国家标准项目《信息技术 虚拟现实内容表达 第3部分: 音频》由 TC28（全国信息技术标准化技术委员会）归口，TC28SC29（全国信息技术标准化技术委员会多媒体分会）执行 ，主管部门为国家标准委。

主要起草单位 清华大学 、北京大学 、全景声科技南京有限公司 、北京理工大学 、中国电子技术标准化研究院 、华为技术有限公司等 。

沉浸式音频是《信息技术 虚拟现实内容表达》国家标准中的重要组成部分，本标准定义了适用于虚拟现实设备中的沉浸式音频技术，包括VR音频表达方式、VR音频编解码器和VR音频渲染器。要求VR音频支持多类型内容，包括场景信号、声道信号、对象信号及相关元数据。支持的场景信号HOA阶数上限不低于4阶，支持声道数的上限不低于128，支持对象数的上限不低于128。VR实时通信场景下编解码延时小于等40ms。VR音频编解码器采用AVS2 P3，在同等码率情况下主观听觉体验相当或优于主流的三维声编解码技术。支持耳机与多音箱呈现方式；耳机渲染要求获取头部位置姿态参数进行实时渲染，可支持个性化HRTF参数和不同空间分辨率的HRTF库；可支持不同的混响模型和回放环境配置；在同等码率下的输出音频质量主观听觉体验相当或优于传统的立体声编解码器；当用户移动时，声像应随之发生变化并与用户主观感受一致。