- 相關(guān)推薦
淺析3D音頻技術(shù)拯救VR的寒冬
最近人們常說：VR 的寒冬來了。最近看到一句非常好的描述：“一度承載著創(chuàng)業(yè)者和投資人太多期待與熱情的 VR 行業(yè)，經(jīng)歷了如過山車般的一年�！焙诵募夹g(shù)瓶頸突破之前，VR 還將在泡沫收縮過后進(jìn)行理智思考。而 3D 音頻，作為 VR 產(chǎn)業(yè)的關(guān)鍵性技術(shù)節(jié)點(diǎn)，值得在今天被關(guān)注。小編在此為大家?guī)?D音頻技術(shù)拯救VR的寒冬的理性分析。
在百度上搜索 “VR 寒冬” 有 1,660,000 個(gè)結(jié)果。
《資本變臉：6 個(gè)月，VR 從狂歡到慘淡》(極客公園， 2016 年 09 月 07 日)，《吸引了無數(shù)資本和創(chuàng)業(yè)者的 VR 行業(yè)，似乎已進(jìn)入寒冬》(中國企業(yè)家，2016 年 08 月 26 日)，《 VR 創(chuàng)業(yè)公司的寒冬來了?聽聽資本大咖怎么說!》(網(wǎng)易新聞，2016 年 05 月 27日)，《小心被套! VR 將迎來寒冬》(搜狐新聞，2016 年 05 月 11 日)……
人們猶記得 2015 年下半年到 2016 年年初的 VR 熱：從創(chuàng)業(yè)者到投資人，大家都對(duì) VR 有著無限的熱情與希望。而從計(jì)算機(jī)背景出生轉(zhuǎn)行做 VR 的人真不在少數(shù)：他們正是看準(zhǔn)了這塊 “熱土”， 從大公司走出，一頭鉆進(jìn) VR 行業(yè)。
行業(yè)缺少優(yōu)質(zhì)標(biāo)的，關(guān)鍵性技術(shù)節(jié)點(diǎn)遠(yuǎn)未突破，VR 如同一個(gè)牙牙學(xué)語的嬰兒，尚在襁褓之中，遠(yuǎn)未成熟。與其說 VR 凜冬已到，不如說之前的泡沫正在合理地被擠破。
這里的 “關(guān)鍵性技術(shù)節(jié)點(diǎn)” 其中之一，就是空間音頻技術(shù)。在今天，人們更愿意叫它 3D 音頻。
正如著名 VR 制作公司 Jaunt 的音頻首席工程師亞當(dāng)·桑默(Adam Somers)說的：“(在 VR 這件事上面)，聽覺占了五成，視覺占剩下五成。”
聽覺決定了人類對(duì)空間的定位、對(duì)物體距離的感知等等。視覺給出一個(gè)線索，聽覺則去證實(shí)這個(gè)線索是否真實(shí)存在。如果少了視覺的沉浸感，那么一切畫面的真實(shí)性就蕩然無存。不解決聽覺問題，虛擬現(xiàn)實(shí)就不能成為虛擬現(xiàn)實(shí)�？梢赃@么說，3D 音頻決定了我們念叨著的 VR 時(shí)代是否真正到來。
首先科普一下 3D 音頻
什么是 3D 音頻?簡(jiǎn)單來說，3D 音頻是對(duì)聲音最逼真的模擬技術(shù)，能讓聽眾完全還原到與現(xiàn)場(chǎng)相似的聲場(chǎng)。類似的叫法還有全景聲方案、Immersive Audio(沉浸式音頻)。你能到完全聽到逼真到 “現(xiàn)實(shí)” 的聲音，而不是 “現(xiàn)實(shí)主義” 的。
