引言
ITU-TFGIPTV已于2007年底結(jié)束。其中WG6組的內(nèi)容比較多，包括中間件、編解碼、多媒體應(yīng)用平臺等內(nèi)容；隨后，ITU-TSG16組新設(shè)立了一個“Question（問題）：IPTV多媒體應(yīng)用平臺和終端系統(tǒng)”，研究組準(zhǔn)備在下一次SG16組會議上給出一個正式的推薦文檔。目前國際上已有的多媒體應(yīng)用平臺標(biāo)準(zhǔn)多種多樣，基本上分為定義性多媒體應(yīng)用平臺標(biāo)準(zhǔn)和程序性多媒體應(yīng)用平臺標(biāo)準(zhǔn)，功能各不相同。本文簡單介紹了這兩類平臺包括哪些具體的標(biāo)準(zhǔn)，并對中國發(fā)展多媒體應(yīng)用平臺提出了自己的看法。
定義性應(yīng)用平臺
定義性應(yīng)用平臺是一個框架，在這個框架上用標(biāo)記語言（如HTML），有或者沒有腳本語言（如ECMAScript）編寫的應(yīng)用都可以運行。下面介紹一些定義性應(yīng)用平臺。
1、場景的二進(jìn)制格式(BIFS)
BIFS[ISO/IEC14496-11]是一個由ISO標(biāo)準(zhǔn)化的場景描述語言，作為MPEG-4的一部分，被用于有效地表現(xiàn)動態(tài)和交互式的應(yīng)用，包括二維/三維圖形、圖像、文本和音視頻部分。這種表現(xiàn)包括對不同的場景元素進(jìn)行時間和空間、用戶交互和活動的描述。
2、廣播標(biāo)記語言（BML）
BML[ARIBSTD-B24][ITU-TJ.201]是一種描述多媒體廣播的應(yīng)用規(guī)范，由日本廣播工商業(yè)協(xié)會標(biāo)準(zhǔn)化。BML由XHTML、CSS、DOM和ECMAScript組成。BML已經(jīng)做了修訂以包括一些額外的功能，比如對接收端增加了數(shù)字存儲，對陸地數(shù)字廣播增加了移動接收。陸地集成業(yè)務(wù)數(shù)字廣播(ISDB-T)多媒體編碼規(guī)范是第一個基于多媒體和超媒體信息編碼專家組（MHEG）的規(guī)范。而且自1999年3月以來，ARIB協(xié)會就開始了基于MHEG多媒體編碼機(jī)制的XML規(guī)范的制定。這有利于XML應(yīng)用語言的開發(fā)，能夠?qū)⒒贐ML瀏覽器的XML文件進(jìn)行展示。ARIB數(shù)據(jù)廣播系統(tǒng)標(biāo)準(zhǔn)在1999年10月頒布。像MHEG一樣，BML應(yīng)用可以將多個媒體格式、結(jié)構(gòu)化的要素、事件－動作關(guān)系、導(dǎo)航、用戶交互功能進(jìn)行同步和空時關(guān)聯(lián)。BML用ECMAScript為廣播定義了附加的API和對象等。
3、消費電子協(xié)會（CEA）
CEA-2014是一個遠(yuǎn)程用戶界面規(guī)范，它允許用戶界面展示在遠(yuǎn)端的設(shè)備上。它基于現(xiàn)有的Web呈現(xiàn)技術(shù)，用W3C標(biāo)記、XHTML1、ECMA-262、CSSTV框架和DOM2技術(shù)呈現(xiàn)在電子消費者的瀏覽器上。
