淺析3D音頻技術拯救VR的寒冬
虛擬現實技術，是20世紀發展起來的一項全新的實用技術。虛擬現實技術囊括計算機、電子信息、仿真技術，其基本實現方式是計算機模擬虛擬環境從而給人以環境沉浸感。隨著社會生產力和科學技術的不斷發展，各行各業對VR技術的需求日益旺盛。VR技術也取得了巨大進步，并逐步成為一個新的科學技術領域。下面是小編整理的淺析3D音頻技術拯救VR的寒冬，一起來看看吧。
最近人們常說：VR的寒冬來了。最近看到一句非常好的描述：“一度承載著創業者和投資人太多期待與熱情的VR行業，經歷了如過山車般的一年。”核心技術瓶頸突破之前，VR還將在泡沫收縮過后進行理智思考。而3D音頻，作為VR產業的關鍵性技術節點，值得在今天被關注。小編在此為大家帶來3D音頻技術拯救VR的寒冬的理性分析。
在百度上搜索“VR寒冬”有1,660,000個結果。
《資本變臉：6個月，VR從狂歡到慘淡》(極客公園，2016年09月07日)，《吸引了無數資本和創業者的VR行業，似乎已進入寒冬》(中國企業家，2016年08月26日)，《VR創業公司的寒冬來了?聽聽資本大咖怎么說!》(網易新聞，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：從創業者到投資人，大家都對VR有著無限的熱情與希望。而從計算機背景出生轉行做VR的人真不在少數：他們正是看準了這塊“熱土”，從大公司走出，一頭鉆進VR行業。
行業缺少優質標的，關鍵性技術節點遠未突破，VR如同一個牙牙學語的嬰兒，尚在襁褓之中，遠未成熟。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“關鍵性技術節點”其中之一，就是空間音頻技術。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·桑默說的：“(在VR這件事上面)，聽覺占了五成，視覺占剩下五成。”
聽覺決定了人類對空間的定位、對物體距離的感知等等。視覺給出一個線索，聽覺則去證實這個線索是否真實存在。如果少了視覺的沉浸感，那么一切畫面的真實性就蕩然無存。不解決聽覺問題，虛擬現實就不能成為虛擬現實。可以這么說，3D音頻決定了我們念叨著的VR時代是否真正到來。
首先科普一下3D音頻
什么是3D音頻?簡單來說，3D音頻是對聲音最逼真的模擬技術，能讓聽眾完全還原到與現場相似的聲場。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“現實”的聲音，而不是“現實主義”的。
目前世界范圍內最成熟的空間音頻制作公司之一，VisiSonics的創始人之一拉瑪尼·杜瑞斯沃米有一句話：“當你聽到的聲音是極度真實的時候，耳機就消失了。”
人耳對聲音信號有一套自己的分析系統，來得以對聲音進行分析與定位。從空間任意一點傳到人耳(鼓膜前)的信號都可以用一個濾波系統來描述，音源+濾波器(傳遞函數)得到的就是聲音到達兩耳鼓膜前的信號。
我們不必關心聲音是如何傳遞到雙耳的，而只需要知道：音源與到達我們雙耳之前的信號是有差別的;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，進行定位與防御。
這個濾波器(傳遞函數)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，就能得到一個濾波矩陣，從而還原來自整個空間方位的聲音信號。
HRTF是極具個人性的。每個人成長中都會形成一套自己對聽力的感知。并且，我們每個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，我們在成長當中養成了自己獨特的聽力習慣。可以這么說，每個人聽到的同樣物體發出的聲音，其實都有細微差別。
如何還原人耳真實聽到的聲音?科學家對此的探索不是今天的新事。在將近一個世紀之前，1933年，AT&T貝爾實驗室就把這項技術帶到了芝加哥世博會上。這家公司的人聲研究部做了一個機械化的仿真人頭——他們把這個假人取名叫“Oscar”。Oscar的耳朵里裝上了兩個麥克風，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貝爾實驗室提供的解決方案叫做雙耳錄音技術(Binaural Audio)。
雙耳錄音技術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，德國麥克風公司紐曼(Neumann)在1973年到1992年間，連續在雙耳錄音技術上做出了各種突破——更好的收音設備、把麥克風放置于仿真假人耳內鼓膜上等等。
雙耳錄音技術在這個世紀中一直處于緩慢的速度發展，原因在于，沒有強大的產業需求。一直等到這一波VR熱潮的來臨，它才重上舞臺。由于Oculus Rift,索尼Morpheus以及三星Gear帶來的VR普及，3D音頻技術迎來了它的“文藝復興”——于是它又被稱作了VR音頻。
3D音頻技術到底難在哪兒?
