Hellmuth, Oliver (Schorlachstrasse 10a, Erlangen, 91058, DE)
Hoelzer, Andreas (Obere Karlstrasse 23, Erlangen, 91054, DE)
Geyersberger, Stefan (Otto-Roth-Str. 90, Wuerzburg, 97076, DE)
Herre, Juergen (Am Eichengarten 11, Buckenhof, 91054, DE)
Hellmuth, Oliver (Schorlachstrasse 10a, Erlangen, 91058, DE)
Hoelzer, Andreas (Obere Karlstrasse 23, Erlangen, 91054, DE)
Geyersberger, Stefan (Otto-Roth-Str. 90, Wuerzburg, 97076, DE)
| 1. | Vorrichtung zum Synchronisieren von Zusatzdaten und Basisdaten, wobei die Zusatzdaten und die Basisdaten definierte zeitliche Verläufe haben und Dateninforma tionen umfassen, die gemeinsam wiedergebbar sind, mit folgenden Merkmalen: einer Einrichtung (10) zum Bereitstellen eines Test fingerabdrucks von Testdaten, der sich auf einen Test¬ zeitpunkt der Testdaten bezieht, wobei die Testdaten die Zusatzdaten oder die Basisdaten sind, oder wobei die Testdaten von den Zusatzdaten oder den Basisdaten abhängen; einer Einrichtung (11) zum Bestimmen von Referenzzeit¬ punktinformationen (tx, SD) , die von einem Referenz¬ zeitpunkt in den Referenzdaten abhängen, wobei die Re¬ ferenzdaten Daten sind, von denen nicht der Testfin gerabdruck stammt, unter Verwendung des Testfingerab¬ drucks; und einer Einrichtung (12) zum Manipulieren der Zusatzda¬ ten oder der Basisdaten unter Verwendung der Referenz Zeitpunktinformationen und von Testzeitpunktinformati¬ onen (tv) , die von dem Testzeitpunkt abhängen, um ma¬ nipulierte Daten zu erhalten, wobei die Einrichtung (12) zum Manipulieren ausgebildet ist um die Zusatzda¬ ten oder die Basisdaten so zu manipulieren, dass eine synchrone Wiedergabe der Dateninformationen aufgrund der manipulierten Daten durchführbar ist. |
| 2. | Vorrichtung gemäß Anspruch 1, bei der der Testfinger abdruck so ausgebildet ist, dass derselbe einen zeit liehen Verlauf hat, der mit dem zeitlichen Verlauf der Daten, von dem derselbe abgeleitet ist, zusammenhängt, und bei der die Einrichtung (11) zum Bestimmen ausgebildet ist, um einen Referenzfingerabdruck von den Referenz¬ daten zu erhalten, wobei der Referenzfingerabdruck ei¬ nen zeitlichen Verlauf hat, der von dem zeitlichem Verlauf der Referenzdaten abhängt, und bei der die Einrichtung (11) zum Bestimmen ferner aus¬ gebildet ist, um den Testfingerabdruck mit dem Refe¬ renzfingerabdruck für verschiedene zeitliche Versätze des Testfingerabdrucks und des Referenzfingerabdrucks zu korrelieren, und um bei einer maximalen Überein¬ stimmung des Referenzfingerabdrucks und des Testfin¬ gerabdrucks einen zugeordneten zeitlichen Versatz als Referenzzeitpunktinformationen zu bestimmen. |
| 3. | Vorrichtung nach Anspruch 2, bei der der Testfingerab¬ druck eine zeitliche Länge des Testsignals umfast, die kürzer als eine zeitliche Länge des Referenzsignals ist, die durch den Referenzfingerabdruck umfasst ist. |
| 4. | Vorrichtung nach einem der vorhergehenden Ansprüche, bei der die Basisdaten Audiodaten sind, bei der die Zusatzdaten zeitliche Audiodaten oder parametrische Audiodaten sind, die auf die Basisdaten bezogen sind, bei der die Einrichtung (10) zum Bereitstellen ausgebildet ist um den Testfingerabdruck bereitzustellen, der von den Zusatzdaten abgeleitet ist, bei der die Einrichtung (11) zum Bestimmen ausgebildet ist, um unter Verwendung eines Referenzfingerabdrucks von den Basisdaten die Referenzzeitpunktinformationen zu bestimmen, und bei der die Einrichtung (12) zum Manipulieren ausge¬ bildet ist, um die Zusatzdaten zu manipulieren, um die manipulierten Daten zu erhalten. |
| 5. | Vorrichtung nach einem der vorgehenden Ansprüche, bei der die Zusatzdaten in den Basisdaten nicht enthaltene zusätzliche Kanäle in Form von zeitlichen Abtastwerten oder parametrischen Informationen, wie BCCParameter ICLD, ICTD oder ICC Parameterdaten, Banddaten, die sich auf ein Frequenzband beziehen, das in den Basis¬ daten reduziert oder nicht vorhanden ist, eine höhere Skalierungsschicht als eine Skalierungsschichtordnung der Basisdaten oder Qualitätsverbesserungsdaten, um einen ausgewählten Teil der Basisdaten zu verbessern, umfassen. |
| 6. | Vorrichtung nach einem der vorgehenden Ansprüche, bei der die Einrichtung (12) zum Manipulieren ausgebildet ist, um eine zeitliche Stauchung/Dehnung, ein Ab¬ schneiden an einem zeitlichen Anfang oder zeitlichen Ende von Daten oder eine Datenerzeugung an einem zeit¬ lichen Anfang oder einem zeitlichen Ende von Daten durchzuführen, um die manipulierten Daten zu erhalten. |
| 7. | Vorrichtung nach einem der vorhergehenden Ansprü¬ che, bei der die Basisdaten eine reale Version eines Audiosignals darstellen, bei der die Einrichtung (11) zum Bestimmen ausgebildet ist, um einen Testfingerabdruck einer idealen Version des Audiosignals zu erhalten, der die Zusatzdaten zu¬ geordnet sind, bei der die Einrichtung (12) zum Manipulieren ausge¬ bildet ist, um die Zusatzdaten so zu manipulieren, dass sie der realen Version des Audiosignals zugeord¬ net sind, das durch die realen Basisdaten (10) reprä¬ sentiert wird. |
| 8. | Vorrichtung nach einem der vorhergehenden Ansprüche, bei der die Einrichtung (10) zum Bereitstellen ausge¬ bildet ist, um einen weiteren Testfingerabdruck be reitzustellen, der sich auf einen weiteren Testzeit¬ punkt bezieht, der von dem einen Testzeitpunkt um ei¬ nen vorbestimmten zeitlichen Abstand beabstandet ist, bei der die Einrichtung (11) zum Bestimmen ausgebildet ist, um unter Verwendung des weiteren Testfingerab¬ drucks weitere Referenzzeitpunktinformationen zu bestimmen, wobei ein weiterer Referenzzeitpunkt von dem einen Referenzzeitpunkt einen zeitlichen Referenz abstand aufweist, bei der die Einrichtung (12) zum Manipulieren ausge¬ bildet ist, um aufgrund des Testabstandes und des Re¬ ferenzabstandes einen Dehnungs/Stauchungsfaktor zu be rechnen und die Zusatzdaten oder die Basisdaten unter Verwendung dieses Dehnungs/StauchungsFaktors zeitlich zu dehnen oder zu stauchen. |
| 9. | Vorrichtung nach Anspruch 8 bei der die Einrichtung (12) zum Manipulieren ausgebildet ist um den Stau chungs/Dehnungsfaktor folgendermaßen zu berechnen: SD = ΔTref /ΔTtest , wobei ΔTtest eine zeitliche Differenz zwischen dem ei¬ nen Testzeitpunkt und dem weiteren Testzeitpunkt ist, wobei ΔTref eine zeitliche Differenz zwischen einem ersten Referenzversatz TaOff und einem zweiten Refe¬ renzversatz TbOff ist, wobei der erste Referenzversatz Taoff erhalten wird, wenn der erste Testfingerabdruck mit dem Referenzsignal korreliert wird, und wobei der zweite Referenzversatz Tboff erhalten wird, wenn der weitere Testfingerabdruck mit dem Referenzsignal kor¬ reliert wird. |
| 10. | Vorrichtung nach einem der vorangehenden Ansprüche, bei der die Einrichtung (11) zum Bestimmen ausgebildet ist, um als Referenzzeitpunktinformationen einen zeit liehen Referenzversatz des Referenzzeitpunktes zu ei¬ nem zeitlichen Anfang der Referenzdaten zu ermitteln und bei der die Einrichtung zum Manipulieren ausgebildet ist um von den Zusatzdaten oder den Basisdaten abhän¬ gig von einem Testversatz zwischen dem Tes£zeitpunkt und einem zeitlichen Anfang der Testdaten und dem Re¬ ferenzversatz einen Eingangsbereich (A) am Anfang der Zusatzdaten oder der Basisdaten zu eliminieren. |
| 11. | Vorrichtung nach Anspruch 10, bei der die Einrichtung (11) zum Bestimmen ausgebildet ist, um einen Deh nungs/Stauchungsfaktor zu ermitteln, um den das Refe renzsignal bezüglich eines Signals gedehnt oder ge¬ staucht ist, von dem der Testfingerabdruck abgeleitet ist, und bei der die Einrichtung (12) zum Manipulieren ausge bildet ist, um den Testversatz mit dem Dehnungs /Stauchungsfaktor zu gewichten, so dass der Eingangs¬ bereich ferner von dem Dehnungs/Stauchungsfaktor ab¬ hängt. |
| 12. | Vorrichtung nach einem der vorhergehenden Ansprüche, bei der die Einrichtung (12) zum Manipulieren ausge¬ bildet ist, um einen Eliminationsbereich (E) am Ende der Basisdaten oder der Zusatzdaten abhängig von einer zeitlichen Länge von am Anfang gekürzten oder gedehn ten oder gestauchten Basisdaten oder Zusatzdaten zu eliminieren. |
| 13. | Servervorrichtung mit folgenden Merkmalen: einer Einrichtung (81) zum Empfangen eines Referenz¬ fingerabdrucks (85) von Basisdaten; einer Einrichtung (71) zum Identifizieren der Basisda¬ ten aufgrund des Referenzfingerabdrucks; einer Einrichtung zum Senden (25) eines Testfingerab drucks einer der Servervorrichtung zugänglichen Versi¬ on der Basisdaten; und einer Einrichtung zum Senden (23) von den Basisdaten zugeordneten Zusatzdaten. |
| 14. | ClientVorrichtung (84) mit folgenden Merkmalen: einer Einrichtung zum Senden (21) eines Referenzfin¬ gerabdrucks von Basisdaten; einer Einrichtung zum Empfangen eines Testfingerab¬ drucks von Testdaten, der sich auf einen Testzeitpunkt der Testdaten bezieht, wobei die Testdaten die Zusatz¬ daten oder die Basisdaten sind, oder von den Zusatzda ten oder den Basisdaten abhängen, und von den Zusatz¬ daten, die den Basisdaten zugeordnet sind; einer Einrichtung (11) zum Bestimmen von Referenzzeit¬ punktinformationen (tx, SD) , die von einem Referenz Zeitpunkt in den Referenzdaten abhängen, wobei die Re¬ ferenzdaten Daten sind, von denen nicht der Testfin¬ gerabdruck stammt, unter Verwendung des Testfingerab drucks; und einer Einrichtung (12) zum Manipulieren der Zusatzda¬ ten oder der Basisdaten unter Verwendung der Referenz¬ zeitpunktinformationen und von Testzeitpunktinformati¬ onen (tv) , die von dem Testzeitpunkt abhängen, um ma¬ nipulierte Daten zu erhalten, wobei die Einrichtung (12) zum Manipulieren ausgebildet ist um die Zusatzda¬ ten oder die Basisdaten so zu manipulieren, dass eine synchrone Wiedergabe der Dateninformationen aufgrund der manipulierten Daten durchführbar ist. |
