仮想現実VR、拡張現実AR、複合現実MR、または360度ビデオ環境のための方法およびシステムが開示される。システムは、 再生されるオーディオおよびビデオシーンに関連付けられた少なくとも1つのビデオストリーム(106)を受信し、 再生されるオーディオおよびビデオシーンに関連付けられた少なくとも1つの第1のオーディオストリーム(116、316)を受信するように構成され、 システムは、 ユーザーへのオーディオおよびビデオシーンの表現のために、少なくとも1つのビデオストリーム(106)からの少なくとも1つのビデオ信号をデコードするように構成された少なくとも1つのメディアビデオデコーダ(102)と、 ユーザーへのオーディオおよびビデオシーンの表現のために、少なくとも1つの第1のオーディオストリーム(116、316)から少なくとも1つのオーディオ信号をデコードするように構成された少なくとも1つのメディアオーディオデコーダ(112)と、 関心領域ROIプロセッサ(120)と、を含み、関心領域ROIプロセッサ(120)は、 少なくともユーザーの現在のビューポートおよび/または頭の向きおよび/または動きのデータ(122)および/またはビューポートメタデータ(131)および/またはオーディオ情報メッセージメタデータ(141)に基づいて、少なくとも1つのROIに関連付けられたオーディオ情報メッセージを再生するかどうかを決定し、オーディオ情報メッセージは、少なくとも1つのビデオ信号および少なくとも1つのオーディオ信号から独立しており、 情報メッセージを再生することが決定されると、オーディオ情報メッセージを再生する、ように構成されてもよい。