG. Is set.
  • the value of the sample delta is set to “1”.
  • the value of the subsample count is “2”. "Or” 9 ".
  • the size of each subsample is set as each subsample size (for example, 25, x41, y51, ..., y59, 25, z51).
  • Decoding can be controlled in GOB units by setting samples as in (C-2). Thereby, an increase in load can be suppressed as compared with the case of sampling for each quantized sample.
  • a sample including a GOB initializer is set for each GOB, random access is possible at least for each GOB. Access to a block in the middle of GOB may be sequentially decoded from block 1 and the output result before the desired block may be discarded in output control.
  • each of the blocks 1 to 10 can be extracted as a sub-block, so that random access in units of blocks becomes possible.
  • the DSD lossless stream can be stored in the MP4 file, and higher quality audio data can be transmitted.
  • the DSD generation unit 111 of the file generation apparatus 101 ⁇ -modulates the audio analog signal in step S101 to generate DSD data.
  • the DSD encoding unit 112 encodes the DSD data generated in step S101 using the new DSD lossless compression encoding method described above, and generates a DSD lossless stream.
  • the MP4 file generation device 131 (that is, the MP4 file generation unit 113 and the setting unit 114) generates an MP4 file that stores the DSD lossless stream generated in step S102 by executing the MP4 file generation process. To do. This MP4 file generation process will be described later.
  • the MP4 file generation unit 113 provides the generated MP4 file to the distribution server 102 in step S104.
  • the distribution data generation process ends.
  • the sample table box setting unit 121 sets a sample table box in step S111.
  • the sample entry setting unit 122 sets a sample entry.
  • the sample entry setting unit 122 refers to the .afr file and sets a byte position (samplesize) to be divided into samples. That is, the sample entry setting unit 122 assigns each block to a sample based on the .afr file.
  • the sample entry setting unit 122 performs, for example, the above-described (A-1) to (A-6), (B-1) to (B-6), and (C-1) to (C-10). ) Apply one of the methods.
  • the sample entry setting unit 122 refers to the .esd file and stores the decoder configuration information, which is information necessary for decoding the GOB, in the sample entry. That is, the sample entry setting unit 122 sets a GOB initializer including decoder configuration information based on the .esd file and assigns it to the sample.
  • the sample entry setting unit 122 performs, for example, the above-described (A-1) to (A-6), (B-1) to (B-6), and (C-1) to (C-10). ) Apply one of the methods.
  • step S115 the sync sample box setting unit 123 refers to the .afr file, creates a list of samples including the GOB initializer, and sets a sync sample box for storing the list.
  • step S116 when operating the subsample, the subsample information box setting unit 124 checks the GOB initializer range, the block boundary, etc. in each sample, and sets the subsample information box based on the information. Various parameters such as sample delta, subsample count, and subsample size are set.
  • step S117 the setting unit 114 generates a file type compatibility box (ftyp).
  • step S118 the setting unit 114 generates a movie box according to the setting. That is, the setting unit 114 generates a movie box (moov) that stores the sample table box set as described above.
  • step S119 the setting unit 114 generates a media data box (mdat) and stores the DSD lossless stream.
  • a DSD lossless stream can be stored in an MP4 file, and higher-quality audio data can be transmitted using MPEG-DASH.
  • the playback terminal 103 acquires an MP4 file from the distribution server 102, executes playback processing to play back the MP4 file, and outputs audio data. An example of the flow of this reproduction process will be described with reference to the flowchart of FIG.
  • the MP4 file acquisition unit 141 of the reproduction terminal 103 acquires the MP4 file distributed from the distribution server 102 in step S131.
  • the MP4 file playback device 161 (for example, the DSD decoding unit 142, the output control unit 143, and the control unit 145) performs a decoding process, extracts and decodes the DSD lossless stream from the MP4 file, and obtains the obtained DSD. Output starts from the data playback start time.
  • step S133 the output unit 144 outputs the sound (audio analog signal) reproduced by the process in step S132.
  • the sample table box analysis unit 151 refers to the sample table box of the MP4 file acquired by the MP4 file acquisition unit 141 in step S141, and chunks of the DSD lossless track corresponding to the playback start time.
  • the byte position of the sync sample and the decoding start sample is specified.
  • step S142 the sample entry analysis unit 154 refers to the sample entry.
  • step S143 the sample entry analysis unit 154 determines whether or not there is decoder configuration information. If it is determined that the file does not exist, the process proceeds to step S144.
  • step S144 the sample entry analysis unit 154 reads the sample data indicated by the sync sample from the MP4 file and acquires the GOB initializer.
  • the process proceeds to step S145. If it is determined in step S143 that there is decoder configuration information, the process in step S144 is omitted, and the process proceeds to step S145.
  • step S145 the decoder configuration information setting unit 155 sets the decoder configuration information included in the MP4 file in the decoder.
  • step S146 the DSD decoding unit 142 reads data (DSD lossless stream) from the start byte position of the decoding start sample of the MP4 file acquired by the MP4 file acquisition unit 141 based on the decoder configuration information.
  • step S147 the DSD decoding unit 142 starts decoding the read data.
  • step S148 the playback control unit 156 specifies the playback start time to the output control unit 143.
  • the output control unit 143 starts outputting the DSD data obtained by the process of step S147 from the designated time.
  • step S148 When the process of step S148 is completed, the decoding process is completed, and the process returns to FIG.
  • the boundary of a fragment may be made to coincide with one of GOB boundaries.
  • the top of the fragment is the GOB head.
  • a plurality of GOBs may be stored in one fragment.
  • Second Embodiment> ⁇ Separation of parameter set and elementary stream>
  • the GOB initializer (sample) necessary for decoding may be stored in a track different from the track (track) storing the block (sample).
  • the GOB initializer which is a parameter set required for decoding, is at the beginning of each GOB and changes over time. By configuring this parameter set portion as a single track track, it is possible to more easily access and read the parameter set.
  • a track is a sequence of samples (or chunks).
  • the GOB initializer header, config, GOB data (code book)
  • the sample duration is 1 GOB playback time.
  • the GOB of the DSD lossless stream has a structure as shown in FIG. That is, the DSD lossless stream 171 for 1 GOB has a GOB initializer and 10 blocks (Blook1 to Blook10).
  • An example of an MP4 file storing such a DSD lossless stream 171 is shown in FIG.
  • the media data box (mdat) of the MP4 file 181 stores the GOB initializer of the DSD lossless stream 171 and the data of each block.
  • the movie box (moov) two tracks, a DSD lossless parameter set track (DSD lossless parameter set track) and a DSD lossless elementary stream track (DSD lossless elementary track) are formed.
  • the DSD lossless parameter set track is a track for storing parameter set management information necessary for decoding the DSD lossless stream.
  • the DSD lossless elementary stream track is a track for storing data management information of blocks of the DSD lossless stream.
  • DSD lossless stream parameter set management information is stored. That is, information regarding each GOB initializer of the media data box (mdat) is stored in this sample entry (dsdp).
  • the management information of the elementary stream of the DSD lossless stream is stored in the sample entry (dsde) formed in the sample description box (stsd) of the DSD lossless elementary stream track. That is, information regarding each block of the media data box (mdat) is stored in the sample entry (dsde).
  • any of the methods described above with reference to FIGS. 21 to 27 may be applied to assign samples in the DSD lossless elementary stream track. That is, in the example of B in FIG. 33, one sample is assigned to one block, but the way of assigning samples is not limited to this example.
  • decoder configuration information (setting information necessary for decoding; set in the decoder before starting decoding) can be acquired at higher speed.
  • header information can be acquired at high speed during random access. Therefore, it can be expected that the time until the start of reproduction is shortened and the stream switching speed is increased.
  • the GOB initializer sample is a sample with a playback time of zero. By separating such a sample with a playback time of 0 as a separate track, it is possible to prevent a sample other than a sample indicating a block from being included in the track. That is, it is possible to prevent samples having different properties from being mixed in one track, and to manage information more easily.
  • sample of the DSD lossless elementary track may include the GOB initializer and block 1 (first block). That is, in the DSD lossless elementary track, the GOB initializer may be added to the first block (block 1) of the GOB.
  • the GOB of the DSD lossless stream has a structure as shown in FIG. That is, the DSD lossless stream 171 for 1 GOB has a GOB initializer and 10 blocks (Blook1 to Blook10).
  • An example of an MP4 file for storing such a DSD lossless stream 171 is shown in FIG. 34B.
  • the configuration example of the MP4 file 182 shown in FIG. 34B is basically the same as that of the MP4 file 181 shown in FIG. 33B.
  • a GOB initializer is added to the first block (block 1) of GOB. Since the data in the media data box referred to by each track may be duplicated, such a sample allocation method is also possible. By using such an allocation method, it is possible to perform decoding only with the sample information of the DSD lossless elementary track.
  • the sample table box setting unit 121 sets a sample table box in step S161, and sets a parameter set track (DSD lossless parameter set track) and an elementary stream track (DSD lossless element). Mental stream track).
  • the sample entry setting unit 122 sets a sample entry ('dsdp' and 'dsde') for each track.
  • the sample entry setting unit 122 refers to the .afr file and sets a byte position (samplesize) to be divided into samples. That is, the sample entry setting unit 122 assigns each block to a sample of the DSD lossless elementary stream track based on the .afr file.
  • the sample entry setting unit 122 performs, for example, the above-described (A-1) to (A-6), (B-1) to (B-6), and (C-1) to (C-10). ) Apply one of the methods.
  • the sample entry setting unit 122 refers to the .esd file and stores the decoder configuration information in the sample entry ('dsdp') of the DSD lossless parameter set track. That is, the sample entry setting unit 122 assigns the GOB initializer including the decoder configuration information to the sample of the DSD lossless parameter set track based on the .esd file.
  • the sample entry setting unit 122 performs, for example, the above-described (A-1) to (A-6), (B-1) to (B-6), and (C-1) to (C-10). ) Apply one of the methods.
  • step S165 to step S169 is executed in the same manner as each process from step S115 to step S119 in FIG.
  • the MP4 file generation process ends, and the process returns to FIG.
  • the DSD lossless stream can be stored in the MP4 file, and higher-quality audio data can be transmitted using MPEG-DASH.
  • the sample table box analysis unit 151 refers to the sample table box of the DSD lossless elementary stream track of the MP4 file acquired by the MP4 file acquisition unit 141 in step S181, and starts the playback start time. This specifies the DSD lossless track chunk, sync sample, byte position of the decode start sample, etc.
  • step S182 the sample entry analysis unit 154 refers to the sample entry ('dedp') of the DSD lossless parameter set track.
  • step S183 the sample entry analysis unit 154 determines whether or not decoder configuration information exists. If it is determined that it does not exist, the process proceeds to step S184. In this case, in step S184, the sample entry analysis unit 154 reads the sample data indicated by the sync sample from the sample entry ('dedp') of the DSD lossless parameter set track, and acquires the GOB initializer. When the GOB initializer is acquired, the process proceeds to step S185. If it is determined in step S183 that there is decoder configuration information, the process in step S184 is omitted, and the process proceeds to step S185.
  • step S185 to step S188 is executed in the same manner as each process from step S145 to step S148 in FIG.
  • the decoding process ends, and the process returns to FIG.
  • the DSD lossless parameter set track and the DSD lossless elementary stream track described above may be different files.
  • a DSD lossless stream obtained by DSD lossless encoding of uncompressed DSD data cannot be decoded without a GOB initializer.
  • the present technique may be applied to a DRM (Digital Rights Management) system using a DSD lossless stream as an encrypted stream, and using an MP4 file including a GOB initializer as decryption key information.
  • DRM Digital Rights Management
  • a method of managing playback by DRM can be considered.
  • the GOB initializer and the block are stored in different MP4 files, and the MP4 file in which the GOB initializer is stored is separately obtained as decryption key information necessary for decoding the MP4 file in which the block is stored. You may make it deliver.
  • MP4 files containing only blocks should be shared and widely distributed. For example, copying may be permitted. However, since this MP4 file does not include the GOB initializer, it is not possible to play back content by itself.
  • the protection scheme infobox (sinf) is provided in the sample entry as shown in A of FIG.
  • the protection scheme info box (sinf) is provided with boxes such as an original format box (Original Format Box) and a scheme type box (Scheme Type Box).
  • FIG. 37B shows examples of syntaxes of the protection scheme info box, the original format box, and the scheme type box.
  • the original format box stores information about the stream before encryption.
  • uncompressed DSD data is regarded as this pre-encrypted stream.
  • the value of the parameter original_format indicating the data format of the stream before encryption is set to 'dsd0' (uncompressed DSD data).
  • the scheme type box stores information related to decryption of the encrypted stream.
  • a DSD lossless stream obtained by encoding DSD data using a new DSD lossless encoding method is regarded as an encrypted stream.
  • the value of the parameter sheme_type indicating the encryption method (encoding method) is set to 'dsde' (new DSD lossless compression method).
  • link information to the license file is stored in the scheme type box.
  • the specification of the license file is arbitrary, but for example, link information to a GOB initializer that is a decryption key is described.
  • the user who acquired the MP4 file 201 in which only the block is stored becomes a legitimate user who can reproduce the content by paying, for example, and the DSD of the MP4 file 201
  • the license file 202 is acquired based on the information in the protection scheme infobox (sinf) of the lossless elementary stream track.
  • the MP4 file 203 in which the GOB initializer corresponding to the MP4 file 201 is stored is acquired.
  • the user can play the MP4 file 201 and view the content.
  • a DRM system can be constructed by applying this technology and storing the GOB initializer and block in different MP4 files.
  • the correspondence relationship between the MP4 file 201 and the MP4 file 203 is expressed via the license file 202 so that, for example, when the correspondence relationship is updated, the update is performed more easily. be able to. That is, management of correspondence becomes easier.
  • the file containing the GOB initializer is not limited to the MP4 file, but if it is an MP4 file, the time from the beginning of the file can be known from the information below the sample table box, and the player can associate the GOB initializer with the block.
  • the management information of the DSD lossless stream may be stored in the audio sample entry (AudioSampleEntryV1).
  • FIG. 39 shows an example of the syntax of the audio sample entry.
  • an audio format identifier is set. For example, in the case of DSD data, an identifier “dsd1” indicating DSD data is set. In the channel count (channelcount), the number of channels is set. For example, when the DSD data is 2 channels, the value “2” is set to this parameter. In the sample size (samplesize), the bit depth of the audio data is set. For example, in the case of DSD data, since the bit depth of the DSD data is 1 bit, a value “1” is set in this parameter. The sample rate (samplerate) is set to a value “AC444.10000h” indicating a fixed value “44.1 kHz”. This value is a dummy value, and a correct value is set in an expanded box described later.
  • Sampling rate is a parameter set in the sampling rate box (SamplingRateBox) which is an extension box.
  • sampling rate box SamplingRateBox
  • a correct value is set for this sampling rate (sampling_rate). For example, when the sampling frequency of the DSD data is 2.8 MHz, the value “00 2b 11 00h” (2822400 Hz) is set in this parameter. For example, when the sampling frequency of DSD data is 5.6 MHz, the value “00 56 22 00h” (564480000 Hz) is set in this parameter.
  • sampling frequency of the DSD data is 11.2 MHz
  • a value “00 AC 44 00h” (11289600 Hz) is set in this parameter.
  • the media time scale (media (timescale) is set to the same value as this sampling rate (sampling_rate) or sample rate (samplerate).
  • FIG. 40 is a block diagram illustrating a main configuration example of the file generation apparatus 101 in this case.
  • the file generation apparatus 101 in this case includes an audio sample entry setting unit 211 in addition to the configuration described with reference to FIG.
  • the audio sample entry setting unit 211 performs processing related to the setting of the audio sample entry.
  • the sample table box setting unit 121 sets a sample table box in step S201.
  • the audio sample entry setting unit 211 sets an audio sample entry.
  • the audio sample entry setting unit 211 refers to the .afr file and sets a byte position (samplesize) to be divided into samples. That is, the audio sample entry setting unit 211 assigns each block to a sample based on the .afr file.
  • the audio sample entry setting unit 211 performs, for example, the above-described (A-1) to (A-6), (B-1) to (B-6), and (C-1) to (C-). Apply one of the methods in 10).
  • the audio sample entry setting unit 211 refers to the .esd file and stores the decoder configuration information, which is information necessary for decoding the GOB, in the audio sample entry. That is, the audio sample entry setting unit 211 sets a GOB initializer including decoder configuration information based on the .esd file and assigns it to the sample. As this allocation method, the audio sample entry setting unit 211 performs, for example, the above-described (A-1) to (A-6), (B-1) to (B-6), and (C-1) to (C-). Apply one of the methods in 10).
  • step S205 to step S209 is executed in the same manner as each processing from step S115 to step S119 in FIG.
  • the MP4 file generation process ends, and the process returns to FIG.
  • the DSD lossless stream can be stored in the MP4 file, and information (management information) regarding the DSD lossless stream can be stored in the audio sample entry (AudioSampleEntryV1). Therefore, higher quality audio data can be transmitted using MPEG-DASH.
  • FIG. 42 is a block diagram illustrating a main configuration example of the playback terminal 103 in this case.
  • the playback terminal 103 in this case includes an audio sample entry analysis unit 221 in addition to the configuration described with reference to FIG.
  • the audio sample entry analysis unit 221 performs processing related to the analysis of the audio sample entry.
  • the sample table box analysis unit 151 refers to the sample table box of the MP4 file acquired by the MP4 file acquisition unit 141 in step S231, and the chunk of the DSD lossless track corresponding to the playback start time.
  • the byte position of the sync sample and the decoding start sample is specified.
  • the audio sample entry analysis unit 221 refers to the audio sample entry (AudioSampleEntryV1).
  • step S233 the audio sample entry analysis unit 221 determines whether there is no decoder configuration information. If it is determined that it does not exist, the process proceeds to step S234.
  • step S234 the audio sample entry analysis unit 221 reads the sample data indicated by the sync sample from the MP4 file and acquires the GOB initializer.
  • the process proceeds to step S235. If it is determined in step S233 that the decoder configuration information exists, the process in step S234 is omitted, and the process proceeds to step S235.
  • step S235 to step S238 is executed in the same manner as each process from step S145 to step S148 in FIG.
  • the decoding process ends, and the process returns to FIG.
  • the DSD lossless stream that is stored and transmitted in the MP4 file is decoded using the information (management information) related to the DSD lossless stream stored in the audio sample entry (AudioSampleEntryV1). Audio data can be output. That is, higher quality audio data can be transmitted using MPEG-DASH.
  • an extension box may be newly defined in the audio sample entry (AudioSampleEntryV1), and information (config information) unique to the DSD lossless encoding method may be stored in the extension box. This makes it possible to know the stream attributes (decoder configuration information) without accessing the media data box (mdat), and can be expected to speed up the playback process during random access. .
  • this extension box may store basic decoder configuration information common to the streams, for example.
  • format_version and DSD_lossless_gob_configuration may be read from the DSD lossless payload (DSD_lossless_payload ()) of the DSD lossless stream and stored in this extension box (DSDSpecificBox ()).
  • an MP4 file 231 configured as shown in FIG. 45B is generated for the DSD lossless stream 171 configured as shown in FIG.
  • an extension box ('dsc1') is provided in the DSD audio sample entry (DSDAudioSampleEntryV1) ('dsd1'), and this extension box ('dsc1') is common to the streams. Only basic parameters are copied.
  • GOB-specific information may be stored in this extension box (DSDSpecificBox ()).
  • DSDSpecificBox () An example of the syntax of the extension box (DSDSpecificBox ()) in this case is shown in FIG.
  • DSD_lossless_gob_header () and DSD_lossless_gob_data () (codebook) may also be read and stored in this extension box (DSDSpecificBox ()).
  • DSD_lossless_gob_header () and DSD_lossless_gob_data () are read from DSD_lossless_gob (). That is, these pieces of information are information included in the GOB initializer and include information specific to the GOB.
  • an MP4 file 232 having a configuration as shown in FIG. 46B is generated for a DSD lossless stream 171 having a configuration as shown in FIG.
  • a plurality of extension boxes ('dsc2') are provided in the DSD audio sample entry (DSDAudioSampleEntryV1) ('dsd1'), and each extension box ('dsc2') has its own.
  • Information (decoder configuration information) necessary for decoding the corresponding GOB is stored.
  • the GOB corresponding to the extension box can be decoded. That is, GOB can be decoded without referring to the GOB initializer, and processing can be performed at higher speed.
  • FIG. 47 is a block diagram showing a main configuration example of the file generation apparatus 101 in this case.
  • the file generation apparatus 101 in this case includes a DSD audio sample entry setting unit 241 in addition to the configuration described with reference to FIG.
  • the DSD audio sample entry setting unit 241 performs processing related to audio sample entry settings, extension box settings, and the like.
  • the sample table box setting unit 121 sets a sample table box in step S251.
  • the DSD audio sample entry setting unit 241 sets a DSD audio sample entry, and further sets an extension box (DSDSpecificBox) therein.
  • the DSD audio sample entry setting unit 241 refers to the .afr file and sets a byte position (samplesize) to be divided into samples. That is, the DSD audio sample entry setting unit 241 assigns each block to a sample based on the .afr file. As this allocation method, the DSD audio sample entry setting unit 241 performs, for example, the above-described (A-1) to (A-6), (B-1) to (B-6), and (C-1) to (C-1). Apply one of the methods in -10).
  • the DSD audio sample entry setting unit 241 refers to the .esd file and stores the decoder configuration information in the extension box (DSDSpecificBox) of the DSD audio sample entry. That is, the DSD audio sample entry setting unit 241 sets a GOB initializer including decoder configuration information based on the .esd file and assigns it to the sample. As this allocation method, the DSD audio sample entry setting unit 241 performs, for example, the above-described (A-1) to (A-6), (B-1) to (B-6), and (C-1) to (C-1). Apply one of the methods in -10).
  • step S255 to step S259 is executed in the same manner as each process from step S115 to step S119 in FIG.
  • the MP4 file generation process ends, and the process returns to FIG.
  • the DSD lossless stream can be stored in the MP4 file, and information (management information) about the DSD lossless stream is stored in the extension box (DSDSpecificBox) of the DSD audio sample entry (DSDAudioSampleEntryV1) Can be stored. Therefore, higher quality audio data can be transmitted using MPEG-DASH.
  • FIG. 49 is a block diagram illustrating a main configuration example of the playback terminal 103 in this case.
  • the playback terminal 103 in this case includes a DSD audio sample entry analysis unit 251 in addition to the configuration described with reference to FIG.
  • the DSD audio sample entry analysis unit 251 performs processing relating to analysis of audio sample entries, analysis of expansion boxes, and the like.
  • the sample table box analysis unit 151 refers to the sample table box of the MP4 file acquired by the MP4 file acquisition unit 141 in step S271, and chunks of the DSD lossless track corresponding to the playback start time.
  • the byte position of the sync sample and the decoding start sample is specified.
  • the DSD audio sample entry analysis unit 251 refers to the DSD audio sample entry (DSDAudioSampleEntryV1) and further refers to the extension box (DSDSpecificBox).
  • step S273 the DSD audio sample entry analysis unit 251 sets the decoder configuration information stored in the extension box (DSDSpecificBox) in the decoder.
  • step S274 to step S276 is executed in the same manner as each process from step S146 to step S148 in FIG.
  • the decoding process ends, and the process returns to FIG.
  • the decoder configuration information stored in the extension box (DSDSpecificBox) of the DSD audio sample entry (DSDAudioSampleEntryV1) is used to decode the GOB and output the audio data.
  • DSDSpecificBox the extension box of the DSD audio sample entry
  • DSDAudioSampleEntryV1 the decoder configuration information stored in the extension box (DSDSpecificBox) of the DSD audio sample entry (DSDAudioSampleEntryV1) is used to decode the GOB and output the audio data.
  • DSDSpecificBox extension box
  • DSDAudioSampleEntryV1 DSD audio sample entry
  • the system, device, processing unit, etc. to which this technology is applied can be used in any field such as traffic, medical care, crime prevention, agriculture, livestock industry, mining, beauty, factory, home appliance, weather, nature monitoring, etc. .
  • the present technology can also be applied to a system or device that transmits an image used for viewing.
  • the present technology can be applied to a system or a device that is used for transportation.
  • the present technology can also be applied to a system or device used for security.
  • the present technology can be applied to a system or a device provided for sports.
  • the present technology can also be applied to a system or a device provided for agriculture.
  • the present technology can also be applied to a system or device used for livestock industry.
  • the present technology can also be applied to systems and devices that monitor natural conditions such as volcanoes, forests, and oceans.
  • the present technology can be applied to, for example, a weather observation system or a weather observation apparatus that observes weather, temperature, humidity, wind speed, sunshine duration, and the like.
  • the present technology can also be applied to systems and devices for observing the ecology of wildlife such as birds, fish, reptiles, amphibians, mammals, insects, and plants.
  • ⁇ Computer> The series of processes described above can be executed by hardware or can be executed by software.
  • a program constituting the software is installed in the computer.
  • the computer includes, for example, a general-purpose personal computer that can execute various functions by installing a computer incorporated in dedicated hardware and various programs.
  • FIG. 51 is a block diagram showing an example of the hardware configuration of a computer that executes the above-described series of processing by a program.
  • a CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • An input / output interface 910 is also connected to the bus 904.
  • An input unit 911, an output unit 912, a storage unit 913, a communication unit 914, and a drive 915 are connected to the input / output interface 910.
  • the input unit 911 includes, for example, a keyboard, a mouse, a microphone, a touch panel, an input terminal, and the like.
  • the output unit 912 includes, for example, a display, a speaker, an output terminal, and the like.
  • the storage unit 913 includes, for example, a hard disk, a RAM disk, a nonvolatile memory, and the like.
  • the communication unit 914 includes a network interface, for example.
  • the drive 915 drives a removable medium 921 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory.
  • the CPU 901 loads the program stored in the storage unit 913 to the RAM 903 via the input / output interface 910 and the bus 904 and executes the program. A series of processing is performed.
  • the RAM 903 also appropriately stores data necessary for the CPU 901 to execute various processes.
  • the program executed by the computer 900 can be recorded and applied to, for example, a removable medium 921 as a package medium or the like.
  • the program can be installed in the storage unit 913 via the input / output interface 910 by attaching the removable medium 921 to the drive 915.
  • This program can also be provided via a wired or wireless transmission medium such as a local area network, the Internet, or digital satellite broadcasting. In that case, the program can be received by the communication unit 914 and installed in the storage unit 913.
  • a wired or wireless transmission medium such as a local area network, the Internet, or digital satellite broadcasting.
  • the program can be received by the communication unit 914 and installed in the storage unit 913.
  • this program can be installed in advance in the ROM 902, the storage unit 913, or the like.
  • ⁇ Others> In this specification, an example in which various types of information are multiplexed with encoded data (bitstream) and transmitted from the encoding side to the decoding side has been described. However, the method of transmitting such information is such an example. It is not limited. For example, these pieces of information may be transmitted or recorded as separate data associated with the encoded data without being multiplexed with the encoded data.
  • the term “associate” means that, for example, an image (which may be a part of an image such as a slice or a block) included in encoded data and information corresponding to the image can be linked at the time of decoding.
  • the information associated with the encoded data (image) may be transmitted on a different transmission path from the encoded data (image).
  • the information associated with the encoded data (image) may be recorded on a recording medium different from the encoded data (image) (or another recording area of the same recording medium).
  • the image and information corresponding to the image may be associated with each other in an arbitrary unit such as a plurality of frames, one frame, or a part of the frame.
  • the system means a set of a plurality of components (devices, modules (parts), etc.), and it does not matter whether all the components are in the same housing. Accordingly, a plurality of devices housed in separate housings and connected via a network and a single device housing a plurality of modules in one housing are all systems. .
  • the configuration described as one device (or processing unit) may be divided and configured as a plurality of devices (or processing units).
  • the configurations described above as a plurality of devices (or processing units) may be combined into a single device (or processing unit).
  • a configuration other than that described above may be added to the configuration of each device (or each processing unit).
  • a part of the configuration of a certain device (or processing unit) may be included in the configuration of another device (or other processing unit). .
  • the present technology can take a configuration of cloud computing in which one function is shared and processed by a plurality of devices via a network.
  • the above-described program can be executed in an arbitrary device.
  • the device may have necessary functions (functional blocks and the like) so that necessary information can be obtained.
  • each step described in the above flowchart can be executed by one device or can be executed by a plurality of devices. Further, when a plurality of processes are included in one step, the plurality of processes included in the one step can be executed by being shared by a plurality of apparatuses in addition to being executed by one apparatus.
  • the program executed by the computer may be executed in a time series in the order described in this specification for the processing of the steps describing the program, or in parallel or called. It may be executed individually at a necessary timing. That is, as long as no contradiction occurs, the processing of each step may be executed in an order different from the order described above. Furthermore, the processing of the steps describing this program may be executed in parallel with the processing of other programs, or may be executed in combination with the processing of other programs.
  • An information processing apparatus comprising: a sample setting unit configured to set a sample including initialization information used for decoding the group of blocks as a sample which is a minimum access unit in the file.
  • the method further includes a sync sample setting unit configured to set a sample including the initialization information, which is set by the sample setting unit, as a sync sample including information necessary for starting decoding.
  • Information processing device comprising: a sample setting unit configured to set a sample including initialization information used for decoding the group of blocks as a sample which is a minimum access unit in the file.
  • the sample setting unit sets a sample including the initialization information and a head block of the group, and a sample for each block of the other block of the group.
  • (1) to (3) The information processing apparatus according to any one of the above.
  • a sync sample setting unit configured to set a sample including the initialization information and the first block of the group set by the sample setting unit to a sync sample including information necessary for starting decoding.
  • the information processing apparatus according to any one of 1) to (4).
  • a subsample including the initialization information and a subsample including the first block of the group are set in the sample including the initialization information and the first block of the group set by the sample setting unit.
  • the information processing apparatus according to any one of (1) to (5), further including a subsample setting unit.
  • a sync sample setting unit configured to set a sample including the initialization information and the first block of the group set by the sample setting unit as a sync sample including information necessary for starting decoding.
  • the information processing apparatus according to any one of 1) to (6).
  • the information processing apparatus according to any one of (1) to (8), further including a subsample setting unit configured to set the subsample.
  • a sync sample setting unit configured to set the sample including the initialization information set by the sample setting unit to a sync sample including information necessary for starting decoding;
  • the information processing apparatus according to any one of (1) to (11), wherein the sample setting unit is further configured to set a sample including all blocks of the group.
  • the sample setting unit is configured to set a sample including the initialization information and a head block of the group, and a sample including all other blocks of the group,
  • a sync sample setting unit configured to set a sample including the initialization information and the first block of the group set by the sample setting unit to a sync sample including information necessary for starting decoding;
  • the information processing apparatus according to any one of (13).
  • the method further includes a subsample setting unit configured to set a subsample for each block in the sample set by the sample setting unit and including all the other blocks of the group.
  • the sub-sample setting unit further includes a sample including the initialization information and a head block of the group set by the sample setting unit, a sub-sample including the initialization information, and a head of the group
  • the information processing apparatus according to any one of (1) to (15).
  • the sample setting unit further includes a sample including the initialization information, a sample including the first block of the group, a sample for each block of the other block of the group, and a sample including the initialization information.
  • the information processing apparatus according to any one of (1) to (17), wherein the track is set to a track different from the set track.
  • the sample setting unit further sets the sample for each block to a file different from a file in which the sample including the initialization information is set. apparatus.
  • the sample setting unit further sets a protection scheme infobox that stores information related to DRM (Digital Rights Management).
  • the information processing apparatus according to any one of (1) to (20), further including an audio sample entry setting unit that sets information regarding the audio data in an audio sample entry.
  • the information processing device according to any one of (1) to (25), wherein the audio sample entry setting unit sets the same value as the sampling_rate of the sampling rate box in the field sampling_rate.
  • the information processing apparatus according to any one of (1) to (26), further including an extension box setting unit that sets information related to the audio data in an extension box of an audio sample entry.
  • the information processing apparatus according to any one of (1) to (27), wherein the extension box setting unit stores information specific to the encoding method of the encoded data in the extension box.
  • the information processing apparatus according to any one of (1) to (28), wherein the extension box setting unit stores DSD_lossless_gob_configuration in the extension box.
  • the information processing apparatus according to any one of (1) to (29), wherein the extension box setting unit further stores DSD_lossless_gob_header and DSD_lossless_gob_data in the extension box.
  • the initialization information includes decoder configuration information used for decoding the encoded data.
  • the initialization information includes information related to a fragment boundary.
  • the audio data is DSD (Direct Stream Digital) data, and the encoded data is obtained by lossless encoding of the DSD data.
  • Information processing device is DSD (Direct Stream Digital) data, and the encoded data is obtained by lossless encoding of the DSD data.
  • the information processing apparatus according to any one of (1) to (33), wherein the file format is a file format compliant with ISO / IEC14496. (35) The information processing apparatus according to any one of (1) to (34), further including a file generation unit that generates the file based on settings of the sample setting unit. (36) The information processing apparatus according to any one of (1) to (35), further including: an encoding unit that performs lossless encoding of the audio data to generate the encoded data. (37) The information processing apparatus according to any one of (1) to (36), further including an audio data generation unit that generates the audio data.
  • a file of a predetermined file format for storing the encoded data which is encoded data of audio data and has a structure in which blocks that are access units of the encoded data are grouped by a predetermined number
  • An information processing apparatus comprising: a decoding unit that decodes the encoded data using the decoder configuration information set by the setting unit. (40) Analyzing a sample including initialization information which is a minimum access unit in the file of a file of a predetermined file format for storing encoded data of audio data and is used for decoding the group of blocks; Obtaining decoder configuration information used for decoding the encoded data based on the analysis result; Set the obtained decoder configuration information, An information processing method for decoding the encoded data using the set decoder configuration information.
  • 100 distribution system 101 file generation device, 102 distribution server, 103 playback terminal, 104 network, 111 DSD generation unit, 112 DSD encoding unit, 113 MP4 file generation unit, 114 setting unit, 121 sample table box setting unit, 122 samples Entry setting unit, 123 Sync sample box setting unit, 124 Subsample information box setting unit, 131 MP4 file generation device, 132 MP4 file generation device, 141 MP4 file acquisition unit, 142 DSD decoding unit, 143 output control unit, 144 output unit , 145 control unit, 151 sample table box analysis unit, 152 subsample information box analysis unit, 153 sync sample Analysis unit, 154 sample entry analysis unit, 155 decoder configuration information setting unit, 156 playback control unit, 171 DSD lossless stream, 181 and 182 MP4 file, 201 MP4 file, 202 license file, 203 MP4 file, 211 audio sample entry Setting unit, 221 audio sample entry analysis unit, 231 and 232 MP4 files, 241 DSD audio sample entry setting