| 15. | ClientVorrichtung nach Anspruch 14 bei der die Ein¬ richtung (12) zum Manipulieren ausgebildet ist, um nur die Zusatzdaten zu manipulieren, um die manipulierten Daten zu erhalten, und um den Basisdaten die manipu¬ lierten Daten hinzuzufügen, um einen Ergebnisdatensatz zu erhalten, der die Dateninformationen umfasst. |
| 16. | ClientVorrichtung nach Anspruch 14 und 15, die ferner folgendes Merkmal aufweist: eine Wiedergabevorrichtung (13) zum Wiedergeben der Dateninformationen unter Verwendung der manipulierten Daten. |
| 17. | Verfahren zum Synchronisieren von Zusatzdaten und Ba¬ sisdaten, wobei die Zusatzdaten und die Basisdaten de¬ finierte zeitliche Verläufe haben und Dateninformatio¬ nen umfassen, die gemeinsam wiedergebbar sind, mit folgenden Schritten: Bereitstellen (10) eines Testfingerabdrucks von Test¬ daten, der sich auf einen Testzeitpunkt der Testdaten bezieht, wobei die Testdaten die Zusatzdaten oder die Basisdaten sind, oder wobei die Testdaten von den Zu¬ satzdaten oder den Basisdaten abhängen; Bestimmen (11) von Referenzzeitpunktinformationen (tx, SD) , die von einem Referenzzeitpunkt in den Referenz daten abhängen, wobei die Referenzdaten Daten sind, von denen nicht der Testfingerabdruck stammt, unter Verwendung des Testfingerabdrucks; und Manipulieren (12) der Zusatzdaten oder der Basisdaten unter Verwendung der Referenzzeitpunktinformationen und von Testzeitpunktinformationen (tv) , die von dem Testzeitpunkt abhängen, um manipulierte Daten zu er¬ halten, die so manipuliert sind, dass eine synchrone Wiedergabe der Dateninformationen aufgrund der manipu¬ lierten Daten durchführbar ist. |
| 18. | Verfahren zum Betreiben einer Servervorrichtung, mit folgenden Schritten: Empfangen (81) eines Referenzfingerabdrucks; (85) " von Basisdaten; Identifizieren (71) der Basisdaten aufgrund des Refe¬ renzfingerabdrucks; Senden (25) eines Testfingerabdrucks einer der Server¬ vorrichtung zugänglichen Version der Basisdaten; und Senden (23) von den Basisdaten zugeordneten Zusatzda¬ ten. |
| 19. | Verfahren zum Betreiben einer ClientVorrichtung (84), mit folgenden Schritten: Senden (21) eines Referenzfingerabdrucks von Basisda¬ ten; Empfangen eines Testfingerabdrucks von Testdaten, der sich auf einen Testzeitpunkt der Testdaten bezieht, wobei die Testdaten die Zusatzdaten oder die Basisda¬ ten sind, oder von den Zusatzdaten oder den Basisdaten abhängen, und von den Zusatzdaten, die den Basisdaten zugeordnet sind; Bestimmen (11) von Referenzzeitpunktinformationen (tx, SD) , die von einem Referenzzeitpunkt in den Referenz¬ daten abhängen, wobei die Referenzdaten Daten sind, von denen nicht der Testfingerabdruck stammt, unter Verwendung des Testfingerabdrucks; und Manipulieren (12) der Zusatzdaten oder der Basisdaten unter Verwendung der Referenzzeitpunktinformationen und von Testzeitpunktinformationen (tv) , die von dem Testzeitpunkt abhängen, um manipulierte Daten zu er halten, die so manipuliert sind, dass eine synchrone Wiedergabe der Dateninformationen aufgrund der manipu¬ lierten Daten durchführbar ist. |
| 20. | Computerprogramm mit einem Programmcode zum Durchfüh ren des Verfahrens nach Patentanspruch 17, 18 oder 19 wenn das Verfahren auf einem Computer abläuft. |
Beschreibung
Die vorliegende Erfindung bezieht sich auf die Multimedia¬ datenverarbeitung und insbesondere auf die zeitsynchrone Hinzufügung von insbesondere Audio-Zusatzinformationen zu Audio-Basisdaten.
Gerade in der Entwicklung befindliche oder auch zukünftige Technologien ermöglichen eine immer effizientere Speiche¬ rung von Audiosignalen oder Videosignalen, aber auch eine Steigerung des Hör- bzw. Sehgenusses durch Erweiterungen, wie beispielsweise durch den Einsatz der Mehrkanaltechnik. Solche Erweiterungen können in neuen Dateiformaten abgelegt und zusammen mit den Audiobasisdaten, welche beispielswei¬ se ein Mono- oder Stereoaudiosignal sein können, dem Nutzer zur Verfügung gestellt werden. Die Erweiterungsdaten können zum Beispiel MehrkanalzusatzInformationen sein. Dies bedeu¬ tet, dass sowohl die Audiobasisdaten, als auch die Erweite¬ rungsdaten in einem gemeinsamen Datenstrom, bzw. einer Da¬ tei enthalten sind.
Es ist jedoch auch gleichzeitig interessant, dass ein Nut¬ zer, der bereits eine Stereoversion eines Audiosignals be¬ sitzt, lediglich eine Erweiterung, nämlich den Mehrkanal¬ ton, erhält und seinem bestehenden Audiosignal, bzw. der entsprechenden Datei, nachträglich hinzufügt. Insbesondere diese Variante hat verschiedene Vorteile. So müssen nicht unnötig Daten übertragen werden, welche ohnehin schon beim Benutzer vorhanden sind. Insbesondere in einem Szenario, in dem ein Dienst-Anbieter seine Leistung nach der Menge der über sein Netz übertragenen Daten abrechnet, kann ein Nut¬ zer eine erhebliche Kosteneinsparung dadurch erzielen, dass er so wenig Daten als möglich über ein Netz empfängt.
So ist ein Benutzer beispielsweise im Besitz einer Stereo- CD und hat von einem bestimmten Musikstück daher den linken und den rechten Kanal. Mit dem Aufkommen der Mehrkanaltech¬ nik, wie beispielsweise, der 5.1-Technik, kann der Benutzen nun den Wunsch haben, auf seiner neuen Surround-Anlage nicht nur seine Stereo-CD abzuspielen, sondern eine 5- Kanal-Version seiner Stereo-CD zu haben und abzuspielen. In diesem Fall würde es genügen, dem Benutzer, der bereits den linken und rechten Kanal hat, lediglich den linken Sur- round-Kanal, den rechten Surround-Kanal und den Center- Kanal zu übertragen. In dem beschriebenen Szenario, in dem die Menge an übertragenen Daten abgerechnet wird, würde sich ein Benutzer bereits 40% der Datenmenge sparen, wenn er sich nur 3 Kanäle anstatt 5 Kanäle schicken lässt.
Des weiteren ist der Zukauf von den Erweiterungsdaten für den Nutzer möglicherweise wirtschaftlich attraktiver, da er für bereits vorhandene Audio-Basisdaten nicht erneut bezah¬ len muss. So könnte eine Plattenfirma, die bereits eine Stereo-CD verkauft hat, als Zusatz-Service für Ihre Kunden, die „Surround"-Erweiterung zu einem billigeren Preis anbie¬ ten, als die komplette 5-Kanalversion eines Musikstücks.
Die Verwendung von Zusatzdaten für bereits bestehende Daten kann jedoch auch für verschiedene andere Anwendungen von hohem Interesse sein. Insbesondere in dem Bereich der ska¬ lierbaren Audio-/Videodaten könnten Zusatzdaten in einer höheren Skalierungsschicht bestehen. In dem in der Technik bekannten Skalierbarkeits-Konzept existiert z. B. von einem Audiostück eine Basisskalierungsschicht, die das Audio- Signal bis zu einer bestimmten Bandbreite, wie beispiels¬ weise 8 kHz, umfasst. Ein Abspielgerät, das z. B. nur diese maximale Bandbreite von 8 kHz wiedergeben kann, ist mit solchen Daten voll und ganz ausgelastet. Das Abspielgerät könnte zum Beispiel ein Player sein, der keine besonders breitbandigen Lautsprecher hat. Genauso könnte dieses Sig¬ nal auch nach unten bandbegrenzt sein so dass der Player auch keine Töne unter z. B. 500 Hz wiedergeben kann. Die
nächsthöhere Skalierungsschicht könnte die nach unten feh¬ lende Bandbreite und/oder die nach oben fehlende Bandbreite sein, wie beispielsweise die Bandbreite von 20 Hz - 500 Hz und die Bandbreite von 8 kHz - 16 kHz. Diese erste Skalie- rungssicht wäre dann mit dem ursprünglichen Audiosignal, dessen Bandbreite zwischen 500 Hz und 8 kHz liegt, zu kom¬ binieren, um ein breitbandiges Audiosignal zu erhalten, das dann durch ein breitbandiges Wiedergabegerät wiedergegeben werden kann. Auch diese Skalierungsschicht-Variante könnte durchaus von einem Anbieter, derart bereit gestellt werden, dass die erste Skalierungssicht für einen Nutzer weniger kostet als das breitbandige Audiosignal, da der Benutzer das „schmalbandige" Audiosignal bereits vorher kosten¬ pflichtig bezogen hat.
Weitere Erweiterungsdaten bestehen in Videodaten, bei denen die Basisschicht eine Videosequenz mit einer bestimmten Auflösung liefert, während die nächste Skalierungsschicht Videodaten liefert, die bereits selbst eine höhere Auflό- sung haben, oder die, wenn sie mit den ursprünglichen Vi¬ deodaten kombiniert werden, in einer Videosequenz mit höhe¬ rer Auflösung resultieren. Ein solches Szenario ist dann gegeben, wenn ein Benutzer nur ein Video-Wiedergabegerät mit einer geringeren Auflösung hat und dann später ein Vi- deo-Wiedergabegerät mit höherer Auflösung erhält und seine „alten" Videos mit der durch sein neues Gerät möglich ge¬ machten höheren Auflösung ansehen möchte.
Weitere Erweiterungsdaten bestehen auch in so genannten SBR-Daten (SBR = Spectral Band Replication = Spektral- bandreplikation) . In der bekannten SBR-Technik erzeugt ein Codierer aufgrund einer zur Verfügung stehenden niedrigen Ausgangsdatenrate nur ein bandbegrenztes Signal, das sich nur bis zu einer maximalen Grenzfrequenz von z. B. 4 oder 6 kHz erstreckt. Die Daten für das fehlende hohe Band werden nicht mehr als Audio-Abtastwerte oder Audio-Spektralwerte codiert sondern als parametrische Daten. Bei der SBR- Technik sind dies parametrische Dateninformationen über die
spektrale Hüllkurve (Spectral Envelope) . Ein SBR-Decodierer wird dann Spektralwerte aus dem zur Verfügung stehenden Band in ein höheres Band kopieren und damit eine spektrale Feinstruktur des höheren Bandes festlegen, während die spektrale Grobstruktur also der Spectral Envelope durch die parametrischen Zusatzdaten bestimmt wird. Je nach Implemen¬ tierung könnte ein Benutzer daher seine bereits bestehenden bandbegrenzten codierten oder uncodierten Audiodaten entwe¬ der aufgrund der übertragenen SBR-Parameter oder bereits aufgrund von zeitlichen Audio-Abtastwerten, die nur das ho¬ he Band umfassen, zu einem breitbandigen Audio-Signal er¬ gänzen.