目前世界范圍內(nèi)最成熟的空間音頻制作公司之一，VisiSonics 的創(chuàng)始人之一拉瑪尼 · 杜瑞斯沃米(Ramani Duraiswami)有一句話：“當(dāng)你聽到的聲音是極度真實(shí)的時(shí)候，耳機(jī)就消失了。”
人耳對(duì)聲音信號(hào)有一套自己的分析系統(tǒng)，來得以對(duì)聲音進(jìn)行分析與定位。從空間任意一點(diǎn)傳到人耳(鼓膜前)的信號(hào)都可以用一個(gè)濾波系統(tǒng)來描述，音源+濾波器(傳遞函數(shù))得到的就是聲音到達(dá)兩耳鼓膜前的信號(hào)。
我們不必關(guān)心聲音是如何傳遞到雙耳的，而只需要知道：音源與到達(dá)我們雙耳之前的信號(hào)是有差別的;并且我們的左耳和右耳聽到的聲音是不一樣的。這可能是源于我們的進(jìn)化，視覺沒有辦法在黑夜中定位，而耳朵可以通過左右耳的聲音不同，進(jìn)行定位與防御。
這個(gè)濾波器(傳遞函數(shù))叫 HRTF ( head-related transfer function )。如果我們有空間所有方位到雙耳的濾波器組，就能得到一個(gè)濾波矩陣，從而還原來自整個(gè)空間方位的聲音信號(hào)。
HRTF 是極具個(gè)人性的。每個(gè)人成長中都會(huì)形成一套自己對(duì)聽力的感知。并且，我們每個(gè)人的頭部大小不一樣、耳間距不一樣，耳朵的輪廓、里面的旋渦狀也不一樣。加上，我們?cè)诔砷L當(dāng)中養(yǎng)成了自己獨(dú)特的聽力習(xí)慣�？梢赃@么說，每個(gè)人聽到的同樣物體發(fā)出的聲音，其實(shí)都有細(xì)微差別。
如何還原人耳真實(shí)聽到的聲音?科學(xué)家對(duì)此的探索不是今天的新事。在將近一個(gè)世紀(jì)之前，1933 年，AT&T 貝爾實(shí)驗(yàn)室就把這項(xiàng)技術(shù)帶到了芝加哥世博會(huì)上。這家公司的人聲研究部做了一個(gè)機(jī)械化的仿真人頭——他們把這個(gè)假人取名叫 “Oscar”。Oscar 的耳朵里裝上了兩個(gè)麥克風(fēng)，坐在展示房間中，錄取周圍的聲音。Oscar 聽到什么，他就能錄到什么。
AT&T 貝爾實(shí)驗(yàn)室提供的解決方案叫做雙耳錄音技術(shù)(Binaural Audio)。
雙耳錄音技術(shù)模擬人類真正的頭部的形狀、左右耳的耳間距，可以收錄到近乎于真正的人類聽到的聲音。這是一種有效的“笨方法”，物理層面上即還原了 HRTF。沿著這條路徑，德國麥克風(fēng)公司紐曼(Neumann) 在 1973 年到 1992 年間，連續(xù)在雙耳錄音技術(shù)上做出了各種突破——更好的收音設(shè)備、把麥克風(fēng)放置于仿真假人耳內(nèi)鼓膜上等等。
雙耳錄音技術(shù)在這個(gè)世紀(jì)中一直處于緩慢的速度發(fā)展，原因在于，沒有強(qiáng)大的產(chǎn)業(yè)需求。一直等到這一波 VR 熱潮的來臨，它才重上舞臺(tái)。 由于 Oculus Rift , 索尼 Morpheus 以及三星 Gear 帶來的 VR 普及，3D 音頻技術(shù)迎來了它的 “文藝復(fù)興” ——于是它又被稱作了 VR 音頻。
3D 音頻技術(shù)到底難在哪兒?