VR需要有3D音頻才能產生更真實的沉浸感。Jaunt的音頻首席工程師Adam Somers在接受THE VERGE采訪時這樣描述：“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業基金(CMC)與迪斯尼的6500萬美金投資。
然而，雙耳錄音技術本身不能支持收聽的時候轉動頭部。玩家在玩VR游戲的時候，如果有聲音從后面傳來，人的本能反應是轉頭向后看。這時候如果聲音繼續在你的前方，那么會大大降低沉浸感。
另一種還原真實聲場的技術也不能支持收聽的時候轉動頭部，叫環繞立體聲(surround audio)。環繞立體聲用多個物理揚聲器來打造一個360度的聲場，來自不同方向的聲音通過不同的音箱/揚聲器來播放。該項技術最著名的公司是DTS和杜比(Dolby)。
比如一家環繞立體聲影院，它會在觀眾的周圍放置很多音箱/揚聲器。如果畫面左邊出現了爆炸，那么左邊的音箱會發出聲響，而不是右邊。由于播放器的位置固定，聽眾只有在固定的點，才能聽到模擬得最真實的聲場。
如何解決這個問題?計算成為了重中之重。
在雙耳錄音技術取到的聲音之后，還原HRTF，然后進行計算，把各個方向的HRTF還原，才能合成一套隨著轉頭、位置移動聲場自然發生變化的空間音頻。
在這三個環節中——收音、錄音;計算、渲染(processing,rendering);回放——技術壁壘最強的地方在于計算環節。
核心算法是考驗各家空間音頻公司的能力指標。Two Big Ears的公司廣告語說明了一切："We do mathematics so you can focus on being awesome."(我們做數學，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上處于領先地位。
有些團隊則為了減輕計算量，用了一些比較笨的辦法。比如3dio，他們創造出收音設備，可以盡可能地在同一時間錄到各個方向的HRTF。
通常，三個指標可以用來判斷一家公司3D音頻核心算法技術水平：
1、Localization:指的是聲音的定位。環繞立體聲對于聲音的平面360度有較好的模擬效果，而對于上下360度則難以模擬。VR音頻的難點也在于做出上下360度的聲音模擬。能做到上下逼真的則技術更為先進。
2、Propagation:聲音在封閉空間中，不是只傳輸一次，而是有無數次的反射(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真實的空間中，這種真實感越強越好。
3、Occlusion:聲音在傳輸過程中，如果中間有一個障礙物，這個障礙物會對聲音的傳播產生影響。如果一個VR音頻技術可以對障礙物對于聲音的影響模擬得很好，則是一個做得好的VR音頻。
除去以上三點，目前空間音頻最前沿的解決方案是Ambisonic技術。于是，能不能做Ambisonic也是判斷一家公司技術高低的指標。
Ambisonic同樣是一種聲場模擬手段，但它更考驗團隊物理、數學和計算機的綜合能力。如果我們把空間中某一個接收聲音的位置想象成一個充著氣的氣球，那么空間中各處傳來的聲波會對這只氣球表面產生作用力。
Ambisonic利用這個簡單道理，在空間中擺放一堆揚聲器，來模擬對應現實情況下各處聲波對這只氣球的作用力，然后計算，還原HRTF。
通過Ambisonic得到的音頻數據，是最全面的數據，它可以降解到任何其他音頻格式。打個比方，Ambisonic如果是圖像中的jpg,則杜比7.0、杜比5.1等等音頻格式相當于像素。
如何評價3D音頻技術的行業現狀?