Auch bei der Mehrkanal-Audiowiedergabetechnik, die wenigs- tens 3 Wiedergabekanäle hat, wie beispielsweise Links, Rechts und Center, werden zunehmend parametrische Techniken eingesetzt, die auch unter dem Stichwort BCC-Technik be¬ kannt sind. Bei der BCC-Technik werden einer oder zwei Ba¬ siskanäle verwendet, um unter Verwendung von parametrischen Zusatzdaten eine prinzipiell beliebige Anzahl von Wiederga¬ bekanälen, wie beispielsweise 5 Kanäle in der Surround- Wiedergabetechnik, zu erzeugen. Die parametrischen Daten sind hier Zwischenkanal-Pegeldifferenzen (ICLD; ICLD= inter Channel level differences) , Zwischenkanal-Zeitdifferenzen (inter Channel time differences) oder Zwischenkanal- Kohärenzinformationen (ICC; ICC= inter Channel coherence) .
Diese parametrischen Daten werden auf die übertragenen Ste¬ reo-Basiskanäle angewendet, um durch verschiedene Gewich- tungen/Kombinationen der zwei Basiskanäle die Wiedergabeka¬ näle zu erzeugen.
Auch in diesem Szenario könnte ein Benutzer, der bereits im Besitz der beiden Stereokanäle eines Musikstücks ist, ein Interesse haben, entweder die Parameterdaten „zuzukaufen", die natürlich nur sehr geringe Datenraten in Anspruch neh¬ men. In diesem Fall müsste ein Empfänger jedoch über einen BCC-Decodierer verfügen, um mit den parametrischen Daten
etwas anfangen zu können. Alternativ könnte jedoch auch ein Dienstanbieter aufgrund der parametrischen Daten die 3 Ka¬ näle Left-Surround, Right-Surround und Center aus solchen parametrischen Daten und bei ihm vorliegenden (idealen) Versionen der beiden Stereobasiskanäle erzeugen und gewis¬ sermaßen „decodiert", also als Audiodaten, die nicht para¬ metrische Daten sind, zum Empfänger schicken.
Ähnliche Mehrkanal-Codiertechniken unter Verwendung para- metrischer Daten sind auch unter dem Stichwort „Intensity- Stereo-Codierung" bekannt.
Das zeitsynchrone Hinzufügen von insbesondere zeitkontinu¬ ierlichen Erweiterungsdaten an zeitkontinuierliche Audio- Basisdaten, wobei die zeitkontinuierlichen Erweiterungsda¬ ten bereits z. B. aus parametrischen Daten erzeugt worden sind, führt zu einer Reihe von praktischen Problemen, die für eine erfolgreiche Anwendung gelöst werden müssen.
Für alle Erweiterungsdaten sollte sicher gestellt werden, dass diese exakt zu dem Partner unter der großen Menge ver¬ schiedener Audio-Basisdaten passen, für den sie entworfen, erzeugt oder berechnet worden sind. Dies wird insbesondere dadurch erschwert, dass die Basisdaten per se über keine eindeutige Kennung verfügen, an Hand derer sie identifi¬ ziert oder gar einem eindeutigen Partner zugeordnet werden können. Beispielhaft sollen Mehrkanalzusatzdaten Dx eines Musikstücks X nur zu diesem Musikstück X hinzugefügt werden und nicht zu einem anderen Musikstück Y oder einem so ge- nannten Remix „XR" des selben Musikstückes X. An dieser Stelle wird darauf hingewiesen, dass es insbesondere im Be¬ reich der Pop-Rock-Musik immer mehrere Versionen eines Stücks gibt, so können diese Versionen Langversionen für eine CD, Kurzversionen für eine Single, Live-Versionen oder die sogenannten Neuauflagen oder Remix-Versionen sein. Aber auch im Bereich der klassischen Musik existiert für ein und dasselbe Stück eine Vielzahl von Interpretationen, die al¬ lein dadurch entstehen, dass ein Stück von verschiedenen
Orchestern aufgenommen worden ist. So ist es selbstver¬ ständlich, dass Mehrkanalzusatzdaten einer Aufnahme eines klassischen Stücks vom Orchester X natürlich nicht zu der Aufnahme desselben klassischen Stücks vom Orchester Y pas- sen werden.
Eine weitere Problematik besteht darin, dass dafür gesorgt werden muss, dass die Audio-Basisdaten präzise zeitsynchron zu den Erweiterungsdaten passen und umgekehrt. Ist dies nicht der Fall, so sind in den meisten Fällen die Erweite¬ rungsdaten für den Nutzer wertlos. Bereits wenn die Mehrka¬ nalzusatzinformationen eines Musikstücks einen minimalen Versatz zu den Stereobasisdaten haben, treten deutlich hör¬ bare Artefakte im Klangbild auf und der Nutzer hat damit lediglich eine fehlerhafte Mehrkanalversion des Musik¬ stücks, die im Extremfall nicht mehr nutzbar ist.
Audio-Basisdaten können auch in verkürzter Form vorliegen. Soll beispielsweise ein Dienstanbieter für eine Mehrkanal- erweiterung von bestehenden Stereosignalen sorgen, soll er also die Mehrkanalzusatzdaten erzeugen, so sollte er einen Zugriff auf eine Mehrkanalversion des Musikstücks haben. Der Nutzer des Dienstes, der die Mehrkanalzusatzinformatio¬ nen wünscht, besitzt ebenfalls eine Version des Musik- Stücks, nämlich eine Stereoversion. Hat der Endanwender bei der Erstellung bzw. Verarbeitung, beispielsweise beim Ein¬ lesen einer CD, von den Audiodaten absichtlich oder unab¬ sichtlich Teile des Anfangs oder des Endes entfernt, so de¬ cken die Mehrkanalversion des Dienstanbieters und die Ste- reoversion des Endanwenders nicht mehr den gleichen Audio¬ bereich ab. Auch solche Situationen sollen, sofern sie auf¬ treten, beim Hinzufügen der Mehrkanalzusatzdaten berück¬ sichtigt werden.
Sind die Audiobasisdaten ferner zeitlich gedehnt oder ge¬ staut, wurden sie also schneller oder langsamer aufgezeich¬ net/abgespielt, so führt dies ebenfalls zu Problemen bei der Hinzufügung. Hier müsste der korrekte Stauchungs-
/Dehnungsfaktor ermittelt werden, welcher dann für die Er¬ weiterungsdaten in gleicher Weise verwendet werden sollte. Hat der Endanwender seine Stereoversion zum Beispiel aus dem Radio aufgenommen, so kann es sein, dass diese bis zu 3% schneller oder langsamer abgespielt wurde. Dementspre¬ chend besitzt der Endanwender nun eine gedehnte/längere bzw. gestauchte/kürzere Version des Musikstücks, %was eben¬ falls auch für die Mehrkanalzusatzdaten eine Relevanz haben wird.
Ferner sollten alle genannten Daten auch dann bestimmt wer¬ den können, wenn das Audiobasissignal nicht mehr in seiner ursprünglichen Form vorliegt, sondern in gewissen Grenzen durch die Übertragung, beispielsweise durch eine Audioco- dierung, verändert wurde. Ist die Stereoversion des Endan¬ wenders von einem analogen Kassettenrecorder überspielt worden, so hat sich dadurch das Musikstück quantitativ ver¬ ändert (verschlechtert) . Selbst unter diesen (schwierige¬ ren) Bedingungen, sollte das Hinzufügen der Mehrkanalzu- satzdaten prinzipiell ebenfalls funktionieren.
Insbesondere sei darauf hingewiesen, dass man in der Tech¬ nik unter „Kürzung" die Entfernung von Daten z. B. am An¬ fang oder am Ende eines Stückes versteht. Der englische Fachausdruck hierfür ist „cropping". Unter „Stauchung" ver¬ steht man dagegen eine lineare Verzerrung der Zeitachse, beispielsweise durch schnellere Wiedergabe, was im Bereich der Digitaltechnik einem „Resampling" entspricht, d. h. der Umsetzung auf eine geänderte Abtastfrequenz. Analog bedeut die „Verlängerung" eine Hinzufügung von Daten, während die „Dehnung" eine lineare Verzerrung der Zeitachse in umge¬ kehrter Richtung, also eine langsamere Wiedergabe, bedeu¬ tet.
Aus der Technik, insbesondere auch aus der Kino-Video- Technik, sind Zeitsynchronisierungsverfahren bekannt, bei denen typischerweise auf Time-Code-Standards, die auch Time-Stamps bezeichnet werden, zurückgegriffen wird. Durch
korrekt aufeinander abgestimmte Zeitcodes sowohl im Video- Material als auch im Audio-Material, wird sichergestellt, dass zu einer Sequenz von Bildern auch der dazu passende Ton abgespielt wird. Solche Zeitcodes ermöglichen die Syn- chronisation von Audio- und Videodaten sowie Multimediada¬ ten. Sie sind jedoch üblicherweise in Consumer-Audio- Formaten nicht vorhanden. Eine CD, die eine Ste-reoversion eines Stückes enthält, enthält keine eindeutig standardisierten bzw. allgemein anerkannten Zeitcodes. Auch für die „Anreicherung" von üblichen Video-Sequenzen mit Zusatzinformationen, um eine höher aufgelöste Videosequenz zu erhalten, existieren keine allgemein anerkannten Zeitsynchronisationstechnologien.
Daher gelingt bisher die Hinzufügung von Zusatzinformatio¬ nen zu Basisinformationen sowohl im Audio- als auch Video- Bereich, nur dann, wenn sowohl die Basisdaten als auch die Zusatzdaten in „einem Guss" erzeugt worden sind, wie bei¬ spielsweise dann, wenn ein BCC-Encodierer BCC-Parameter aufgrund einer Mehrkanalversion erzeugt, wobei eine BCC- Decodierung nur auf der Basis der von dieser Mehrkanalver¬ sion abgeleiteten Basiskanäle erfolgen kann, nicht jedoch unter Verwendung von beliebigen Basiskanälen. Ähnlich ist die Situation bei skalierbaren Codierern oder bei SBR- Systemen. Hier wird ebenfalls „aus einem Guss w gearbeitet, da SBR-Zusatzdaten oder höhere Skalierungsschichten nur ge¬ nau zu einer Basisskalierungsschicht bzw. einem Low-Band- Signal passen, das bei der Erzeugung der Daten bereits zur Verfügung gestanden haben muss. Für beliebige Basisdaten, wie sie bei einem Benutzer vorliegen können und von dem Be¬ nutzer bereits gewollt oder ungewollt (Qualitätsverschlech¬ terung) manipuliert worden sind, funktionieren solche Kon¬ zepte, die nach dem Prinzip des „einen Gusses" arbeiten, bereits per Definition nicht.
Die Aufgabe der vorliegenden Erfindung besteht darin, ein praktikables und robustes Konzept zum Synchronisieren von Zusatzdaten und Basisdaten zu schaffen.