CEA-2014定義的機(jī)制允許一個用戶界面在遠(yuǎn)程展示，并且被設(shè)備或控制點而不是被主機(jī)的邏輯所控制�；镜脑O(shè)備操作是基于通用的即插即用設(shè)備架構(gòu)1.0版本（為家庭即插即用網(wǎng)絡(luò)和即插即用設(shè)備所制定）。標(biāo)準(zhǔn)也允許由第三方因特網(wǎng)服務(wù)為家庭提供在即插即用設(shè)備上的遠(yuǎn)程展示，覆蓋了TV、移動電話和移動設(shè)備的用戶界面。CEA-2014的主要內(nèi)容是CE-HTML框架，它使用XHTML內(nèi)容去定義用戶的界面，可以用不同的分辨率和尺寸呈現(xiàn)在屏幕上，包括高清屏幕和移動電話屏幕。
4、層疊式樣式表(CSS)
層疊式樣式表是一個樣式表單語言，由W3C制定，用于描述由標(biāo)記語言編寫的文檔的呈現(xiàn)（包括字體，顏色和間距）。CSS是一個人性化的可讀、可寫和表達(dá)的公共桌面出版術(shù)語。自1995年10月以一直就在使用。一個CSS既可以通過一個通用資源定位符連接到一個文檔，或者包含在文檔中。CSS1、CSS2的超集包括許多新的能力，比如元素絕對的、相對的和固定的位置，媒介的概念，支持聽覺樣式和雙向文本，以及陰影等新字體屬性。CSSTV框架定義了一個CSS2子集，比如經(jīng)過裁剪的適合電視設(shè)備的顏色規(guī)范等。
5、文檔對象模型(DOM)
DOM2.0[DOM2]定義了一個2級核心文檔對象模型，它是一個與平臺和語言無關(guān)的界面，允許程序和腳本動態(tài)的讀取和更新內(nèi)容和文檔結(jié)構(gòu)。2級核心文檔對象模型基于文檔對象模型1級。2級核心文檔對象模型是由一套核心接口組成，以便生成和操控文檔的結(jié)構(gòu)和內(nèi)容。這個核心也包含了專用于XML的特定接口等。
6、數(shù)字視頻廣播超文本標(biāo)記語言(DVB-HTML)
數(shù)字視頻廣播-超文本標(biāo)記語言[ITU-TJ.201]是一個允許數(shù)字電視讀取互聯(lián)網(wǎng)內(nèi)容的標(biāo)準(zhǔn)。它是更廣的DVBMHP1.1標(biāo)準(zhǔn)的一個可選部分。這個規(guī)范是一個基于XHTML1.1的模塊化的版本，也包括CSS2.0、DOM2.0和ECMAScript。其中，MHP1.1指定了因特網(wǎng)接入框架，要求應(yīng)用能夠控制互聯(lián)網(wǎng)本地客戶端（Web瀏覽器、e-mail和新聞客戶端）的基本操作。
7歐洲計算機(jī)制造商協(xié)會腳本（ECMAScript）
ECMAScript是一個腳本編程語言，由歐洲計算機(jī)制造商協(xié)會標(biāo)準(zhǔn)化，是一個國際化[ECMA-262]規(guī)范。這個語言被應(yīng)用于Web，經(jīng)過兩個主要的應(yīng)用后被稱為JavaScript或者Jscript。
ECMAScript被許多應(yīng)用支持；它也被包含在諸如BML和DVB-HTML中，作為許多表現(xiàn)引擎的一部分。一些應(yīng)用可能有一套完全不同的庫，使得以一種ECMAScript寫成的應(yīng)用不一定適用于另一種情況。ECMAScript是一個面向?qū)ο蟮木幊陶Z言，用于在一個主機(jī)環(huán)境中計算和控制可計算的對象。它起初被設(shè)計為一個Web腳本語言，在基于Web的客戶/服務(wù)器架構(gòu)中提供一種機(jī)制，使得基于瀏覽器的Web頁面生動活潑，并實現(xiàn)服務(wù)器端的計算。Web瀏覽器為客戶端的計算提供一個ECMAScript主機(jī)環(huán)境，包括呈現(xiàn)窗戶、按鈕、對話框、文本區(qū)域、畫面、歷史等，以及輸入/輸出這些對象。而且，主機(jī)環(huán)境提供一種方式將腳本代碼與事件綁定，比如焦點的變化，頁面和圖片的裝載、上傳、選擇，表單提交和鼠標(biāo)動作等。