Abstract

本開示は、より高品質な音声データを伝送することができるようにする情報処理装置および方法に関する。 音声データの符号化データであって、その符号化データのアクセス単位であるブロックが所定数毎にグループ化される構造を有する符号化データを格納する所定のファイルフォーマットのファイルに、そのファイルにおける最小アクセス単位であるサンプルとして、ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを設定するようにする。本開示は、例えば、画像処理装置、画像符号化装置、または画像復号装置等に適用することができる。

Description

情報処理装置および方法
　本開示は、情報処理装置および方法に関し、特に、より高品質な音声データを伝送することができるようにした情報処理装置および方法に関する。
　従来、映像や音楽のデータをインターネットを介したストリーミング配信するために、MPEG-DASH（Moving Picture Experts Group phase － Dynamic Adaptive Streaming over HTTP）が開発された（例えば、非特許文献１参照）。さらに、高品位な映像と音楽をユーザに送る手段として、ISO/IEC14496-12で規定されたISO（International Organization for Standardization） Base Media File Format(ISOBMFF)形式のファイルを使い、MPEG-DASHでストリーミング配信することが考えられた。映像や音楽のデータは高品質化が進み、それとともに、配信においてもより高品質なデータの配信が求められている。
　例えば、音楽の高品位符号化についてはDSD（Direct Stream Digital）が高品質な符号化方式として知られている。DSDデータは高レートであるため、ロスレスで圧縮する方式（DSD可逆圧縮方式）が考えられた。近年、より負荷の小さい新たなDSD可逆圧縮符号化方式も考えられた。
MPEG－DASH(Dynamic Adaptive Streaming over HTTP)（URL:http://mpeg.chiariglione.org/standards/mpeg－dash/media－presentation－description－and－segment－formats/text－isoiec－23009－12012－dam－1）
　しかしながら、この新たなDSD可逆圧縮符号化方式をISOBMFF形式のファイルに格納する方法はまだ考えられておらず、そのため、この新たなDSD可逆圧縮符号化方式によりDSDデータを符号化したDSDストリームを、MPEG-DASHにより配信することができなかった。そのため、より高品質な音声データを伝送することができなかった。
　本開示は、このような状況に鑑みてなされたものであり、より高品質な音声データを伝送することができるようにするものである。
　本技術の一側面の情報処理装置は、音声データの符号化データであって、前記符号化データのアクセス単位であるブロックが所定数毎にグループ化される構造を有する前記符号化データを格納する所定のファイルフォーマットのファイルに、前記ファイルにおける最小アクセス単位であるサンプルとして、前記ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを設定するサンプル設定部を備える情報処理装置である。
　前記サンプル設定部は、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルと、前記グループの前記他のブロックの前記ブロック毎のサンプルとを設定するように構成され、前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルを、復号の開始に必要な情報を含むシンクサンプルに設定するシンクサンプル設定部をさらに備えるようにすることができる。
　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルに、前記イニシャライズ情報を含むサブサンプルと、前記グループの先頭のブロックを含むサブサンプルとを設定するサブサンプル設定部をさらに備えるようにすることができる。
　前記サンプル設定部は、前記イニシャライズ情報と前記グループの全ブロックとを含むサンプルを設定するようにすることができる。
　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの全ブロックとを含むサンプルに、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサブサンプルと、前記グループの前記ブロック毎のサブサンプルとを設定するサブサンプル設定部をさらに備えるようにすることができる。
　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの全ブロックとを含むサンプルに、前記イニシャライズ情報を含むサブサンプル、前記グループの先頭のブロックを含むサブサンプル、並びに、前記グループの前記ブロック毎のサブサンプルを設定するサブサンプル設定部をさらに備えるようにすることができる。
　前記サンプル設定部により設定された全サンプルが、復号の開始に必要な情報を含むシンクサンプルとされるようにすることができる。
　前記サンプル設定部により設定された、前記イニシャライズ情報を含むサンプルを、復号の開始に必要な情報を含むシンクサンプルに設定するシンクサンプル設定部をさらに備え、前記サンプル設定部は、さらに、前記グループの全ブロックを含むサンプルを設定するように構成されるようにすることができる。
　前記サンプル設定部により設定された、前記グループの全ブロックを含むサンプルに、前記ブロック毎のサブサンプルを設定するサブサンプル設定部をさらに備えるようにすることができる。
　前記サンプル設定部は、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルと、前記グループの他のブロックを全て含むサンプルを設定するように構成され、前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルを、復号の開始に必要な情報を含むシンクサンプルに設定するシンクサンプル設定部をさらに備えるようにすることができる。
　前記サンプル設定部により設定された、前記グループの前記他のブロックを全て含むサンプルに、前記ブロック毎のサブサンプルを設定するサブサンプル設定部をさらに備えるようにすることができる。
　前記サブサンプル設定部は、さらに、前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルに、前記イニシャライズ情報を含むサブサンプルと、前記グループの先頭のブロックを含むサブサンプルとを設定するようにすることができる。
　前記サンプル設定部は、さらに、前記ブロック毎のサンプルを、前記イニシャライズ情報を含むサンプルを設定したトラックとは異なるトラックに設定するようにすることができる。
　前記サンプル設定部は、さらに、前記ブロック毎のサンプルを、前記イニシャライズ情報を含むサンプルを設定したファイルとは異なるファイルに設定することができる。
　前記音声データに関する情報をオーディオサンプルエントリの拡張ボックスに設定する拡張ボックス設定部をさらに備えるようにすることができる。
　前記音声データはDSD（Direct Stream Digital）データであり、前記符号化データは、前記DSDデータが可逆符号化されて得られたものであるようにすることができる。
　前記ファイルフォーマットは、ISO/IEC14496に準拠したファイルフォーマットであるようにすることができる。
　本技術の一側面の情報処理方法は、音声データの符号化データであって、前記符号化データのアクセス単位であるブロックが所定数毎にグループ化される構造を有する前記符号化データを格納する所定のファイルフォーマットのファイルに、前記ファイルにおける最小アクセス単位であるサンプルとして、前記ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを設定する情報処理方法である。
　本技術の他の側面の情報処理装置は、音声データの符号化データを格納する所定のファイルフォーマットのファイルの、前記ファイルにおける最小アクセス単位であり、前記ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを解析し、解析結果に基づいて前記符号化データの復号に利用されるデコーダコンフィギュレーション情報を取得するサンプル解析部と、前記サンプル解析部により取得された前記デコーダコンフィギュレーション情報を設定する設定部と、前記設定部により設定された前記デコーダコンフィギュレーション情報を用いて前記符号化データを復号する復号部とを備える情報処理装置である。
　本技術の他の側面の情報処理方法は、音声データの符号化データを格納する所定のファイルフォーマットのファイルの、前記ファイルにおける最小アクセス単位であり、前記ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを解析し、解析結果に基づいて前記符号化データの復号に利用されるデコーダコンフィギュレーション情報を取得し、取得された前記デコーダコンフィギュレーション情報を設定し、設定された前記デコーダコンフィギュレーション情報を用いて前記符号化データを復号する情報処理方法である。
　本技術の一側面の情報処理装置および方法においては、音声データの符号化データであって、符号化データのアクセス単位であるブロックが所定数毎にグループ化される構造を有する符号化データを格納する所定のファイルフォーマットのファイルに、ファイルにおける最小アクセス単位であるサンプルとして、ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルが設定される。
　本技術の他の側面の情報処理装置および方法においては、音声データの符号化データを格納する所定のファイルフォーマットのファイルの、ファイルにおける最小アクセス単位であり、ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルが解析され、解析結果に基づいて符号化データの復号に利用されるデコーダコンフィギュレーション情報が取得され、取得されたデコーダコンフィギュレーション情報が設定され、設定されたデコーダコンフィギュレーション情報を用いて符号化データが復号される。
　本開示によれば、情報を処理することができる。特に、より高品質な音声データを伝送することができる。
MPEG-DASHを用いたデータ伝送の様子の例を説明する図である。 DSD方式を説明する図である。 ストリーミング配信のビットレート変動の様子の例を説明する図である。 圧縮符号化装置の主な構成例を示すブロック図である。 データ発生カウントテーブルpretableの作成方法を説明する図である。 変換テーブルtable1を説明する図である。 エンコード部の構成例を示すブロック図である。 圧縮符号化処理を説明するフローチャートである。 復号装置の主な構成例を示ブロック図である。 復号処理を説明するフローチャートである。 DSDロスレスストリームの主な構成例を示す図である。 DSDロスレスストリームのシンタクスの例を示す図である。 DSDロスレスストリームの復号の様子の例を示す図である。 DSDロスレスストリームのMP4ファイル化の様子の例を示す図である。 MP4ファイルの主な構成例を示す図である。 シンクサンプルボックスについて説明する図である。 サブサンプルインフォメーションボックスについて説明する図である。 配信システムの主な構成例を示す図である。 ファイル生成装置の主な構成例を示すブロック図である。 再生端末の主な構成例を示すブロック図である。 サンプルとブロックの対応付けの例を示す図である。 シンクサンプルボックスとサブサンプルインフォメーションボックスの例を示す図である。 サンプルとブロックの対応付けの例を示す図である。 サブサンプルインフォメーションボックスの例を示す図である。 サンプルとブロックの対応付けの例を示す図である。 シンクサンプルボックスとサブサンプルインフォメーションボックスの例を示す図である。 サブサンプルインフォメーションボックスの例を示す図である。 配信用データ生成処理の流れの例を説明するフローチャートである。 MP4ファイル生成処理の流れの例を説明するフローチャートである。 デコードの様子の例を示すブロック図である。 再生処理の流れの例を説明するフローチャートである。 復号処理の流れの例を説明するフローチャートである。 サンプル設定の例を説明する図である。 サンプル設定の他の例を説明する図である。 MP4ファイル生成処理の流れの例を説明するフローチャートである。 復号処理の流れの例を説明するフローチャートである。 DRMに利用する場合の例を説明する図である。 DRMに利用する場合のサンプル設定の例を説明する図である。 オーディオサンプルエントリのシンタクスの例を説明する図である。 ファイル生成装置の主な構成例を示すブロック図である。 MP4ファイル生成処理の流れの例を説明するフローチャートである。 再生端末の主な構成例を示すブロック図である。 復号処理の流れの例を説明するフローチャートである。 拡張ボックスの例を説明する図である。 拡張ボックスの設定の様子の例を説明する図である。 拡張ボックスの設定の様子の他の例を説明する図である。 ファイル生成装置の主な構成例を示すブロック図である。 MP4ファイル生成処理の流れの例を説明するフローチャートである。 再生端末の主な構成例を示すブロック図である。 復号処理の流れの例を説明するフローチャートである。 コンピュータの主な構成例を示すブロック図である。
　以下、本開示を実施するための形態（以下実施の形態とする）について説明する。なお、説明は以下の順序で行う。
　１．DSDロスレスストリームのMP4ファイル化
　２．第１の実施の形態（配信システム：サンプルとブロックの対応付け）
　３．第２の実施の形態（配信システム：パラメータセットとエレメンタリストリームの分離）
　４．第３の実施の形態（配信システム：オーディオサンプルエントリの設定）
　５．第４の実施の形態（配信システム：拡張ボックスの設定）
　６．その他
　＜１．DSDロスレスストリームのMP4ファイル化＞
　　＜映像や音声の配信＞
　近年、映像と音楽を消費者に届ける手段として、インターネットを介したストリーミング配信が期待されている。しかしながら、伝送手段としてのインターネットは、放送や光ディスクと比べて伝送が不安定である。まずユーザの環境によって伝送帯域の最高レートが大きく変わる。さらに同一ユーザであっても常に一定の伝送帯域が確保されていることはなく、時間の経過で変動する。また伝送帯域が変動するということは、クライアントからの要求に対する応答時間が一定ではないということでもある。
　このようなインターネットを介した伝送のための規格として、MPEG-DASH（Moving Picture Experts Group - Dynamic Adaptive Streaming over HTTP）が開発されている。サーバ側にデータサイズが異なる複数のファイルを置いておき、クライアントがMPD（Media Presentation Description）を参照して最適なファイルを選択するというプル型のモデルである。特殊なプロトコルを使わずhttpを用いることで、一般的なHTTP（HyperText Transfer Protocol）サーバが利用できる。ファイル形式は、MPEG-TS（Moving Picture Experts Group - Transport Stream）だけでなく、ISOBMFF（International Organization for Standardization Base Media File Format）形式のファイルが使われている。
　　＜MPEG-DASH＞
　MPEG-DASHを用いたデータ伝送の様子の例を図１に示す。図１の情報処理システム１において、ファイル生成装置２は、動画コンテンツとして、ビデオデータやオーディオデータを生成し、符号化し、伝送用のファイルフォーマットでファイル化する。例えば、ファイル生成装置２は、これらのデータを１０秒程度の時間毎にファイル化する（セグメント化する）。ファイル生成装置２は、生成したセグメントファイルを、Webサーバ３にアップロードする。また、ファイル生成装置２は、動画コンテンツを管理するMPDファイル（管理ファイル）を生成し、それをWebサーバ３にアップロードする。
　DASHサーバとしてのWebサーバ３は、ファイル生成装置２により生成された動画コンテンツのファイルを、MPEG－DASHに準ずる方式で、インターネット４を介して再生端末５にライブ配信する。例えば、Webサーバ３は、ファイル生成装置２からアップロードされたセグメントファイルやMPDファイルを格納する。また、Webサーバ３は、再生端末５からの要求に応じて、格納しているセグメントファイルやMPDファイルを再生端末５に送信する。
　再生端末５（再生装置）は、ストリーミングデータの制御用ソフトウエア（以下、制御用ソフトウエアとも称する）６、動画再生ソフトウエア７、HTTPアクセス用のクライアント・ソフトウエア(以下、アクセス用ソフトウエアという)８等を実行する。
　制御用ソフトウエア６は、Webサーバ３からストリーミングするデータを制御するソフトウエアである。例えば、制御用ソフトウエア６は、Webサーバ３からMPDファイルを取得する。また、制御用ソフトウエア６は、例えば、そのMPDファイルや動画再生ソフトウエア７により指定される再生時刻等を表す再生時刻情報、およびインターネット４のネットワーク帯域に基づいて、再生対象のセグメントファイルの送信要求を、アクセス用ソフトウエア８に指令する。
　動画再生ソフトウエア７は、インターネット４を介してWebサーバ３から取得された符号化ストリームを再生するソフトウエアである。例えば、動画再生ソフトウエア７は、再生時刻情報を制御用ソフトウエア６に指定する。また、動画再生ソフトウエア７は、アクセス用ソフトウエア８から受信開始の通知を取得すると、アクセス用ソフトウエア８から供給される符号化ストリームを復号する。動画再生ソフトウエア７は、復号の結果得られるビデオデータやオーディオデータを出力する。
　アクセス用ソフトウエア８は、HTTPを用いたWebサーバ３との通信を制御するソフトウエアである。例えば、アクセス用ソフトウエア８は、受信開始の通知を動画再生ソフトウエア７に供給する。また、アクセス用ソフトウエア８は、制御用ソフトウエア６の指令に応じて、再生対象のセグメントファイルの符号化ストリームの送信要求をWebサーバ３に送信する。さらに、アクセス用ソフトウエア８は、その送信要求に応じてWebサーバ３から送信されてくる、通信環境等に応じたビットレートのセグメントファイルを受信する。そして、アクセス用ソフトウエア８は、その受信したファイルから符号化ストリームを抽出し、動画再生ソフトウエア７に供給する。
　　＜DSD＞
　ところで、映像や音楽のデータは高品質化が進み、それとともに、配信においてもより高品質なデータの配信が求められている。例えば、音声信号の高品位な変調方式としてDSD（Direct Stream Digital）が知られている（図２）。図２に示されるように、PCM（Pulse Code Modulation）の場合、オーディオアナログ信号の各サンプリング時刻の信号値が固定数ビットのデジタルデータに変換されるのに対して、DSDの場合、オーディオアナログ信号がΔΣ変調され、１ビットのデジタルデータに変換される。
　DSDの場合、サンプリング周波数が例えば2.8MHz、5.6MHz、11.2MHzと高いため、ビットレートも2chでそれぞれ、5.6Mbps、11.2Mbps、22.4Mbps になる。そこで、このような高レートのDSDデータをロスレスで圧縮する方式が考案された。
　　＜DST＞
　例えば、DSDデータの可逆圧縮符号化方式として、SACD（Super Audio Compact Disc）向けに開発しMPEG4 AAC（Advanced Audio Coding）（IEC/ISO（International Organization for Standardization / International Electrotechnical Commission） 14496-3）で規格化されているDST（Direct Stream Transfer）がある。しかしながら、このDSTは負荷が大き過ぎて、ソフトウエアでの処理には適さない。
　　＜新たなDSD可逆圧縮符号化方式＞
　そこで、DSTとは異なる手法で、組み込み系プロセッサでのソフトウエア処理でも実現できる新たなDSD可逆圧縮符号化方式が開発された。この新たなDSD可逆圧縮符号化方式で生成したDSDロスレスストリームを配信に用いることで、伝送に必要な帯域を抑えることが可能になるとともに、PCやモバイル端末のようなクライアントでのソフトウエア処理でのリアルタイムデコードが期待できる。
　例えば、図３のＡに示されるように、オーディオデータの符号化方式にAACを用いる通常のライブストリーミングの場合、ビットレートが一定であるので、ビデオデータは、伝送路の帯域変動に応じてビットレートを選択する。これに対して、オーディオデータの符号化方式にDSDの可逆符号化方式を採用したライブストリーミング（４Ｋ＋DSD）の場合、図３のＢに示されるように、DSDロスレスストリームは、局所的なレート変動が大きい。つまり、このレート変動により生じる帯域の余裕をビデオデータの伝送に割り当てることができ、より高品位なビデオデータ伝送を可能にする。
　　　＜圧縮符号化装置の構成例＞
　このような新たなDSD可逆圧縮符号化方式に対応する圧縮符号化装置の主な構成例を図４に示す。図４に示される圧縮符号化装置１０は、アナログのオーディオ信号をΣ△（シグマデルタ）変調によりデジタル信号に変換し、変換後のオーディオ信号を圧縮符号化して出力する装置である。つまり、圧縮符号化装置１０は、オーディオ信号をDSD方式で変調してデジタル化し、そのデジタルデータ（DSDデータ）を上述した新たなDSD可逆圧縮符号化方式で符号化し、DSDロスレスストリームを生成する装置である。
　アナログのオーディオ信号は、入力部１１から入力されて、ADC（Analog Digital Converter）１２へ供給される。ADC１２は、供給されたアナログのオーディオ信号を、ΣΔ変調によりデジタル化して、入力バッファ１３に出力する。
　ADC１２は、加算器２１、積分器２２、比較器２３、１サンプル遅延回路２４、及び、１ビットDAC（Digital Analog Converter）２５により構成される。入力部１１から供給されたオーディオ信号は、加算器２１に供給される。加算器２１は、１ビットDAC２５から供給された１サンプル期間前のアナログのオーディオ信号と、入力部１１からのオーディオ信号を加算して、積分器２２に出力する。積分器２２は、加算器２１からのオーディオ信号を積分して比較器２３に出力する。比較器２３は、入力オーディオ信号の中点電位と比較されて１サンプル期間ごとに１ビット量子化する。サンプル期間の周波数（サンプリング周波数）は、従来の４８ｋHz、４４．１ｋHzに対して、その６４倍あるいは１２８倍の周波数が用いられる。比較器２３は、１ビット量子化したオーディオ信号を、入力バッファ１３に出力するとともに、１サンプル遅延回路２４に供給する。１サンプル遅延回路２４は、比較器２３からのオーディオ信号を１サンプル期間分遅延させて１ビットDAC２５に出力する。１ビットDAC２５は、１サンプル遅延回路２４からのデジタル信号をアナログ信号に変換して加算器２１に出力する。
　以上のように構成されるADC１２は、入力部１１から供給されたオーディオ信号を、１ビットのデジタル信号に変換（A/D変換）して、入力バッファ１３に出力する。このΣΔ変調のA/D変換によれば、サンプル期間の周波数（サンプリング周波数）を充分高くすることによって、例えば１ビットの少ないビット数でも広いダイナミックレンジのデジタル音声信号を得ることができる。例えば、ADC１２には、入力部１１からステレオ（２チャンネル）のオーディオ信号が入力され、ADC１２は、それを４４．１ｋHzの１２８倍のサンプリング周波数で１ビットの信号にAD変換して入力バッファ１３に出力する。なお、ΣΔ変調では、量子化のビット数を２ビットあるいは４ビットとすることもできる。
　入力バッファ１３は、ADC１２から供給される１ビットデジタルのオーディオ信号を、一時蓄積し、１フレーム単位で後段の制御部１４、エンコード部１５、及び、データ量比較部１７に供給する。ここで、１フレームとは、オーディオ信号を所定の時間（期間）に区切って１まとまりとみなす単位である。例えば３秒を１フレームとしてもよい。換言するに、入力バッファ１３は、オーディオ信号を、３秒単位で、制御部１４、エンコード部１５、及び、データ量比較部１７に供給する。上述したように、入力部１１から入力されるオーディオ信号は、ステレオ（２チャンネル）の信号であり、４４．１ｋHzの１２８倍のサンプリング周波数で１ビットの信号にA/D変換するため、１フレーム当たりのデータ量は、44100(Hz)＊128＊2(ch)＊3(sec)＝5.6Mビットとなる。以下においては、入力バッファ１３から供給される△Σ変調されたデジタル信号を、DSDデータとも称する。
　制御部１４は、圧縮符号化装置１０全体の動作を制御する。また、制御部１４は、エンコード部１５が圧縮符号化を行うために必要となる変換テーブルtable1を作成して、エンコード部１５に供給する機能を有する。例えば、制御部１４は、入力バッファ１３から供給される１フレームのDSDデータを用いて、データ発生カウントテーブルpretableを作成し、データ発生カウントテーブルpretableからさらに変換テーブルtable1を作成する。制御部１４は、作成した変換テーブルtable1を、エンコード部１５とデータ送信部１８に供給する。変換テーブルtable1は、１フレーム単位で作成（更新）され、エンコード部１５に供給される。
　エンコード部１５は、制御部１４から供給された変換テーブルtable1を用いて、入力バッファ１３から供給されるDSDデータを４ビット単位で圧縮符号化する。したがって、エンコード部１５には入力バッファ１３から、制御部１４に供給されるタイミングと同時にDSDデータが供給されるが、エンコード部１５では、制御部１４から変換テーブルが供給されるまで処理は待機される。エンコード部１５は、４ビットのDSDデータを、２ビットのデータに符号化するか、または、６ビットのデータに符号化して、符号化データバッファ１６に出力する。
　符号化データバッファ１６は、エンコード部１５で圧縮符号化されたDSDデータである圧縮データを一時的にバッファリングし、データ量比較部１７とデータ送信部１８に供給する。
　データ量比較部１７は、入力バッファ１３から供給されるDSDデータ（以下、非圧縮データともいう。）と、符号化データバッファ１６から供給される圧縮データのデータ量を、フレーム単位で比較する。エンコード部１５は、上述したように、４ビットのDSDデータを、２ビットのデータか、または６ビットのデータに符号化するため、アルゴリズム上、圧縮後のデータ量が、圧縮前のデータ量を超えてしまう場合もあり得るためである。そこで、データ量比較部１７は、圧縮データと非圧縮データのデータ量を比較して、データ量の少ない方を選択し、どちらを選択したかを示す選択制御データをデータ送信部１８に供給する。なお、データ量比較部１７は、非圧縮データを選択したことを示す選択制御データをデータ送信部１８に供給する場合には、非圧縮データもデータ送信部１８に供給する。選択制御データは、送信データを受け取る受信側の装置から見れば、データ送信部１８から送信されてくるオーディオデータが、エンコード部１５で圧縮符号化されたデータか否かを表すフラグであるといえる。
　データ送信部１８は、データ量比較部１７から供給される選択制御データに基づいて、符号化データバッファ１６から供給される圧縮データか、または、データ量比較部１７から供給される非圧縮データのどちらかを選択し、選択制御データとともに、出力部１９を介して相手装置に送信する。また、データ送信部１８は、圧縮データを送信する場合には、制御部１４から供給される変換テーブルtable1のデータも、圧縮データに付加して相手装置に送信する。データ送信部１８は、送信データとして、所定数のサンプルごとのデジタル信号に同期信号と誤り訂正符号（ECC）を付加して送信することができる。
　　　＜データ発生カウントテーブルの作成方法＞
　次に、制御部１４によるデータ発生カウントテーブルpretableの作成方法について説明する。
　制御部１４は、１フレームのDSDデータに対して、データ発生カウントテーブルpretableを作成するが、入力バッファ１３から供給されるDSDデータを、４ビット単位で以下のように表す。
　　...D4[n-3],D4[n-2],D4[n-1],D4[n],D4[n+1],D4[n+2],D4[n+3],...
　ここで、D4[n]は、４ビットの連続データを表し、以下では、D4データともいう（ｎ＞３）。
　制御部１４は、過去の３つのD4データ（過去の１２ビットデータ）の次のD4データの発生回数をカウントし、図５に示されるデータ発生カウントテーブルpretable[4096][16]を作成する。ここで、データ発生カウントテーブルpretable[4096][16]の[4096]と[16]は、データ発生カウントテーブルが４０９６行１６列のテーブル（行列）であることを表し、[0]乃至[4095]の各行は、過去の３つのD4データがとり得る値（過去のビットパターン）に対応し、[0]乃至[15]の各列は、次のD4データがとり得る値に対応する。
　例えば、データ発生カウントテーブルpretableの１行目であるpretable[0][0]乃至[0][15]は、過去の３つのD4データD4[n-3],D4[n-2],D4[n-1]が“０”=｛0000,0000,0000｝だった時の次のデータの発生回数を示しており、過去３つのデータが“０”だった次の４ビットは“０”であった回数が369a(HEX表記)であって、他のデータはなかったことを示している。データ発生カウントテーブルpretableの２行目であるpretable[1][0]乃至[1][15]は、過去の３つのD4データD4[n-3],D4[n-2],D4[n-1]が“１”=｛0000,0000,0001｝だった時の次のデータの発生回数を示している。データ発生カウントテーブルpretableの２行目の全ての要素が“０”であるのは、過去データとして３つのD4データが“１”となるデータが、この１フレーム内に存在しなかったことを示している。また、図５では、データ発生カウントテーブルpretableの１１８行目であるpretable[117][0]乃至[117][15]は、過去の３つのD4データD4[n-3],D4[n-2],D4[n-1]が“１１７”=｛0000,0111,0101｝だった時の次のデータの発生回数を示している。このデータでは、過去３つのデータが“１１７”だった次の４ビットが“０”であった回数が０回であり、“１”であった回数が１回であり、“２”であった回数が１０回であり、“３”であった回数が１８回であり、“４”であった回数が２０回であり、“５”であった回数が３１回であり、“６”であった回数が１１回であり、“７”であった回数が０回であり、“８”であった回数が４回であり、“９”であった回数が１２回であり、“１０”であった回数が５回であり、“１１”乃至“１５”であった回数が０回であったことを示している。
　制御部１４は、以上のようにして、１フレームのDSDデータに対して、過去の３つのD4データ（過去の１２ビットデータ）の次のD4データの発生回数をカウントし、データ発生カウントテーブルpretableを作成する。
　　　＜変換テーブルの作成方法＞
　次に、制御部１４による変換テーブルtable1の作成方法について説明する。
　制御部１４は、先に作成したデータ発生カウントテーブルpretableに基づいて、４０９６行３列の変換テーブルtable1[4096][3]を作成する。ここで、変換テーブルtable1[4096][3]の各行[0]乃至[4095]は、過去の３つのD4データがとり得る値に対応し、各列[0]乃至[2]には、次のD4データがとり得る１６個の値のうち、発生頻度が大きかった３つの値が格納される。変換テーブルtable1[4096][3]の第１列[0]には、発生頻度が最も大きい（１番目の）値が格納され、第２列[1]には、発生頻度が２番目の値が格納され、第３列[2]には、発生頻度が３番目の値が格納される。
　図６は、図５に示したデータ発生カウントテーブルpretableに対応する変換テーブルtable1[4096][3]の例を示している。変換テーブルtable1[4096][3]の１１８行目であるtable1[117][0]乃至[117][2]は、{05,04,03}となっている。これは、図５のデータ発生カウントテーブルpretableの１１８行目のpretable[117][0]乃至[117][15]の内容と対応している。図５におけるデータ発生カウントテーブルpretableの１１８行目のpretable[117][0]乃至[117][15]では、発生頻度が最も大きい（１番目の）値は、３１回発生した“５”であり、発生頻度が２番目の値は、２０回発生した“４”であり、発生頻度が３番目の値は、１８回発生した“３”である。これにより、変換テーブルtable1[4096][3]の第１１８行第１列table1[117][0]には、｛05｝が格納され、第１１８行第２列table1[117][1]には、｛04｝が格納され、第１１８行第３列table1[117][2]には、｛03｝が格納されている。同様に、変換テーブルtable1[4096][3]の１行目のtable1[0][0]乃至[0][2]は、図５のデータ発生カウントテーブルpretableの１行目のpretable[0][0]乃至[0][15]の内容と対応している。