Diese Aufgabe wird durch eine Vorrichtung zum Synchronisie¬ ren gemäß Patentanspruch 1, eine Server-Vorrichtung gemäß Patentanspruch 13, eine Client-Vorrichtung gemäß Patentan- spruch 14, ein Verfahren zum Synchronisieren gemäß Patent¬ anspruch 17, ein Client-Verfahren gemäß Patentanspruch 18, ein Server-Verfahren gemäß Patentanspruch 19 oder ein Com¬ puter-Programm gemäß Patentanspruch 20 gelöst.
Der vorliegenden Erfindung liegt die Erkenntnis zu Grunde, dass das Synchronisieren von Zusatzdaten und Basisdaten dann gelingen kann, wenn auf die bereits zur Audio- Identifikation eingesetzte Fingerabdruck- (Fingerprint-) Technologie zurückgegriffen wird. Nachdem ein Benutzer ei- nen Fingerabdruck seiner Basisdaten, zu denen er Erweite¬ rungsdaten wünscht, bereitgestellt hat, kann ein Anbieter solcher Zusatzinformationen eindeutig identifizieren, um welches Stück der Audiobasisdaten es sich handelt, also von welchem Interpreten und aus welchem Aufnähmejähr etc.
Insbesondere sind existierende Fingerprint-Technologien derart ausgereift, dass sie sowohl robust gegenüber Verzer¬ rungen durch Qualitätsverschlechterungen oder verlustbehaf¬ tete Codierungen sind als auch so charakteristisch sind, dass ein Fingerabdruck einer Live-Version eindeutig von ei¬ nem Fingerabdruck einer Studioversion oder z. B. von einem Fingerabdruck einer verkürzten Single-Version unterscheid¬ bar ist.
Nach erfolgter Identifikation des Stückes, die prinzipiell auch durch Klartextübertragung zwischen dem Nutzer und dem Anbieter stattfinden könnte, obgleich diese Vorgehensweise oftmals aufwändig ist, wird ein Test-Fingerabdruck von Testdaten, der sich auf einen Testzeitpunkt der Testdaten bezieht, bereitgestellt. Hierbei wird die Eigenschaft mo¬ derner Fingerprint-Technologien ausgenutzt, die nicht nur allgemein eine Identifikation eines Stückes liefern, son¬ dern die sich auch auf bestimmte Zeitpunkte eines Stücks
beziehen können. In der Technik bezeichnet man solche Fin¬ gerabdrücke auch als „Fingerabdrücke mit interner Zeitska- Ia", wenn sich ein Fingerabdruck von Testdaten auf einen Testzeitpunkt der Testdaten bezieht.
In den Referenzdaten, die beispielsweise die beim Benutzer vorhandenen Basisdaten sein können, wird dann eine Refe¬ renzzeitpunktinformation bestimmt, die von einem Referenz- Zeitpunkt in den Referenzdaten abhängt, wobei diese Bestim- mung unter Verwendung des Testfingerabdrucks durch übliche Fingerabdruck-Verarbeitungs-Technologien geschieht. Typi¬ scherweise wird ein solches „Fingerabdruck-Abgleich-System" den Testfingerabdruck gewissermaßen über die zeitlichen Re¬ ferenzdaten so lange schieben, bis eine maximale Überein- Stimmung vorzugsweise des Test-Fingerabdrucks und eines von den Referenzdaten abgeleiteten Referenzfingerabdrucks er¬ halten wird. Der Zeitpunkt in den Referenzdaten, bei dem die optimale Übereinstimmung aufgrund des Testfingerab¬ drucks erhalten worden ist, wird dann mit dem Testzeitpunkt übereinstimmen, auf den sich der Testfingerabdruck bezieht. Damit ist eine Synchronisationsstelle zwischen den Testda¬ ten und den Basisdaten erreicht.
Auf der Basis dieser Referenzzeitpunktinformationen und der Testzeitpunktinformationen, die von dem TestZeitpunkt ab¬ hängen, wird schließlich eine Manipulation der Zusatzdaten oder der Basisdaten, jedoch vorzugsweise lediglich der Zu¬ satzdaten vorgenommen, um manipulierte Daten zu erhalten, wobei die Manipulation derart stattfindet, dass die Zusatz- daten oder die Basisdaten so manipuliert werden, dass eine synchrone Wiedergabe der Dateninformationen aufgrund der manipulierten Daten durchführbar ist.
Eine Form der Manipulation wird vorzugsweise im Bestimmen eines Anfangs-Versatzes oder End-Versatzes bestehen, um Verkürzungen in den Basisdaten vornehmen zu können. Eine andere Manipulation wird darin bestehen, dass ein Stau- chungs-/Dehnungsfaktor berücksichtigt wird, um dann die Ba-
sisdaten oder die Zusatzdaten, jedoch vorzugsweise die Zu¬ satzdaten, ebenfalls so zu stauchen/dehnen, dass sie genau zu den (gedehnten/gestauchten) Basisdaten passen.
Damit wird eine zeitsynchrone Wiedergabe aller Informatio¬ nen, also sowohl der Informationen in den Zusatzdaten als auch der Informationen in den Basisdaten erreicht * und zwar unabhängig davon, ob aus den Zusatz- und den Basisdaten ei¬ ne einzige Audiodatei geschrieben wird, oder ob die manipu- lierten Zusatzdaten beispielsweise in einer eigenen Daten abgelegt werden, die nunmehr mit einem eindeutigen Zeitbe¬ zug auf die Basisdaten versehen ist und somit auf die Ba¬ sisdaten „maßgeschneidert" ist.
Während im ersten Fall die manipulierten Daten die komplett neu geschriebene Audiodatei umfassen, sind im letzteren Fall die manipulierten Daten lediglich zum Beispiel die ma¬ nipulierten Zusatzdaten, während die Basisdaten auf Seiten des Benutzers nicht extra abgetastet werden. Die zweite Va- riante ist dann vorteilhaft, wenn ein Benutzer auf jeden Fall sicherstellen möchte, dass seine Basisdaten, die für ihn wertvoll sind und die er lieb gewonnen hat, keineswegs angetastet werden. Nachteilig an dieser Situation ist je¬ doch, dass der Benutzer ein Wiedergabegerät braucht, das vor der Wiedergabe, also der Ausgabe über Lautsprecher, die beiden Datenströme zusammenführt.
Diese Anforderung wird an einen Benutzer nicht gestellt, der die Basisdaten und die Zusatzdaten gleich in eine ein- zige Datei zusammenführt, die dann von einem üblichen Wie¬ dergabegerät wiedergegeben werden kann.
Natürlich kann der Benutzer im ersten Fall auch eine Kopie seiner Audiobasisdaten behalten und dennoch die Basisdaten und die Zusatzdaten in eine einzige Datei zusammenführen, so dass er eine Stereoversion und gleichzeitig eine 5.1- Version zur Verfügung hat.
Ferner sei darauf hin gewiesen, dass die Zusatzdaten nicht unbedingt zeitliche Abtastwerte sein müssen, sondern auch Parameterdaten sein können. Wenn die Zusatzdaten Parameter¬ daten sind, wird die Manipulation der Zusatzdaten darin be- stehen, dass den Zusatzdaten eindeutige Synchronisationsin¬ formationen, die sich auf die Basisdaten beziehen, zugeord¬ net werden, welche z. B. Zeitcodes oder auch wieder Finge¬ rabdrücke sein können, so dass ein Multikanal-Decodierer unter Verwendung der nunmehr mit Synchronisationsinformati- onen versehenen BCC-Parameter oder von den Parametern abge¬ leiteten zeitdiskreten digitalen Audiodaten eine Multika- nal-Rekonstruktion durchführen kann, die genau auf die vor¬ handenen Basisdaten bezogen ist. Insbesondere wird eine Ma¬ nipulation von z. B. blockweise vorliegenden Parametern auch in einem Abschneiden von Parameterinformationen zu An¬ fang oder zu Ende der Zusatzdaten bestehen, um möglicher¬ weise von einem Benutzer absichtlich oder unabsichtlich eingeführte Verkürzungen am Anfang oder am Ende der Basis- daten zu berücksichtigen.
An dieser Stelle sei darauf hingewiesen, dass solche Mani¬ pulationen insbesondere dann auftreten, wenn ein Benutzer Audio/Video Informationen selbst aufzeichnet oder von sei¬ ner eigenen CD/DVD kopiert, da es in beiden Fällen schwie- rig wenn nicht unmöglich ist, genau den Anfang oder das En¬ de eines Stücks, wie es vom Studio ausgegeben worden ist, „zu erwischen". Dies ist insbesondere am Ende des Stücks problematisch, wenn ein Stück ausgeblendet wird. Auch der Anfang eines Stückes ist insbesondere bei einer Aufzeich- nung vom Radio schwer zu finden. Hier ist nicht eindeutig bestimmbar, ob das Stück mit einer Pause beginnt und wie lang diese Pause ist, oder ob das Stück tatsächlich mit ei¬ nem ersten Trommelschlag beginnt, was den Benutzer vor Schwierigkeiten stellt, da er die Aufnahmetaste genau gleichzeitig mit dem Trommelschlag drücken müsste.
Auch die Problematik der Stauchung/Dehnung ist in realen Situationen sehr evident, da nahezu keine analogen Wieder-
gabegeräte/Aufzeichnungsgeräte existieren, die mit vollkom¬ men identischer Geschwindigkeit laufen. Auch bei digitalen Wiedergabe/Aufzeichnungs-Geräten hängt eine synchrone Wie¬ dergabe letztendlich am Taktoszillator des Wiedergabegerä- tes, der mehr oder weniger genau sein wird und dessen Qua¬ lität insbesondere in Richtung des preisgünstigen Endes der Angebotsskala abnimmt. Andererseits ist jedoch gerade das preisgünstige Ende der Angebotsskala das Marktsegment, das wirtschaftlich am interessantesten ist, da naturgemäß dort angesiedelte Geräte die größten Stückzahlen haben werden.
Bevorzugte Ausführungsbeispiele der vorliegenden Erfindung werden nachfolgend bezugnehmend auf die beiliegenden Zeich¬ nungen detailliert erläutert. Es zeigen:
Fig. 1 ein Blockschaltbild des erfindungsgemäßen Kon¬ zepts zum Synchronisieren von Zusatzdaten und Ba¬ sisdaten;
Fig. 2 ein Flussdiagramm eines bevorzugten Anwendungs¬ falls, bei dem ein Client mit einem Server kommuniziert;
Fig. 3 eine schematische Darstellung eines Fingerab- drucksystems, bei dem sich ein Fingerabdruck auf einen Zeitpunkt von Daten bezieht, von denen der Fingerabdruck stammt;
Fig. 4 eine schematische Darstellung der Bestimmung von Referenzzeitpunkt-Informationen unter Verwendung eines Testfingerabdrucks;
Fig. 5 eine schematische Darstellung der Bestimmung ei¬ ner Stauchung/Dehnung unter Verwendung von zwei Testfingerabdrücken gemäß einem bevorzugten Aus¬ führungsbeispiel der vorliegenden Erfindung;
Fig. 6 eine Übersichtsdarstellung von Schritten zum Ma¬ nipulieren von Zusatzdaten gemäß einem bevorzug¬ ten Ausführungsbeispiel der vorliegenden Erfin¬ dung;
Fig. 7 eine schematische Darstellung einer Serverdaten¬ bank, wie sie bei einem bevorzugten Ausführungs- beispiel der vorliegenden Erfindung erforderlich ist; und
Fig. 8 ein Systemdiagramm der Kommunikation zwischen ei¬ nem Server und einem Client gemäß einem bevorzug¬ ten Ausführungsbeispiel der vorliegenden Erfin¬ dung.
