DTS-UHD

Was ist DTS-UHD — und wie hängt es mit DTS:X und DTS-HD Master Audio zusammen?

DTS-UHD ist das Format, in dem DTS-Ton über Streamingwege ausgeliefert wird. Festgelegt ist es in der Spezifikation ETSI TS 103 491, die es als komprimiertes Auslieferungssystem aus zwei Teilen beschreibt: einem Metadatenteil, der sagt, was der Ton enthält und wie er wiedergegeben werden soll, und einem Audioteil, der die komprimierten Signale übermittelt. Vorgesehen sind kanalbasierter Ton, einzelne Klangobjekte und Ambisonics-Schallfelder bis zur vierten Ordnung. Xperi hat den Medientyp audio/vnd.dts.uhd 2018 bei der IANA eintragen lassen und dort diese Spezifikation als die definierende genannt.

Wenn Du einen Film über das Internet schaust, muss der Ton klein genug für die Leitung sein und trotzdem alles mitbringen, was Deine Anlage für den Raumklang braucht. DTS-UHD ist die Verpackung, die DTS dafür entwickelt hat. Sie hat mit der Verpackung, die auf Blu-ray Discs liegt, nichts zu tun — es sind zwei verschiedene Bauarten desselben Herstellers. Was Du in Gerätelisten als „DTS:X" liest, ist der Inhalt und kommt in beiden Verpackungen vor. Deshalb sagt Dir die Angabe „DTS:X-fähig" allein noch nicht, was bei Dir wirklich ankommt.

Ausführliche Erklärung

Die dritte Generation, nicht die dritte Erweiterung

Die Spezifikation ordnet DTS-UHD ausdrücklich als dritte Generation der DTS-Auslieferungsformate ein. Die ersten beiden Generationen waren vorrangig für kanalbasierten Ton entworfen — das ist der DTS-Kern, den jeder Dekoder seit den neunziger Jahren beherrscht, und die DTS-HD-Erweiterungen, die sich um diesen Kern legen. Wer aus dieser Reihenfolge auf eine Weiterentwicklung schließt, liegt beim Aufbau falsch. Die alte Familie wächst durch Anbauten an einem Kern, den jedes Gerät noch versteht; DTS-UHD beginnt beim Objekt und setzt daraus zusammen, was gespielt werden soll.

Der Aufbau eines Frames zeigt das. Am Anfang steht ein Inhaltsverzeichnis (Frame Table of Contents), das als einziger Bestandteil in jedem Frame garantiert vorhanden ist; darauf folgen Metadaten-Blöcke und Audio-Blöcke. Ein Dekoder springt über das Inhaltsverzeichnis direkt zu dem, was er braucht, und ignoriert den Rest. Sync-Frames enthalten alles Nötige und sind die Einsprungpunkte; die Frames dazwischen übertragen nur, was sich geändert hat. Genau darauf sind Streaming-Verfahren wie DASH und HLS angewiesen, die den Ton in Fragmente zerlegen und an definierten Stellen einsteigen müssen.

Was das Format übermitteln kann

Ein Strom fasst nach der Spezifikation bis zu 224 einzelne Objekte und 32 Objektgruppen. Ein Objekt ist dabei nicht zwingend ein einzelnes Geräusch: Es kann ebenso eine vollständige kanalbasierte Mischung sein oder ein Ambisonics-Schallfeld — die Form, bei der Koeffizientensignale das Schallfeld an einem Punkt beschreiben, statt Lautsprecher zu adressieren (Näheres beim szenenbasierten Ton; als Datenformat verweist die Spezifikation auf den AmbiX-Vorschlag, den Christian Nachbar, Franz Zotter, Etienne Deleflie und Alois Sontacchi 2011 auf dem Ambisonics Symposium vorgelegt haben).

Aus diesen Bausteinen setzt der Absender „Audio Presentations" zusammen: fertige Zusammenstellungen für die Wiedergabe. Mehrere davon können in einem einzigen Strom liegen, und der Spieler wählt eine aus. Die Spezifikation nennt als Zweck ausdrücklich alternative Sprachfassungen und die Möglichkeit, die Sprachlautstärke zu ändern, ohne den übrigen Ton anzufassen. Mitgeliefert werden außerdem Lautheits- und Dynamikangaben nach ITU-R BS.1770-4 — dieselbe Messvorschrift, an der auch die Lautheitsnormalisierung hängt.

Verlustbehaftet ist die Praxis, nicht die Festlegung

Die Spezifikation definiert zusätzlich eine eigene Kompressions-Engine, die Audio Compression Engine (ACE), ausdrücklich für Rundfunk- und Streaming-Umgebungen. Sie schließt aber die verlustfreie Kompression XLL aus der älteren DTS-Spezifikation nicht aus — DTS-UHD kann beides aufnehmen. In den Streamingdiensten, um die es in der Praxis geht, ist der verlustbehaftete Weg der Fall: Xperi beschreibt den für Streaming entwickelten Codec selbst als hocheffizient und bandbreitenarm.

Nicht zu verwechseln mit

DTS:X benennt keinen Codec. Es ist das objektbasierte Tonformat, das in einem Träger mitfährt — mal in DTS-UHD, mal in DTS-HD Master Audio. Wer beide Namen gleichsetzt, kann die entscheidende Frage nicht mehr stellen: über welchen Weg der Ton ankommt. Welcher Träger auf welcher Strecke möglich ist, steht bei DTS:X übertragen.