　図５のデータ発生カウントテーブルpretableの１行目のpretable[0][0]乃至[0][15]では、発生頻度が最も大きい（１番目の）値は、３６９ａ(HEX表記)回発生した“０”であり、それ以外の値は発生していない。そこで、変換テーブルtable1[4096][3]の第１行第１列table1[0][0]には、｛00｝が格納され、第１行第２列table1[0][1]と第１行第３列table1[0][2]には、データが存在しないことを表す｛ff｝が格納されている。データが存在しないことを表す値は、｛ff｝に限られず、適宜決定することができる。変換テーブルtable1の各要素に格納される値は、“０”から“１５”までのいずれかであるので、４ビットで表現できるが、コンピュータ処理上、扱いを容易にするために８ビットで表現されている。
　以上のようにして、先に作成したデータ発生カウントテーブルpretableに基づいて、４０９６行３列の変換テーブルtable1[4096][3]が作成され、エンコード部１５に供給される。
　　　＜エンコード部１５による圧縮符号化方法＞
　次に、エンコード部１５による、変換テーブルtable1を用いた圧縮符号化方法について説明する。例えば、入力バッファ１３から供給されるDSDデータ
　　...D4[n-3],D4[n-2],D4[n-1],D4[n],D4[n+1],D4[n+2],D4[n+3],...
　のうち、エンコード部１５が、D4[n]を符号化する場合について説明する。
　D4[n]を符号化する場合、エンコード部１５は、その直前の過去の１２ビットのデータであるD4[n-3],D4[n-2],D4[n-1]を一塊の１２ビットのデータとみなして、変換テーブルtable1[4096][3]の、D4[n-3],D4[n-2],D4[n-1]が示すアドレス（行）の３つの値、table1[D4[n-3],D4[n-2],D4[n-1]][0],table1[D4[n-3],D4[n-2],D4[n-1]][1],table1[D4[n-3],D4[n-2],D4[n-1]][2]を検索する。
　エンコード部１５は、変換テーブルtable1[4096][3]の、D4[n-3],D4[n-2],D4[n-1]が示すアドレス（行）の３つの値、table1[D4[n-3],D4[n-2],D4[n-1]][0],table1[D4[n-3],D4[n-2],D4[n-1]][1],table1[D4[n-3],D4[n-2],D4[n-1]][2]のなかにD4[n]と同じものがあり、table1[D4[n-3],D4[n-2],D4[n-1]][0]と同じ場合は、D4[n]を“01b”と２ビットに変換し、table1[D4[n-3],D4[n-2],D4[n-1]][1]と同じ場合は、D4[n]を“10b”と２ビットに変換し、table1[D4[n-3],D4[n-2],D4[n-1]][2]と同じ場合は、D4[n]を“11b”と２ビットに変換する。また、エンコード部１５は、変換テーブルtable1[4096][3]の、D4[n-3],D4[n-2],D4[n-1]が示すアドレス（行）の３つの値のなかに同じものが無ければ、“00b+ D4[n]”のように、D4[n]の前に“00b”をつけて６ビットに変換する。ここで、“01b”、“10b”、“11b”、“00b+ D4[n]”のbは、２進表記であることを表す。
　以上のようにして、エンコード部１５は、変換テーブルtable1を用いて、４ビットのDSDデータD4[n]を、２ビットのデータ“01b”、“10b”若しくは“11b”に変換するか、または、６ビットのデータ“00b+D4[n]”に変換して、符号化データバッファ１６に出力する。
　　　＜エンコード部１５の詳細構成＞
　図７は、上述した圧縮符号化を行うエンコード部１５の構成例を示す図である。
　入力バッファ１３から供給された４ビットのDSDデータ（例えば、D4[n]）は、４ビットを格納するレジスタ５１に記憶される。また、レジスタ５１の出力は、セレクタ５５の１つの入力端子５６ａと、１２ビットを格納するレジスタ５２とつながっており、レジスタ５２には、レジスタ５１に記憶されている４ビットのDSDデータの直前の過去の１２ビットのデータ（例えば、D4[n-3],D4[n-2],D4[n-1]）が格納されている。
　変換テーブル処理部５３は、制御部１４から供給された変換テーブルtable1を有している。変換テーブル処理部５３は、レジスタ５２に格納されている１２ビットのデータ（例えば、D4[n-3],D4[n-2],D4[n-1]）が示すアドレスの３つの値、table1[D4[n-3],D4[n-2],D4[n-1]][0],table1[D4[n-3],D4[n-2],D4[n-1]][1],table1[D4[n-3],D4[n-2],D4[n-1]][2]のなかに、レジスタ５１に格納されている４ビットのデータ（例えば、D4[n]）があるか否かを検索し、ある場合には、同じ値が格納されている列に対応する値、即ち、“01b”、“10b”、または“11b”のいずれかを、２ビットのレジスタ５４に記憶させる。２ビットのレジスタ５４に記憶されたデータは、セレクタ５５の１つの入力端子５６ｃに供給される。また、変換テーブル処理部５３は、レジスタ５２に格納されている１２ビットのデータ（例えば、D4[n-3],D4[n-2],D4[n-1]）が示すアドレスの３つの値のなかに、レジスタ５１に格納されている４ビットのデータ（例えば、D4[n]）がない場合には、変換をしないことを示す信号（以下、変換無信号という。）を、セレクタ５５に出力する。
　セレクタ５５は、３つの入力端子５６ａ乃至５６ｃのなかの１つを選択し、その選択された入力端子５６から取得されるデータを出力端子５７から出力する。入力端子５６ａには、レジスタ５１に記憶された４ビットのDSDデータ（例えば、D4[n]）が供給され、入力端子５６ｂには、“00b”が供給され、入力端子５６ｃには、レジスタ５４に記憶された２ビットの変換データが供給される。セレクタ５５は、変換テーブル処理部５３から、変換しないことを示す変換無信号が供給された場合には、入力端子５６ｂを選択して“00b”を出力端子５７から出力した後、入力端子５６ａを選択して、レジスタ５１に記憶された４ビットのDSDデータ（例えば、D4[n]）を出力端子５７から出力する。これにより、変換テーブルtable1にD4[n]と同じものがない場合に出力される６ビット“00b+ D4[n]”が出力端子５７から出力される。また、変換しないことを示す変換無信号が供給されない場合（変換したことを示す変換有信号が供給された場合）には、セレクタ５５は、入力端子５６ｃを選択して、レジスタ５４から供給された２ビットの変換データを出力端子５７から出力する。これにより、変換テーブルtable1にD4[n]と同じものがあった場合に出力される２ビット、即ち、“01b”、“10b”、または“11b”のいずれかが出力端子５７から出力される。
　　　＜圧縮符号化処理フロー＞
　図８のフローチャートを参照して、圧縮符号化装置１０による圧縮符号化処理について説明する。
　なお、図８の処理フローでは、ADC１２の処理は省略されており、ADC１２で△Σ変調された１フレームのDSDデータが入力バッファ１３から出力された後の処理について説明する。
　初めに、ステップＳ１において、制御部１４は、１フレームのDSDデータに対して、過去の３つのD4データ（過去の１２ビットデータ）の次のD4データの発生回数をカウントし、データ発生カウントテーブルpretableを作成する。
　ステップＳ２において、制御部１４は、作成したデータ発生カウントテーブルpretableに基づいて、４０９６行３列の変換テーブルtable1を作成する。制御部１４は、作成した変換テーブルtable1を、エンコード部１５とデータ送信部１８に供給する。
　ステップＳ３において、エンコード部１５は、１フレーム期間のDSDデータに対して、変換テーブルtable1を用いて、圧縮符号化を実行する。具体的には、エンコード部１５は、４ビットのDSDデータD4[n]を、２ビットのデータ“01b”、“10b”若しくは“11b”に変換するか、または、６ビットのデータ“00b+D4[n]”に変換する処理を１フレーム期間のDSDデータに対して行う。圧縮符号化されて得られた圧縮データは、符号化データバッファ１６とデータ量比較部１７に供給される。
　ステップＳ４において、データ量比較部１７は、入力バッファ１３から供給された１フレームの非圧縮データと、符号化データバッファ１６から供給された１フレームの圧縮データのデータ量を比較し、データ量が圧縮前よりも削減されたかを判定する。
　ステップＳ４で、データ量が圧縮前よりも削減されたと判定された場合、処理はステップＳ５に進み、データ量比較部１７は、圧縮データを選択したことを示す選択制御データをデータ送信部１８に供給する。
　ステップＳ６において、データ送信部１８は、圧縮データを選択したことを示す選択制御データ（圧縮符号化されたデータを示すフラグ）と、エンコード部１５から供給された圧縮データに、制御部１４から供給された変換テーブルtable1のデータ（変換テーブルデータ）を付加して、相手装置に送信する。
　また、ステップＳ４で、データ量が圧縮前よりも削減されていないと判定された場合、処理はステップＳ７に進み、データ量比較部１７は、非圧縮データを選択したことを示す選択制御データを、非圧縮データとともにデータ送信部１８に供給する。
　ステップＳ８において、データ送信部１８は、非圧縮データを選択したことを示す選択制御データ（圧縮符号化されていないデータを示すフラグ）と、非圧縮データを、相手装置に送信する。
　以上で、１フレームのDSDデータの圧縮符号化処理は終了する。上述したステップＳ１乃至Ｓ８の処理は、入力バッファ１３から順次供給される１フレーム単位のDSDデータに対して繰り返し実行される。
　　　＜復号装置の構成例＞
　図９は、上述した新たなDSD可逆圧縮符号化方式に対応する復号装置の主な構成例を示している。図９の復号装置７０は、図４の圧縮符号化装置１０が圧縮符号化して送信したオーディオ信号を受信して伸長処理（可逆復号）する装置である。
　図４の圧縮符号化装置１０が圧縮符号化して送信したオーディオ信号は、不図示のネットワーク（例えば、LAN（Local Area Network）、WAN（Wide Area Network）、インターネット、電話回線網、衛星通信網などの公衆回線網など）を経由して、復号装置７０の入力部７１で受信され、データ受信部７２に供給される。
　データ受信部７２は、受信データに含まれる同期信号を分離するとともに、ネットワーク伝送中に発生した伝送誤りを検出して訂正する。そして、データ受信部７２は、受信データに含まれる、オーディオ信号が圧縮符号化されているか否かを示す選択制御データに基づいて、オーディオ信号が圧縮符号化されているか否かを判定する。そして、オーディオ信号が圧縮符号化されている場合には、データ受信部７２は、受信した圧縮データを、符号化データバッファ７３に供給する。また、オーディオ信号が圧縮符号化されていない場合には、データ受信部７２は、受信した非圧縮データを、出力バッファ７６に供給する。さらに、データ受信部７２は、受信データに含まれる、変換テーブルtable1のデータ（変換テーブルデータ）を、テーブル記憶部７５に供給する。テーブル記憶部７５は、データ受信部７２から供給された変換テーブルtable1を記憶し、必要に応じてデコード部７４に供給する。
　符号化データバッファ７３は、データ受信部７２から供給される圧縮データを一時蓄積し、所定のタイミングで後段のデコード部７４に供給する。
　デコード部７４は、圧縮データを圧縮前の状態に復号（可逆復号）して、出力バッファ７６に供給する。
　　　＜復号方法の詳細＞
　デコード部７４による復号方法について説明する。圧縮符号化装置１０で圧縮符号化されて送信されてきた圧縮データを、２ビット単位で以下のように表し、E2[n]を復号する場合について説明する。
　　...E2[n-3],E2[n-2],E2[n-1],E2[n],E2[n+1],E2[n+2],E2[n+3],...
　ここで、E2[n]は、２ビットの連続データを表し、E2データともいう。
　デコード部７４は、まず、E2[n]の値を判定する。E2[n]が“00b”である場合、受信された変換テーブルtable1[4096][3]に搭載されてないデータであるので、E2[n]の次の４ビットのデータ“E2[n+1]+E2[n+2]”が復号すべきデータとなる。また、E2[n]が“01b”、“10b”、または“11b”である場合、受信された変換テーブルtable1[4096][3]に搭載されているデータであるので、その直前に復号した１２ビットのD4データD4[n-3],D4[n-2],D4[n-1]を使って、変換テーブルtable1[4096][3]を参照し、復号すべきデータを検索する。復号すべきデータは、“table1[D4[n-3],D4[n-2],D4[n-1]][ E2[n]-1]”に格納されているデータとなる。以上のようにして、デコード部７４は、圧縮データを圧縮前の状態に復号（可逆復号）することができる。デコード部７４は、図９に示されるように、２ビットのレジスタ９１、１２ビットのレジスタ９２、変換テーブル処理部９３、４ビットのレジスタ９４、及び、セレクタ９５により構成される。
　符号化データバッファ７３から供給された２ビットのE2データ（例えば、E2[n]）は、レジスタ９１に記憶される。１２ビットのレジスタ９２には、セレクタ９５の出力が供給されるようになっており、レジスタ９２は、レジスタ９１に記憶されている２ビットのE2データ（例えば、E2[n]）の直前に復号した１２ビットのデータ（例えば、D4[n-3],D4[n-2],D4[n-1]）が格納されている。レジスタ９１に記憶されている２ビットのE2データ（例えば、E2[n]）が“00b”である場合、セレクタ９５は、入力端子９６ａを選択し、E2[n]の次の４ビットのデータ“E2[n+1]+E2[n+2]”を復号結果として、出力端子９７から出力する。レジスタ９１に記憶されている２ビットのE2データ（例えば、E2[n]）が“01b”、“10b”、または“11b” である場合、変換テーブル処理部９３は、テーブル記憶部７５から供給された変換テーブルtable1の“table1[D4[n-3],D4[n-2],D4[n-1]][ E2[n]-1]”に格納されている４ビットのデータをレジスタ９４に記憶させる。セレクタ９５は、入力端子９６ｂを選択し、レジスタ９４に記憶されているデータを復号結果として、出力端子９７から出力する。
　出力バッファ７６は、データ受信部７２から供給された非圧縮データ、または、デコード部７４から供給された復号後のデータのいずれかを適宜選択して、アナログフィルタ７７に供給する。
　アナログフィルタ７７は、出力バッファ７６から供給された復号後のデータに対して、ローパスフィルタ、バンドパスフィルタ等の所定のフィルタ処理を実行し、出力部７８から出力させる。
　　　＜復号処理フロー＞
　図１０のフローチャートを参照して、復号装置７０の復号処理についてさらに説明する。
　初めに、ステップＳ２１において、データ受信部７２は、受信データに含まれる選択制御データに基づいて、受信したデータが圧縮符号化された圧縮データであるかを判定する。
　ステップＳ２１で、受信したデータが圧縮データであると判定された場合、処理はステップＳ２２に進み、データ受信部７２は、受信データに含まれていた変換テーブルデータをテーブル記憶部７５に供給する。変換テーブル処理部９３は、テーブル記憶部７５を介して、受信された変換テーブルtable1を取得する。またステップＳ２２では、受信データに含まれていた圧縮データが、符号化データバッファ７３に供給される。
　ステップＳ２３において、デコード部７４は、変換テーブルtable1を用いて、符号化データバッファ７３から供給された圧縮データを復号し、出力バッファ７６に供給する。即ち、デコード部７４は、２ビットのE2データ（例えば、E2[n]）が“00b”である場合、E2[n]の次の４ビットのデータ“E2[n+1]+E2[n+2]”を復号結果として出力バッファ７６に供給し、２ビットのE2データ（例えば、E2[n]）が“01b”、“10b”、または“11b” である場合、変換テーブルtable1の“table1[D4[n-3],D4[n-2],D4[n-1]][ E2[n]-1]”に格納されている４ビットのデータを復号結果として出力バッファ７６に供給する。
　また、ステップＳ２１で、受信したデータが圧縮データではない、即ち非圧縮データであると判定された場合、処理はステップＳ２４に進み、データ受信部７２は、受信データに含まれていた非圧縮データを取得し、出力バッファ７６に供給する。
　以上までの処理により、非圧縮データか、または、デコード部７４によって復号されたデータが、出力バッファ７６に供給され、出力バッファ７６に供給されたデータが、アナログフィルタ７７に出力される。
　ステップＳ２５において、アナログフィルタ７７は、出力バッファ７６を介して供給されたデータに対して所定のフィルタ処理を実行する。フィルタ処理後のオーディオ信号が出力部７８から出力される。
　１フレーム単位のオーディオ信号に対して、以上の処理が繰り返し実行される。
　　　＜DSDロスレスストリームの構造＞
　上述の新たなDSD可逆圧縮符号化方式において、DSDデータは、１chあたり固定長（4096x32=131072ビット）のブロック（Block）に分割されて圧縮される。圧縮後、連続する１０ブロック分の圧縮データにヘッダを付けてGOB（Group of Blocks）が構成される。さらにそのGOBの先頭にコンフィギュレーション情報（configuration）を付加した単位が、DSDロスレスペイロード（DSD_lossless_payload()）となる。ブロックの伸長に必要な情報（code book;参照テーブル）は、GOBヘッダ（GOB header）とGOBデータ（GOB data）に格納される。AACとのストリームスイッチングも考慮し、ブロック（Block(audio frame)）の時間長はAACと同程度に設定されている。
　DSDロスレスストリームの基本的な構造の例を図１１に示す。図１１の一番上の段に示されるように、DSDロスレスストリーム（DSD lossless stream）は、複数のDSDロスレスペイロード（DSD_lossless_payload()）により構成される。
　図１１の上から２段目に示されるように、１つのDSDロスレスペイロードは、フォーマットバージョン（format version）、GOBコンフィグ（GOB config）、およびGOBにより構成される。
　図１１の上から３段目に示されるように、GOBは、GOBヘッダ（GOB header）、GOBデータ（GOB data）、１０個のブロック（Block1乃至Block10）よりなる。GOBヘッダおよびGOBデータは、このGOBの復号に利用されるGOBイニシャライザ（GOB initializer）とも称する。GOBイニシャライザには、復号に用いられるデコーダコンフィギュレーション情報（decoder configration）、メタデータ（metadata）、コードブック（code book）等が含まれる。
　図１１の一番下の段に示されるように、ブロック（Block）は、ブロックヘッダ（Block header）、左チャンネルのオーディオデータ（Ｌ）、右チャンネルのオーディオデータ（Ｒ）、およびバイトアライン（byte align）により構成される（DSDデータが左右２chの場合）。
　１ブロック（Block）は、fsに依らず、１chあたり圧縮前のDSDデータで4096x32=131072ビット分のデータが格納される。つまり、１ブロックの長さ（ブロック長）は、サンプリング周波数が2.8MHzの場合、約４６msecとなり、サンプリング周波数が5.6MHzの場合、約２３msecとなり、サンプリング周波数が11.2MHzの場合、約１２msecとなる。例えば、サンプリング周波数が2.8MHzの場合、１GOBには、再生時間で約４６８msec分のデータが格納される。
　　　＜シンタクス＞
　DSDロスレスペイロードのシンタクスの例を図１２のＡに示す。図１２のＡに示されるように、DSDロスレスペイロード（DSD_lossless_payload()）には、例えば、format version、DSD_lossless_gob_configuration()、DSD_lossless_gob(number_of_audio_data)等が格納される。このformat versionは、図１１のフォーマットバージョン（format version）に相当する。また、DSD_lossless_gob_configuration()は、図１１のGOBコンフィグ（GOB config）に相当する。また、DSD_lossless_gob()は、図１１のGOBに相当する。
　DSD_lossless_gob_configuration()のシンタクスの例を図１２のＢに示す。図１２のＢに示されるように、DSD_lossless_gob_configuration()には、例えば、channel_configuration、number of blocks、sampling_frequency、comment_flag、comment_size、comment_byte等が格納される。
　DSD_lossless_gob()のシンタクスの例を図１２のＣに示す。図１２のＣに示されるように、DSD_lossless_gob()には、例えば、DSD_lossless_gob_header()、DSD_lossless_gob_data()、DSD_lossless_block()、byte_align()等が格納される。このDSD_lossless_gob_header()は、図１１のGOBヘッダ（GOB header）に相当する。DSD_lossless_gob_data()は、図１１のGOBデータ（GOB data）に相当する。DSD_lossless_block()は、図１１の各ブロック（Block１乃至Block10）に相当する。
　DSD_lossless_gob_header()のシンタクスの例を図１２のＤに示す。図１２のＤに示されるように、DSD_lossless_gob_header()には、例えば、DSD_lossless_block_info等が格納される。
　DSD_lossless_gob_data()のシンタクスの例を図１２のＤに示す。図１２のＤに示されるように、DSD_lossless_gob_data()には、例えば、gob_codebook_length、gob_codebook[i]等が格納される。gob_codebook[i]は、図１１のコードブック（code book）に相当する。
　　　＜復号＞
　上述した新たなDSD可逆圧縮符号化方式のDSDロスレスストリームの復号の様子の例について説明する。DSDロスレスストリームにおいては、上述したように、所定の時間分のデータがGOBとしてまとめて管理される。すなわち、DSDロスレスストリームは、図１３のＡに示されるように、GOBイニシャライザと所定数のブロック（例えば１０ブロック）とが連続する構成となる。GOBイニシャライザは再生時間が０であるので単体でアクセス単位とすると再生時刻の管理が複雑になる。そこで、GOBイニシャライザは、そのGOBの先頭のブロックであるブロック１に付加し、GOBイニシャライザとブロック１とを１つのアクセス単位とするものとする。
　DSDロスレスストリームのデコーダ（DSDロスレスデコーダ）は、GOBイニシャライザに含まれるデコーダコンフィギュレーション情報を用いて各ブロックを展開し、復号する。そのため、GOBの各ブロックを復号するために、最初にGOBイニシャライザをDSDロスレスデコーダに読み込ませる必要がある。例えばGOBの最初のブロック（ブロック１）から各ブロックを順に復号する場合（順次デコードの場合）、図１３のＢに示されるように、GOBイニシャライザはブロック１に付加されているので、各ブロックを順次DSDロスレスデコーダに入力すればよい。
　GOBの途中のブロックから再生を開始する場合（例えばランダムアクセスの場合）も、GOBイニシャライザを最初にDSDロスレスデコーダに入力する必要がある。例えば、ブロック６から再生を開始する場合、図１３のＣに示されるように、GOBイニシャライザが付加されたブロック１を最初にDSDロスレスデコーダに入力し、その後、ブロック６以降を入力するようにすればよい。この場合、DSDロスレスレコーダは、ブロック１のデコード結果は破棄して、次のブロック６のデコード結果から出力する。
　なお、DSDロスレスストリームからGOBイニシャライザをブロック１と分離して読み出せる場合は、図１３のＤに示されるように、最初に、GOBイニシャライザを読み出し、ブロック６に付加してDSDロスレスデコーダに入力するようにしてもよい。この場合、不要なブロックの復号を省略することができる。
　　＜MP4化の流れ＞
　MPEG-DASHにおいて、高品位な映像と音楽をユーザに送る手段として、ISO/IEC14496-12で規定されたISOBMFF形式のファイルを用いることが考えられた。例えば、ISOBMFF形式の派生フォーマットである、MPEG-4の第14部（ISO/IEC 14496-14:2003）で規定されているファイルフォーマット（以下MP4とも称する）のファイル（以下、MP4ファイルとも称する）を用いることが考えられた。
　映像や音声のデータのMP4ファイル化は、図１４の例のように行えばよい。例えば映像の場合、非圧縮のビデオ素材（ビデオデータ）は、画像形式変換され、AVC（Advanced Video Coding）エンコーダやHEVC（High Efficiency Video Coding）エンコーダ等により符号化され、拡張子「bsf」のファイル（.bsfファイル）が生成される。.bsfファイルは、符号化されたストリームを格納するファイルである。
　音声の場合、DSD音声素材（DSDデータ）は、例えば、DSDロスレスエンコーダにより、上述した新たなDSD可逆圧縮符号化方式により符号化され、拡張子「enc」のファイル（.encファイル）、拡張子「afr」のファイル（.afrファイル）、拡張子「esd」のファイル（.esdファイル）等が生成される。.encファイルは、符号化されたDSDロスレスストリームを格納するファイルである。.afrファイルは、MP4ファイルに格納する際のサンプルテーブル作成を補助するメタデータを格納するファイルである。.esdファイルは、デコーダコンフィギュレーションのためのメタデータを格納するファイルである。
　なお、DSD音声素材は、例えば、DSD-PCM変換によりPCMデータに変換され、AACエンコーダによって符号化され、拡張子「aac」のファイル（.aacファイル）、.afrファイル、.esdファイル等が生成されるようにしてもよい。.aacファイルは、符号化されたaacストリームを格納するファイルである。
　これらのファイルに格納される情報が多重化されてMP4ファイルが生成される。
　　＜MP4ファイルフォーマット＞
　MP4ファイルの主な構成例を、図１５のＡに示す。MP4ファイルは、ボックスと称する階層構造を有する。例えば、MP4ファイルは、図１５のＡに示されるように、ファイルタイプコンパチビリティボックス（Flie Type Compatibility Box（ftyp））、ムービーボックス（Movie Box（moov））、メディアデータボックス（Media Data Box（mdat））を有する。ファイルタイプコンパチビリティボックス（ftyp）は、ファイルの先頭を表し、ファイルフォーマットの種別を識別する情報を格納する。ムービーボックス（moov）は、コンテンツのメタデータ等を格納する。メディアデータボックス（mdat）は、実際のAVデータ（actual data）を格納する。
　例えば、ムービーボックス（moov）は、ムービーヘッダボックス（Movie Header Box）や、トラックボックス（Track Box（track））等を有する。ムービーヘッダボックスには、例えば、ムービー時間軸の設定情報や、拡大／縮小、回転、再生速度の情報等が格納される。トラックボックス（track）は、トラック毎に生成される。トラックボックス（track）には、例えば、そのトラックに関する情報が格納される。
　例えば、トラックボックス（track）は、トラックヘッダボックス（Track Header Box）、エディットボックス（Edit Box）、メディアボックス（Media Box（mdia））等を有する。トラックヘッダボックスは、例えば、空間位置、サイズ、拡大／縮小、レイヤ等の画面合成に関する情報やトラック間の関連付けに関する情報等が格納される。エディットボックスには、例えば、時間位置や再生速度等のAV同期に関する情報が格納される。メディアボックス（mdia）には、例えば、AVデータに関する情報が格納される。
　例えば、メディアボックス（mdia）は、メディアヘッダボックス（Media Header Box）、メディアハンドラーボックス（Media Handler Box）、メディアインフォメーションボックス（Media Information Box（minf））等を有する。メディアヘッダボックスやメディアハンドラーボックスには、例えば、AVデータの種類、メディア時間軸の設定、言語設定等に関する情報が格納される。メディアインフォメーションボックス（minf）には、例えば、データやサンプルに関する情報が格納される。
　例えば、メディアインフォメーションボックス（minf）は、データインフォメーションボックス（Data Information Box）やサンプルテーブルボックス（Sample Table Box）等を有する。データインフォメーションボックスには、例えば、データの格納場所や参照方法等、データの参照に関する情報が格納される。サンプルテーブルボックスには、例えば、データの時間やアドレス情報等、サンプルの管理に関する情報が格納される。
　　＜サンプルテーブルボックス＞
　サンプルとは、MP4ファイルフォーマットにおける最小アクセス単位である。サンプルテーブルボックスの主な構成例を図１５のＢに示す。図１５のＢに示されるように、例えば、サンプルテーブルボックス（stbl）は、サンプルディスクリプションボックス（Sample Description Box）、タイムトゥーサンプルボックス（Time To Sample Box）、サンプルサイズボックス（Sample Size Box）、サンプルトゥーチャンクボックス（Sample To Chunk Box）、チャンクオフセットボックス（Chunk Offset Box）、シンクサンプルボックス（Sync Sample Box）、サブサンプルインフォメーションボックス（Subsample Information Box）を有する。
　サンプルディスクリプションボックスには、例えば、コーデックや画サイズ等に関する情報が格納される。例えば、サンプルディスクリプションボックスには、サンプルに関する情報が格納されるサンプルエントリ（sample entry）が格納される。デコードコンフィギュレーション情報は、このサンプルエントリに格納される。タイムトゥーサンプルボックスには、例えば、サンプルの時刻に関する情報が格納される。サンプルサイズボックスには、例えば、サンプルのサイズに関する情報が格納される。サンプルトゥーチャンクボックスには、例えば、サンプルのデータの位置に関する情報が格納される。チャンクオフセットボックスには、例えば、データのオフセットに関する情報が格納される。
　シンクサンプルボックスには、例えば、シンクサンプルに関する情報が格納される。シンクサンプル（Sync Sample）とは、ランダムアクセスが可能なサンプル、すなわち、デコードの開始点とすることができるサンプルである。すなわち、シンクサンプルボックスには、デコードを開始するのに必要な情報（例えば、デコードに必要な情報、デコードの開始点を示す情報等）が格納される。シンクサンプルの定義（Definition）の例を図１６のＡに示す。シンクサンプルのシンタクス（Syntax）の例を図１６のＢに示す。シンクサンプルのセマンティクス（Semantics）の例を図１６のＣに示す。
　サブサンプルインフォメーションボックスには、例えば、サブサンプルに関する情報が格納される。サブサンプル（Sub-sample）とは、サンプル（sample）が指すバイト範囲の一部を表す単位である。つまり、サンプルが指すバイト範囲を複数のサブサンプルに分割することができる。換言するに、サンプル内に複数のサブサンプルを設定することができる。サブサンプルのシンタクス（Syntax）の例を図１７のＡに示す。サブサンプルのセマンティクス（Semantics）の例を図１７のＢに示す。
　　＜DSDロスレスストリームのMP4ファイル化＞