8、輕量級應(yīng)用場景表示(LASeR)和簡單聚合格式(SAF)
MPEG-4Part20[ISO/IEC14496-20]是一個規(guī)范，用來表示和遞送富媒體業(yè)務(wù)到諸如移動電話這些資源受限的設(shè)備上。它定義了兩個二進(jìn)制格式：一個是LASeR，它是一種二維場景的二進(jìn)制格式，包括矢量圖形和對場景的定時修改；另一個是SAF，用于在一個包含音視頻內(nèi)容的LASeR流中用于聚合的二進(jìn)制格式。
9、多媒體和超媒體編碼專家組（MHEG-5）
MHEG-5[ITU-TT.170][ITU-TT.172][ITU-TT.175][ISO/IEC13522-5][ETSIES202184]代表一種應(yīng)用，作為一套場景，包含了對所有場景都通用的對象。一個多媒體應(yīng)用可以被看作是一套獨立的基于同步和空時關(guān)系的對象，具有多個媒體格式、結(jié)構(gòu)化的要素、事件－行為關(guān)聯(lián)、導(dǎo)航以及用戶交互的能力。能夠控制與時間相關(guān)的內(nèi)容的回放，如多個音視頻數(shù)據(jù)流一樣，這些流需要視頻錄像機(jī)的控制功能（如播放、暫停、快進(jìn)等）以及在播放時的事件管理能力。MHEG-5的總目標(biāo)是定義一套對象級的語義和語法，能夠在具有最小資源的平臺之間實現(xiàn)多媒體應(yīng)用的交互
10、嵌套的關(guān)聯(lián)語言(NCL)
NCL[ABNTNBR15606-2]是為制作超媒體文檔定義的語言。它基于XML，關(guān)注媒體對象的結(jié)構(gòu)化，并且與時空關(guān)聯(lián)。作為一個\"粘\"語言，NCL沒有限定或描述媒體對象內(nèi)容的類型，而且它能包括基于XHTML的媒體對象，就像定義在其它公共DTV標(biāo)準(zhǔn)中那樣。一個NCL文檔通過一個合成的節(jié)點來表達(dá)，這個節(jié)點可以包含一套媒體節(jié)點或其它遞歸的要素節(jié)點。
11、可伸縮的矢量圖形(SVG)
SVG[SVG1.1]是一個在XML中用于描述二維圖形和圖形應(yīng)用的語言。SVG考慮了三類圖形對象：矢量圖形、圖片和文本。圖形對象可以通過分組、樣式化、轉(zhuǎn)換或者合成為以前呈現(xiàn)的對象。其特征集包括嵌套轉(zhuǎn)換、剪貼路徑、字符掩飾、濾波效應(yīng)和模板對象。
程序性應(yīng)用平臺
程序性應(yīng)用平臺是一個框架，在這個框架中用API（基于程序語言，如Java）編寫的應(yīng)用能夠運行。包括以下幾個平臺：
1、基于GEM的應(yīng)用平臺
全球執(zhí)行的MHP（GEM）[ETSITS102819]指定了OCAP、MHP等的核心。對于廣播，MHP和OCAP標(biāo)準(zhǔn)在交互式電視方面是重疊的。對于交互式內(nèi)容和應(yīng)用來說，它是一個基于Java平臺的正式標(biāo)準(zhǔn)。GEM由DVB來制定，并且被ETSI、ITU、CableLabs、ARIB、ACAP、Ginga和藍(lán)光光盤協(xié)會采納。
2、多媒體家庭平臺（MHP）
