其中，MPEG-H 3D Audio可以提供沉浸式和个性化音频服务，而MPEG-I是为虚拟和增强现实应用程序开发的全新标准，以提供更自然、逼真的VR体验。相比 MPEG-H，MPEG-I能够提供更优秀的互动性和沉浸感，并将支持6DOF，用户可以在虚拟空间内移动，并与虚拟空间物品进行交互。3GPP 沉浸式语音及音频服务（IVAS）已于2017年立项，从版本15开始已经演进到版本18，其中包括VR流媒体服务、沉浸式语音及音频编码、提升VR用户体验、边缘计算、场景探索、触觉和媒体服务，SA4沉浸式多媒体类型和内容格式，XR相关业务，QoS、QoE指标等。国内，AVS工作组从2016年起，开始对三维声和互动式音频开展研讨和技术征集，2018年发布GB/T 33475.2《信息技术 高效多媒体编码 第3部分：音频》，支持三维声音频编码；2021年立项国家标准计划《信息技术 虚拟现实内容表达 第3部分：音频》，规定了虚拟现实设备及相关系统中的沉浸式音频内容的表达方式，提出了包括元数据和渲染器的系统构架及接口规范，适用于全景音频录播、沉浸式音频通信、虚拟现实音频交互等领域的音频采集、传输、回放系统；2022年，世界超高清产业联盟（UWA）联合AVS工作组，共同制定面向三维声音频编码的自主编码标准，联合发布T/UWA 009.1—2022年《三维声音技术规范 第1部分：编码分发与呈现》和T/AI 109.3—2023《信息技术 智能媒体编码 第 3 部分:沉浸式音频》，即三维菁彩声Audio Vivid/AVS3P3音频标准。三维菁彩声（Audio Vivid）针对不同的信号类型采用不同的技术工具对输入信号进行编解码。采用多声道编码技术去除多声道信号间的信息冗余。采用HOA空间编码技术去除HOA各声道信号间的空间几何信息冗余。采用基于心理声学模型的预处理和基于AI的量化，熵编码技术去除单声道、对象音频信号中的信息冗余。通过扬声器或耳机完成最终渲染输出。

随着虚拟现实产业的蓬勃发展与广泛应用，设备与设备之间、软件与设备之间的数据交互越来越被建设者和使用者所重视，从而构建一套标准的数据传输协议规范在虚拟现实设备、软件和平台之间得到了广泛关注。通过这些接口协议，不同厂商、不同技术的虚拟现实设备和软件之间可以互相通信，并为开发者构建跨平台的虚拟现实应用内容提供数据传输基础支撑。

国外已经在虚拟现实接口协议的标准化方面积累了一定经验，其中OpenXR作为一个开放标准受到了全球范围内的广泛关注和采用，为不同厂商的虚拟现实设备提供了互操作性。