　以上のように、高品質なDSDデータを新たなDSD可逆圧縮符号化方式で符号化したDSDロスレスストリームをMP4ファイル化し、MPEG-DASHを用いてストリーム配信することにより、より高品質なデータの配信が可能になる。しかしながら、このDSDロスレスストリームをMP4ファイルに格納する方法はまだ考えられていなかった。例えば、原則通りにエレメンタリストリームにおける１オーディオサンプル（１量子化サンプル）をMP4システム層の１つのMP4サンプルに割り当てると、MP4サンプル数が膨大になる。例えば2.8MHzのDSDデータの場合、１秒で280万個のMP4サンプルが作られることになる。これは１つのMP4サンプルごとに処理を行うシステムにおいては非常に高負荷・非効率であり、実現は困難である。したがって、DSDロスレスストリームをMPEG-DASHにより配信することができなかった。そのため、より高品質な音声データを伝送することができなかった。
　そこで、ある時間内の複数量子化サンプルをまとめたオーディオアクセスユニット（オーディオフレーム）を構成し、1MP4サンプルに対応付けるようにする。このように、実装負荷を考慮しよりデータサイズが大きいアクセスユニット単位で扱うことで、処理負荷を低減させることができる。特にサンプル毎にループを回しているような処理の回数を大幅に低減させることができる。
　＜２．第１の実施の形態＞
　　＜配信システム＞
　以下に、本技術のより詳細について説明する。なお、以下においては、本技術に関連する音声データ（オーディオデータ）の配信について説明する。図１８は、本技術を適用した情報処理システムの一態様である配信システムの構成の一例を示すブロック図である。図１８に示される配信システム１００は、画像や音声などのデータ（コンテンツ）を配信するシステムである。配信システム１００において、ファイル生成装置１０１、配信サーバ１０２、および再生端末１０３は、ネットワーク１０４を介して互いに通信可能に接続されている。
　ファイル生成装置１０１は、音声データを格納するMP4ファイルの生成に関する処理を行う。例えば、ファイル生成装置１０１は、音声データを生成し、生成した音声データを格納するMP4ファイルを生成し、生成したMP4ファイルを配信サーバ１０２に供給する。配信サーバ１０２は、MP4ファイルの配信に関する処理を行う。例えば、配信サーバ１０２は、ファイル生成装置１０１から供給されたMP4ファイルを取得して管理し、MPEG-DASHを用いた配信サービスを提供する。例えば、配信サーバ１０２は、再生端末１０３からの要求に応じて、そのMP4ファイルを再生端末１０３に供給する。再生端末１０３は、音声データの再生に関する処理を行う。例えば、再生端末１０３は、MPEG-DASHに従って配信サーバ１０２に対してMP4ファイルの配信を要求し、その要求に応じて供給されたMP4ファイルを取得する。再生端末１０３は、そのMP4ファイルをデコードし、音声データを再生する。
　ネットワーク１０４は、任意の通信網であり、有線通信の通信網であってもよいし、無線通信の通信網であってもよいし、それらの両方により構成されるようにしてもよい。また、ネットワーク１０４が、１の通信網により構成されるようにしてもよいし、複数の通信網により構成されるようにしてもよい。例えば、インターネット、公衆電話回線網、所謂3G回線や4G回線等の無線移動体用の広域通信網、WAN（Wide Area Network）、LAN（Local Area Network）、Bluetooth（登録商標）規格に準拠した通信を行う無線通信網、NFC（Near Field Communication）等の近距離無線通信の通信路、赤外線通信の通信路、HDMI（登録商標）（High-Definition Multimedia Interface）やUSB（Universal Serial Bus）等の規格に準拠した有線通信の通信網等、任意の通信規格の通信網や通信路がネットワーク１０４に含まれるようにしてもよい。
　ファイル生成装置１０１、配信サーバ１０２、再生端末１０３は、それぞれ、ネットワーク１０４に通信可能に接続されており、このネットワーク１０４を介して互いに情報の授受を行うことができる。ファイル生成装置１０１、配信サーバ１０２、再生端末１０３は、ネットワーク１０４に対して、有線通信により接続されるようにしてもよいし、無線通信により接続されるようにしてもよいし、その両方により接続されるようにしてもよい。
　なお、図１８において、配信サーバ１００の構成として、ファイル生成装置１０１、配信サーバ１０２、および再生端末１０３は、１台ずつ示されているが、これらの数は、それぞれ任意であり、互いに同一でなくてもよい。例えば、配信サーバ１００において、ファイル生成装置１０１、配信サーバ１０２、再生端末１０３は、それぞれ、単数であってもよいし、複数であってもよい。
　　＜ファイル生成装置＞
　図１９は、ファイル生成装置１０１の主な構成例を示すブロック図である。図１９に示されるように、ファイル生成装置１０１は、DSD生成部１１１、DSD符号化部１１２、MP4ファイル生成部１１３、および設定部１１４を有する。
　DSD生成部１１１は、DSDデータの生成に関する処理を行う。例えば、DSD生成部１１１は、入力された音声信号（オーディオアナログ信号）をΔΣ変調し、１ビットのデジタルデータであるDSDデータに変換する。また、DSD生成部１１１は、例えば、その生成したDSDデータをDSD符号化部１１２に供給する。
　DSD符号化部１１２は、DSDデータの符号化に関する処理を行う。例えば、DSD符号化部１１２は、DSD生成部１１１から供給されたDSDデータを、上述した新たなDSD可逆圧縮符号化方式で符号化し、DSDロスレスストリームを生成する。また、DSD符号化部１１２は、例えば、その生成したDSDロスレスストリームをMP4ファイル生成部１１３に供給する。
　MP4ファイル生成部１１３は、MP4ファイルの生成に関する処理を行う。例えば、MP4ファイル生成部１１３は、DSD符号化部１１２から供給されたDSDロスレスストリームを取得し、そのDSDロスレスストリームを格納するMP4ファイルを生成する。例えば、MP4ファイル生成部１１３は、設定部１１４による設定に従ってそのMP4ファイルの生成を行う。また、MP4ファイル生成部１１３は、例えば、生成したMP4ファイルを、ファイル生成装置１０１の外部に出力する。例えば、MP4ファイル生成部１１３は、そのMP4ファイルを、ネットワーク１０４を介して配信サーバ１０２に供給する。
　設定部１１４は、MP4ファイル生成部１１３によるMP4ファイルの生成についての設定に関する処理を行う。例えば、設定部１１４は、MP4ファイルの生成に関する設定を生成し、その設定をMP4ファイル生成部１１３にセットする。例えば、設定部１１４は、サンプルテーブルボックス設定部１２１、サンプルエントリ設定部１２２、シンクサンプルボックス設定部１２３、およびサブサンプルインフォメーションボックス設定部１２４を有する。サンプルテーブルボックス設定部１２１は、サンプルテーブルボックスの設定に関する処理を行う。サンプルエントリ設定部１２２は、サンプルエントリの設定に関する処理を行う。シンクサンプルボックス設定部１２３は、シンクサンプルボックスの設定に関する処理を行う。サブサンプルインフォメーションボックス設定部１２４は、サブサンプルインフォメーションボックスの設定に関する処理を行う。
　なお、MP4ファイル生成部１１３および設定部１１４を１つの装置（MP4ファイル生成装置１３１）としてもよい。このMP4ファイル生成装置１３１は、入力されたDSDロスレスストリームを格納するMP4ファイルを生成し、出力する。また、そのMP4ファイル生成装置１３１の構成にDSD符号化部１１２を加えて１つの装置（MP4ファイル生成装置１３２）としてもよい。このMP4ファイル生成装置１３２は、入力されたDSDデータを可逆符号化してDSDロスレスストリームを生成し、さらにそのDSDロスレスストリームを格納するMP4ファイルを生成し、出力する。
　　＜再生端末＞
　図２０は、再生端末１０３の主な構成例を示すブロック図である。図２０に示されるように、再生端末１０３は、MP4ファイル取得部１４１、DSD復号部１４２、出力制御部１４３、出力部１４４、および制御部１４５を有する。
　MP4ファイル取得部１４１は、MP4ファイルの取得に関する処理を行う。例えば、MP4ファイル取得部１４１は、MPEG-DASHに従って、配信サーバ１０２にコンテンツの配信を要求し、その要求に応じて供給されるそのコンテンツのMP4ファイルを取得する。また、例えば、MP4ファイル取得部１４１は、取得したMP4ファイルからDSDロスレスストリーム等を抽出し、それをDSD復号部１４２に供給する。また、例えば、MP4ファイル取得部１４１は、取得したMP4ファイルから制御情報等を抽出し、それを制御部１４５に供給する。
　DSD復号部１４２は、DSDロスレスストリームの復号に関する処理を行う。例えば、DSD復号部１４２は、上述した新たなDSD可逆圧縮符号化方式に対応する復号方式でDSDロスレスストリームを復号し、DSDデータを復元する。なお、DSD復号部１４２は、例えば、制御部１４５の制御に基づいて、この復号を行う。また、例えば、DSD復号部１４２は、復元したDSDデータを出力制御部１４３に供給する。
　出力制御部１４３は、DSDデータの出力の制御に関する処理を行う。例えば、出力制御部１４３は、DSD復号部１４２から供給されるDSDデータを破棄したり、出力部１４４に供給したりして、DSDデータの出力を制御する。なお、出力制御部１４３は、例えば、制御部１４５の制御に基づいて、この出力制御を行う。
　出力部１４４は、DSDデータの出力に関する処理を行う。例えば、出力部１４４は、スピーカ等を有し、出力制御部１４３から供給されるDSDデータを音声信号（オーディオアナログ信号）に変換し、その音声信号をそのスピーカ等から出力する。なお、出力部１４４が、例えば出力端子等を備え、音声信号やDSDデータを再生端末１０３の外部に出力する（他の装置に供給する）ようにしてもよい。出力部１４４の構成は任意であり、上述した以外のデバイスを有するようにしてもよい。
　制御部１４５は、DSDロスレスストリームの復号の制御やDSDデータの出力の制御に関する処理を行う。例えば、制御部１４５は、DSD復号部１４２を制御し、DSDロスレスストリームの復号を制御する。また、例えば、制御部１４５は、出力制御部１４３を制御し、DSDデータの出力を制御する。制御部１４５は、例えば、MP4ファイル取得部１４１から制御情報を取得し、その制御情報に基づいてこれらの制御を行う。
　例えば、制御部１４５は、サンプルテーブルボックス解析部１５１、サブサンプルインフォメーションボックス解析部１５２、シンクサンプルボックス解析部１５３、サンプルエントリ解析部１５４、デコーダコンフィギュレーション情報設定部１５５、および再生制御部１５６を有する。
　サンプルテーブルボックス解析部１５１は、サンプルテーブルボックスの解析に関する処理を行う。サブサンプルインフォメーションボックス解析部１５２は、サブサンプルインフォメーションボックスの解析に関する処理を行う。シンクサンプルボックス解析部１５３は、シンクサンプルボックスの解析に関する処理を行う。サンプルエントリ解析部１５４は、サンプルエントリの解析に関する処理を行う。デコーダコンフィギュレーション情報設定部１５５は、デコーダコンフィギュレーション情報の解析に関する処理を行う。再生制御部１５６は、DSDデータの再生制御に関する処理を行う。
　なお、MP4ファイル取得部１１３、DSD復号部１４２、出力制御部１４３、および制御部１４５を１つの装置（MP4ファイル再生装置１６１）としてもよい。このMP4ファイル再生装置１６１は、入力されたMP4ファイルからDSDロスレスストリームを抽出し、そのDSDロスレスストリームを復号して、DSDデータを生成する。さらに、MP4ファイル再生装置１６１は、生成したDSDデータの所望の範囲（所望の位置から所望の位置まで）を出力する。
　　＜MP4サンプルの設定＞
　上述のように、高品質なDSDデータを新たなDSD可逆圧縮符号化方式で符号化したDSDロスレスストリームをMP4ファイル化に格納する方法はまだ考えられていなかった。例えば、MP4ファイルのサンプルにどのようなデータを割り当てるかが定められていなかった。
　そこで、音声データの符号化データであって、その符号化データのアクセス単位であるブロックが所定数毎にグループ化される構造を有する符号化データを格納する所定のファイルフォーマットのファイルに、そのファイルにおける最小アクセス単位であるサンプルとして、ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを設定するようにする。
　ここで、符号化データは、例えば、上述したDSDロスレスストリーム（DSDデータを上述した新たなDSD可逆圧縮符号化方式で符号化したストリーム）としてもよい。また、ブロックは、そのDSDロスレスストリームにおけるブロックとし、ブロックのグループは、GOBとし、イニシャライズ情報は、GOBイニシャライザとしてもよい。また、所定のファイルフォーマットは、上述したMP4ファイルフォーマット（ISO/IEC14496に準拠したファイルフォーマット）とし、サンプルは、そのMP4ファイルにおけるサンプルとしてもよい。すなわち、例えば、MP4ファイルに、DSDロスレスストリームのGOBイニシャライザを含むサンプルを設定するようにしてもよい。例えば、サンプルエントリ設定部１２２が、このようなGOBイニシャライザを含むサンプルを設定するようにする。
　このようにすることにより、そのイニシャライザ情報を用いて各ブロックのデコードを行うことができるようになる。つまり、DSDロスレスストリームをMP4ファイルに格納することができるようになる。したがって、MPEG-DASHを用いたDSDロスレスストリームのストリーミング配信が可能になり、より高品質な音声データを伝送することができる。
　　＜ブロック毎のサンプル化＞
　DSDロスレスストリームの各ブロックを互いに異なるサンプルに割り当てるようにしてもよい。すなわち、MP4ファイルの１サンプルに１ブロックを割り当てるようにしてもよい。例えば、図２１に示されるように、１GOB（１０ブロック）分のDSDロスレスストリーム１７１に対して、両矢印１７２で示されるようにサンプルを設定するようにしてもよい。両矢印１７２は、サンプルの範囲を示す。
　例えば、（Ａ－１）に示されるように、さらに、ブロック毎のサンプルが設定されるようにしてもよい。この場合、DSDロスレスストリーム１７１に対して、GOBイニシャライザを含むサンプルと、ブロック毎のサンプルとの合計１１個のサンプルが設定される。例えば、サンプルエントリ設定部１２２がGOBイニシャライザを含むサンプルの他に、さらに、このようなブロック毎のサンプルを設定するようにする。
　また、（Ａ－２）に示されるように、（Ａ－１）のように設定したサンプルの内、GOBイニシャライザを含むサンプルをシンクサンプル（Sync Sample）に設定するようにしてもよい。図２１において、楕円１７３は、そのサンプルがシンクサンプルであることを示している。例えば、シンクサンプルボックス設定部１２３が、GOBイニシャライザを含むサンプルをシンクサンプルに設定するようにする。この場合、シンクサンプルは、GOBイニシャライザを含むものの、ブロックを含まないので、このサンプルの再生時間は０とする。
　また、（Ａ－３）に示されるように、GOBイニシャライザを含むサンプルにGOBの先頭のブロック（ブロック１）も含め、GOBの２番目以降のブロックを、それぞれサンプルに割り当てるようにしてもよい。この場合、DSDロスレスストリーム１７１に対して、GOBイニシャライザとブロック１とを含むサンプルと、ブロック２乃至ブロック１０の各サンプルとの合計１０個のサンプルが設定される。例えば、サンプルエントリ設定部１２２がGOBイニシャライザおよびブロック１を含むサンプルを設定し、さらに、ブロック２乃至ブロック１０について、ブロック毎のサンプルを設定するようにする。
　また、（Ａ－４）に示されるように、（Ａ－３）のように設定したサンプルの内、GOBイニシャライザおよびブロック１を含むサンプルをシンクサンプル（Sync Sample）に設定するようにしてもよい。例えば、シンクサンプルボックス設定部１２３が、GOBイニシャライザおよびブロック１を含むサンプルをシンクサンプルに設定するようにする。
　また、（Ａ－５）に示されるように、（Ａ－３）のように設定したサンプルの内、GOBイニシャライザおよびブロック１を含むサンプルに対して、GOBイニシャライザの部分とブロック１の部分とのそれぞれをサブサンプルとして設定するようにしてもよい。図２１において点線両矢印１７４は、サブサンプルの範囲を示す。つまり、この場合、GOBイニシャライザおよびブロック１を含むサンプルに、GOBイニシャライザを含むサブサンプルと、ブロック１を含むサブサンプルとが設定されている。例えば、サブサンプルインフォメーションボックス設定部１２４が、このようなサブサンプルを設定するようにする。
　また、（Ａ－６）に示されるように、（Ａ－５）のように設定したサンプルの内、GOBイニシャライザおよびブロック１を含むサンプルをシンクサンプル（Sync Sample）に設定するようにしてもよい。例えば、シンクサンプルボックス設定部１２３が、GOBイニシャライザおよびブロック１を含むサンプルをシンクサンプルに設定するようにする。つまり、この場合、シンクサンプルとサブサンプルの両方が設定されている。
　なお、（Ａ－２）の場合、１GOB分のサンプルが１１個であるので、シンクサンプルボックス（SyncSampleBox（stss））において、サンプルナンバー（sample number）が図２２のＡのように設定される。これに対して、（Ａ－４）や（Ａ－６）の場合、１GOB分のサンプルが１０個であるので、シンクサンプルボックス（stss）において、サンプルナンバーが図２２のＢのように設定される。
　また、（Ａ－５）や（Ａ－６）の場合、サブサンプルインフォメーションボックスにおいて、サンプルデルタ（sample_delta）、サブサンプルカウント（subsample_count）、サブサンプルサイズ（subsample_size_1, subsample_size_2）等のパラメータが図２２のＣのように設定される。サンプルデルタは、サブサンプルを設定するサンプルの位置（番号）を示す（識別する）パラメータである。サブサンプルカウントは、設定されたサブサンプルの数を示すパラメータである。サブサンプルサイズは、各サブサンプルのサイズを示すパラメータである。例えば、サブサンプルサイズ１（subsample_size_1）は、GOBイニシャライザを含むサブサンプルのサイズを示し、その値は２５バイト（byte）である。また、サブサンプルサイズ２（subsample_size_2）は、ブロック１を含むサブサンプルのサイズを示し、その値は各サブサンプルによる（例えば、x01, x02, x03, ...）。
　もちろん、これらの値は一例であり、各パラメータの値は、図２２の例に限定されない。なお、サブサンプル毎のフィールド（field）、サブサンプルプライオリティ（subsample_priority）、ディスカーダブル（discardable）、コーデックスペシフィックパラメーターズ（codec_specific_parameters）等のパラメータは運用しなくてもよい。
　（Ａ－１）のようにサンプルを設定することにより、ブロック単位でデコードを制御することができる。これにより、量子化サンプル毎にサンプル化する場合よりも、負荷の増大を抑制することができる。また、この場合、GOB毎にGOBイニシャライザを含むサンプルが設定されるので、最初にGOBの先頭のサンプルにアクセスするように制御すれば、ブロック単位のランダムアクセスが可能になる。例えば、GOBの途中のブロックにアクセスする場合も、最初にGOBイニシャライザを読み込めば、その途中のブロックからデコードを開始する（そのブロックよりも前のブロックのデコードを省略する）ことができる。
　また、（Ａ－２）のようにサンプルを設定することにより、GOBイニシャライザを含むサンプルをシンクサンプルに設定することができる。したがって、より容易にGOBイニシャライザを含むサンプルにアクセスすることができ、そのGOB内の任意のブロックへのアクセスが可能になる。つまり、ブロック単位でのランダムアクセスが可能になる。また、GOBイニシャライザが、ブロックと異なるサンプルに格納されるので、GOBイニシャライザを、ブロックのデコードを必要とせずに読み出すことができる。従って、GOBイニシャライザをより高速に読み出すことができる。
　また、（Ａ－３）のようにサンプルを設定することにより、再生時間０のサンプルが無くなるので、サンプル数と再生時刻との対応をとり易くすることができる。
　また、（Ａ－４）のようにサンプルを設定することにより、GOBイニシャライザおよびブロック１を含むサンプルをシンクサンプルに設定することができる。したがって、ブロック単位でのランダムアクセスが可能になる。
　また、（Ａ－５）のようにサンプルを設定することにより、サブサンプルとしてGOBイニシャライザを抽出することができるので、GOBイニシャライザのより高速な読み出しを可能にする。
　また、（Ａ－６）のようにサンプルを設定することにより、サンプル数と再生時刻との対応をとるのがより容易になり、GOBイニシャライザのより高速な読み出しを可能にするとともに、ブロック単位でのランダムアクセスが可能になる。
　　＜GOB毎のサンプル化＞
　DSDロスレスストリームの各ブロックを１つのサンプルに割り当てるようにしてもよい。すなわち、MP4ファイルの１サンプルに１GOBを割り当てるようにしてもよい。例えば、図２３に示されるように、１GOB（１０ブロック）分のDSDロスレスストリーム１７１に対して、両矢印１７２で示されるようにサンプルを設定するようにしてもよい。
　例えば、（Ｂ－１）に示されるように、GOB全体、すなわち、GOBイニシャライザおよびブロック１乃至ブロック１０を含むサンプルが設定されるようにしてもよい。この場合、DSDロスレスストリーム１７１に対して、１個のサンプルが設定される。例えば、サンプルエントリ設定部１２２がこのGOBイニシャライザおよび全ブロックを含むサンプルを設定するようにする。
　また、（Ｂ－２）に示されるように、（Ｂ－１）のように設定したGOB全体を含むサンプルをシンクサンプルに設定するようにしてもよい。図２３においても楕円１７３は、シンクサンプルを示す。例えば、シンクサンプルボックス設定部１２３が、このようにシンクサンプルを設定するようにする。
　また、（Ｂ－３）に示されるように、（Ｂ－１）のように設定したサンプルに対して、GOBイニシャライザおよびブロック１の部分とブロック２乃至ブロック１０の各ブロックの部分とのそれぞれをサブサンプルとして設定するようにしてもよい。図２３においても点線両矢印１７４は、サブサンプルの範囲を示す。つまり、この場合、GOB全体を含むサンプルに、GOBイニシャライザおよびブロック１を含むサブサンプル、ブロック２を含むサブサンプル、ブロック３を含むサブサンプル、...、およびブロック１０を含むサブサンプルの、合計１０個のサブサンプルが設定されている。例えば、サブサンプルインフォメーションボックス設定部１２４が、このようなサブサンプルを設定するようにする。
　また、（Ｂ－４）において点線両矢印１７４で示されるように、（Ｂ－１）のように設定したサンプルに対して、GOBイニシャライザの部分とブロック１乃至ブロック１０の各ブロックの部分とのそれぞれをサブサンプルとして設定するようにしてもよい。つまり、この場合、GOB全体を含むサンプルに、GOBイニシャライザを含むサブサンプル、ブロック１を含むサブサンプル、ブロック２を含むサブサンプル、...、およびブロック１０を含むサブサンプルの、合計１１個のサブサンプルが設定されている。例えば、サブサンプルインフォメーションボックス設定部１２４が、このようなサブサンプルを設定するようにする。
　また、（Ｂ－５）に示されるように、（Ｂ－３）のようにサブサンプルが設定された、GOB全体を含むサンプルをシンクサンプルに設定するようにしてもよい。例えば、シンクサンプルボックス設定部１２３が、このようにシンクサンプルを設定するようにする。
　また、（Ｂ－６）に示されるように、（Ｂ－４）のようにサブサンプルが設定された、GOB全体を含むサンプルをシンクサンプルに設定するようにしてもよい。例えば、シンクサンプルボックス設定部１２３が、このようにシンクサンプルを設定するようにする。
　なお、ISO/IEC 14496-12（2015）の8.6.2.1には、”If the sync sample box is not present, every sample is a sync sample.”とある。つまり、このルールに従うと、シンクサンプルを設定しなくても（シンクサンプルボックスを設定しなくても）全てのサンプルがランダムアクセス点になる。したがって、上述の（Ｂ－２）、（Ｂ－５）、および（Ｂ－６）は、それぞれ、（Ｂ－１）、（Ｂ－３）、および（Ｂ－４）と実質的に同一である。したがってこれらのケースは省略することができる。
　また、（Ｂ－３）の場合（（Ｂ－５）の場合）、サブサンプルインフォメーションボックスにおいて、サンプルデルタ（sample_delta）、サブサンプルカウント（subsample_count）、サブサンプルサイズ（subsample_size_1, ... ,subsample_size_10）等のパラメータが図２４のＡのように設定される。この場合、各GOBのサンプル数が１であるので、サンプルデルタの値は「１」に設定される。また、各サンプルには１０個のサブサンプルが設定されているのでサブサンプルカウントの値は「１０」に設定される。また、各サブサンプルサイズは、それぞれのサブサンプルのサイズが設定される（例えば、x11, ... ,x110、y11, ... ,y110、z11, ... ,z110）。
　また、（Ｂ－４）の場合（（Ｂ－６）の場合）、サブサンプルインフォメーションボックスにおいて、サンプルデルタ（sample_delta）、サブサンプルカウント（subsample_count）、サブサンプルサイズ（subsample_size_1, ... ,subsample_size_11）等のパラメータが図２４のＢのように設定される。この場合、各GOBのサンプル数が１であるので、サンプルデルタの値は「１」に設定される。また、各サンプルには１１個のサブサンプルが設定されているのでサブサンプルカウントの値は「１１」に設定される。また、サブサンプル１（subsample_size_1）は、GOBイニシャライザを含むサブサンプルのサイズを示し、その値は「２５」（バイト（byte））に設定される。サブサンプル２以降の各サブサンプルサイズは、それぞれのサブサンプルのサイズが設定される（例えば、x21, ... ,x210、y21, ... ,y210、z21, ... ,z210）。
　もちろん、これらの値は一例であり、各パラメータの値は、図２４の例に限定されない。なお、サブサンプル毎のフィールド（field）、サブサンプルプライオリティ（subsample_priority）、ディスカーダブル（discardable）、コーデックスペシフィックパラメーターズ（codec_specific_parameters）等のパラメータは運用しなくてもよい。
　（Ｂ－１）のように（（Ｂ－２）のように）サンプルを設定することにより、GOB単位でデコードを制御することができる。これにより、量子化サンプル毎にサンプル化する場合よりも、負荷の増大を抑制することができる。また、この場合、GOB毎にGOBイニシャライザを含むサンプルが設定されており、各サンプルは自動的にシンクサンプルに設定されるので、少なくともGOB単位でランダムアクセスが可能である。なお、GOBの途中のブロックへのアクセスは、ブロック１から順次デコードしていき、出力制御において、所望のブロックより前のデコード結果を破棄するようにすればよい。
　また、（Ｂ－３）のように（（Ｂ－５）のように）サンプルを設定することにより、サブサンプルとしてGOBイニシャライザおよびブロック１、並びに、ブロック２乃至ブロック１０のそれぞれを抽出することができるので、サブサンプル数と再生時刻との対応をとるのがより容易になり、ブロック単位でのランダムアクセスが可能になる。
　また、（Ｂ－４）のように（（Ｂ－６）のように）サンプルを設定することにより、サブサンプルとしてGOBイニシャライザ、並びに、ブロック１乃至ブロック１０をそれぞれ抽出することができるので、GOBイニシャライザのより高速な読み出しを可能にし、ブロック単位でのランダムアクセスが可能になる。
　　＜GOBイニシャライザとブロックとを分けたサンプル化＞
　DSDロスレスストリームのGOBに対して、GOBイニシャライザを含むサンプルと、GOBイニシャライザを含まないサンプル（ブロックのみを含むサンプル）との、２つのサンプルを設定するようにしてもよい。すなわち、MP4ファイルの１サンプルにGOBイニシャライザ若しくはブロック群を割り当てるようにしてもよい。例えば、図２５に示されるように、１GOB（１０ブロック）分のDSDロスレスストリーム１７１に対して、両矢印１７２で示されるようにサンプルを設定するようにしてもよい。
　例えば、（Ｃ－１）に示されるように、GOBイニシャライザを含むサンプルの他に、さらに、そのGOB内の全ブロックを含むサンプルが設定されるようにしてもよい。この場合、DSDロスレスストリーム１７１に対して、GOBイニシャライザを含むサンプルと、そのGOB内の全ブロックを含むサンプルとの合計２個のサンプルが設定される。例えば、サンプルエントリ設定部１２２がGOBイニシャライザを含むサンプルの他に、さらに、このようなGOB内の全ブロックを含むサンプルを設定するようにする。
　また、（Ｃ－２）に示されるように、（Ｃ－１）のように設定したサンプルの内、GOBイニシャライザを含むサンプルをシンクサンプルに設定するようにしてもよい。図２５においても、楕円１７３はシンクサンプルを示している。例えば、シンクサンプルボックス設定部１２３が、GOBイニシャライザを含むサンプルをシンクサンプルに設定するようにする。この場合、シンクサンプルは、GOBイニシャライザを含むものの、ブロックを含まないので、このサンプルの再生時間は０とする。
　また、（Ｃ－３）において点線両矢印１７４で示されるように、（Ｃ－１）のように設定されたGOB内の全ブロックを含むサンプルに対して、ブロック１乃至ブロック１０の各ブロックの部分をサブサンプルとして設定するようにしてもよい。つまり、この場合、GOB内の全ブロックを含むサンプルに、ブロック１を含むサブサンプル、ブロック２を含むサブサンプル、...、およびブロック１０を含むサブサンプルの、合計１０個のサブサンプルが設定されている。例えば、サブサンプルインフォメーションボックス設定部１２４が、このようなサブサンプルを設定するようにする。
　また、（Ｃ－４）に示されるように、（Ｃ－３）のようにサブサンプルが設定されたGOB内の全ブロックを含むサンプルとは異なる、GOBイニシャライザを含むサンプルをシンクサンプルに設定するようにしてもよい。例えば、シンクサンプルボックス設定部１２３が、このようにシンクサンプルを設定するようにする。
　なお、サンプルの設定において、（Ｃ－１）のように設定する代わりに、例えば、（Ｃ－５）に示されるように、GOBイニシャライザおよびブロック１を含むサンプルと、ブロック２乃至ブロック１０を含むサンプルとが設定されるようにしてもよい。この場合、DSDロスレスストリーム１７１に対して、GOBイニシャライザおよびブロック１を含むサンプルと、ブロック２乃至ブロック１０を含むサンプルとの合計２個のサンプルが設定される。例えば、サンプルエントリ設定部１２２がこのような２つのサンプルを設定するようにする。
　また、（Ｃ－６）に示されるように、（Ｃ－５）のように設定したサンプルの内、GOBイニシャライザおよびブロック１を含むサンプルをシンクサンプルに設定するようにしてもよい。例えば、シンクサンプルボックス設定部１２３が、GOBイニシャライザおよびブロック１を含むサンプルをシンクサンプルに設定するようにする。この場合、シンクサンプルは、GOBイニシャライザおよびブロック１を含むので、このサンプルの再生時間はブロック１の再生時間となる。
　また、（Ｃ－７）において点線両矢印１７４で示されるように、（Ｃ－５）のように設定されたブロック２乃至ブロック１０を含むサンプルに対して、ブロック２乃至ブロック１０の各ブロックの部分をサブサンプルとして設定するようにしてもよい。つまり、この場合、ブロック２乃至ブロック１０を含むサンプルに、ブロック２を含むサブサンプル、ブロック３を含むサブサンプル、...、およびブロック１０を含むサブサンプルの、合計９個のサブサンプルが設定されている。例えば、サブサンプルインフォメーションボックス設定部１２４が、このようなサブサンプルを設定するようにする。
　さらに、（Ｃ－８）において点線両矢印１７４で示されるように、（Ｃ－７）のように設定されたサブサンプルに加え、GOBイニシャライザおよびブロック１を含むサンプルに対して、GOBイニシャライザの部分とブロック１の部分とのそれぞれをサブサンプルとして設定してもよい。つまり、この場合、GOBイニシャライザを含むサブサンプルと、ブロック１を含むサブサンプル、ブロック２を含むサブサンプル、...、およびブロック１０を含むサブサンプルの、合計１１個のサブサンプルが設定されている。例えば、サブサンプルインフォメーションボックス設定部１２４が、このようなサブサンプルを設定するようにする。
　また、（Ｃ－９）に示されるように、（Ｃ－７）のようにサブサンプルが設定されたブロック２乃至ブロック１０を含むサンプルではなく、GOBイニシャライザおよびブロック１を含むサンプルをシンクサンプルに設定するようにしてもよい。例えば、シンクサンプルボックス設定部１２３が、このようにシンクサンプルを設定するようにする。