MHP[ETSITS102812]是由DVB項目組為多媒體廣播開發(fā)的一套規(guī)范。MHP包括兩類功能。版本1.0系列包括執(zhí)行引擎環(huán)境，并且在執(zhí)行引擎環(huán)境中使用了Java技術(shù)。版本1.1系列除了包括1.0版本的內(nèi)容外，還包括表現(xiàn)引擎。1.1版本的表現(xiàn)引擎不是單獨的，它要求有執(zhí)行引擎環(huán)境的存在。DVBMHP1.0系列在2000年5月第一次發(fā)布。
3、先進(jìn)的通用應(yīng)用平臺（ACAP）
ACAP[ITU-TJ.201]是基于ACAPAPIs、內(nèi)容格式和語義保證的標(biāo)準(zhǔn)規(guī)范。ACAP應(yīng)用分為兩類，這種分類基于對應(yīng)用內(nèi)容的初始處理是程序性的還是定義性的，分別被稱為程序性應(yīng)用（ACAP-J）和定義性應(yīng)用（ACAP-X）。ACAP-J應(yīng)用的一個例子是JavaTVTMXlet，是由編輯性的JavaTM字節(jié)代碼再結(jié)合其它多媒體內(nèi)容，比如圖形、視頻和音頻來完成的。ACAP-X應(yīng)用的例子是多媒體文檔，由XHTML標(biāo)記、樣式規(guī)則、腳本、嵌入式圖片、視頻和音頻組成。
應(yīng)用環(huán)境根據(jù)它們的過程是程序性的還是定義性的也分為兩類，分別被稱為ACAP-J和ACAP-X環(huán)境。ACAP-J環(huán)境的一個例子是Java虛擬機(jī)以及它的相關(guān)API的實施；ACAP-X環(huán)境的一個例子是XHTML多媒體文檔瀏覽器，也稱為用戶代理。
ACAP標(biāo)準(zhǔn)的靈活性和架構(gòu)適于廣播系統(tǒng)和陸地空中接收機(jī)廣播和有線電視系統(tǒng)。ACAP主要基于GEM和DASE，包括來自O(shè)CAP的附加功能。
4、開放的電纜應(yīng)用平臺（OCAP）
OCAP[ANSI/SCTE90-1]是為數(shù)字CATV制定的交互式多媒體業(yè)務(wù)系列規(guī)范，它是由OpenCable項目部開發(fā)的。OCAP1.0基于MHP1.0.2，并且包括了為美國有線電視系統(tǒng)所做的擴(kuò)展。
5、Ginga巴西人選擇的中間件稱為Ginga，它是巴西為陸地數(shù)字電視制定的正式標(biāo)準(zhǔn)，其核心采用了GEM3。
其他相關(guān)標(biāo)準(zhǔn)
MPEG多媒體中間件（MPEGM3W）。M3W[ISO/IEC23004]MultimediaMiddleware即除了有架構(gòu)&元素模型描述和參考軟件外，還提供了兩套APIs，即多媒體平臺APIs、功能APIs以及支持平臺APIs和非功能APIs。
思考和看法
隨著寬帶網(wǎng)絡(luò)技術(shù)的不斷成熟和發(fā)展，寬帶網(wǎng)絡(luò)上的業(yè)務(wù)應(yīng)用呈現(xiàn)多樣化和多媒體化的發(fā)展趨勢。各種標(biāo)準(zhǔn)化組織都將多媒體應(yīng)用作為研究和開發(fā)方向，同時，將自己的多媒體平臺標(biāo)準(zhǔn)推向國際標(biāo)準(zhǔn)化組織，形成了眾多的多媒體應(yīng)用平臺標(biāo)準(zhǔn)。特別是程序性的多媒體應(yīng)用平臺，比如GEM和MHP經(jīng)過不斷的修訂和完善，已經(jīng)被很多的公司采用，基于這些標(biāo)準(zhǔn)的機(jī)頂盒產(chǎn)品至少有兩千萬臺以上。