VR 需要有 3D 音頻才能產(chǎn)生更真實(shí)的沉浸感。Jaunt 的音頻首席工程師 Adam Somers 在接受 THE VERGE 采訪時(shí)這樣描述：“在沉浸感這件事上面，聽覺占了五成，視覺占剩下五成�！�
Jaunt 是美國著名的 VR 制作公司，去年得到上海華人文化產(chǎn)業(yè)基金(CMC)與迪斯尼的 6500 萬美金投資。
然而，雙耳錄音技術(shù)本身不能支持收聽的時(shí)候轉(zhuǎn)動(dòng)頭部。玩家在玩 VR 游戲的時(shí)候，如果有聲音從后面?zhèn)鱽�，人的本能反�?yīng)是轉(zhuǎn)頭向后看。這時(shí)候如果聲音繼續(xù)在你的前方，那么會(huì)大大降低沉浸感。
另一種還原真實(shí)聲場(chǎng)的技術(shù)也不能支持收聽的時(shí)候轉(zhuǎn)動(dòng)頭部，叫環(huán)繞立體聲 ( surround audio ) 。環(huán)繞立體聲用多個(gè)物理揚(yáng)聲器來打造一個(gè) 360 度的聲場(chǎng)，來自不同方向的聲音通過不同的音箱/揚(yáng)聲器來播放。該項(xiàng)技術(shù)最著名的公司是 DTS 和杜比(Dolby)。
比如一家環(huán)繞立體聲影院，它會(huì)在觀眾的周圍放置很多音箱/揚(yáng)聲器。如果畫面左邊出現(xiàn)了爆炸，那么左邊的音箱會(huì)發(fā)出聲響，而不是右邊。由于播放器的位置固定，聽眾只有在固定的點(diǎn)，才能聽到模擬得最真實(shí)的聲場(chǎng)。
如何解決這個(gè)問題?計(jì)算成為了重中之重。
在雙耳錄音技術(shù)取到的聲音之后，還原 HRTF，然后進(jìn)行計(jì)算，把各個(gè)方向的 HRTF 還原，才能合成一套隨著轉(zhuǎn)頭、位置移動(dòng)聲場(chǎng)自然發(fā)生變化的空間音頻。
在這三個(gè)環(huán)節(jié)中——收音、錄音;計(jì)算、渲染 ( processing, rendering ) ;回放——技術(shù)壁壘最強(qiáng)的地方在于計(jì)算環(huán)節(jié)。
核心算法是考驗(yàn)各家空間音頻公司的能力指標(biāo)。Two Big Ears 的公司廣告語說明了一切："We do mathematics so you can focus on being awesome."(我們做數(shù)學(xué)，你來好好做酷的事情。)這家位于愛爾蘭的公司目前在空間音頻技術(shù)上處于領(lǐng)先地位。
有些團(tuán)隊(duì)則為了減輕計(jì)算量，用了一些比較笨的辦法。比如 3dio，他們創(chuàng)造出收音設(shè)備，可以盡可能地在同一時(shí)間錄到各個(gè)方向的 HRTF 。
通常，三個(gè)指標(biāo)可以用來判斷一家公司 3D 音頻核心算法技術(shù)水平：
1、Localization : 指的是聲音的定位。環(huán)繞立體聲對(duì)于聲音的平面 360 度有較好的模擬效果，而對(duì)于上下 360 度則難以模擬。VR 音頻的難點(diǎn)也在于做出上下 360 度的聲音模擬。能做到上下逼真的則技術(shù)更為先進(jìn)。
2、Propagation : 聲音在封閉空間中，不是只傳輸一次，而是有無數(shù)次的反射(bounce back)，我們可以用回音來理解。Propagation 用來描述是否能讓用戶感覺到自己的確在一個(gè)真實(shí)的空間中，這種真實(shí)感越強(qiáng)越好。
3、Occlusion : 聲音在傳輸過程中，如果中間有一個(gè)障礙物，這個(gè)障礙物會(huì)對(duì)聲音的傳播產(chǎn)生影響。如果一個(gè) VR 音頻技術(shù)可以對(duì)障礙物對(duì)于聲音的影響模擬得很好，則是一個(gè)做得好的 VR 音頻。
除去以上三點(diǎn)，目前空間音頻最前沿的解決方案是 Ambisonic 技術(shù)。于是，能不能做 Ambisonic 也是判斷一家公司技術(shù)高低的指標(biāo)。
Ambisonic 同樣是一種聲場(chǎng)模擬手段，但它更考驗(yàn)團(tuán)隊(duì)物理、數(shù)學(xué)和計(jì)算機(jī)的綜合能力。如果我們把空間中某一個(gè)接收聲音的位置想象成一個(gè)充著氣的氣球，那么空間中各處傳來的聲波會(huì)對(duì)這只氣球表面產(chǎn)生作用力。
Ambisonic 利用這個(gè)簡(jiǎn)單道理，在空間中擺放一堆揚(yáng)聲器，來模擬對(duì)應(yīng)現(xiàn)實(shí)情況下各處聲波對(duì)這只氣球的作用力，然后計(jì)算，還原 HRTF。
通過 Ambisonic 得到的音頻數(shù)據(jù)，是最全面的數(shù)據(jù)，它可以降解到任何其他音頻格式。打個(gè)比方，Ambisonic 如果是圖像中的 jpg , 則杜比 7.0 、杜比 5.1 等等音頻格式相當(dāng)于像素。
如何評(píng)價(jià) 3D 音頻技術(shù)的行業(yè)現(xiàn)狀?
