AES69—2015：沉浸式音頻的關鍵

從音頻技術從單身轉換到立體聲像那時起，似乎有一些聽眾一直在追求最有沉浸感的聲像。四聲道、環境立體混合聲、杜比環繞聲、DTS和杜比數字的出現都是為了滿足為聽眾提供真正環繞的聽覺體驗的要求。

雖然早期開發只是對音頻，但沒過多久采用如Fantasound和Cinerama等的系統，多聲道音頻就與電影聯姻，而電視廣播一直到上世紀80年代依然為單聲。

個人體驗

現在在消費電子產品商店，經常可看到大屏幕電視配環繞聲系統，但只是許多個人用藍牙音響系統和大量高端頭戴式耳機。事實上，環繞聲和沉浸式聲音的趨勢看來是朝向個人而不是共享體驗，這是由智能手機和手游系統所推動的。不過，這些裝置上消費的很多內容依然來自媒體和廣播制作公司。

許多制造商很早就進入了沉浸式音頻領域，但現在隨著ATSC 3.0力圖把沉浸式引入廣播領域，AES提出了一個旨在確保沉浸式音頻傳輸系統采用相同的空間音頻信息交換文件格式的標準。

在我們考察此標準之前，需要注意的是此標準把雙耳聽音提升為沉浸式聽音的關鍵，這意味著此標準全都與頭部及其存在的空間（真實或仿真）有關。

雙耳錄音并不新鮮，典型的雙耳錄音方式是使用話筒置于雙耳上的仿真頭，目的是捕獲人類將聽到的音頻。遺憾的是，人類頭部本身是該聲學空間內另一個客體，將自己修改我們聽到的音頻。

根據許多可變因素（包括我們的頭部在聲場相對于聲源的位置），聲源可能在稍有不同的時間、以不同的聲強和有點不一樣的頻率響應（取決于我們頭部和雙耳的形狀）以及來自我們身體的反射/抵消，到達我們每只耳朵。

全在頭腦中

幸虧我們的大腦能夠學習和適應我們的聽覺，以稱為頭部相關傳輸函數（HRTF）的響應補償。HRTF在兩個脈沖響應：幫助我們定位聲源的頭部相關脈沖響應（HRIR）和允許我們找到房間內聲源的定向房間脈沖響應（DRIR）的幫助下，是AES69的一個關鍵參數。

如同其它AES幫助，此標準建立在其它產業集團所在的工作上，而不是確立沖突的標準和不必要地白費力氣做重復工作。在這種情況下，工作基于ISO、ITU和IETF標準，并把netCDF-4作為數據存儲格式。

此標準很大程度上依賴于音頻對象——游戲音頻領域的一個重要部分，它對廣播相當新，而隨著我們越來越接近ATSC 3.0，將越來越多地看見它。AES69中的主要對象是

“聽眾”——可能包含無限數量的接收器；“聲源”——可能包含無限數量的發射器；以及“房間”。

在任何一個特定的AE$69文件中，只能有一個聽眾、一個源和一個房間。這些對象被置于兩個確定它們空間內存在位置的坐標系中。整體坐標系允許空間內源和聽眾布置，而每個源和聽眾在整體坐標系內有其自己的局部坐標系，允許源內發射器和聽眾內接收器布置。

發射器和接收器的指向性圖在局部坐標系內確定。為幫助定向，定義了正交“View”（查看）和“Up”（向上）矢量，View在正x軸，而Up在正z軸。包含有一長串元數據參數，提供一個定義變量及它們的特征的額外方式，并且提供關于文件內數據的重要信息。

正如人們所料，聽眾、接收器、房間和房間類型在元數據參數內描述，對外部應用做出了規定，包括針對它們的要求之元數據。有效的房間類型為自由場、混響室、小屋和.dae（提供至3D應用鏈路的數據交換文件）。全部信息存儲在一個帶.sofa（聲學空間導向格式）擴展的netCDF-4二進制數據文件內。

雙耳音頻不是沒有問題和批評者。在某些雙耳錄音中源位置可能難以找到，側方向聲音最易確定，而前后方向聲音有時似乎在聽音位置本身。

幸運的是，AES69-2015內眾多的參數以及內建的擴展性，可能意味著此標準有足夠的廣度彌補雙耳聆聽的任何不足。

迄今為止我聆聽沉浸式格式的一個體驗是DTS的Headphone：X演示，那是一次非凡的經歷。音頻源在演示間的音箱播放；然后我們被指示戴上耳機，音頻重復播放。

耳機音頻聽上去與來自音箱的幾乎相同，達到我們都把耳機取下以確信的程度。當然，DTS人員有大量時間預先準備，在我們到達前調整設置，但盡管如此結果令人印象非常深刻。

如果其它廠商的沉浸式系統也同樣令人印象深刻，并且AEE69-2015被用于系統間的交換，那么沉浸式音頻世界將變成一個非常激動人心的聆聽之地。