在2006年成立的ITU-TFGIPTV會議上，筆者提出了業(yè)務(wù)平臺中間件的體系架構(gòu)及其API的分類和定義，這些內(nèi)容大部分被接受。在第六次會議上，WG6組主席（日本NTT公司的專職標(biāo)準(zhǔn)人）曾經(jīng)向筆者詢問，“中國是否有類似的多媒體應(yīng)用平臺標(biāo)準(zhǔn)？”其言外之意，既然中國在會議上積極主動地提出體系架構(gòu)定義和功能描述（包括終端和業(yè)務(wù)平臺），以及API的分類和定義，也應(yīng)該有一套多媒體應(yīng)用平臺的標(biāo)準(zhǔn)規(guī)范，而這個問題需要得到國家有關(guān)部門的幫助才能回答。
筆者尚不了解中國的多媒體應(yīng)用平臺開發(fā)進(jìn)程，但不管怎樣，國外的多媒體應(yīng)用平臺及其中間件產(chǎn)品已漸成氣候，它們的做法和取得的成果值得我們思考和借鑒。如日本的運營商和設(shè)備制造商，均派出全職的標(biāo)準(zhǔn)跟蹤和制定人員，參與國際上所有標(biāo)準(zhǔn)化組織和協(xié)會的工作。在參與的過程中，這些人員將學(xué)到的最先進(jìn)的思想和方法帶回國內(nèi)，經(jīng)過消化吸收后將自己的研究成果推向國際，形成了一批國際標(biāo)準(zhǔn)。研究日本在影像設(shè)備和技術(shù)方面的成功，就可以發(fā)現(xiàn)它們對標(biāo)準(zhǔn)的高度重視。
目前國內(nèi)的有關(guān)標(biāo)準(zhǔn)化組織和協(xié)會還沒有良好的合作關(guān)系。在標(biāo)準(zhǔn)的制定方面各自為陣，不愿意設(shè)立專門的從事和跟蹤國際標(biāo)準(zhǔn)的技術(shù)人員，缺少與國際的有效交流和溝通，缺乏應(yīng)有的人力和財力，最重要的是缺乏有效、系統(tǒng)的管理--這種條塊分割的管理方式是不會做大做強(qiáng)一個產(chǎn)業(yè)的機(jī)頂盒都是為數(shù)字電視而開發(fā)的；后來電信運營商需要開展基于電信網(wǎng)絡(luò)的IPTV，廠商們才對這些機(jī)頂盒進(jìn)行技術(shù)改造，如改變機(jī)頂盒的接入認(rèn)證方式等。隨著國內(nèi)網(wǎng)絡(luò)融合的進(jìn)行，未來的機(jī)頂盒應(yīng)不僅要適用于數(shù)字電視，還應(yīng)適用于各種網(wǎng)絡(luò)，具有開放的體系架構(gòu)和可擴(kuò)展性，能夠提供豐富多彩的多媒體業(yè)務(wù)應(yīng)用的機(jī)頂盒。
因此，建議相關(guān)的標(biāo)準(zhǔn)化組織和協(xié)會能夠取長補(bǔ)短，共同在機(jī)頂盒的體系架構(gòu)設(shè)計、標(biāo)準(zhǔn)規(guī)范的制定以及產(chǎn)業(yè)化方面進(jìn)行廣泛合作；同時，國家應(yīng)該鼓勵有實力的企業(yè)投入更多的人力和財力，培育專門的標(biāo)準(zhǔn)技術(shù)人員，制定中國的基于融合網(wǎng)絡(luò)的下一代多媒體應(yīng)用平臺標(biāo)準(zhǔn)。目前，留給中國的標(biāo)準(zhǔn)化組織和制造商的機(jī)會和空間還是很大的，關(guān)鍵是我們有沒有這樣的需求，有沒有一支隊伍來完成這樣的工作。