Bevor an Hand von Fig. 1 auf die erfindungsgemäße Vorrich¬ tung zum Synchronisieren von Zusatzdaten und Basisdaten Be¬ zug genommen wird, wird zunächst an Hand von Fig. 3 ein Fingerabdruck beschrieben, der sich auf einen Zeitpunkt o- der mehrere Zeitpunkte der Daten bezieht, von denen er ab¬ geleitet worden ist, der also ein Fingerabdruck mit inter¬ ner Zeitskala ist. Anders ausgedrückt liefert der Fingerab¬ druck 30 in Fig. 3 eine ZeitSkala des Audiosignals 31 in Fig. 3, von dem er abgeleitet worden ist. So ist die zeit- liehe Struktur des Audiosignals 31 auch mit der zeitlichen Struktur des Fingerabdrucks 30 in Einklang. Der zeitliche Verlauf des Fingerabdrucks 30 korrespondiert somit mit dem zeitlichen Verlauf des Audiosignals 31.
Das Audiosignal 31 umfasst bei dem in Fig. 3 gezeigten Bei¬ spiel eine Folge von zeitlichen Segmenten 1, 2, 3, ..7. Von jedem zeitlichen Segment wird ein einzelner Teilfingerab¬ druck TFAi durch ein bekanntes Fingerabdruckverfahren be¬ rechnet. So korrespondiert der Teilfingerabdruck TFAl mit dem Segment 1 des Audiosignals, während z. B. Teilfingerab¬ druck TFA6 mit dem Segment 6 des Audiosignals korrespon¬ diert. Allgemein steht ein Teilfingerabdruck TFAi mit einem Segment i des Audiosignalε in Zusammenhang.
Eine beispielhafte Fingerabdruckberechnungsstrategie be¬ steht darin, das Audiosignal zu fenstern, um beispielsweise das Segment 1 des Audiosignals „herauszuschneiden", das aus einer Anzahl von z. B. 2048 zeitlichen Abtastwerten beste¬ het. Hierauf wird eine Umsetzung des Blocks von zeitlichen Abtastwerten, welcher das erste Segment des Audiosignals darstellt, in den Spektralbereich vorgenommen um eine spektrale Darstellung zu erhalten, die beispielsweise 2048 Spektral-Koeffizienten umfast. Zur Reduktion der Daten wird hierauf eine Gruppierung der Spektral-Koeffizienten in ver¬ schiedene Bänder vorgenommen, um dann verschiedene Merkmale oder „Features" aus jedem Spektralband zu extrahieren. Sol¬ che Features sind beispielsweise ein Tonalitätsmaß, ein Lautheitsmaß, die sogenannten MeI-Frequenz-Spektral- Koeffizienten, die Audio-Spektralkurve (Audio Spectral En- velope) oder andere statistische Größen, wie beispielsweise Mittelwert oder Varianz der Spektralkoeffizienten in einem Band oder auch statistische Momente höherer Ordnung. Je nach Finger Printing- Technologie wird dann eine Weiterver¬ arbeitung dieser „Rohmerkmale" durchgeführt, um schließlich einen Teilfingerabdruck TFAl des ersten Segments des Audio¬ signals zu erhalten.
Der Teilfingerabdruck TFAl des ersten Segments hat dann ei¬ ne Datenmenge, die im Vergleich zur durch das erste Segment selbst bedingten Datenmenge reduziert ist. Andererseits ist der Teilfingerabdruck TFA 1 für das erste Segment charakte¬ ristisch. Er enthält also die Informationen dieses Seg- ments, die zur Identifikation dieses Segments erforderlich sind. Identifikation bedeutet in diesem Zusammenhang, dass an Hand dieses Teilfingerabdrucks TFAl das erste Segment des Audiosignals von einem anderen Segment des Audiosignals oder von einem Segment eines anderen Audiosignals mit guter Wahrscheinlichkeit unterschieden werden kann.
Nachdem dieses Prozedere für das gesamte Audiosignal 31 durchgeführt worden ist, erhält man den Fingerabdruck des
Audiosignals, der aus einer Aneinanderreihung von einzelnen Teilfingerabdrücken besteht.
An dieser Stelle sei darauf hingewiesen, das Fig. 3 ledig- lieh beispielhaft ist, um einen Fingerabdruck darzustellen, der eine interne Zeitskala hat, dessen zeitlicher Verlauf also mit dem zeitlichen Verlauf des Audiosignals korrespon¬ diert. So müssen die Segmente nicht wie in Fig. 3 gezeigt voneinander abgegrenzt sein, sondern sie können auch z. B. überlappend sein, also z. B. eine 50%-Oberlappung haben, wie sie aus der Audiocodiertechnik bekannt ist. Darüber hinaus können die einzelnen Teilfingerabdrücke TFAi mitein¬ ander noch einmal verrechnet sein, z. B. durch Mittelwert¬ bildung, solange der resultierende Fingerabdruck 30 noch einen zeitlichen Zusammenhang zum Audiosignal hat, also so¬ lange sich der Fingerabdruck auf einen Zeitpunkt in den Da¬ ten bezieht. Bei dem in Fig. 3 gezeigten Ausführungsbei¬ spiel bezieht sich der Teilfingerabdruck TFAl auf den Zeit¬ punkt am Beginn des ersten Segments, während sich der Teil- fingerabdruck TFA6 auf den Zeitpunkt am Beginn des sechsten
Segments bezieht. Es sei darauf hingewiesen, dass diese Zu¬ ordnung lediglich beispielhaft ist. Falls etwas entspre¬ chendes vereinbart ist, kann sich ein Teilfingerabdruck auch auf ein Ende eines Segments oder auf irgendeinen be- kannten Wert innerhalb des Segments, beispielsweise auf die Mitte des Segments, beziehen.
Nachfolgend wird an Hand von Fig. 4 eine bevorzugte Technik zur Bestimmung von Referenzzeitpunkt-Informationen vorge- stellt. Bei dem in Fig. 4 gezeigten Ausfύhrungsbeispiel liegt der Referenz-Fingerabdruck z. B. des Basissignals, der in Fig. 4 mit 40 bezeichnet ist, in einer solchen Form vor, wie sie an Hand von Fig. 3 für den Fingerabdruck 30 beschrieben worden ist. Für die in Fig. 4 gezeigte bei- spielhafte Darstellung bezieht sich der Referenzfingerab¬ druck des Basissignals auf ein Basissignal mit der Länge Tr. Ferner ist in Fig. 4 ein Test-Fingerabdruck 41 gezeigt, der ebenfalls aus einzelnen Teilfingerabdrücken besteht und
prinzipiell genauso aufgebaut sein kann, wie der Fingerab¬ druck 30 von Fig. 3. Der Testfingerabdruck bezieht sich auf ein Testsignal, das, wie es in Fig. 4 angedeutet ist, eine Länge T t hat. Ferner hat der Test-Fingerabdruck 41 zeitli- che Informationen dahingehend, dass er sich auf einen Test- Zeitpunkt bzw. Test-Versatz t v des Testsignals bezieht. Um die Funktionalität von Fig. 4 darzustellen, sei -das Test¬ signal, von dem der Test-Fingerabdruck abgeleitet worden ist, der Ausschnitt des Basissignals, der in Fig. 4 mit 42 bezeichnet ist. Wird nunmehr eine zeitliche Korrelation des Test-Fingerabdrucks mit dem Referenz-Fingerabdruck vorge¬ nommen, so wird für jeden Zeitschritt eine Korrelation zwi¬ schen dem Testfingerabdruck und dem Referenzfingerabdruck vorgenommen. Man könnte beispielsweise damit starten, dass man die ersten 5 Teilfingerabdrücke des Referenz- Fingerabdrucks mit den 5 Teilfingerabdrücken des Testfin¬ gerabdrucks vergleicht. Diese Korrelation wird zu einem be¬ stimmten Übereinstimmungsmaß führen. Hierauf wird in einem nächsten Schritt der zweite bis sechste Teilfingerabdruck des Referenzfingerabdrucks mit den 5 Teilfingerabdrücken des Testfingerabdrucks verglichen, wobei wieder ein Über¬ einstimmungsmaß erhalten wird. Dies wird so lange durchge¬ führt, bis die 5 Teilfingerabdrücke des Referenzsignals, die bei dem in Fig. 4 eingezeichneten Referenzzeitpunkt be- ginnen, mit den 5 Teilfingerabdrücken des Testfingerab¬ drucks verglichen werden. Hier wird sich eine sehr hohe 0- bereinstimmung bzw. bei dem beispielhaften Fall, bei dem das Testsignal ein Ausschnitt des Basissignals ist, eine 100%-Übereinstimmung ergeben. Der Fingerabdrucküberprü- fungs-Algorithmus wird somit Referenzzeitpunkt- Informationen ausgeben, die entweder den absoluten Refe¬ renzzeitpunkt umfassen oder einen relativen Referenzzeit¬ punkt umfassen, der auch als Referenzversatz T x 42 in Fig. 4 dargestellt ist.
In dem beschriebenen Beispiel wird der Fingerabdruck- Algorithmus somit das Obereinstimmungsmaß und den Referenz- versatz Tx ausgeben. Erfindungsgemäß wird dieses Merkmal
des Fingerabdrucküberprüfungs-Algorithmus dahingehend ver¬ wendet, dass nunmehr ein Test-Versatz t v bzw. allgemein ge¬ sagt Testzeitpunkt-Informationen mit dem Referenzversatz bzw. den ReferenzZeitpunktInformationen verglichen werden. Der Testversatz t v ist vorn vornherein bekannt, da der Test-Fingerabdruck von dem Abschnitt 42 des Basissignals zu einem bestimmten Zeitpunkt abgeleitet worden ist.'-
Im ersten Fall 44 der in Fig.4 gezeigten Fallunterschei- düng, der auf das gewählte Beispiel zutreffen würde, wird man feststellen, dass der Test-Versatz t v gleich dem Refe¬ renz-Versatz t x ist. Dies bedeutet, dass das Basissignal dahingehend richtig ist, dass es denselben Anfang wie das Referenzsignal hat. Auf die weiteren Fälle 45 und 46, bei denen das Testsignal nicht mit dem Referenzsignal bzw. Ba¬ sissignal übereinstimmt, bei dem also eine Verlängerung o- der Verkürzung des Basissignals im Vergleich zum Testsig¬ nal, von dem der Testfingerabdruck abgeleitet ist, vorhan¬ den ist, wird später eingegangen.
In einfachen Fall, bei dem das Testsignal direkt ein Aus¬ schnitt des Referenzsignals ist, stellt sich die Situation somit folgendermaßen dar: ein Referenzsignal Sr hat bei¬ spielsweise die Länge von 200 Sek. Als Testsignal St wird ein Ausschnitt 42 aus dem Referenzsignal gewählt, der bei Sekunde 42 (Referenzzeitpunkt) beginnt und eine Länge (T t ) von 10 Sekunden hat. Jetzt wird von beiden Signalen ein Fingerprint berechnet, und zwar so, wie es an Hand von Fig. 3 dargestellt worden ist. Allgemein kann jedoch auch auf beliebige bekannte Art und Weise ein Fingerabdruck berech¬ net werden, so lange er einen zeitlichen Verlauf hat, der mit dem zeitlichen Verlauf des Signals, aus dem er berech¬ net worden ist, korrespondiert. Mit Hilfe dieser Fin- gerprints und eventuell optional weiterer z. B. in einer Referenzfingerprint-Datenbank gespeicherten Fingerprints wird das Audio-Fingerprinting-System bei der Verarbeitung, wie sie an Hand von Fig. 4 dargestellt worden ist, neben der Zuordnung zu dem genannten Referenzsignal Sr als weite-
re Information einen zeitlichen Versatz T off von ca. 82 Se¬ kunden liefern.