　また、（Ｃ－１０）に示されるように、（Ｃ－８）のようにサブサンプルが設定されたGOBイニシャライザおよびブロック１を含むサンプルをシンクサンプルに設定するようにしてもよい。例えば、シンクサンプルボックス設定部１２３が、このようにシンクサンプルを設定するようにする。
　なお、ISO/IEC 14496-12（2015）の場合、上述したように、シンクサンプルを設定しなくても全てのサンプルがランダムアクセス点になる。したがって、上述の（Ｃ－１）、（Ｃ－３）、（Ｃ－５）、（Ｃ－７）、および（Ｃ－８）の場合、ブロックのみのサンプルがシンクサンプルになる可能性がある。したがって、これらのケースは禁止とするようにしてもよい。
　なお、（Ｃ－２）、（Ｃ－４）、（Ｃ－６）、（Ｃ－９）、（Ｃ－１０）の場合、１GOB分のサンプルが２個であるので、シンクサンプルボックス（stss）において、サンプルナンバーが図２６のＡのように設定される。
　また、（Ｃ－４）の場合、サブサンプルインフォメーションボックスにおいて、サンプルデルタ（sample_delta）、サブサンプルカウント（subsample_count）、サブサンプルサイズ（subsample_size_1, ... ,subsample_size_10）等のパラメータが図２６のＢのように設定される。この場合、各GOBのサンプル数が２であるので、サンプルデルタの値は「２」に設定される。また、ブロック１乃至ブロック１０を含むサンプルには１０個のサブサンプルが設定されているのでサブサンプルカウントの値は「１０」に設定される。また、各サブサンプルサイズは、それぞれのサブサンプルのサイズが設定される（例えば、x31, ... ,x310、y31, ... ,y310、z31, ... ,z310）。
　また、（Ｃ－９）の場合、サブサンプルインフォメーションボックスにおいて、サンプルデルタ（sample_delta）、サブサンプルカウント（subsample_count）、サブサンプルサイズ（subsample_size_1, ... ,subsample_size_9）等のパラメータが図２６のＣのように設定される。この場合、各GOBのサンプル数が２であるので、サンプルデルタの値は「２」に設定される。また、ブロック２乃至ブロック１０を含むサンプルには９個のサブサンプルが設定されているのでサブサンプルカウントの値は「９」に設定される。また、各サブサンプルサイズは、それぞれのサブサンプルのサイズが設定される（例えば、x41, ... ,x49、y41, ... ,y49、z41, ... ,z49）。
　また、（Ｃ－１０）の場合、サブサンプルインフォメーションボックスにおいて、サンプルデルタ（sample_delta）、サブサンプルカウント（subsample_count）、サブサンプルサイズ（subsample_size_1, ... ,subsample_size_9）等のパラメータが図２７のように設定される。この場合、各GOBの全サンプルにサブサンプルが設定されているので、サンプルデルタの値は「１」に設定される。また、GOBイニシャライザおよびブロック１を含むサンプルには２個のサブサンプルが設定され、ブロック２乃至ブロック１０を含むサンプルには９個のサブサンプルが設定されているのでサブサンプルカウントの値は「２」または「９」に設定される。また、各サブサンプルサイズは、それぞれのサブサンプルのサイズが設定される（例えば、25,x41、y51, ... ,y59、25,z51）。
　もちろん、これらの値は一例であり、各パラメータの値は、図２６および図２７の例に限定されない。なお、サブサンプル毎のフィールド（field）、サブサンプルプライオリティ（subsample_priority）、ディスカーダブル（discardable）、コーデックスペシフィックパラメーターズ（codec_specific_parameters）等のパラメータは運用しなくてもよい。
　（Ｃ－２）のようにサンプルを設定することにより、GOB単位でデコードを制御することができる。これにより、量子化サンプル毎にサンプル化する場合よりも、負荷の増大を抑制することができる。また、この場合、GOB毎にGOBイニシャライザを含むサンプルが設定されるので、少なくともGOB単位でランダムアクセスが可能である。なお、GOBの途中のブロックへのアクセスは、ブロック１から順次デコードしていき、出力制御において、所望のブロックより前のデコード結果を破棄するようにすればよい。
　また、（Ｃ－４）のようにサンプルを設定することにより、ブロック１乃至ブロック１０のそれぞれをサブブロックとして抽出することができるので、ブロック単位でのランダムアクセスが可能になる。
　また、（Ｃ－６）のようにサンプルを設定することにより、GOBイニシャライザがブロック１に付加されているので、サブサンプル数と再生時刻との対応をとるのがより容易になる。
　さらに、（Ｃ－９）のようにサンプルを設定することにより、ブロック単位でのランダムアクセスが可能になるとともに、サブサンプル数と再生時刻との対応をとるのがより容易になる。
　さらに、（Ｃ－１０）のようにサンプルを設定することにより、ブロック単位でのランダムアクセスが可能になり、サブサンプル数と再生時刻との対応をとるのがより容易になるだけでなく、サブサンプルとしてGOBイニシャライザ、並びに、ブロック１乃至ブロック１０をそれぞれ抽出することができるので、GOBイニシャライザのより高速な読み出しを可能にし、ブロック単位でのランダムアクセスが可能になる。
　以上のようにサンプルを設定することにより、DSDロスレスストリームをMP4ファイルに格納することができ、より高品質な音声データを伝送することができる。
　　＜配信用データ生成処理の流れ＞
　次に、配信システム１００の各装置において実行される処理について説明する。最初に、ファイル生成装置１０１において実行される配信用データ生成処理の流れの例を、図２８のフローチャートを参照して説明する。ファイル生成装置１０１は、音声データのMP4ファイルを生成する際に、この配信用データ生成処理を行う。
　配信用データ生成処理が開始されると、ファイル生成装置１０１のDSD生成部１１１は、ステップＳ１０１において、オーディアナログ信号をΔΣ変調し、DSDデータを生成する。ステップＳ１０２において、DSD符号化部１１２は、ステップＳ１０１において生成されたDSDデータを、上述した新たなDSD可逆圧縮符号化方式で符号化し、DSDロスレスストリームを生成する。ステップＳ１０３において、MP4ファイル生成装置１３１（すなわち、MP4ファイル生成部１１３および設定部１１４）は、MP4ファイル生成処理を実行することにより、ステップＳ１０２において生成されたDSDロスレスストリームを格納するMP4ファイルを生成する。このMP4ファイル生成処理については後述する。MP4ファイルが生成されると、MP4ファイル生成部１１３は、ステップＳ１０４において、その生成したMP4ファイルを配信サーバ１０２に提供する。ステップＳ１０４の処理が終了すると、配信用データ生成処理が終了する。
　　＜MP4ファイル生成処理の流れ＞
　次に、この配信用データ生成処理のステップＳ１０３において実行されるMP4ファイル生成処理の流れの例を、図２９のフローチャートを参照して説明する。
　MP4ファイル生成処理が開始されると、サンプルテーブルボックス設定部１２１は、ステップＳ１１１において、サンプルテーブルボックスを設定する。ステップＳ１１２において、サンプルエントリ設定部１２２は、サンプルエントリを設定する。
　ステップＳ１１３において、サンプルエントリ設定部１２２は、.afrファイルを参照して、サンプルに区切るバイト位置（samplesize）を設定する。つまり、サンプルエントリ設定部１２２は、.afrファイルに基づいて、各ブロックをサンプルに割り当てる。この割り当て方法として、サンプルエントリ設定部１２２は、例えば上述した（Ａ－１）乃至（Ａ－６）、（Ｂ－１）乃至（Ｂ－６）、並びに（Ｃ－１）乃至（Ｃ－１０）の内のいずれかの方法を適用する。
　ステップＳ１１４において、サンプルエントリ設定部１２２は、.esdファイルを参照して、当該GOBの復号に必要な情報であるデコーダコンフィギュレーション情報をサンプルエントリに格納する。つまり、サンプルエントリ設定部１２２は、.esdファイルに基づいて、デコーダコンフィギュレーション情報を含むGOBイニシャライザを設定し、サンプルに割り当てる。この割り当て方法として、サンプルエントリ設定部１２２は、例えば上述した（Ａ－１）乃至（Ａ－６）、（Ｂ－１）乃至（Ｂ－６）、並びに（Ｃ－１）乃至（Ｃ－１０）の内のいずれかの方法を適用する。
　ステップＳ１１５において、シンクサンプルボックス設定部１２３は、.afrファイルを参照して、GOBイニシャライザが含まれるサンプルのリストを作り、そのリストを格納するシンクサンプルボックスを設定する。
　ステップＳ１１６において、サブサンプルインフォメーションボックス設定部１２４は、サブサンプルを運用する場合、各サンプルの中のGOBイニシャライザの範囲やブロックの境界等を調べ、それらの情報に基づいて、サブサンプルインフォメーションボックスを設定し、サンプルデルタ、サブサンプルカウント、サブサンプルサイズ等の各種パラメータを設定する。
　ステップＳ１１７において、設定部１１４は、ファイルタイプコンパチビリティボックス（ftyp）を生成する。ステップＳ１１８において、設定部１１４は、設定に応じてムービーボックスを生成する。すなわち、設定部１１４は、上述したように設定したサンプルテーブルボックスを格納するムービーボックス（moov）を生成する。ステップＳ１１９において、設定部１１４は、メディアデータボックス（mdat）を生成し、DSDロスレスストリームを格納する。
　以上のようにしてMP4ファイルが生成されると、MP4ファイル生成処理が終了し、処理は図２８に戻る。
　以上のように各処理を実行することにより、DSDロスレスストリームをMP4ファイルに格納することができ、MPEG-DASHを用いて、より高品質な音声データを伝送することができる。
　　＜再生処理の流れ＞
　次に、MP4ファイルの再生（復号）について説明する。なお、以下においては、図３０に示されるようなランダム再生のケースについて説明する。すなわち、シンクサンプル（Sync sample）に格納されるデコーダコンフィギュレーション情報を読み込み、そのデコーダコンフィギュレーション情報に基づいて、そのシンクサンプルと同じGOBのサンプル（sample）の途中のブロックからの再生を開始するものとする。この場合、図３０に示されるように、再生開始時刻は、そのサンプルの途中のブロック（つまりサンプルの途中）に指定され、デコード開始時刻は、そのサンプルの先頭に指定される。
　再生端末１０３は、配信サーバ１０２からMP4ファイルを取得し、再生処理を実行してMP4ファイルの再生を行い、音声データを出力する。この再生処理の流れの例を、図３１のフローチャートを参照して説明する。
　再生処理が開始されると、再生端末１０３のMP4ファイル取得部１４１は、ステップＳ１３１において、配信サーバ１０２から配信されるMP4ファイルを取得する。ステップＳ１３２において、MP4ファイル再生装置１６１（例えば、DSD復号部１４２、出力制御部１４３、制御部１４５）は、復号処理を行い、MP4ファイルからDSDロスレスストリームを抽出して復号し、得られたDSDデータの再生開始時刻から出力を開始する。
　ステップＳ１３３において、出力部１４４は、ステップＳ１３２の処理により再生された音声（オーディオアナログ信号）を出力する。
　　＜復号処理の流れ＞
　次に、図３２のフローチャートを参照して、再生処理のステップＳ１３２において実行される復号処理の流れの例を、図３３のフローチャートを参照して説明する。
　復号処理が開始されると、サンプルテーブルボックス解析部１５１は、ステップＳ１４１において、MP4ファイル取得部１４１が取得したMP4ファイルのサンプルテーブルボックスを参照して、再生開始時刻に対応するDSDロスレストラックのチャンク、シンクサンプル、デコード開始サンプルのバイト位置等を特定する。
　ステップＳ１４２において、サンプルエントリ解析部１５４は、サンプルエントリを参照する。
　ステップＳ１４３において、サンプルエントリ解析部１５４は、デコーダコンフィギュレーション情報が存在しないか否かを判定する。存在しないと判定された場合、処理はステップＳ１４４に進む。
　この場合、サンプルエントリ解析部１５４は、ステップＳ１４４において、シンクサンプルが指し示すサンプルのデータをMP4ファイルから読み出してGOBイニシャライザを取得する。GOBイニシャライザを取得すると、処理はステップＳ１４５に進む。また、ステップＳ１４３において、デコーダコンフィギュレーション情報が存在すると判定された場合、ステップＳ１４４の処理が省略され、処理はステップＳ１４５に進む。
　ステップＳ１４５において、デコーダコンフィギュレーション情報設定部１５５は、MP4ファイルに含まれるデコーダコンフィギュレーション情報をデコーダに設定する。
　ステップＳ１４６において、DSD復号部１４２は、そのデコーダコンフィギュレーション情報に基づいて、MP4ファイル取得部１４１が取得したMP4ファイルの、デコード開始サンプルの開始バイト位置からデータ（DSDロスレスストリーム）を読み出す。
　ステップＳ１４７において、DSD復号部１４２は、その読み出したデータに対して、デコードを開始する。
　ステップＳ１４８において、再生制御部１５６は、出力制御部１４３に対して再生開始時刻を指定する。出力制御部１４３は、その指定された時刻から、ステップＳ１４７の処理により得られたDSDデータの出力を開始する。
　ステップＳ１４８の処理が終了すると、復号処理が終了し、処理は図３１に戻る。
　以上のように各処理を実行することにより、MP4ファイルに格納されて伝送されるDSDロスレスストリームを復号し、音声データを出力することができる。つまり、MPEG-DASHを用いて、より高品質な音声データを伝送することができる。
　なお、フラグメンテドムービー（fragmented movie）を構成する場合、フラグメント（fragment）の境界をいずれかのGOB境界に一致させるようにしてもよい。その場合、フラグメント（fragment）の先頭をGOB先頭とする。また、１フラグメントに複数GOBが格納されるようにしてもよい。
　＜３．第２の実施の形態＞
　　＜パラメータセットとエレメンタリストリームの分離＞
　なお、デコードに必要なGOBイニシャライザ（のサンプル）を、ブロック（のサンプル）を格納するトラック（track）と異なるトラックに格納するようにしてもよい。
　デコードに必要なパラメータセットであるGOBイニシャライザは、各GOBの先頭にあり、時間的に変化していく。このパラメータセットの部分を１つの トラック として構成することで、パラメータセットへのアクセス、読み出しをより容易にすることができる。
　なお、トラック（track）は、サンプル（sample（またはチャンク（chunk）））の連なりである。上述のように、各GOBのGOBイニシャライザ（header, config, GOB data（code book））の部分を１トラックに格納する。この場合、サンプルデュレイション（sample duration）は、１GOBの再生時間になる。
　例えば、DSDロスレスストリームのGOBが、図３３のＡに示されるような構造を有するとする。すなわち、１GOB分のDSDロスレスストリーム１７１は、GOBイニシャライザと、１０個のブロック（Blook1乃至Blook10）を有する。このようなDSDロスレスストリーム１７１を格納するMP4ファイルの例を図３３のＢに示す。
　図３３のＢに示されるように、この場合、MP4ファイル１８１のメディアデータボックス（mdat）には、DSDロスレスストリーム１７１のGOBイニシャライザや各ブロックのデータが格納される。また、ムービーボックス（moov）には、DSDロスレスパラメータセットトラック（DSD lossless parameter set track）と、DSDロスレスエレメンタリストリームトラック（DSD lossless elementary stream track）の２つのトラックが形成される。DSDロスレスパラメータセットトラックは、DSDロスレスストリームのデコードに必要なパラメータセットの管理情報を格納するトラックである。DSDロスレスエレメンタリストリームトラックは、DSDロスレスストリームのブロックのデータの管理情報を格納するトラックである。
　DSDロスレスパラメータセットトラックのサンプルディスクリプションボックス（stsd）に形成されるサンプルエントリ（dsdp）には、DSDロスレスストリームのパラメータセットの管理情報が格納される。つまり、メディアデータボックス（mdat）の各GOBイニシャライザに関する情報がこのサンプルエントリ（dsdp）に格納される。
　また、DSDロスレスエレメンタリストリームトラックのサンプルディスクリプションボックス（stsd）に形成されるサンプルエントリ（dsde）には、DSDロスレスストリームのエレメンタリストリームの管理情報が格納される。つまり、メディアデータボックス（mdat）の各ブロックに関する情報がこのサンプルエントリ（dsde）に格納される。
　なお、DSDロスレスエレメンタリストリームトラックにおけるサンプルの割り当て方は、図２１乃至図２７を参照して上述した方法のいずれかを適用すればよい。つまり、図３３のＢの例においては、１サンプルが１ブロックに割り当てられているが、サンプルの割り当て方はこの例に限定されない。
　このような構成にすることにより、デコーダコンフィギュレーション情報（デコードに必要な設定情報。デコード開始前にデコーダにセットする）をより高速に取得することができる。特に、ランダムアクセス時のヘッダ情報の取得が高速に行えるようになる。したがって、再生開始までの時間短縮、ストリーム切り替えの高速化が期待できる。GOBイニシャライザのサンプルは再生時間０のサンプルである。このような再生時間０のサンプルを別トラックとして分離することで、トラックの中にブロックを指すサンプル以外のサンプルを含めないようにすることができる。つまり、異なる性質のサンプルを１トラック内に混在させないようにすることができ、情報の管理をより容易化することができる。
　なお、DSDロスレスエレメンタリトラックのサンプルは、GOBイニシャライザとブロック１（先頭のブロック）を含むようにしてもよい。つまり、DSDロスレスエレメンタリトラックにおいては、GOBの先頭のブロック（ブロック１）に、GOBイニシャライザを付加するようにしてもよい。
　例えば、DSDロスレスストリームのGOBが、図３４のＡに示されるような構造を有するとする。すなわち、１GOB分のDSDロスレスストリーム１７１は、GOBイニシャライザと、１０個のブロック（Blook1乃至Blook10）を有する。このようなDSDロスレスストリーム１７１を格納するMP4ファイルの例を図３４のＢに示す。
　図３４のＢに示されるMP4ファイル１８２の構成例は、図３３のＢのMP4ファイル１８１の場合と基本的に同様であるが、DSDロスレスエレメンタリトラックにおいては、四角１８３で示されるように、GOBの先頭のブロック（ブロック１）に、GOBイニシャライザが付加されている。各トラックが参照するメディアデータボックスのデータは、重複してもよいので、このようなサンプルの割り当て方も可能である。このような割り当て方にすることにより、DSDロスレスエレメンタリトラックのサンプルの情報のみでデコードすることも可能になる。
　　＜MP4ファイル生成処理の流れ＞
　この場合も配信用データ生成処理は、図２８のフローチャートを参照して上述した場合と基本的に同様の流れで行うことができる。この場合のMP4ファイル生成処理の流れの例を、図３５のフローチャートを参照して説明する。
　MP4ファイル生成処理が開始されると、サンプルテーブルボックス設定部１２１は、ステップＳ１６１において、サンプルテーブルボックスを設定し、パラメータセットのトラック（DSDロスレスパラメータセットトラック）とエレメンタリストリームのトラック（DSDロスレスエレメンタリストリームトラック）を生成する。ステップＳ１６２において、サンプルエントリ設定部１２２は、各トラックにサンプルエントリ（'dsdp'および'dsde'）を設定する。
　ステップＳ１６３において、サンプルエントリ設定部１２２は、.afrファイルを参照して、サンプルに区切るバイト位置（samplesize）を設定する。つまり、サンプルエントリ設定部１２２は、.afrファイルに基づいて、各ブロックを、DSDロスレスエレメンタリストリームトラックのサンプルに割り当てる。この割り当て方法として、サンプルエントリ設定部１２２は、例えば上述した（Ａ－１）乃至（Ａ－６）、（Ｂ－１）乃至（Ｂ－６）、並びに（Ｃ－１）乃至（Ｃ－１０）の内のいずれかの方法を適用する。
　ステップＳ１６４において、サンプルエントリ設定部１２２は、.esdファイルを参照して、デコーダコンフィギュレーション情報をDSDロスレスパラメータセットトラックのサンプルエントリ（'dsdp'）に格納する。つまり、サンプルエントリ設定部１２２は、.esdファイルに基づいて、デコーダコンフィギュレーション情報を含むGOBイニシャライザを、DSDロスレスパラメータセットトラックのサンプルに割り当てる。この割り当て方法として、サンプルエントリ設定部１２２は、例えば上述した（Ａ－１）乃至（Ａ－６）、（Ｂ－１）乃至（Ｂ－６）、並びに（Ｃ－１）乃至（Ｃ－１０）の内のいずれかの方法を適用する。
　ステップＳ１６５乃至ステップＳ１６９の各処理は、図２９のステップＳ１１５乃至ステップＳ１１９の各処理と同様に実行される。ステップＳ１６９の処理が終了すると、MP4ファイル生成処理が終了し、処理は図２８に戻る。以上のように各処理を実行することにより、DSDロスレスストリームをMP4ファイルに格納することができ、MPEG-DASHを用いて、より高品質な音声データを伝送することができる。
　　＜復号処理の流れ＞
　この場合も再生処理は、図３１のフローチャートを参照して上述した場合と基本的に同様の流れで行うことができる。この場合の復号処理の流れの例を、図３６のフローチャートを参照して説明する。
　復号処理が開始されると、サンプルテーブルボックス解析部１５１は、ステップＳ１８１において、MP4ファイル取得部１４１が取得したMP4ファイルの、DSDロスレスエレメンタリストリームトラックのサンプルテーブルボックスを参照して、再生開始時刻に対応するDSDロスレストラックのチャンク、シンクサンプル、デコード開始サンプルのバイト位置等を特定する。
　ステップＳ１８２において、サンプルエントリ解析部１５４は、DSDロスレスパラメータセットトラックのサンプルエントリ（'dedp'）を参照する。
　ステップＳ１８３において、サンプルエントリ解析部１５４は、デコーダコンフィギュレーション情報が存在しないか否かを判定する。存在しないと判定された場合、処理はステップＳ１８４に進む。この場合、サンプルエントリ解析部１５４は、ステップＳ１８４において、DSDロスレスパラメータセットトラックのサンプルエントリ（'dedp'）から、シンクサンプルが指し示すサンプルのデータを読み出してGOBイニシャライザを取得する。GOBイニシャライザを取得すると、処理はステップＳ１８５に進む。また、ステップＳ１８３において、デコーダコンフィギュレーション情報が存在すると判定された場合、ステップＳ１８４の処理が省略され、処理はステップＳ１８５に進む。
　ステップＳ１８５乃至ステップＳ１８８の各処理は、図３２のステップＳ１４５乃至ステップＳ１４８の各処理と同様に実行される。ステップＳ１８８の処理が終了すると、復号処理が終了し、処理は図３１に戻る。以上のように各処理を実行することにより、MP4ファイルに格納されて伝送されるDSDロスレスストリームを復号し、音声データを出力することができる。つまり、MPEG-DASHを用いて、より高品質な音声データを伝送することができる。
　　＜DRM＞
　なお、上述したDSDロスレスパラメータセットトラックとDSDロスレスエレメンタリストリームトラックとを互いに異なるファイルとしてもよい。
　例えば、非圧縮のDSDデータをDSD可逆符号化したDSDロスレスストリームは、GOBイニシャライザがないとデコードできない。この性質を利用し、 DSDロスレスストリームを暗号化ストリームとみなし、GOBイニシャライザが含まれるMP4ファイルを復号鍵情報として、DRM（Digital Rights Management）システムに本技術を適用するようにしてもよい。
　例えば、コンテンツ配信において、DRMによって再生を管理をする方法が考えられる。このようなDRMシステムにおいて、GOBイニシャライザとブロックを互いに異なるMP4ファイルに格納し、GOBイニシャライザが格納されたMP4ファイルを、ブロックが格納されたMP4ファイルをデコードするために必要な復号鍵情報として、別途配信するようにしてもよい。
　例えば、ブロックのみが格納されたMP4ファイルは、共通化し広く配布できるようにする。例えば複製も許可するようにしてもよい。ただし、このMP4ファイルには、GOBイニシャライザが含まれないため、このMP4ファイル単体でコンテンツを再生することはできない。
　そして、正当なユーザ（例えば、代金を支払ったユーザ等）に対してのみ、GOBイニシャライザが格納されたMP4ファイルを提供するようにする。このようにすることにより、正しい復号鍵（GOBイニシャライザが格納されたMP4ファイル）入手した正当なユーザのみが、コンテンツ（ブロックのみが格納されたMP4ファイル）を再生することができる。つまり、本技術を用いてDRMシステムを構築することができ、より安全な配信を実現することができる。換言するに、コンテンツの配信において、ユーザ限定等の多機能化を実現することができる。
　より具体的に説明すると、このDRMシステムにおいては、ブロックが格納されたMP4ファイルと、そのブロックのデコードに必要なGOBイニシャライザが格納されたMP4ファイルとの対応関係を明確にする必要がある。つまり、正しい復号鍵情報を特定する必要がある。このような対応関係は、例えば、サンプルエントリにプロテクションスキームインフォボックス（Protection Scheme Info Box（sinf））を設け、このボックス内に記述するようにしてもよい。
　例えば、プロテクションスキームインフォボックス（sinf）は、図３７のＡに示されるように、サンプルエントリ内に設けられる。プロテクションスキームインフォボックス（sinf）には、例えば、オリジナルフォーマットボックス（Original Format Box）、スキームタイプボックス（Scheme Type Box）等のボックスが設けられる。図３７のＢに、プロテクションスキームインフォボックス、オリジナルフォーマットボックス、スキームタイプボックスのそれぞれのシンタクス（syntax）の例を示す。
　オリジナルフォーマットボックスには、暗号化前のストリームに関する情報が格納される。例えば、非圧縮のDSDデータをこの暗号化前のストリームとみなす。この場合、例えば、暗号化前のストリームのデータ形式を示すパラメータoriginal_formatの値が'dsd0'（非圧縮のDSDデータ）に設定される。
　スキームタイプボックスには、暗号化後のストリームの復号に関する情報が格納される。例えば、DSDデータを新たなDSD可逆符号化方式で符号化したDSDロスレスストリームを暗号化後のストリームとみなす。この場合、例えば、暗号化方式（符号化方式）を示すパラメータsheme_typeの値が'dsde'（新たなDSD可逆圧縮方式）に設定される。
　また、スキームタイプボックスには、ライセンスファイルへのリンク情報が格納される。ライセンスファイルの仕様は任意であるが、例えば、復号鍵であるGOBイニシャライザへのリンク情報等が記述されている。
　従って、図３８に示されるように、ブロックのみが格納されたMP4ファイル２０１を取得したユーザは、例えば対価を払う等して、そのコンテンツを再生可能な正当なユーザとなり、そのMP4ファイル２０１のDSDロスレスエレメンタリストリームトラックのプロテクションスキームインフォボックス（sinf）内の情報に基づいて、ライセンスファイル２０２を取得する。そして、そのライセンスファイル２０２の情報に基づいて、MP4ファイル２０１に対応するGOBイニシャライザが格納されるMP4ファイル２０３を取得する。ユーザは、このMP4ファイル２０３を用いて、MP4ファイル２０１を再生し、コンテンツを視聴することができる。
　以上のように、本技術を適用して、GOBイニシャライザとブロックとを互いに異なるMP4ファイルに格納することにより、DRMシステムを構築することができる。
　なお、MP4ファイル２０１とMP4ファイル２０３との対応関係を、ライセンスファイル２０２を介して表すようにすることにより、例えばその対応関係の更新等を行う際に、その更新をより容易に行うようにすることができる。つまり、対応関係の管理がより容易になる。
　なお、GOBイニシャライザとブロックとが別ファイルに分離されるため、あるブロックの再生に必要なGOBイニシャライザがどれかを対応付ける必要がある。 GOBイニシャライザを含むファイルはMP4ファイルに限らないが、MP4ファイルにしておけばサンプルテーブルボックス以下の情報で、ファイル先頭からの時刻がわかり、プレーヤは GOBイニシャライザとブロックを対応付けることができる。
　＜４．第３の実施の形態＞
　　＜オーディオサンプルエントリの設定＞
　なお、DSDロスレスストリームの管理情報を、オーディオサンプルエントリ（AudioSampleEntryV1）に格納するようにしてもよい。図３９にオーディオサンプルエントリのシンタクスの例を示す。オーディオサンプルエントリを利用する場合、各パラメータを以下のように設定する。
　コーディングネーム（codingname）には、オーディオフォーマット（audioformat）の識別子を設定する。例えばDSDデータの場合、DSDデータであることを示す識別子’dsd1’を設定する。チャンネルカウント（channelcount）には、チャンネル数を設定する。例えばDSDデータが２チャンネルの場合、このパラメータに値「２」を設定する。サンプルサイズ（samplesize）には、音声データのビット深度を設定する。例えばDSDデータの場合、DSDデータのビット深度は１ビットであるので、このパラメータに値「１」を設定する。サンプルレート（samplerate）には、固定値「44.1kHz」を示す値「AC44 0000h」を設定する。なお、この値はダミー値であり、後述する拡張したボックスにおいて正しい値を設定する。
　サンプリングレート（sampling_rate）は拡張ボックスであるサンプリングレートボックス（SamplingRateBox）にセットされるパラメータである。DSDデータのサンプリング周波数は、サンプルレート（samplerate）に正しい値を設定することができないので、このサンプリングレート（sampling_rate）に正しい値を設定する。例えば、DSDデータのサンプリング周波数が2.8MHzの場合、このパラメータに値「00 2b 11 00h」（2822400Hz）を設定する。また例えばDSDデータのサンプリング周波数が5.6MHzの場合、このパラメータに値「00 56 22 00h」（564480000Hz）を設定する。さらに例えばDSDデータのサンプリング周波数が11.2MHzの場合、このパラメータに値「00 AC 44 00h」（11289600Hz）を設定する。なお、メディアタイムスケール（media timescale）は、このサンプリングレート（sampling_rate）またはサンプルレート（samplerate）と同じ値にする。
　　＜ファイル生成装置＞
　図４０は、この場合のファイル生成装置１０１の主な構成例を示すブロック図である。図４０に示されるように、この場合のファイル生成装置１０１は、図１９を参照して説明した構成に加え、オーディオサンプルエントリ設定部２１１を有する。オーディオサンプルエントリ設定部２１１は、オーディオサンプルエントリの設定に関する処理を行う。
　　＜MP4ファイル生成処理の流れ＞
　この場合も配信用データ生成処理は、図２８のフローチャートを参照して説明した場合と基本的に同様に行われる。
　図４１のフローチャートを参照して、この場合のMP4ファイル生成処理の流れの例について説明する。MP4ファイル生成処理が開始されると、サンプルテーブルボックス設定部１２１は、ステップＳ２０１において、サンプルテーブルボックスを設定する。ステップＳ２０２において、オーディオサンプルエントリ設定部２１１は、オーディオサンプルエントリを設定する。
　ステップＳ２０３において、オーディオサンプルエントリ設定部２１１は、.afrファイルを参照して、サンプルに区切るバイト位置（samplesize）を設定する。つまり、オーディオサンプルエントリ設定部２１１は、.afrファイルに基づいて、各ブロックをサンプルに割り当てる。この割り当て方法として、オーディオサンプルエントリ設定部２１１は、例えば上述した（Ａ－１）乃至（Ａ－６）、（Ｂ－１）乃至（Ｂ－６）、並びに（Ｃ－１）乃至（Ｃ－１０）の内のいずれかの方法を適用する。
　ステップＳ２０４において、オーディオサンプルエントリ設定部２１１は、.esdファイルを参照して、当該GOBの復号に必要な情報であるデコーダコンフィギュレーション情報をオーディオサンプルエントリに格納する。つまり、オーディオサンプルエントリ設定部２１１は、.esdファイルに基づいて、デコーダコンフィギュレーション情報を含むGOBイニシャライザを設定し、サンプルに割り当てる。この割り当て方法として、オーディオサンプルエントリ設定部２１１は、例えば上述した（Ａ－１）乃至（Ａ－６）、（Ｂ－１）乃至（Ｂ－６）、並びに（Ｃ－１）乃至（Ｃ－１０）の内のいずれかの方法を適用する。
