浅谈空间音频 Spatial Audio

alien 2022年12月11日 16:55:15 789 0

空间音频（Spatial Audio）近来大行其道，可能由于早前苹果耳机产品加入了同样的功能，让市场和用家都关注起来，不少厂商和音频方案公司都一鼓作气地为新一轮音频产品作准备，当然，要形成一个优质音频产品应用的生态圈，必须要有不同单位的全力支持和持续创新，除了最重要是大品牌产品导入，让大部分消费者认之识之，音乐制作商、音乐播放平台、产品应用方案、算法、软件、音频产品生产商或多或少也必须有一定程度的投入和配合才可让一种新科技体验深入大众和让其普及。当然用家体验后的感受和实用程度也成为新兴功能是否成功的主要因素。

近来，元宇宙风气让有关视频和音频的科技推上一层楼，在电子竞技游戏和家庭影院的市场上，甚么 3D 音场、多声道杜比相关技术已经存在已久，然而，近来配合耳机和喇叭的空间音频功能，也有不少革新，软件和录音科技的发展均造就更真实和更优质的音频体验。

空間音頻（Spatial Audio）近來大行其道，可能由於早前蘋果耳機產品加入了同樣的功能，讓市場和用家都關注起來，不少廠商和音頻方案公司都一鼓作氣地為新一輪音頻產品作準備，當然，要形成一個優質音頻產品應用的生態圈，必須要有不同單位的全力支持和持續創新，除了最重要是大品牌產品導入，讓大部分消費者認之識之，音樂製作商、音樂播放平台、產品應用方案、演算法、軟件、音頻產品生產商或多或少也必須有一定程度的投入和配合才可讓一種新科技體驗深入大眾和讓其普及。當然用家體驗後的感受和實用程度也成為新興功能是否成功的主要因素。近來，元宇宙風氣讓有關視頻和音頻的科技推上一層樓，在電子競技遊戲和家庭影院的市場上，甚麼 3D 音場、多聲道杜比相關技術已經存在已久，然而，近來配合耳機和喇叭的空間音頻功能，也有不少革新，軟件和錄音科技的發展均造就更真實和更優質的音頻體驗。

空间音频也叫作沉浸式音频，就是要用家在听声音或音乐时有一个沉浸在真实环境的感觉，让音乐包围场景，犹如置身其中，可以真实地重现各种不同声音的来源方向和距离。

除了在多单元的环境可以实现，在双声道单元和耳机上均可以实现空间音频。

如何播放空间音频

我们可以如何播放空间音频信息呢，一般有几个普遍采用的方法：

1/多单元回放

主要是以多个扬声器放置在一个空间中，将每一个元素移到与听众头部相同的平面上的任何位置。让对话、音乐的音效能来自不同位置的单元。近年杜比、DTS 各自在他们的影院音响系统中添加了高度声道，将声音形成更有沉浸感和空间感。

2/ Soundbar 或立体声音箱（带有 crosstalk cancellation，串音消除技术）

不少用家因家里空间限制，智能 soundbar 相信正是许多家庭影院爱好者所选用的，通常隐藏在电视显示屏下方的小型线性扬声器阵列。较新的型号已经可以为你提供完整的 3D 音效体验，将声音投射到你的四周围。这些模型很多使用基于串音消除的技术。

串音消除在扬声器表现双耳信号中起着重要作用。它是通过反转传输路径的讯号在听众的耳朵中重现双耳信号。简单说，它是以消除从右扬声器传到你左耳的声音，及从左扬声器传到你右耳的声音。串音消除过滤器也可以根据头部位置实时更新，产品更可配合头部跟踪功能来进一步优化。

3/ 静态双耳混音的耳机

静态双耳混音方式可为用家呈现固定的音场，以双耳尝试在立体声耳机上模拟 3D，5.1、7.1 等音频效果，方法是以转移函数算法修改声音讯号，使声音犹如在你的头部和耳朵周围播放一样。近年不少耳机产品已配合强大的芯片运算并导入有关之音频算法去重现优质的 3D 空间感。