DTS-HD Master Audio ist die verlustfreie Erweiterung der alten Familie und der Weg von der optischen Disc. Es gehört zur zweiten Generation und hat mit DTS-UHD keinen gemeinsamen Aufbau.

DTS-HD LBR ist die Verwechslung, die am nächsten liegt, weil sie inhaltlich fast passt: Auch dabei geht es um niedrige Datenraten für Netz-Streaming und Rundfunk. LBR gehört zur alten Familie und ist dort in ETSI TS 102 114 beschrieben; laut deren Abschnitt 9.1 tritt es an die Stelle von Kern und Erweiterungen und bleibt im selben Ökosystem. DTS-UHD steht daneben, mit eigener Spezifikation und eigener Registrierung.

Der DTS-Kern — auf Displays meist als DTS oder DTS Digital Surround — ist der 5.1-Datenstrom aus der ersten Generation. Er ist der Grund, warum bei DTS nie etwas kaputt klingt, wenn eine Strecke überfordert ist: Es kommt der Kern an, und alles darüber bleibt liegen.

Ultra HD meint bei Bildgeräten eine Auflösung. Im Namen DTS-UHD bezeichnet das Kürzel nur die Formatgeneration; über Bildauflösung oder Kanalzahl sagt es nichts.

Häufiges Missverständnis

Verbreitet ist die Vorstellung, der Streaming-Ton sei einfach eine sparsamer eingestellte Fassung des Disc-Tons — dieselbe Sache, nur stärker komprimiert. Bei Dolby stimmt das Bild ungefähr, weil dort beide Träger aus derselben Generation stammen und ein Gerät zwischen ihnen umkodieren kann. Bei DTS stimmt es nicht: Die Registrierung bei der IANA verweist für den Streamingweg auf eine eigene Spezifikation, und diese beschreibt ein Format mit eigenem Frame-Aufbau, eigener Metadatenstruktur und eigener Kompressions-Engine.

Praktisch folgt daraus, dass ein Gerät die beiden Wege getrennt können muss. Ein Dekoder, der DTS-HD Master Audio beherrscht, beherrscht deshalb noch lange nicht DTS-UHD.

In der Planung

Ein Kunde will einen Streamingdienst mit DTS:X-Ton nutzen und fragt, ob sein vorhandener Prozessor reicht. Zu klären ist zuerst, welchen Weg das Material überhaupt nehmen soll: den über die Apps im Fernseher, den über einen Streaming-Zuspieler — oder gar keinen, weil die Sammlung auf Scheiben liegt.

Beim Verfahren entscheidet sich dann die DTS-UHD-Frage. Läuft der Ton über die Apps im Fernseher, muss der Fernseher das Format entschlüsseln oder weiterreichen können, und anschließend muss die Strecke zum Prozessor es überhaupt zulassen — die Formatlisten der beiden Ausbaustufen des Tonrückkanals stehen bei eARC und ARC.

Ganz zuletzt kommt das Gerät, und die Frage an das Datenblatt ist präziser als „kann DTS:X": Steht dort ausdrücklich der Streamingweg, oder nur DTS-HD Master Audio und DTS:X von der Disc? Solange das Datenblatt nur die Inhaltsbezeichnung nennt, ist die Frage nicht beantwortet.

Verknüpfte Inhalte

Welcher der beiden DTS-Träger auf welchem Weg ankommt und wo unterwegs gewechselt wird, behandelt DTS:X übertragen. Was ein Objekt gegenüber einem Kanal ist, erklärt die Technologieseite zum objektbasierten Ton; die dritte Darstellungsform steht beim szenenbasierten Ton. Was die Ziffern einer Angabe wie 5.1.4 abzählen, klärt die Kanal-Notation.

Quellen

Die Einordnung als dritte Generation, der Frame-Aufbau aus Inhaltsverzeichnis, Metadaten- und Audio-Blöcken, die Zahlen 224 Objekte und 32 Objektgruppen, die Unterstützung von Kanälen, Objekten und Ambisonics bis zur vierten Ordnung sowie die Aufnahme von XLL und ACE stammen aus ETSI TS 103 491 V1.1.1 vom April 2017, das für diese Seite in den Abschnitten 1 bis 4 am Objekt gelesen wurde. Dass diese Spezifikation den Medientyp audio/vnd.dts.uhd definiert, steht in der Registrierung bei der IANA, die Xperi 2018 eingetragen hat.

Die Beschreibung des Streaming-Codecs als hocheffizient und bandbreitenarm ist eine Aussage von Xperi selbst. Die Angaben zur älteren DTS-Familie — der Kern, die verlustfreie Schicht XLL und das Niedrigraten-Verfahren LBR samt seiner Stellung gegenüber dem Kern — stehen seit dem 01.09.2026 auf der Spezifikation ETSI TS 102 114 V1.6.1, die an diesem Tag am Objekt gelesen wurde (Abschnitte 8 und 9.1). Damit ist auch der normative Verweis von ETSI TS 103 491 auf dieses Dokument geprüft: Dass DTS-UHD XLL aus TS 102 114 aufnehmen kann, ist über dessen Abschnitt 8 gedeckt. Die Darstellung derselben Verfahren im DTS-Whitepaper von 2006 ist bei DTS:X übertragen im Einzelnen belegt.