3D音頻技術勢必會改變所有的應用場景。整個空間音頻產業有兩個機會：
第一個機會是做音頻引擎(audio engine)，其核心在于HRTF函數、Propagation等技術，即如何在游戲里盡可能逼真地還原出立體聲來。目前簡單的做法是，在VR游戲中放置不同的虛擬音箱，并配合Oculus Audio SDK(實現了HRTF以及其他效果，包括reflection等)，就可以實現空間音頻。
而不簡單的做法有很多，需要團隊具有強大的計算能力，成立于2013年愛丁堡的Two Big Ears是其中翹楚。他們所做的plug-in可能是目前行業中技術最好的plug-in之一。
第二個機會是實現3D音頻在現實生活中的運用，即怎么配合全景視頻錄制帶多個角度的VR音頻。這樣用戶觀看全景視頻的時候如果轉頭，聲音會進行動態調整。就應用場景來說，對于虛擬演唱會，3D音頻技術尤其重要。
從目前整個全球市場來考量，3D音頻由于其自身技術難度，還沒有出現提供完美解決方案的公司與團隊，大牌音頻公司DTS所做的技術已經比較接近，但最終版本仍沒有公之于眾，并且面臨著價格極高的可能性。
最被關注的七家3D音頻技術團隊
1、VisiSonics
VisiSonic起步最早，團隊來自美國馬里蘭大學的實驗室，2015年10月與Oculus達成合作。Oculus購買了他們的技術，叫做RealSpace3D,用于Oculus Audio SDK。他們設計出了一個3D音頻視頻同步錄制的設備，由一個柱型加頂部球型裝置組成，球型裝置上有64個麥克風。硬件層面上，技術拔尖并保持世界領先地位。
2、TwoBigEars
位于蘇格蘭愛丁堡的團隊，最近剛剛被臉譜網收購。他們的核心技術是做3D音頻引擎，名字叫做3Dception。就plug-in層面上來講，這支團隊是目前世界范圍內技術最好的團隊。在被臉譜網收購前，據傳HTCVive音頻的計算渲染用的就是這支團隊。
3、3diosound
這家公司是目前市面上可見的空間音頻收音錄制領域最好的公司。他們出品了有八個耳朵的收音裝置。
4、ThriveAudio
這家公司與Tilt Brush一同被Google收購，屬于Google VR戰略布局的一部分。團隊來自愛爾蘭的都柏林圣三一學院。他們聲稱已經申請了兩個專利。
5、MintMuse
一支之前在美國圣地亞哥、最近剛剛搬遷到上海的團隊。主創團隊來自高通。他們主攻渲染質量、算法優化、時延等領域，設計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。這支團隊面向的解決人群是錄音師，他們正在開發一款專業VR全景聲調音軟件，讓調音師可以在編輯全景聲過程中實時監聽成品效果，簡化整個工作流。
6、Waves
這是一家位于以色列的空間音頻技術公司，之前做專業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計算機系的團隊。主要針對VR游戲與應用的3D音頻開發，產品叫Phonon。成立于2012年。創始人阿尼什·錢達克博士說創立之初他的想法就非常簡單：“幫助游戲設計師與開發者更容易做出高質量的空間音頻。”大部分收入來自于Phonon的license收入。他們去年接受美國國家科學基金的投資，研究同時應用于一些政府項目。
大部分做VR游戲的工作室還沒有開始大規模使用3D音頻技術——原因主要是“窮”。既然“寒冬”來了，那么也就更窮了。事實上，這些沒有好內容的游戲工作室還用著環繞立體聲技術;只有少數極客風格的工作室開始應用一些空間音頻技術。3D音頻技術仍舊是一件挺前沿的事兒。
然而，3D音頻對于整個VR產業來講，是基礎的技術性板塊。
擁有核心技術，才可能在應用層面上等待下一個突破點。做無人機的大疆(DJI)就是一個例子，早在無人機變成商業模式之前，大疆的主創團隊已經在飛行控制這一個技術點上做了長時間的研究與努力。
如果VR終有一天值得每一個用戶去花時間使用，那么它勢必在技術方方面面上已經成熟到可以“沉浸式體驗”的時候。
拯救VR，先從3D音頻開始。
拓展：VR簡介
所謂虛擬現實，顧名思義，就是虛擬和現實相互結合。從理論上來講，虛擬現實技術（VR）是一種可以創建和體驗虛擬世界的計算機仿真系統，它利用計算機生成一種模擬環境，使用戶沉浸到該環境中。虛擬現實技術就是利用現實生活中的數據，通過計算機技術產生的電子信號，將其與各種輸出設備結合使其轉化為能夠讓人們感受到的現象，這些現象可以是現實中真真切切的物體，也可以是我們肉眼所看不到的物質，通過三維模型表現出來。因為這些現象不是我們直接所能看到的，而是通過計算機技術模擬出來的現實中的世界，故稱為虛擬現實。
虛擬現實技術受到了越來越多人的認可，用戶可以在虛擬現實世界體驗到最真實的感受，其模擬環境的真實性與現實世界難辨真假，讓人有種身臨其境的感覺；同時，虛擬現實具有一切人類所擁有的感知功能，比如聽覺、視覺、觸覺、味覺、嗅覺等感知系統；最后，它具有超強的仿真系統，真正實現了人機交互，使人在操作過程中，可以隨意操作并且得到環境最真實的反饋。正是虛擬現實技術的存在性、多感知性、交互性等特征使它受到了許多人的喜愛。
【淺析3D音頻技術拯救VR的寒冬】相關文章：
淺談VR技術終結游戲對人類的欺騙06-02
淺析現實題材如何拯救中國影視制作10-15
3D打印技術的現狀與未來12-09
未來的人機交互技術介紹VR、AR、MR09-01
影視制作中3D技術的應用09-27
VR電競該何去何從08-04
展望VR電影的現在與未來09-27
淺析挖掘機維修與保養技術10-19
VR未來的方向-游戲、應用、影視10-25