　ステップＳ２０５乃至ステップＳ２０９の各処理は、図２９のステップＳ１１５乃至ステップＳ１１９の各処理と同様に実行される。以上のようにしてMP4ファイルが生成されると、MP4ファイル生成処理が終了し、処理は図２８に戻る。
　以上のように各処理を実行することにより、DSDロスレスストリームをMP4ファイルに格納することができ、DSDロスレスストリームに関する情報（管理情報）を、オーディオサンプルエントリ（AudioSampleEntryV1）に格納することができる。したがって、MPEG-DASHを用いて、より高品質な音声データを伝送することができる。
　　＜再生端末＞
　図４２は、この場合の再生端末１０３の主な構成例を示すブロック図である。図４２に示されるように、この場合の再生端末１０３は、図２０を参照して説明した構成に加え、オーディオサンプルエントリ解析部２２１を有する。オーディオサンプルエントリ解析部２２１は、オーディオサンプルエントリの解析に関する処理を行う。
　　＜復号処理の流れ＞
　この場合も再生処理は、図３１のフローチャートを参照して説明した場合と基本的に同様に行われる。
　図４３のフローチャートを参照して、この場合の復号処理の流れの例について説明する。復号処理が開始されると、サンプルテーブルボックス解析部１５１は、ステップＳ２３１において、MP4ファイル取得部１４１が取得したMP4ファイルのサンプルテーブルボックスを参照して、再生開始時刻に対応するDSDロスレストラックのチャンク、シンクサンプル、デコード開始サンプルのバイト位置等を特定する。ステップＳ２３２において、オーディオサンプルエントリ解析部２２１は、オーディオサンプルエントリ（AudioSampleEntryV1）を参照する。
　ステップＳ２３３において、オーディオサンプルエントリ解析部２２１は、デコーダコンフィギュレーション情報が存在しないか否かを判定する。存在しないと判定された場合、処理はステップＳ２３４に進む。
　この場合、オーディオサンプルエントリ解析部２２１は、ステップＳ２３４において、シンクサンプルが指し示すサンプルのデータをMP4ファイルから読み出してGOBイニシャライザを取得する。GOBイニシャライザを取得すると、処理はステップＳ２３５に進む。また、ステップＳ２３３において、デコーダコンフィギュレーション情報が存在すると判定された場合、ステップＳ２３４の処理が省略され、処理はステップＳ２３５に進む。
　ステップＳ２３５乃至ステップＳ２３８の各処理は、図３２のステップＳ１４５乃至ステップＳ１４８の各処理と同様に実行される。ステップＳ２３８の処理が終了すると、復号処理が終了し、処理は図３１に戻る。
　以上のように各処理を実行することにより、オーディオサンプルエントリ（AudioSampleEntryV1）に格納されているDSDロスレスストリームに関する情報（管理情報）を用いて、MP4ファイルに格納されて伝送されるDSDロスレスストリームを復号し、音声データを出力することができる。つまり、MPEG-DASHを用いて、より高品質な音声データを伝送することができる。
　＜５．第４の実施の形態＞
　　＜拡張ボックスの設定＞
　なお、オーディオサンプルエントリ（AudioSampleEntryV1）に拡張ボックスを新たに定義し、その拡張ボックスにDSD可逆符号化方式固有の情報（config情報）を格納するようにしてもよい。これにより、メディアデータボックス（mdat）の中をアクセスしなくても、ストリームの属性（デコーダコンフィギュレーション情報）を知ることができるようになり、ランダムアクセス時等での再生処理の高速化が期待できる。
　その場合のオーディオサンプルエントリ（DSDAudioSampleEntryV1）のシンタクスの例を図４４のＡに示す。図４４のＡに示されるように、最後の行に拡張ボックス（DSDSpecificBox()）が定義されている。
　　＜共通情報の格納＞
　この拡張ボックス（DSDSpecificBox()）のシンタクスの例を図４４のＢに示す。図４４のＢに示されるように、この拡張ボックス（DSDSpecificBox()）には、例えば、ストリーム内で共通の基本的なデコーダコンフィギュレーション情報が格納されるようにしてもよい。例えば、DSDロスレスストリームのDSDロスレスペイロード（DSD_lossless_payload()）から、format_versionと、DSD_lossless_gob_configuration()とが読み出され、それらが、この拡張ボックス（DSDSpecificBox()）に格納されるようにしてもよい。
　この場合、図４５のＡに示されるような構成のDSDロスレスストリーム１７１に対して、図４５のＢに示されるような構成のMP4ファイル２３１が生成される。図４５のＢに示されるように、DSDオーディオサンプルエントリ（DSDAudioSampleEntryV1）（'dsd1'）内に拡張ボックス（'dsc1'）が設けられており、この拡張ボックス（'dsc1'）に、ストリームに共通な基本パラメータのみがコピーされる。
　したがって、この拡張ボックス（'dsc1'）を参照することにより、ストリームの基本的な属性をシステム層のみで知ることができる。なお、各GOBのデコードには、そのGOB用のDSD_lossless_gob_data()が必要なので、再生開始前にGOBイニシャライザへのアクセスが必要である。ただし、この場合、サンプルエントリ数が１で済むので、データ量の増大を抑制することができる。
　　＜個別情報の格納＞
　なお、この拡張ボックス（DSDSpecificBox()）にGOB固有の情報を格納するようにしてもよい。この場合の拡張ボックス（DSDSpecificBox()）のシンタクスの例を図４６のＡに示す。図４６のＡに示されるように、例えば、DSD_lossless_gob_header() と DSD_lossless_gob_data()（codebook）も読み出して、この拡張ボックス（DSDSpecificBox()）に格納するようにしてもよい。上述したように、DSD_lossless_gob_header()とDSD_lossless_gob_data()は、DSD_lossless_gob()から読み出される。つまり、これらの情報は、GOBイニシャライザに含まれる情報であり、当該GOB固有の情報が含まれる。
　この場合、図４５のＡに示されるような構成のDSDロスレスストリーム１７１に対して、図４６のＢに示されるような構成のMP4ファイル２３２が生成される。図４６のＢに示されるように、DSDオーディオサンプルエントリ（DSDAudioSampleEntryV1）（'dsd1'）内に拡張ボックス（'dsc2'）が複数設けられており、各拡張ボックス（'dsc2'）に、自身が対応するGOBのデコードに必要な情報（デコーダコンフィギュレーション情報）が格納される。
　したがって、この拡張ボックス（'dsc2'）を参照することにより、その拡張ボックスに対応するGOBを復号することができる。すなわち、GOBイニシャライザを参照せずにGOBを復号することができ、より高速に処理を行うことができる。
　　＜ファイル生成装置＞
　図４７は、この場合のファイル生成装置１０１の主な構成例を示すブロック図である。図４７に示されるように、この場合のファイル生成装置１０１は、図１９を参照して説明した構成に加え、DSDオーディオサンプルエントリ設定部２４１を有する。DSDオーディオサンプルエントリ設定部２４１は、オーディオサンプルエントリの設定や拡張ボックスの設定等に関する処理を行う。
　　＜MP4ファイル生成処理の流れ＞
　この場合も配信用データ生成処理は、図２８のフローチャートを参照して説明した場合と基本的に同様に行われる。
　図４８のフローチャートを参照して、この場合のMP4ファイル生成処理の流れの例について説明する。MP4ファイル生成処理が開始されると、サンプルテーブルボックス設定部１２１は、ステップＳ２５１において、サンプルテーブルボックスを設定する。ステップＳ２５２において、DSDオーディオサンプルエントリ設定部２４１は、DSDオーディオサンプルエントリを設定し、さらにその内部に、拡張ボックス（DSDSpecificBox）を設定する。
　ステップＳ２５３において、DSDオーディオサンプルエントリ設定部２４１は、.afrファイルを参照して、サンプルに区切るバイト位置（samplesize）を設定する。つまり、DSDオーディオサンプルエントリ設定部２４１は、.afrファイルに基づいて、各ブロックをサンプルに割り当てる。この割り当て方法として、DSDオーディオサンプルエントリ設定部２４１は、例えば上述した（Ａ－１）乃至（Ａ－６）、（Ｂ－１）乃至（Ｂ－６）、並びに（Ｃ－１）乃至（Ｃ－１０）の内のいずれかの方法を適用する。
　ステップＳ２５４において、DSDオーディオサンプルエントリ設定部２４１は、.esdファイルを参照して、デコーダコンフィギュレーション情報をDSDオーディオサンプルエントリの拡張ボックス（DSDSpecificBox）に格納する。つまり、DSDオーディオサンプルエントリ設定部２４１は、.esdファイルに基づいて、デコーダコンフィギュレーション情報を含むGOBイニシャライザを設定し、サンプルに割り当てる。この割り当て方法として、DSDオーディオサンプルエントリ設定部２４１は、例えば上述した（Ａ－１）乃至（Ａ－６）、（Ｂ－１）乃至（Ｂ－６）、並びに（Ｃ－１）乃至（Ｃ－１０）の内のいずれかの方法を適用する。
　ステップＳ２５５乃至ステップＳ２５９の各処理は、図２９のステップＳ１１５乃至ステップＳ１１９の各処理と同様に実行される。以上のようにしてMP4ファイルが生成されると、MP4ファイル生成処理が終了し、処理は図２８に戻る。
　以上のように各処理を実行することにより、DSDロスレスストリームをMP4ファイルに格納することができ、DSDロスレスストリームに関する情報（管理情報）を、DSDオーディオサンプルエントリ（DSDAudioSampleEntryV1）の拡張ボックス（DSDSpecificBox）に格納することができる。したがって、MPEG-DASHを用いて、より高品質な音声データを伝送することができる。
　　＜再生端末＞
　図４９は、この場合の再生端末１０３の主な構成例を示すブロック図である。図４９に示されるように、この場合の再生端末１０３は、図２０を参照して説明した構成に加え、DSDオーディオサンプルエントリ解析部２５１を有する。DSDオーディオサンプルエントリ解析部２５１は、オーディオサンプルエントリの解析や拡張ボックスの解析等に関する処理を行う。
　　＜復号処理の流れ＞
　この場合も再生処理は、図３１のフローチャートを参照して説明した場合と基本的に同様に行われる。
　図５０のフローチャートを参照して、この場合の復号処理の流れの例について説明する。復号処理が開始されると、サンプルテーブルボックス解析部１５１は、ステップＳ２７１において、MP4ファイル取得部１４１が取得したMP4ファイルのサンプルテーブルボックスを参照して、再生開始時刻に対応するDSDロスレストラックのチャンク、シンクサンプル、デコード開始サンプルのバイト位置等を特定する。ステップＳ２３２において、DSDオーディオサンプルエントリ解析部２５１は、DSDオーディオサンプルエントリ（DSDAudioSampleEntryV1）を参照し、さらに、その拡張ボックス（DSDSpecificBox）を参照する。
　ステップＳ２７３において、DSDオーディオサンプルエントリ解析部２５１は、拡張ボックス（DSDSpecificBox）に格納されているデコーダコンフィギュレーション情報をデコーダに設定する。
　ステップＳ２７４乃至ステップＳ２７６の各処理は、図３２のステップＳ１４６乃至ステップＳ１４８の各処理と同様に実行される。ステップＳ２７６の処理が終了すると、復号処理が終了し、処理は図３１に戻る。
　以上のように各処理を実行することにより、DSDオーディオサンプルエントリ（DSDAudioSampleEntryV1）の拡張ボックス（DSDSpecificBox）に格納されているデコーダコンフィギュレーション情報を用いて、そのGOBを復号し、音声データを出力することができる。つまり、MPEG-DASHを用いて、より高品質な音声データを伝送することができる。
　＜６．その他＞
　　＜規格＞
　以上においては、DSDロスレスストリームをMP4ファイルに格納し、MPEG-DASHを利用して配信する場合について説明したが、本技術はこれ以外の例にも適用することができる。例えば、本技術は、DSDロスレスストリーム以外の任意のデータにも適用することができる。また、本技術は、MP4ファイル以外の任意のファイルフォーマットに格納する場合にも適用することができる。さらに、本技術は、MPEG-DASH以外の任意の規格のデータ配信にも適用することができる。
　　＜本技術の適用分野＞
　本技術を適用したシステム、装置、処理部等は、例えば、交通、医療、防犯、農業、畜産業、鉱業、美容、工場、家電、気象、自然監視等、任意の分野に利用することができる。
　例えば、本技術は、鑑賞の用に供される画像を伝送するシステムやデバイスにも適用することができる。また、例えば、本技術は、交通の用に供されるシステムやデバイスにも適用することができる。さらに、例えば、本技術は、セキュリティの用に供されるシステムやデバイスにも適用することができる。また、例えば、本技術は、スポーツの用に供されるシステムやデバイスにも適用することができる。さらに、例えば、本技術は、農業の用に供されるシステムやデバイスにも適用することができる。また、例えば、本技術は、畜産業の用に供されるシステムやデバイスにも適用することができる。さらに、本技術は、例えば火山、森林、海洋等の自然の状態を監視するシステムやデバイスにも適用することができる。また、本技術は、例えば天気、気温、湿度、風速、日照時間等を観測する気象観測システムや気象観測装置に適用することができる。さらに、本技術は、例えば鳥類、魚類、ハ虫類、両生類、哺乳類、昆虫、植物等の野生生物の生態を観測するシステムやデバイス等にも適用することができる。
　　＜コンピュータ＞
　上述した一連の処理は、ハードウエアにより実行させることもできるし、ソフトウエアにより実行させることもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここでコンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータ等が含まれる。
　図５１は、上述した一連の処理をプログラムにより実行するコンピュータのハードウエアの構成例を示すブロック図である。
　図５１に示されるコンピュータ９００において、CPU（Central Processing Unit）９０１、ROM（Read Only Memory）９０２、RAM（Random Access Memory）９０３は、バス９０４を介して相互に接続されている。
　バス９０４にはまた、入出力インタフェース９１０も接続されている。入出力インタフェース９１０には、入力部９１１、出力部９１２、記憶部９１３、通信部９１４、およびドライブ９１５が接続されている。
　入力部９１１は、例えば、キーボード、マウス、マイクロホン、タッチパネル、入力端子などよりなる。出力部９１２は、例えば、ディスプレイ、スピーカ、出力端子などよりなる。記憶部９１３は、例えば、ハードディスク、RAMディスク、不揮発性のメモリなどよりなる。通信部９１４は、例えば、ネットワークインタフェースよりなる。ドライブ９１５は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブルメディア９２１を駆動する。
　以上のように構成されるコンピュータ９００では、CPU９０１が、例えば、記憶部９１３に記憶されているプログラムを、入出力インタフェース９１０およびバス９０４を介して、RAM９０３にロードして実行することにより、上述した一連の処理が行われる。RAM９０３にはまた、CPU９０１が各種の処理を実行する上において必要なデータなども適宜記憶される。
　コンピュータ９００が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア９２１に記録して適用することができる。その場合、プログラムは、リムーバブルメディア９２１をドライブ９１５に装着することにより、入出力インタフェース９１０を介して、記憶部９１３にインストールすることができる。
　また、このプログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することもできる。その場合、プログラムは、通信部９１４で受信し、記憶部９１３にインストールすることができる。
　その他、このプログラムは、ROM９０２や記憶部９１３等に、あらかじめインストールしておくこともできる。
　　＜その他＞
　なお、本明細書では、各種情報が、符号化データ（ビットストリーム）に多重化されて、符号化側から復号側へ伝送される例について説明したが、これら情報を伝送する手法はかかる例に限定されない。例えば、これら情報は、符号化データに多重化されることなく、符号化データと関連付けられた別個のデータとして伝送され又は記録されてもよい。ここで、「関連付ける」という用語は、例えば、符号化データに含まれる画像（スライスまたはブロックなど、画像の一部であってもよい）と当該画像に対応する情報とを復号時にリンクさせ得るようにすることを意味する。即ち、この符号化データ（画像）に関連付けられた情報は、符号化データ（画像）とは別の伝送路上で伝送されるようにしてもよい。また、この符号化データ（画像）に関連付けられた情報は、符号化データ（画像）とは別の記録媒体（又は同一の記録媒体の別の記録エリア）に記録されるようにしてもよい。さらに、画像とその画像に対応する情報とが、例えば、複数フレーム、１フレーム、又はフレーム内の一部分などの任意の単位で互いに関連付けられるようにしてもよい。
　また、上述したように、本明細書において、「合成する」、「多重化する」、「付加する」、「一体化する」、「含める」、「格納する」、「入れ込む」、「差し込む」、「挿入する」等の用語は、例えば符号化データとメタデータとを１つのデータにまとめるといった、複数の物を１つにまとめることを意味し、上述の「関連付ける」の１つの方法を意味する。
　また、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
　例えば、本明細書において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、全ての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれも、システムである。
　また、例えば、１つの装置（または処理部）として説明した構成を分割し、複数の装置（または処理部）として構成するようにしてもよい。逆に、以上において複数の装置（または処理部）として説明した構成をまとめて１つの装置（または処理部）として構成されるようにしてもよい。また、各装置（または各処理部）の構成に上述した以外の構成を付加するようにしてももちろんよい。さらに、システム全体としての構成や動作が実質的に同じであれば、ある装置（または処理部）の構成の一部を他の装置（または他の処理部）の構成に含めるようにしてもよい。
　また、例えば、本技術は、１つの機能を、ネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。
　また、例えば、上述したプログラムは、任意の装置において実行することができる。その場合、その装置が、必要な機能（機能ブロック等）を有し、必要な情報を得ることができるようにすればよい。
　また、例えば、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。
　なお、コンピュータが実行するプログラムは、プログラムを記述するステップの処理が、本明細書で説明する順序に沿って時系列に実行されるようにしても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで個別に実行されるようにしても良い。つまり、矛盾が生じない限り、各ステップの処理が上述した順序と異なる順序で実行されるようにしてもよい。さらに、このプログラムを記述するステップの処理が、他のプログラムの処理と並列に実行されるようにしても良いし、他のプログラムの処理と組み合わせて実行されるようにしても良い。
　なお、本明細書において複数説明した本技術は、矛盾が生じない限り、それぞれ独立に単体で実施することができる。もちろん、任意の複数の本技術を併用して実施することもできる。例えば、いずれかの実施の形態において説明した本技術を、他の実施の形態において説明した本技術と組み合わせて実施することもできる。また、上述した任意の本技術を、上述していない他の技術と併用して実施することもできる。
　なお、本技術は以下のような構成も取ることができる。
　（１）　音声データの符号化データであって、前記符号化データのアクセス単位であるブロックが所定数毎にグループ化される構造を有する前記符号化データを格納する所定のファイルフォーマットのファイルに、前記ファイルにおける最小アクセス単位であるサンプルとして、前記ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを設定するサンプル設定部
　を備える情報処理装置。
　（２）　前記サンプル設定部は、さらに、前記ブロック毎にサンプルを設定する
　（１）に記載の情報処理装置。
　（３）　前記サンプル設定部により設定された、前記イニシャライズ情報を含むサンプルを、復号の開始に必要な情報を含むシンクサンプルに設定するシンクサンプル設定部をさらに備える
　（１）または（２）に記載の情報処理装置。
　（４）　前記サンプル設定部は、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルと、前記グループの前記他のブロックの前記ブロック毎のサンプルとを設定する
　（１）乃至（３）のいずれかに記載の情報処理装置。
　（５）　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルを、復号の開始に必要な情報を含むシンクサンプルに設定するシンクサンプル設定部をさらに備える
　（１）乃至（４）のいずれかに記載の情報処理装置。
　（６）　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルに、前記イニシャライズ情報を含むサブサンプルと、前記グループの先頭のブロックを含むサブサンプルとを設定するサブサンプル設定部をさらに備える
　（１）乃至（５）のいずれかに記載の情報処理装置。
　（７）　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルを、復号の開始に必要な情報を含むシンクサンプルに設定するシンクサンプル設定部をさらに備える
　（１）乃至（６）のいずれかに記載の情報処理装置。
　（８）　前記サンプル設定部は、前記イニシャライズ情報と前記グループの全ブロックとを含むサンプルを設定する
　（１）乃至（７）のいずれかに記載の情報処理装置。
　（９）　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの全ブロックとを含むサンプルに、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサブサンプルと、前記グループの前記ブロック毎のサブサンプルとを設定するサブサンプル設定部をさらに備える
　（１）乃至（８）のいずれかに記載の情報処理装置。
　（１０）　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの全ブロックとを含むサンプルに、前記イニシャライズ情報を含むサブサンプル、前記グループの先頭のブロックを含むサブサンプル、並びに、前記グループの前記ブロック毎のサブサンプルを設定するサブサンプル設定部をさらに備える
　（１）乃至（９）のいずれかに記載の情報処理装置。
　（１１）　前記サンプル設定部により設定された全サンプルが、復号の開始に必要な情報を含むシンクサンプルとされる
　（１）乃至（１０）のいずれかに記載の情報処理装置。
　（１２）　前記サンプル設定部により設定された、前記イニシャライズ情報を含むサンプルを、復号の開始に必要な情報を含むシンクサンプルに設定するシンクサンプル設定部をさらに備え、
　前記サンプル設定部は、さらに、前記グループの全ブロックを含むサンプルを設定するように構成される
　（１）乃至（１１）のいずれかに記載の情報処理装置。
　（１３）　前記サンプル設定部により設定された、前記グループの全ブロックを含むサンプルに、前記ブロック毎のサブサンプルを設定するサブサンプル設定部をさらに備える
　（１）乃至（１２）のいずれかに記載の情報処理装置。
　（１４）　前記サンプル設定部は、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルと、前記グループの他のブロックを全て含むサンプルを設定するように構成され、
　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルを、復号の開始に必要な情報を含むシンクサンプルに設定するシンクサンプル設定部をさらに備える
　（１）乃至（１３）のいずれかに記載の情報処理装置。
　（１５）　前記サンプル設定部により設定された、前記グループの前記他のブロックを全て含むサンプルに、前記ブロック毎のサブサンプルを設定するサブサンプル設定部をさらに備える
　（１）乃至（１４）のいずれかに記載の情報処理装置。
　（１６）　前記サブサンプル設定部は、さらに、前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルに、前記イニシャライズ情報を含むサブサンプルと、前記グループの先頭のブロックを含むサブサンプルとを設定する
　（１）乃至（１５）のいずれかに記載の情報処理装置。
　（１７）　前記サンプル設定部は、さらに、前記ブロック毎のサンプルを、前記イニシャライズ情報を含むサンプルを設定したトラックとは異なるトラックに設定する
　（１）乃至（１６）のいずれかに記載の情報処理装置。
　（１８）　前記サンプル設定部は、さらに、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルと、前記グループの他の前記ブロックの前記ブロック毎のサンプルとを、前記イニシャライズ情報を含むサンプルを設定したトラックとは異なるトラックに設定する
　（１）乃至（１７）のいずれかに記載の情報処理装置。
　（１９）　前記サンプル設定部は、さらに、前記ブロック毎のサンプルを、前記イニシャライズ情報を含むサンプルを設定したファイルとは異なるファイルに設定する
　（１）乃至（１８）のいずれかに記載の情報処理装置。
　（２０）　前記サンプル設定部は、さらに、DRM（Digital Rights Management）に関する情報を格納するプロテクションスキームインフォボックスを設定する
　（１）乃至（１９）のいずれかに記載の情報処理装置。
　（２１）　前記音声データに関する情報をオーディオサンプルエントリに設定するオーディオサンプルエントリ設定部をさらに備える
　（１）乃至（２０）のいずれかに記載の情報処理装置。
　（２２）　前記オーディオサンプルエントリ設定部は、フィールドcodingnameに、前記音声データのフォーマットを示す所定の値を設定する
　（１）乃至（２１）のいずれかに記載の情報処理装置。
　（２３）　前記オーディオサンプルエントリ設定部は、フィールドchannelcountに、値「２」を設定する
　（１）乃至（２２）のいずれかに記載の情報処理装置。
　（２４）　前記オーディオサンプルエントリ設定部は、フィールドsamplesizeに、値「１」を設定する
　（１）乃至（２３）のいずれかに記載の情報処理装置。
　（２５）　前記オーディオサンプルエントリ設定部は、フィールドsamplerateに、「４４．１KHz」を示す値を設定する
　（１）乃至（２４）のいずれかに記載の情報処理装置。
　（２６）　前記オーディオサンプルエントリ設定部は、フィールドsampling_rateに、サンプリングレートボックスのsampling_rateと同じ値を設定する
　（１）乃至（２５）のいずれかに記載の情報処理装置。
　（２７）　前記音声データに関する情報をオーディオサンプルエントリの拡張ボックスに設定する拡張ボックス設定部をさらに備える
　（１）乃至（２６）のいずれかに記載の情報処理装置。
　（２８）　前記拡張ボックス設定部は、前記拡張ボックスに、前記符号化データの符号化方式固有の情報を格納させる
　（１）乃至（２７）のいずれかに記載の情報処理装置。
　（２９）　前記拡張ボックス設定部は、前記拡張ボックスに、DSD_lossless_gob_configurationを格納させる
　（１）乃至（２８）のいずれかに記載の情報処理装置。
　（３０）　前記拡張ボックス設定部は、前記拡張ボックスに、さらに、DSD_lossless_gob_headerとDSD_lossless_gob_dataとを格納させる
　（１）乃至（２９）のいずれかに記載の情報処理装置。
　（３１）　前記イニシャライズ情報は、前記符号化データの復号に利用されるデコーダコンフィギュレーション情報を含む
　（１）乃至（３０）のいずれかに記載の情報処理装置。
　（３２）　前記イニシャライズ情報は、フラグメントの境界に関する情報を含む
　（１）乃至（３１）のいずれかに記載の情報処理装置。
　（３３）　前記音声データはDSD（Direct Stream Digital）データであり、前記符号化データは、前記DSDデータが可逆符号化されて得られたものである
　（１）乃至（３２）のいずれかに記載の情報処理装置。
　（３４）　前記ファイルフォーマットは、ISO/IEC14496に準拠したファイルフォーマットである
　（１）乃至（３３）のいずれかに記載の情報処理装置。
　（３５）　前記サンプル設定部の設定に基づいて前記ファイルを生成するファイル生成部をさらに備える
　（１）乃至（３４）のいずれかに記載の情報処理装置。
　（３６）　前記音声データ可逆符号化して前記符号化データを生成する符号化部をさらに備える
　（１）乃至（３５）のいずれかに記載の情報処理装置。
　（３７）　前記音声データを生成する音声データ生成部をさらに備える
　（１）乃至（３６）のいずれかに記載の情報処理装置。
　（３８）　音声データの符号化データであって、前記符号化データのアクセス単位であるブロックが所定数毎にグループ化される構造を有する前記符号化データを格納する所定のファイルフォーマットのファイルに、前記ファイルにおける最小アクセス単位であるサンプルとして、前記ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを設定する
　情報処理方法。
　（３９）　音声データの符号化データを格納する所定のファイルフォーマットのファイルの、前記ファイルにおける最小アクセス単位であり、前記ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを解析し、解析結果に基づいて前記符号化データの復号に利用されるデコーダコンフィギュレーション情報を取得するサンプル解析部と、
　前記サンプル解析部により取得された前記デコーダコンフィギュレーション情報を設定する設定部と、
　前記設定部により設定された前記デコーダコンフィギュレーション情報を用いて前記符号化データを復号する復号部と
　を備える情報処理装置。
　（４０）　音声データの符号化データを格納する所定のファイルフォーマットのファイルの、前記ファイルにおける最小アクセス単位であり、前記ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを解析し、
　解析結果に基づいて前記符号化データの復号に利用されるデコーダコンフィギュレーション情報を取得し、
　取得された前記デコーダコンフィギュレーション情報を設定し、
　設定された前記デコーダコンフィギュレーション情報を用いて前記符号化データを復号する
　情報処理方法。
　１００　配信システム，　１０１　ファイル生成装置，　１０２　配信サーバ，　１０３　再生端末，　１０４　ネットワーク，　１１１　DSD生成部，　１１２　DSD符号化部，　１１３　MP4ファイル生成部，　１１４　設定部，　１２１　サンプルテーブルボックス設定部，　１２２　サンプルエントリ設定部，　１２３　シンクサンプルボックス設定部，　１２４　サブサンプルインフォメーションボックス設定部，　１３１　MP4ファイル生成装置，　１３２　MP4ファイル生成装置，　１４１　MP4ファイル取得部，　１４２　DSD復号部，　１４３　出力制御部，　１４４　出力部，　１４５　制御部，　１５１　サンプルテーブルボックス解析部，　１５２　サブサンプルインフォメーションボックス解析部，　１５３　シンクサンプルボックス解析部，　１５４　サンプルエントリ解析部，　１５５　デコーダコンフィギュレーション情報設定部，　１５６　再生制御部，　１７１　DSDロスレスストリーム，　１８１および１８２　MP4ファイル，　２０１　MP4ファイル，　２０２　ライセンスファイル，　２０３　MP4ファイル，　２１１　オーディオサンプルエントリ設定部，　２２１　オーディオサンプルエントリ解析部，　２３１および２３２　MP4ファイル，　２４１　DSDオーディオサンプルエントリ設定部，　２５１　DSDオーディオサンプルエントリ解析部，　９００　コンピュータ