Fig. 8 zeigt das Zusaπunenspiel zwischen einem Endanwender 80 und einem Dienstanbieter 81. Der Dienstanbieter 81 ist beispielsweise ein Server mit einer Datenbank, wie sie in Fig. 7 dargestellt ist und nachfolgend noch erörtert wird. Der Endanwender 80 hat dagegen das Stereo-Musikstück 82 und möchte daraus unter Verwendung der Dienste des Dienstanbie- ters 81 Mehrkanal-5.1-Musikstücke 83 erzeugen. Hierzu wird der Endanwender 80 das Client-Programm 84 haben, dass bei dem in Fig. 8 gezeigten Ausführungsbeispiel zunächst einen Referenzfingerprint 85 eines bestimmten Stereo-Musikstücks zum Dienstanbieter 81 schickt.
Der Dienstanbieter 81 hat die in Fig. 7 gezeigte Datenbank, die mehrere Spalten/Einträge umfasst. In einer ersten Spal¬ te 71 stehen verschiedene Identifikationen IDi, IDi +1 , IDi-a . , wobei diese Identifikationen Referenzfingerabdrücke von Stereo-Musikstücken sein können, die in die Datenbank in Fig. 7 vorher eingespeichert worden sind. Der Server 81 wird nunmehr den Referenzfingerprint 85 empfangen und mit den Einträgen in seiner Spalte 71 vergleichen, um dann bei einer ausreichenden Übereinstimmung zu sagen, dass das Ste- reomusikstück von dem der Referenzfingerprint 85 stammt, das Musikstück ist, das in der Datenbank unter der Identi¬ fikation IDi bekannt ist.
Bei dem Anwendungsbeispiel der vorliegenden Erfindung, bei dem der Benutzer Multikanal-Erweiterungsdaten haben möch¬ ten, wird die Datenbank dann nach erfolgter Übereinstimmung auf die der Identifikation IDi zugeordneten Multikanal- Erweiterungsdaten zugreifen, die bei dem in Fig. 7 gezeig¬ ten Fall in einer Spalte 72 der Datenbank stehen können. Ferner kann -man auch auf wenigstens einen Fingerabdruck der Basisdaten in zum Beispiel einer Spalte 73 zugreifen, die von Basisdaten stammen, zu denen die Multikanalerweite- rungsdaten in Spalte 72 gehören.
Bei dem Ausfύhrungsbeispiel würden die Basisdaten, zu denen die Multikanal-Erweiterungsdaten in Spalte 72 gehören, eine ideale oder wenigstens genau definierte Version des Stereo- Musikstücks sein, von dem der Referenzfingerprint 85 stammt. Der Server liefert dann in einer Antwort auf die Referenzfingerprint-Anfrage 85 die Mehrkanalerweiterungsda- ten aus der Spalte 72 und einen und vorzugsweise wenigstens zwei Testfingerabdrücke, die auf die Multikanalerweite- rungsdaten bezogen sind, wie es bei 86 von Fig. 8 darge¬ stellt ist.
Das Client-Programm 84 beim Endnutzer empfängt die Mehrka- nalerweiterungsdaten und die Testfingerprints 86 und be- stimmt nunmehr Referenzzeitpunktinformationen, die von ei¬ nem Referenzzeitpunkt in den Referenzdaten abhängen, wobei in diesem Fall die Referenzdaten gleich den Basisdaten sind, also gleich dem Stereo-Musikstück sind, dessen Refe¬ renzfingerprint 85 ursprünglich vom Client-Programm abge- sendet worden ist. Hierzu verwendet das Client-Programm 84 den einen bzw. die mehreren Testfingerprints und führt ein Verfahren durch, wie es an Hand von Fig. 4 bereits darge¬ stellt worden ist. Abhängig von dem Ergebnis der Bestimmung der Referenzzeitpunktinformationen wird das Client-Programm 84 dann vorzugsweise die Zusatzdaten manipulieren, um mani¬ pulierte Daten zu erhalten. Diese manipulierten Mehrkanal- erweiterungsdaten sind genau auf das betrachtete Stereo- Musikstück 82 zugeschnitten. Damit können schließlich die Dateninformationen sowohl der Basisdaten 82 als auch der Erweiterungsdaten 72 synchron wiedergeben zu können.
Wie es an Hand von Fig. 8 dargestellt worden ist, besteht ein Anwendungsszenario der vorliegenden Erfindung darin, dass ein Dienst über das Internet Musikliebhabern eine Er- Weiterung ihrer bestehenden Stereomusikstücke auf Versionen im Mehrkanalformat 5.1 anbietet. Hierzu erzeugt der Diensteanbieter aus den Mehrkanalversionen der Musikstücke die Mehrkanalzusatzdaten (Spalte 72 in Fig. 7) für die ent-
sprechenden Stereoversionen und hält diese anschließend in der in Fig. 7 gezeigten Datenbank für den Abruf durch den Endanwender bereit.
Der Musikliebhaber (Endandwender 80) erhält dann die Zu¬ satzdaten, beispielsweise zu sich auf den PC, um die Erwei¬ terung auf Mehrkanaltechnik vornehmen zu können✓. Ein Pro¬ gramm im Endanwender lädt somit die Mehrkanalzusatzdaten vom Server des Dienstanbieters, öffnet die bereits vorhan- denen Musikdaten, fügt die Mehrkanalzusatzdaten hinzu und speichert beides in einer Datei ab, die nunmehr nicht mehr nur für eine Stereo-Verstärker geeignet sind, sondern für einen 5.1-Vestärker. Der Musikliebhaber hat somit zusätz¬ lich zu seiner Stereoversion auch eine Mehrkanalversion ei- nes bestimmten Musikstücks, während der Dienstanbieter hierfür eine Bezahlung erhält, wobei keine unnütze Übertra¬ gung von bereits beim Endanwender vorhandenen Daten z. B. vom Endanwender zum Server und zurück stattgefunden hat.
Nachfolgend wird an Hand von Fig. 1 auf eine erfindungsge¬ mäße Vorrichtung zum Synchronisieren von Zusatzdaten und Basisdaten eingegangen, die bei dem in Fig. 8 illustrierten Szenario z. B. vollständig innerhalb des Client-Programms auf dem PC des Endanwenders implementiert sein kann. Die erfindungsgemäße Vorrichtung dient zum Synchronisieren von Zusatzdaten und Basisdaten, wobei die Zusatzdaten und die Basisdaten definierte zeitliche Verläufe haben und Datenin¬ formationen umfassen, die gemeinsam synchron wiedergebbar sind. Zunächst umfasst die Vorrichtung eine Einrichtung 10 zum Bereitstellen eines Testfingerabdrucks von Testdaten, der sich auf einen Testzeitpunkt der Testdaten bezieht.
Der Funktionalität der Einrichtung 10 wird die Kommunikati¬ on 85 vorausgehen bzw. allgemein eine möglicherweise auch klartextmäßig stattfindende Identifikation des Stücks, von dem der Endanwender Mehrkanalerweiterungsdaten haben möch¬ te. Hier würde ein Benutzer sein Stück genau identifizie¬ ren, derart, dass der Datenbankzugriff, wie er an Hand von
Fig. 7 dargestellt worden ist, um die korrekte Identifika¬ tion in der Spalte 71 zu finden, durch eine explizite Sig¬ nalisierung ersetzt wird.
Vorzugsweise wird jedoch, um dem Endanwender einen maxima¬ len Komfort zu schaffen, das Client-Programm mit einem Fin- gerprinting-Prozessor versehen sein, um ohne dass, sich der Benutzer hierum kümmern muss, den Referenzfingerabdruck des Stereo-Musikstücks zu erzeugen, das der Benutzer letztend- lieh als MuItikanal-Musikstück haben möchte. Vor der Funk¬ tionalität, wie sie durch die Einrichtung 10 geliefert wird, wird also eine Identifikation der Audio-Basisdaten, vorzugsweise mit Hilfe des Audio-Fingerprinting-Systems vorgenommen. Damit wird die Zuordnung der Audio-Basisdaten zu den Erweiterungsdaten möglich. Nach dieser Zuordnung ist erreicht, dass Audio-Basisdaten und Erweiterungsdaten hier¬ mit eindeutig zugeordnet sind, und dass nun noch eine kor¬ rekte zeitsynchrone Abstimmung eines Satzes von Audiobasis¬ daten mit einem Satz von Erweiterungsdaten vorgenommen wer- den muss.
Die Testdaten, auf die sich der Testfingerabdruck bezieht, der von der Einrichtung 10 zum Bereitstellen zu einer Ein¬ richtung 11 zum Bestimmen von Referenzzeitpunktinformatio- nen geliefert wird, können die Zusatzdaten selbst sein, o- der aber die Basisdaten oder Daten sein, die von den Zu- satzdaten oder den Basisdaten abgeleitet sind. Vorzugsweise werden die Testdaten die Basisdaten in einer idealen Versi¬ on sein, wie sie verwendet worden sind, um die Multikanal- erweiterung in Spalte 72 der Datenbank von Fig. 7 zu erzeu¬ gen. Die Basisdaten, die der Benutzer durch die Zusatzdaten aktualisieren möchte, sind eine reale Version der idealen Basisdaten, also eine beim Benutzer befindliche Version, die im Hinblick auf die ideale Version, von der der Test- fingerabdruck abgeleitet worden ist, verändert worden sind.
Solche Veränderungen können in einer verlustbehafteten Co¬ dierung, einer Qualitätsverschlechterung z. B. durch Auf-
nähme von einem analogen Wiedergabegerät, wie beispielswei¬ se einem Kassettenrekorder, oder auch durch Aufnahme von einem Lautsprecher etc. sein. Andere Manipulationen sind das Verkürzen der Basisdaten am Anfang oder am Ende oder das Dehnen/Stauchen der Basisdaten etc.
Die Testdaten können jedoch auch die Zusatzdaten selbst sein. Dies ist dann von Vorteil, wenn z. B. als Zusatzdaten der Center-Kanal zu einem Stereosignal als Basisdaten ge- sendet werden soll. So wird der Center-Kanal eine sehr hohe Ähnlichkeit zum linken und rechten Kanal des ursprünglichen Stereosignals haben. Daher würde auch die Einrichtung 11, wenn sie als Testfingerabdruck den Fingerabdruck der Erwei¬ terungsdaten enthält, ebenfalls mit hoher Wahrscheinlich- keit korrekte Referenzzeitpunktinformationen bestimmen kön¬ nen. Die Testdaten können jedoch auch von den Zusatzdaten oder den Basisdaten abgeleitet sein. In diesem Fall könnten die Testdaten die codierte Version der Basisdaten oder Zu¬ satzdaten sein. Ferner könnten die Testdaten eine Parame- terdarstellung sein, die für die nachfolgenden Betrachtun¬ gen mit den tatsächlichen Audiodaten insofern gleichzuset¬ zen ist, dass bei einer Verwendung von Parameterdaten bei¬ spielsweise in Form von BCC-Parametern oder IS-Parametern lediglich eine einfache Parameter-Decodierung erfolgen muß, um von der einen Datendarstellung in die andere Datendar¬ stellung zu kommen.