4、头部跟踪和头部锁定音频组合耳机

然而，刚才提及的静态双耳声音通常听起来并不完全真实，原因是当你转头时声音方向不会改变。但如果耳机配备速度仪及陀螺仪传感器来侦测及跟踪听者头部的位置和方向，双耳声音便可以配合听者的动作，根据听者的头部旋转和移动来更新声音讯号了。

早前一些大品牌的T.W.S. 及耳机也有加入这种动态功能，这个头部追踪是基于什么原理呢？主要线索本质是源于我们两只耳朵之间的物理分离。当声源偏离中心时，声音讯号到达较近的耳朵和较远的耳朵之间存在细微的时间延迟。由于「耳间时差」（或ITD）就会造成波长相关的相位差，我们的大脑会立即将其解释为方向提示，当声源愈靠近右耳，声音到达右耳和左耳之间的延迟就愈大。然而，高频声音因为波长较短，所以相位差在较高频率下会变得更难检测，「耳间时差」一般是 2kHz 以下声音较为有效。

除了这个简单的时间差之外，声波从最靠近声源的耳朵穿过到另一边的耳朵时，头部会阻档和吸收声音。所以有音量之差别，「耳间电平差」（ILD）就会造成讯号大少的差别，因为高频被吸收的程度比低频的程度更大，所以「耳间电平差」主要作用于高频声音。

空间音频的3种主要处理方法

随着沉浸式视频和音频格式的普及化，音频工程师一直在试验如何实现高质量空间音频的技术。

基于声道导向：

这是最为传统和发展最完全的定位方式，其制作框架与再现格式相关联。各种声源在 Digital Audio Workshop 中混合，并创建基于声道的最终混音，通常用于特定的目标扬声器布局，最终产品中的每个声道都必须由扬声器在明确定义的位置重现。以固定的音频混合传输给最终用户，我们常听到的 mono、stereo、5.1、7.1 都是这种类型。

基于对象导向：

这方法能够克服上述基于声道的障碍。把每个「声音对象」在哪个方向和有多少音量独立地进行编码，并让声音回放尽可能将音频定位到所需的位置，可以灵活地配合用户的环境和平台等特定因素。这种格式可以重现从单声道到完整的 360 度球面的音频。

基于场景导向：

从场景正中央收录完整的场景信息，最常用是Ambisonic技术，它是完整的360度球体，可以通过Ambisonic麦克风从单点捕捉或在后期制作中人工创建。 Ambisonic 有两种不同的风格：FOA（一阶）和 HOA（高端）。 FOA 包含四个通道——全方向、左右、前后、上下。 HOA 意味着更多的通道，更多的通道在技术上等同于提高空间分辨率，而更高的分辨率意味着更好的定位效果。

图片撷取自RØDE

空间音频的录音方式

当然处理方法背后必需也有对应的录音方式，一般有几种：

1/ 假人头（Dummy Head）

假人头双耳录音（binaural recording）技术采用两个全方向麦克风放置在假人头的耳朵中模拟人类对声音的感知，并将为录音提供有关声源距离、空间感、音色和方向的重要听觉信息，反映出听众两耳在真实环境中所接收到的声音情况。

图片撷取自The Neumann Company

2/ Ambisonic Microphones

Ambisonics 是一种多声道技术，可让你在空间中的一个点以球形方式捕捉场景内各方向的声音。这可以通过带有Ambisonics型号的专用麦克风来实现，这些是设计独特的麦克风，包含四个指向不同方向的心形麦克风。这种特别的排列方式被称为四面体阵列。麦克风信号采用Ambisonics A格式，需要转换为B格式进行后期处理。

A 格式是来自Ambisonics 麦克风的原始音频; 每个麦克风头是一个音频通道。 B 格式是一种用于Ambisonics 音频的标准多声道音频格式。不同型号的Ambisonics麦克风必须将其原始A格式录音转换为标准的B格式，以便后期制作及兼容。而近来市场上主要的后期制作和播放工具都支持Ambisonic，使得Ambisonics成为虚拟现实（virtual reality）和涉及3D空间声音制作程序的合适工具。