Claims (20)

  1. 　音声データの符号化データであって、前記符号化データのアクセス単位であるブロックが所定数毎にグループ化される構造を有する前記符号化データを格納する所定のファイルフォーマットのファイルに、前記ファイルにおける最小アクセス単位であるサンプルとして、前記ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを設定するサンプル設定部
    　を備える情報処理装置。
  2. 　前記サンプル設定部は、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルと、前記グループの前記他のブロックの前記ブロック毎のサンプルとを設定するように構成され、
    　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルを、復号の開始に必要な情報を含むシンクサンプルに設定するシンクサンプル設定部をさらに備える
    　請求項１に記載の情報処理装置。
  3. 　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルに、前記イニシャライズ情報を含むサブサンプルと、前記グループの先頭のブロックを含むサブサンプルとを設定するサブサンプル設定部をさらに備える
    　請求項２に記載の情報処理装置。
  4. 　前記サンプル設定部は、前記イニシャライズ情報と前記グループの全ブロックとを含むサンプルを設定する
    　請求項１に記載の情報処理装置。
  5. 　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの全ブロックとを含むサンプルに、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサブサンプルと、前記グループの前記ブロック毎のサブサンプルとを設定するサブサンプル設定部をさらに備える
    　請求項４に記載の情報処理装置。
  6. 　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの全ブロックとを含むサンプルに、前記イニシャライズ情報を含むサブサンプル、前記グループの先頭のブロックを含むサブサンプル、並びに、前記グループの前記ブロック毎のサブサンプルを設定するサブサンプル設定部をさらに備える
    　請求項４に記載の情報処理装置。
  7. 　前記サンプル設定部により設定された全サンプルが、復号の開始に必要な情報を含むシンクサンプルとされる
    　請求項４に記載の情報処理装置。
  8. 　前記サンプル設定部により設定された、前記イニシャライズ情報を含むサンプルを、復号の開始に必要な情報を含むシンクサンプルに設定するシンクサンプル設定部をさらに備え、
    　前記サンプル設定部は、さらに、前記グループの全ブロックを含むサンプルを設定するように構成される
    　請求項１に記載の情報処理装置。
  9. 　前記サンプル設定部により設定された、前記グループの全ブロックを含むサンプルに、前記ブロック毎のサブサンプルを設定するサブサンプル設定部をさらに備える
    　請求項８に記載の情報処理装置。
  10. 　前記サンプル設定部は、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルと、前記グループの他のブロックを全て含むサンプルを設定するように構成され、
    　前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルを、復号の開始に必要な情報を含むシンクサンプルに設定するシンクサンプル設定部をさらに備える
    　請求項１に記載の情報処理装置。
  11. 　前記サンプル設定部により設定された、前記グループの前記他のブロックを全て含むサンプルに、前記ブロック毎のサブサンプルを設定するサブサンプル設定部をさらに備える
    　請求項１０に記載の情報処理装置。
  12. 　前記サブサンプル設定部は、さらに、前記サンプル設定部により設定された、前記イニシャライズ情報と前記グループの先頭のブロックとを含むサンプルに、前記イニシャライズ情報を含むサブサンプルと、前記グループの先頭のブロックを含むサブサンプルとを設定する
    　請求項１１に記載の情報処理装置。
  13. 　前記サンプル設定部は、さらに、前記ブロック毎のサンプルを、前記イニシャライズ情報を含むサンプルを設定したトラックとは異なるトラックに設定する
    　請求項１に記載の情報処理装置。
  14. 　前記サンプル設定部は、さらに、前記ブロック毎のサンプルを、前記イニシャライズ情報を含むサンプルを設定したファイルとは異なるファイルに設定する
    　請求項１に記載の情報処理装置。
  15. 　前記音声データに関する情報をオーディオサンプルエントリの拡張ボックスに設定する拡張ボックス設定部をさらに備える
    　請求項１に記載の情報処理装置。
  16. 　前記音声データはDSD（Direct Stream Digital）データであり、前記符号化データは、前記DSDデータが可逆符号化されて得られたものである
    　請求項１に記載の情報処理装置。
  17. 　前記ファイルフォーマットは、ISO/IEC14496に準拠したファイルフォーマットである
    　請求項１に記載の情報処理装置。
  18. 　音声データの符号化データであって、前記符号化データのアクセス単位であるブロックが所定数毎にグループ化される構造を有する前記符号化データを格納する所定のファイルフォーマットのファイルに、前記ファイルにおける最小アクセス単位であるサンプルとして、前記ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを設定する
    　情報処理方法。
  19. 　音声データの符号化データを格納する所定のファイルフォーマットのファイルの、前記ファイルにおける最小アクセス単位であり、前記ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを解析し、解析結果に基づいて前記符号化データの復号に利用されるデコーダコンフィギュレーション情報を取得するサンプル解析部と、
    　前記サンプル解析部により取得された前記デコーダコンフィギュレーション情報を設定する設定部と、
    　前記設定部により設定された前記デコーダコンフィギュレーション情報を用いて前記符号化データを復号する復号部と
    　を備える情報処理装置。
  20. 　音声データの符号化データを格納する所定のファイルフォーマットのファイルの、前記ファイルにおける最小アクセス単位であり、前記ブロックのグループの復号に利用されるイニシャライズ情報を含むサンプルを解析し、
    　解析結果に基づいて前記符号化データの復号に利用されるデコーダコンフィギュレーション情報を取得し、
    　取得された前記デコーダコンフィギュレーション情報を設定し、
    　設定された前記デコーダコンフィギュレーション情報を用いて前記符号化データを復号する
    　情報処理方法。
PCT/JP2017/010871 2016-03-31 2017-03-17 情報処理装置および方法 WO2017169890A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US16/088,234 US20200411021A1 (en) 2016-03-31 2017-03-17 Information processing apparatus and information processing method
CN201780019337.9A CN108885874A (zh) 2016-03-31 2017-03-17 信息处理装置和方法
JP2018509039A JP6876928B2 (ja) 2016-03-31 2017-03-17 情報処理装置および方法
EP17774431.5A EP3438976A4 (en) 2016-03-31 2017-03-17 INFORMATION PROCESSING DEVICE AND METHOD