Für die nachfolgende Beschreibung wird jedoch im Sinne ei¬ ner übersichtlichen Beschreibung davon ausgegangen, dass der Testfingerabdruck ein Fingerabdruck der idealen Version der Basisdaten ist, also der Basisdaten, zu denen die Mehr¬ kanaldaten, wie sie in Fig. 7 in Spalte 72 dargestellt sind, tatsächlich gehören, also abgeleitet worden sind.
Um die in Fig. 7 gezeigte Datenbank klein zu halten, werden in der Datenbank lediglich Fingerabdrücke der idealen Ba¬ sisdaten gespeichert, nicht jedoch die Basisdaten selbst. Selbstverständlich könnte die Datenbank in Fig. 7 auch die
kompletten Basisdaten umfassen, und lediglich bei Anforde¬ rung die Fingerabdrücke aus den in der Datenbank vorliegen¬ den idealen Basisdaten berechnen und zum Endanwender über¬ tragen. Die Implementierung, bei der die Datenbank ledig- lieh die Multikanalerweiterungsdaten und die Testfinge- rabdrücke der Basisdaten umfasst, führt jedoch zu einer Speichersparenden Datenbank, die zudem, da sie nicht extra Fingerabdrücke berechnen muss, schneller auf Benutzeranfra¬ gen antworten kann.
Die Einrichtung 11 zum Bestimmen der Referenzzeitpunkt- Informationen liefert diese Informationen, welche von einem Referenzzeitpunkt in den Referenzdaten abhängen, wobei all¬ gemein gesagt die Referenzdaten die Daten sind, von denen nicht der Testfingerabdruck stammt. Zur Bestimmung der Re¬ ferenzzeitpunktinformationen verwendet die Einrichtung 11 den Test-Fingerabdruck, der von der Einrichtung 10 gelie¬ fert worden ist. Hierzu erhält die Einrichtung 11 auch, wie es in Fig. 1 gezeigt ist, das reale Stereosignal, also die Basisdaten, die mit Mehrkanaldaten „angereichert" werden sollen. Diese Daten werden in Fig. 1 allgemein als Refe¬ renzdaten bezeichnet.
Sowohl die Referenzzeitpunktinformationen als auch die Testzeitpunktinformationen oder die Multikanal- Erweiterungsdaten bzw. allgemein gesagt die Zusatzdaten werden bei einem bevorzugten Ausführungsbeispiel der vor¬ liegenden Erfindung einer Einrichtung 12 zugeführt. Die Einrichtung 12 dient zum Manipulieren der Zusatzdaten unter Verwendung der ReferenzzeitpunktInformationen und von Test¬ zeitpunktInformationen, die von dem Testzeitpunkt abhängen, auf den sich der Testfingerabdruck bezieht. Ausgangsseitig liefert die Einrichtung 12 zum Manipulieren der Basisdaten sowie der Zusatzdaten manipulierte Daten, die dann einer Wiedergabeeinrichtung 13 bereitgestellt werden, die aus- gangsseitig z. B. einen 5.1-Sound erzeugt.
Es sei darauf hingewiesen, dass alternativ auch die Basis¬ daten, also das reale Referenzsignal, durch Verkürzen, Ver¬ längern, Dehnen/Stauchen etc. manipuliert werden kann. In diesem Fall werden die manipulierten Daten in den manipu- lierten Basisdaten (Referenzdaten) bestehen, während die Zusatzdaten nicht angetastet werden. Selbstverständlich kann auch eine gemischte Manipulation stattfinden-,, also ei¬ ne Manipulation sowohl der Basisdaten als auch der Zusatz- daten, so lange die Einrichtung 12 zum Manipulieren eine Manipulation der Zusatzdaten und der Basisdaten so vor¬ nimmt, dass eine synchrone Wiedergabe der Dateninformatio¬ nen aufgrund der manipulierten Daten durchführbar ist.
Wie es bereits ausgeführt worden ist, können die manipu- lierten Daten eine neue 5.1-Datei sein, oder die synchroni¬ sierten Daten können lediglich manipulierte Basisdaten in einer Datei und nicht manipulierte Zusatzdaten in einer an¬ deren Datei, oder nicht manipulierte Basisdaten in einer Datei und manipulierte Zusatzdaten in einer anderen Datei oder auch sowohl manipulierte Basisdaten als auch manipu¬ lierte Zusatzdaten in jeweils eigenen Dateien umfassen. Im Falle von getrennten Dateien ist die Wiedergabeeinrichtung 13 ausgebildet, um diese beiden Dateien vor der Ansteuerung von entsprechenden Verstärkern zu verschmelzen.
Bei dem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung werden jedoch lediglich die Zusatzdaten manipu¬ liert, und wird durch die Einrichtung zum Manipulieren be¬ reits eine komplett neue Datei gebildet in der die komplet- ten Dateninformationen gemeinsam enthalten sind und zwar auf eine synchronisierte Art und Weise.
Fig. 2 zeigt eine bevorzugte Ausführungsform der Kommunika¬ tion zwischen den Client-Programm 84 und dem Server- Programm 81.
In einem ersten Schritt 20 erzeugt das Client-Programm ei¬ nen Referenzfingerabdruck aus dem realen Stereosignal, das am Ende ein Multikanalsignal werden soll.
In einem Schritt 21 wird dieser Referenzfingerabdruck vom Clienten zum Server gesendet. Der Server empfängt in einem Schritt 22 den Referenzfingerabdruck und identifiziert das ideale Stereosignal, z. B. durch eine Datenbanksuche, wie sie in Verbindung mit Fig. 7 beschrieben worden ist.
Hierauf greift der Server auf seine Datenbank zu und lie¬ fert in einem Schritt 23 die Erweiterungsdaten, die schließlich zum Clientprogramm gesendet werden sollen.
In einem Schritt 24 erzeugt der Server einen oder vorzugs¬ weise zwei Testfingerabdrücke des zu den Erweiterungsdaten gehörigen idealen Audiosignals. Diese Erzeugung im Schritt 24 kann durch reale Fingerabdruckberechnung in dem Server selbst geschehen oder vorzugsweise durch Zugriff auf eine Spalte 73 der Datenbank, in der die fertigen Testfinge- rabdrücke bereits stehen.
In einem Schritt 25 werden dann vorzugsweise diese zwei Testfingerabdrücke zum Client geliefert. In einem Schritt 26 wird dann die Einrichtung 11 von Fig. 1 aktiv, um Refe¬ renzzeitpunktinformationen zu bestimmen, die von dem Refe¬ renzzeitpunkt in den Referenzdaten abhängen. Vorzugsweise sind die Referenzzeitpunktinformationen ein Stau- chungs/Dehnungsfaktor (SD-Faktor) und ein Referenzversatz.
In einem Schritt 27 wird der Client dann seine Einrichtung zum Manipulieren aktivieren, um die Erweiterungsdaten zu dehnen oder zu stauchen und zwar gemäß dem SD-Faktor, und um ferner ggf. ein Abschneiden der Zusatzdaten am Anfang oder am Ende derselben durchzuführen.
In einem Schritt 28 wird der Client dann bei einem bevor¬ zugten Ausführungsbeispiel der vorliegenden Erfindung eine
Multikanaldatei beispielsweise im 5.1-Surround-Format er¬ zeugen und durch die Wiedergabeeinrichtung 13 von Fig. l wiedergeben.
Nachfolgend wird anhand von Fig. 4 eine erste Funktionali¬ tät der Einrichtung 12 zum Manipulieren von Fig. 1 darge¬ stellt, die in einer Bestimmung der Kürzung der Audiobasis¬ daten und des relativen Zeitversatzes der Audiobasisdaten zu den Erweiterungsdaten besteht. Sobald diese Kürzung festgestellt ist, können die Erweiterungsdaten durch eine stattzufindende Verkürzung manipuliert werden. Der in Fig. 4 gezeigt Testversatz t v bezieht sich auf einen Versatz des Test-Fingerabdrucks auf die ideale Version der Basisdaten, also auf die ideale Version der Stereodaten, auf die die Multikanalerweiterungsdaten in Spalte 72 von Fig. 7 bezogen sind.
Wie es bereits ausgeführt worden ist, und im Fall 44 von Fig. 4 dargestellt ist, muss keine Manipulation der Erwei- terungsdaten vorgenommen werden, wenn der Testversatz t v gleich dem Referenz-Versatz t x ist, welcher durch die Ein¬ richtung 11 bestimmt worden ist. Wird dagegen festgestellt, dass der Test-Versatz t v kleiner als der Referenz-Versatz t x ist, so stellt sich heraus, dass das Basissignal zu lang ist. Dies bedeutet in einem praktischen Anwendungsszenario, dass ein Benutzer sein reales Basissignal zu lang gemacht hat, also am Anfang eine Pause hinzugefügt hat, die in den idealen Basisdaten nicht enthalten ist. In diesem Fall müs¬ sen die Zusatzdaten aufgefüllt werden, wie es bei 45 in Fig. 4 gezeigt ist. Diese Auffüllung kann durch verschiede¬ ne Methoden durchgeführt werden, beispielsweise durch Ein¬ fügen von Nullen oder aber auch durch Interpolation, Prä¬ diktion etc.
Stellt die Einrichtung 11 fest, dass der Referenzversatz t x kleiner als der Testversatz t v ist, wird also der Fall 46 in Fig. 4 festgestellt, so bedeutet dies, dass das Basis¬ signal zu kurz ist, also durch den Benutzer bei der Auf-
Zeichnung desselben absichtlich oder unabsichtlich gekürzt worden ist. In diesem Fall müssen auch die Zusatzdaten an diese Situation angepasst werden, indem sie um die entspre¬ chende Differenz zwischen den beiden Versätzen am Anfang abgeschnitten werden.
Dies wird nachfolgend anhand eines Beispiels da-rgestellt. Die Audiobasidaten sind als das (eine) Referenzsignal (Län¬ ge Tr) zu betrachten, die Erweiterungsdaten bzw. die hierzu zeitsynchron vorliegenden entsprechenden Audiodaten sind als das (eine) Testsignal (Länge T r ) zu betrachten. Prakti¬ scherweise wird man jetzt einen Fingerprint vom Testsignal nutzen, der zu dem Zeitpunkt t x beginnt und eine Länge von y Sekunden abdeckt. Vergleicht man jetzt mit Hilfe der Zu- Ordnungstechnik des Audio-Fingerprinting-Systems Test- mit Referenzfingerprint, so kann mit Hilfe der gewonnenen Aus¬ sage über den Versatz den der Test-Fingerprint relativ zum Referenz-Fingerprint hat, eine eindeutige Aussage über das Fehlen von Daten am Anfang des Audiobasissignals getroffen werden. Ist der Versatz genau gleich t x , so wurde das Au¬ diobasissignal weder verkürzt noch verlängert. Ist der Ver¬ satz kleiner als t x , so wurde das Audiobasissignal um t x - T Off verkürzt. Ist der Versatz größer als t x , so wurde das Audiobasissignal um T Off -t x verlängert.
Mit Hilfe dieser Maßnahme wird somit eine Längenänderung im Sinne von „Verkürzung" oder „Verlängerung", wie sie oben definiert worden sind, am Anfang des Audiobasissignals er¬ kannt. Durch die Bestimmung des zeitlichen Versatzes allei- ne ist jedoch bereits ein zeitsynchroner Anknüpfungspunkt der Erweiterungsdaten an die Audiobasisdaten bestimmt wor¬ den.