3D 音頻技術(shù)勢(shì)必會(huì)改變所有的應(yīng)用場(chǎng)景。整個(gè)空間音頻產(chǎn)業(yè)有兩個(gè)機(jī)會(huì)：
第一個(gè)機(jī)會(huì)是做音頻引擎 (audio engine)，其核心在于 HRTF 函數(shù)、Propagation 等技術(shù)，即如何在游戲里盡可能逼真地還原出立體聲來。目前簡(jiǎn)單的做法是，在 VR 游戲中放置不同的虛擬音箱，并配合 Oculus Audio SDK ( 實(shí)現(xiàn)了 HRTF 以及其他效果，包括 reflection 等)，就可以實(shí)現(xiàn)空間音頻。
而不簡(jiǎn)單的做法有很多，需要團(tuán)隊(duì)具有強(qiáng)大的計(jì)算能力，成立于 2013 年愛丁堡的 Two Big Ears 是其中翹楚。他們所做的 plug-in 可能是目前行業(yè)中技術(shù)最好的 plug-in 之一。
第二個(gè)機(jī)會(huì)是實(shí)現(xiàn) 3D 音頻在現(xiàn)實(shí)生活中的運(yùn)用，即怎么配合全景視頻錄制帶多個(gè)角度的 VR 音頻。這樣用戶觀看全景視頻的時(shí)候如果轉(zhuǎn)頭，聲音會(huì)進(jìn)行動(dòng)態(tài)調(diào)整。就應(yīng)用場(chǎng)景來說，對(duì)于虛擬演唱會(huì)，3D音頻技術(shù)尤其重要。
從目前整個(gè)全球市場(chǎng)來考量，3D 音頻由于其自身技術(shù)難度，還沒有出現(xiàn)提供完美解決方案的公司與團(tuán)隊(duì)，大牌音頻公司 DTS 所做的技術(shù)已經(jīng)比較接近，但最終版本仍沒有公之于眾，并且面臨著價(jià)格極高的可能性。
最被關(guān)注的七家 3D 音頻技術(shù)團(tuán)隊(duì)
1、VisiSonics
VisiSonic 起步最早，團(tuán)隊(duì)來自美國馬里蘭大學(xué)的實(shí)驗(yàn)室，2015年10月與 Oculus 達(dá)成合作。Oculus 購買了他們的技術(shù)，叫做 RealSpace 3D , 用于 Oculus Audio SDK 。他們?cè)O(shè)計(jì)出了一個(gè) 3D 音頻視頻同步錄制的設(shè)備，由一個(gè)柱型加頂部球型裝置組成，球型裝置上有 64 個(gè)麥克風(fēng)。硬件層面上，技術(shù)拔尖并保持世界領(lǐng)先地位。
2、Two Big Ears
位于蘇格蘭愛丁堡的團(tuán)隊(duì)，最近剛剛被 臉譜網(wǎng)收購。他們的核心技術(shù)是做 3D 音頻引擎，名字叫做 3Dception 。就 plug-in 層面上來講，這支團(tuán)隊(duì)是目前世界范圍內(nèi)技術(shù)最好的團(tuán)隊(duì)。在被 臉譜網(wǎng)收購前，據(jù)傳HTC Vive 音頻的計(jì)算渲染用的就是這支團(tuán)隊(duì)。
3、3dio sound
這家公司是目前市面上可見的空間音頻收音錄制領(lǐng)域最好的公司。他們出品了有八個(gè)耳朵的收音裝置。
4、Thrive Audio
這家公司與 Tilt Brush 一同被 Google 收購，屬于 Google VR 戰(zhàn)略布局的一部分。團(tuán)隊(duì)來自愛爾蘭的都柏林圣三一學(xué)院。他們聲稱已經(jīng)申請(qǐng)了兩個(gè)專利。