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-072171 2016-03-31
JP2016072171 2016-03-31

Publications (1)

Publication Number Publication Date
WO2017169890A1 true WO2017169890A1 (ja) 2017-10-05

Family

ID=59964307

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/010871 WO2017169890A1 (ja) 2016-03-31 2017-03-17 情報処理装置および方法

Country Status (5)

Country Link
US (1) US20200411021A1 (ja)
EP (1) EP3438976A4 (ja)
JP (1) JP6876928B2 (ja)
CN (1) CN108885874A (ja)
WO (1) WO2017169890A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110611639A (zh) * 2018-06-14 2019-12-24 视联动力信息技术股份有限公司 流媒体会议的音频数据处理方法和装置
WO2020142364A1 (en) * 2019-01-04 2020-07-09 Tencent America LLC Flexible interoperability and capability signaling using initialization hierarchy
US11184665B2 (en) * 2018-10-03 2021-11-23 Qualcomm Incorporated Initialization set for network streaming of media data

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017203976A1 (ja) * 2016-05-24 2017-11-30 ソニー株式会社 圧縮符号化装置及び方法、復号装置及び方法、並びにプログラム
KR102471492B1 (ko) * 2017-12-27 2022-11-28 삼성전자 주식회사 디스플레이장치 및 그 제어방법
EP4131961A4 (en) * 2020-04-13 2023-09-13 LG Electronics, Inc. DEVICE FOR TRANSMITTING POINT CLOUD DATA, METHOD FOR TRANSMITTING POINT CLOUD DATA, DEVICE FOR RECEIVING POINT CLOUD DATA AND METHOD FOR RECEIVING POINT CLOUD DATA
TWI779772B (zh) * 2021-08-13 2022-10-01 瑞昱半導體股份有限公司 訊號處理方法以及訊號處理器

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001344905A (ja) * 2000-05-26 2001-12-14 Fujitsu Ltd データ再生装置、その方法及び記録媒体
JP2002196794A (ja) * 2000-12-25 2002-07-12 Olympus Optical Co Ltd 音声記録再生装置
WO2003032296A1 (fr) * 2001-10-03 2003-04-17 Sony Corporation Appareil et procede de codage, appareil et procede de decodage et appareil et procede d'enregistrement de support d'enregistrement
JP2009544054A (ja) * 2006-07-18 2009-12-10 トムソン ライセンシング 非可逆符号化信号のビットストリーム・データ及び上記信号の可逆拡張符号化データのオーディオ・ビットストリーム・データ構造配置
JP2014016625A (ja) * 2008-01-04 2014-01-30 Dolby International Ab オーディオコーディングシステム、オーディオデコーダ、オーディオコーディング方法及びオーディオデコーディング方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2131590A1 (en) * 2008-06-02 2009-12-09 Deutsche Thomson OHG Method and apparatus for generating or cutting or changing a frame based bit stream format file including at least one header section, and a corresponding data structure

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001344905A (ja) * 2000-05-26 2001-12-14 Fujitsu Ltd データ再生装置、その方法及び記録媒体
JP2002196794A (ja) * 2000-12-25 2002-07-12 Olympus Optical Co Ltd 音声記録再生装置
WO2003032296A1 (fr) * 2001-10-03 2003-04-17 Sony Corporation Appareil et procede de codage, appareil et procede de decodage et appareil et procede d'enregistrement de support d'enregistrement
JP2009544054A (ja) * 2006-07-18 2009-12-10 トムソン ライセンシング 非可逆符号化信号のビットストリーム・データ及び上記信号の可逆拡張符号化データのオーディオ・ビットストリーム・データ構造配置
JP2014016625A (ja) * 2008-01-04 2014-01-30 Dolby International Ab オーディオコーディングシステム、オーディオデコーダ、オーディオコーディング方法及びオーディオデコーディング方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ERWIN JANSSEN ET AL.: "DSD compression for resent ultra high quality 1-bit coders", AUDIO ENGINEERING SOCIETY, May 2005 (2005-05-01), XP055521872 *
See also references of EP3438976A4 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110611639A (zh) * 2018-06-14 2019-12-24 视联动力信息技术股份有限公司 流媒体会议的音频数据处理方法和装置
US11184665B2 (en) * 2018-10-03 2021-11-23 Qualcomm Incorporated Initialization set for network streaming of media data
WO2020142364A1 (en) * 2019-01-04 2020-07-09 Tencent America LLC Flexible interoperability and capability signaling using initialization hierarchy
US11546402B2 (en) 2019-01-04 2023-01-03 Tencent America LLC Flexible interoperability and capability signaling using initialization hierarchy
US11770433B2 (en) 2019-01-04 2023-09-26 Tencent America LLC Flexible interoperability and capability signaling using initialization hierarchy

Also Published As

Publication number Publication date
JP6876928B2 (ja) 2021-05-26
JPWO2017169890A1 (ja) 2019-02-14
EP3438976A1 (en) 2019-02-06
US20200411021A1 (en) 2020-12-31
EP3438976A4 (en) 2019-04-24
CN108885874A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
JP6876928B2 (ja) 情報処理装置および方法
KR102451342B1 (ko) 다수의 오브젝트 오디오의 인코딩 후 비트레이트 감소
KR101739272B1 (ko) 멀티미디어 스트리밍 시스템에서 컨텐트의 저장 및 재생을 위한 장치 및 방법
KR101695214B1 (ko) 파일 포맷 기반의 적응적 스트림 생성, 재생 방법 및 장치와 그 기록 매체
JP2018186524A (ja) コンテンツ送信装置およびコンテンツ再生装置
WO2016058411A1 (zh) 一种http实时流媒体分片的拼接方法及拼接系统
JP6439691B2 (ja) ファイル生成装置および方法、並びにコンテンツ再生装置および方法
KR20060111904A (ko) 메타-데이터 및 미디어-데이터를 포함하는 멀티미디어파일의 스트리밍
JP2024026650A (ja) 独立的に符号化されたタイルを組み込む基本ビットストリームを保護するためのシステムおよび方法
JP7238948B2 (ja) 情報処理装置および情報処理方法
WO2016002495A1 (ja) 情報処理装置および方法
CN105208440A (zh) 一种mp4格式视频在线播放的方法及系统
WO2018142946A1 (ja) 情報処理装置および方法
KR20150047459A (ko) 멀티－미디어 파일 에뮬레이션 디바이스
US20190088265A1 (en) File generation device and file generation method
CN105122821A (zh) 服务器装置、内容提供方法以及计算机程序
US9398351B2 (en) Method and apparatus for converting content in multimedia system
WO2018142947A1 (ja) 情報処理装置および方法
WO2017169891A1 (ja) 情報処理装置および方法
WO2015115253A1 (ja) 受信装置、受信方法、送信装置、及び、送信方法
CN113014930B (zh) 信息处理设备、信息处理方法和计算机可读记录介质
WO2018079293A1 (ja) 情報処理装置および方法
WO2015050001A1 (ja) ファイル生成装置および方法、並びにファイル再生装置および方法
IRT et al. D4. 1: Requirements for Representation, Archiving and Provision of Object-based Audio

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2018509039

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2017774431

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2017774431

Country of ref document: EP

Effective date: 20181031

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17774431

Country of ref document: EP

Kind code of ref document: A1