Die Gesamtlänge des Test- und des Referenzsignals ist be- kannt oder kann aus den vorhandenen Audiodaten bestimmt werden, beispielsweise durch Zugriff auf die den einzelnen Daten zu Grunde liegende Abtastfrequenz. Zusammen mit den Informationen über den relativen zeitlichen Versatz zuein-
ander ist damit auch bekannt, ob das Referenzsignal relativ zum Testsignal eine Kürzung/Verlängerung am Ende des realen Basissignals im Vergleich zum idealen Testsignal aufweist. Die Einrichtung 12 zum Manipulieren ist in diesem Fall e- benfalls ausbildet, um auf diese Situation entsprechend zu reagieren, also die Erweiterungsdaten am Ende mit Nullen aufzufüllen, zu interpolieren oder mittels einer Prädiktion aufzufüllen oder aber zu kürzen, indem ein bestimmtes Seg¬ ment einer bestimmten zeitlichen Länge am Ende der Erweite- rungsdaten abgeschnitten bzw. eliminiert wird.
Es sei darauf hingewiesen, dass das Kürzen/Verlängern am Anfang oder am Ende nicht unbedingt mit einer Löschung ent¬ sprechender Werte durchgeführt werden muss, sondern dass eine Kürzung oder Verlängerung in diesem Zusammenhang auch darin zu sehen ist, dass zu eliminierende Datenwerte in den Zusatzdaten bei der Verschmelzung der Zusatzdaten mit den Basisdaten oder bei der Wiedergabe allgemein nicht berück¬ sichtigt werden.
Nachfolgend wird an Hand von Fig. 5 auf die Bestimmung des Stauchungs/Dehnungsfaktors (SD-Faktor) der Audiobasisdaten eingegangen. Fig. 5. zeigt bei 50 ein reales Stereosignal als Beispiel für ein Referenzsignal bzw. für die Audioba- sisdaten. Bei 52 ist in Fig. 5 das korrespondierende ideale Stereosignal bzw. das Testsignal dargestellt, von dem die Zusatzdaten, wie beispielsweise die Multikanalerweiterungs- daten in der Spalte 27 von Fig. 7, abgeleitet sind. Um den Stauchungs/Dehnungsfaktor zu berechnen, erhält die Einrich- tung zum Bestimmen der Referenzzeitpunktinformationen, die den Stauchungs/Dehnungs-Faktor bei einem bevorzugten Aus¬ führungsbeispiel der vorliegenden Erfindung umfassen, einen ersten Testfingerabdruck und einen zweiten Testfingerab¬ druck. Der zeitliche Bereich, der von dem ersten Test- Fingerabdruck im idealen Stereosignal überstrichen wird, ist in Fig. 5 mit 51a bezeichnet. Ähnlich ist der zeitliche Abschnitt des idealen Stereosignals, der durch den zweiten Testfingerabdruck umfasst ist, mit 51b bezeichnet. Ferner
ist der erste Testfingerabdruck auf einen Testzeitpunkt t a bezogen, während der zweite Testfingerabdruck auf den Test¬ zeitpunkt t b bezogen ist. Der Abstand zwischen t b und t a wird als ΔT tes t bezeichnet .
Die Einrichtung 11 zum Bestimmen von Referenzzeitpunktin¬ formationen von Fig. 1 wird unter Verwendung des ersten Testfingerabdrucks einen ersten Referenzversatz Ta off und wird für den zweiten Testfingerabdruck einen zweiten Refe- renzversatz als Referenzzeitpunktinformationen ermitteln, wobei dieser zweite Referenzversatz als Tb off bezeichnet ist. Ist die zeitliche Differenz zwischen den beiden Vers¬ ätzen im realen Stereosignal ist mit ΔT re f und ΔT test gleich groß, so liegt der Fall 53 vor, bei dem der Stau- chungs/Dehnungsfaktor SD gleich 1 ist. Es hat also keine Dehnung/Stauchung des realen Stereosignals, also des Refe¬ renzsignals bzw. der Basisdaten, stattgefunden. Ist der Stauchungs/Dehnungsfaktor hingegen größer als 1, so liegt Fall 54 vor, was bedeutet, dass das reale Stereosignal ge- dehnt worden ist. Somit müssen die Zusatzdaten ebenfalls um denselben Faktor SD gedehnt werden. Ist der Stau¬ chungs/Dehnungsfaktor SD dagegen kleiner als 1, so liegt Fall 55 vor, was auf eine Stauchung des realen Stereosig¬ nals hindeutet. Die Einrichtung 12 zum Manipulieren wird daher in diesem Fall als Reaktion auf die festgestellte Stauchung des realen Stereosignals auch eine Stauchung der Zusatzdaten, wie beispielsweise der Multikanalerweiterungs- daten, durchführen.
Die Bestimmung des zeitlichen Versatzes Ta off gelingt mit einem Fingerprint vom Testsignal, der beim Zeitpunkt t a be¬ ginnt. Anschließend erfolgt die Bestimmung des zeitlichen Versatzes Tb Off mit einem Fingerprint vom Testsignal, der beim Zeitpunkt t b beginnt. Die Dauer der Fingerprints kann in praktischen Anwendungen kleiner als t b -t a sein. Dies muss aber nicht so sein (=Überlappung der Fingerprints) . Die zeitliche Differenz zwischen beiden Testpunkten im Testsignal ist bekannt bzw. gegeben als ΔT Tes t = t b - t a . Für
das Referenzsignal kann diese aus den zeitlichen Versätzen berechnet werden ΔT ref = Tb of f-Ta off . Der Stauchungs- /Dehnungsfaktor SD ergibt sich nun zu SD = ΔT ref /ΔT te st-
Ist SD = 1 so liegt keine Stauchung/Dehnung der Audiobasis¬ daten vor, die Erweiterungsdaten können diesbezüglich un¬ verändert übernommen werden. Ist SD < 1, so liegt eine Stauchung der Audiobasisdaten vor, die Erweiterungsdaten müssen mit gleichem SD angepasst werden. Ist SD > 1 so liegt eine Dehnung der Audiobasisdaten vor, die Erweitungs- daten müssen mit gleichem SD angepasst werden.
Schließlich sei darauf hingewiesen, dass eine Verwendung von entsprechen Audiofingerprinting-Verfahren bevorzugt wird, da dadurch sicher gestellt wird, dass sämtliche Be¬ stimmungen von Referenzzeitpunktinformationen und davon ab¬ hängige Manipulationen an den Zusatzdaten auch dann noch funktionieren, wenn das Audiobasissignal in gewissen Gren¬ zen signalverarbeitungstechnisch verändert wird, so z. B. durch eine verlustbehaftete Codierung/Decodierung oder durch bewusste oder unbewusste Qualitätsverschlechterung beispielsweise durch Aufzeichnung von einem analogen Wie¬ dergabegerät etc.
Nachfolgend wird an Hand von Fig. 6 noch einmal die bevor¬ zugte Reihenfolge der Funktionalitäten der Einrichtung 11 von Fig. 1 und der Einrichtung 12 von Fig. 1 dargestellt. So bestimmt die Einrichtung 11 zunächst als Referenzzeit¬ punkt Informationen über die Dehnung/Stauchung der Basisda- ten und führt eine Dehnung/Stauchung der Zusatzdaten ZD durch Multiplikation mit dem bestimmten Stau- chungs/Dehnungsfaktor SD durch. Hierbei werden zunächst ma¬ nipulierte Zusatzdaten ZD' erhalten. Hierauf werden dann die zunächst manipulierten Zusatzdaten ZD' am Anfang um den Abschnitt A abgeschnitten, wobei der Abschnitt A so be¬ stimmt wird, wie es bei 2 (in Fig. 6) dargestellt ist. Da¬ mit werden weiter manipulierte Zusatzdaten ZD' ' erhalten.
Hierauf werden die Zusatzdaten ZD' ' dann am Ende um den Ab¬ schnitt E abgeschnitten, der berechnet wird, wie es in Fig. 6 2.3) gezeigt ist. Damit werden schließlich die manipu¬ lierten Zusatzdaten ZD''' erhalten. Dann am Ende dieser Se- quenz werden bei einem bevorzugten Ausführungsbeispiel die Basisdaten und die manipulierten Zusatzdaten ZD' ' ' in einer Datei verschmolzen, die dann von einem herkömmlichen Multi- kanalwiedergabegerät abgespielt werden kann.
Diese Sequenz sei nachfolgend an Hand eines Zahlenbeispiels dargestellt. Das Client-Programm berechnet einen Referenz- fingerprint von einem Stereo-Musikstück und schickt diesen über eine Internetverbindung zum Server des Dienstanbie¬ ters. Dieser identifiziert das Musikstück und schickt dem Client-Programm die kompletten Mehrkanalerweiterungen des Stereo-Musikstücks und zwei Testfingerprints von der Stelle 60s und 120s (Länge je 15s) . Das Client-Programm bestimmt den zeitlichen Versatz für beide Testfingerprints durch An¬ wendung von Algorithmen des Audio-Fingerprinting. Aus der Differenz der zeitlichen Versatzwerte wird der Stau- chungs/Dehnungsfaktor zu 1,03 bestimmt. Dieser wird auf die Mehrkanalerweitungsdaten entsprechend angewendet. Die Be¬ rechnung des zeitlichen Versatzes für den Test-Fingerprint an der Stelle 60s ergibt 57,3s. Somit müssen die Mehrkanal- erweiterungsdaten um (60 * 1,03-57, 3) s am Anfang gekürzt werden. Auch wird ggf. am Ende auch noch gekürzt. Nach die¬ sen Veränderungen an den Mehrkanalerweiterungsdaten können diese den Stereobasisdaten hinzugefügt werden und als neue Mehrkanalaudiodatei abgespeichert werden.
Bevorzugte Anwendungen der vorliegenden Erfindung liegen in der nachträglichen Erweiterung bereits existierender Audio¬ daten, wie beispielsweise MP3-Daten auf ein Multikanal- Format, wie beispielsweise MP3-Surround. Allerdings kann das erfindungsgemäße Konzept auch überall dort angewendet werden, wo Zusatzdaten zu Basisdaten zeitsynchron hinzuge¬ fügt werden sollen, unabhängig davon, ob die Basisdaten be¬ reits vorhanden waren und die Zusatzdaten nachträglich syn-
chronisiert werden sollen. Auch erlaubt das erfindungsgemä¬ ße Konzept die Erzeugung von den Zusatzdaten aus Basisdaten an einem Ort, die getrennte Verbreitung der Basisdaten und der Zusatzdaten und die Zusammenfügung der Basisdaten und der Zusatzdaten an einem anderen Ort aufgrund des erfin¬ dungsgemäßen Synchronisationsverfahrens.
Abhängig von den Gegebenheiten können die erfindungsgemäßen Verfahren in Hardware oder in Software implementiert wer- den. Die Implementierung kann auf einem digitalen Speicher¬ medium, insbesondere einer Diskette oder CD mit elektro¬ nisch auslesbaren Steuersignalen erfolgen, die so mit einem programmierbaren Computersystem zusammenwirken können, dass ein Verfahren ausgeführt wird. Allgemein besteht die Erfin- düng somit auch in einem Computer-Programm-Produkt mit ei¬ nem auf einem maschinenlesbaren Träger gespeicherten Pro¬ grammcode zur Durchführung des Verfahrens, wenn das Compu¬ ter-Programm-Produkt auf einem Rechner abläuft. In anderen Worten ausgedrückt kann die Erfindung somit als ein Compu- ter-Programm mit einem Programmcode zur Durchführung des Verfahrens realisiert werden, wenn das Computer-Programm auf einem Computer abläuft.