5、Mint Muse
一支之前在美國圣地亞哥、最近剛剛搬遷到上海的團(tuán)隊(duì)。主創(chuàng)團(tuán)隊(duì)來自高通。他們主攻渲染質(zhì)量、算法優(yōu)化、時(shí)延等領(lǐng)域，設(shè)計(jì)制作空間音頻后期制作、coding 以及軟件插件工具，目前不涉及硬件生產(chǎn)。這支團(tuán)隊(duì)面向的解決人群是錄音師，他們正在開發(fā)一款專業(yè) VR 全景聲調(diào)音軟件，讓調(diào)音師可以在編輯全景聲過程中實(shí)時(shí)監(jiān)聽成品效果，簡(jiǎn)化整個(gè)工作流。
6、Waves
這是一家位于以色列的空間音頻技術(shù)公司，之前做專業(yè) studio 的工具，比如插件與音效，是很多著名 studio 的合作伙伴，如 Abbey Road 。
7、Impulsonic
一支孵化于美國北卡羅來納大學(xué)計(jì)算機(jī)系的團(tuán)隊(duì)。主要針對(duì) VR 游戲與應(yīng)用的 3D 音頻開發(fā)，產(chǎn)品叫 Phonon。成立于 2012 年。創(chuàng)始人阿尼什 · 錢達(dá)克(Anish Chandak)博士說創(chuàng)立之初他的想法就非常簡(jiǎn)單：“幫助游戲設(shè)計(jì)師與開發(fā)者更容易做出高質(zhì)量的空間音頻�！� 大部分收入來自于 Phonon 的 license 收入。他們?nèi)ツ杲邮苊绹鴩铱茖W(xué)基金的投資，研究同時(shí)應(yīng)用于一些政府項(xiàng)目。
大部分做 VR 游戲的工作室還沒有開始大規(guī)模使用 3D 音頻技術(shù)——原因主要是 “窮”。既然“寒冬” 來了，那么也就更窮了。事實(shí)上，這些沒有好內(nèi)容的游戲工作室還用著環(huán)繞立體聲技術(shù);只有少數(shù)極客風(fēng)格的工作室開始應(yīng)用一些空間音頻技術(shù)。3D 音頻技術(shù)仍舊是一件挺前沿的事兒。
然而，3D 音頻對(duì)于整個(gè) VR 產(chǎn)業(yè)來講，是基礎(chǔ)的技術(shù)性板塊。
擁有核心技術(shù)，才可能在應(yīng)用層面上等待下一個(gè)突破點(diǎn)。做無人機(jī)的大疆(DJI)就是一個(gè)例子，早在無人機(jī)變成商業(yè)模式之前，大疆的主創(chuàng)團(tuán)隊(duì)已經(jīng)在飛行控制這一個(gè)技術(shù)點(diǎn)上做了長時(shí)間的研究與努力。
如果 VR 終有一天值得每一個(gè)用戶去花時(shí)間使用，那么它勢(shì)必在技術(shù)方方面面上已經(jīng)成熟到可以 “沉浸式體驗(yàn)” 的時(shí)候。
拯救VR，先從 3D 音頻開始。
【淺析3D音頻技術(shù)拯救VR的寒冬】相關(guān)文章：
未來的人機(jī)交互技術(shù)介紹VR、AR、MR10-13
羽毛球雙打技術(shù)淺析08-26
拉丁舞理論與技術(shù)淺析201707-04
淺析挖掘機(jī)維修與保養(yǎng)技術(shù)10-19
計(jì)算機(jī)音頻類故障08-01
音頻變壓器的應(yīng)用分析10-30