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。
空間音頻也叫作沉浸式音頻，就是要用家在聽聲音或音樂時有一個沉浸在真實環境的感覺，讓音樂包圍場景，猶如置身其中，可以真實地重現各種不同聲音的來源方向和距離。
除了在多單元的環境可以實現，在雙聲道單元和耳機上均可以實現空間音頻。
我們可以如何播放空間音頻訊息呢，一般有幾個普遍採用的方法：
主要是以多個揚聲器放置在一個空間中，將每一個元素移到與聽眾頭部相同的平面上的任何位置。讓對話、音樂的音效能來自不同位置的單元。近年杜比、DTS 各自在他們的影院音響系統中添加了高度聲道，將聲音形成更有沉浸感和空間感。
不少用家因家裡空間限制，智能 soundbar 相信正是許多家庭影院愛好者所選用的，通常隱藏在電視顯示屏下方的小型線性揚聲器陣列。較新的型號已經可以為你提供完整的 3D 音效體驗，將聲音投射到你的四周圍。這些模型很多使用基於串音消除的技術。
串音消除在揚聲器表現雙耳信號中起著重要作用。它是通過反轉傳輸路徑的訊號在聽眾的耳朵中重現雙耳信號。簡單說，它是以消除從右揚聲器傳到你左耳的聲音，及從左揚聲器傳到你右耳的聲音。串音消除過濾器也可以根據頭部位置實時更新，產品更可配合頭部跟踪功能來進一步優化。
靜態雙耳混音方式可為用家呈現固定的音場，以雙耳嘗試在立體聲耳機上模擬 3D，5.1、7.1 等音頻效果，方法是以轉移函數算法修改聲音訊號，使聲音猶如在你的頭部和耳朵周圍播放一樣。近年不少耳機產品已配合強大的芯片運算並導入有關之音頻算法去重現優質的 3D 空間感。
然而，剛才提及的靜態雙耳聲音通常聽起來並不完全真實，原因是當你轉頭時聲音方向不會改變。但如果耳機配備速度儀及陀螺儀傳感器來偵測及跟踪聽者頭部的位置和方向，雙耳聲音便可以配合聽者的動作，根據聽者的頭部旋轉和移動來更新聲音訊號了。
早前一些大品牌的 T.W.S. 及耳機也有加入這種動態功能，這個頭部追蹤是基於什麼原理呢？主要線索本質是源於我們兩隻耳朵之間的物理分離。當聲源偏離中心時，聲音訊號到達較近的耳朵和較遠的耳朵之間存在細微的時間延遲。由於「耳間時差」（或 ITD）就會造成波長相關的相位差，我們的大腦會立即將其解釋為方向提示，當聲源愈靠近右耳，聲音到達右耳和左耳之間的延遲就愈大。然而，高頻聲音因為波長較短，所以相位差在較高頻率下會變得更難檢測，「耳間時差」一般是 2kHz 以下聲音較為有效。
除了這個簡單的時間差之外，聲波從最靠近聲源的耳朵穿過到另一邊的耳朵時，頭部會阻檔和吸收聲音。所以有音量之差別，「耳間電平差」（ILD）就會造成訊號大少的差別，因為高頻被吸收的程度比低頻的程度更大，所以「耳間電平差」主要作用於高頻聲音。
空間音頻的 3 種主要處理方法
隨著沉浸式視頻和音頻格式的普及化，音頻工程師一直在試驗如何實現高質量空間音頻的技術。 基於聲道導向：這是最為傳統和發展最完全的定位方式，其製作框架與再現格式相關聯。各種聲源在 Digital Audio Workshop 中混合，並創建基於聲道的最終混音，通常用於特定的目標揚聲器佈局，最終產品中的每個聲道都必須由揚聲器在明確定義的位置重現。以固定的音頻混合傳輸給最終用戶，我們常聽到的 mono、stereo、5.1、7.1 都是這種類型。 基於物件導向：這方法能夠克服上述基於聲道的障礙。把每個「聲音物件」在哪個方向和有多少音量獨立地進行編碼，並讓聲音重播盡可能將音頻定位到所需的位置，可以靈活地配合用戶的環境和平台等特定因素。這種格式可以重現從單聲道到完整的 360 度球面的音頻。 基於場景導向：從場景正中央收錄完整的場景資訊，最常用是 Ambisonic 技術，它是完整的 360 度球體，可以通過 Ambisonic 麥克風從單點捕捉或在後期製作中人工創建。Ambisonic 有兩種不同的風格：FOA（一階）和 HOA（高階）。 FOA 包含四個通道——全方向、左右、前後、上下。 HOA 意味著更多的通道，更多的通道在技術上等同於提高空間分辨率，而更高的分辨率意味著更好的定位效果。 |
當然處理方法背後必需也有對應的錄音方式，一般有幾種：
假人頭雙耳錄音（binaural recording）技術採用兩個全方向麥克風放置在假人頭的耳朵中模擬人類對聲音的感知，並將為錄音提供有關聲源距離、空間感、音色和方向的重要聽覺信息，反映出聽眾兩耳在真實環境中所接收到的聲音情況。
Ambisonics 是一種多聲道技術，可讓你在空間中的一個點以球形方式捕捉場景內各方向的聲音。這可以通過帶有 Ambisonics 型號的專用麥克風來實現，這些是設計獨特的麥克風，包含四個指向不同方向的心形麥克風。這種特別的排列方式被稱為四面體陣列。麥克風訊號採用 Ambisonics A 格式，需要轉換為 B 格式進行後期處理。
A 格式是來自 Ambisonics 麥克風的原始音頻；每個麥克風頭是一個音頻通道。B 格式是一種用於 Ambisonics 音頻的標準多聲道音頻格式。不同型號的 Ambisonics 麥克風必須將其原始 A 格式錄音轉換為標準的 B 格式，以便後期製作及兼容。而近來市場上主要的後期製作和播放工具都支持 Ambisonic，使得 Ambisonics 成為虛擬現實（virtual reality）和涉及 3D 空間聲音製作程序的合適工具。
以多通道麥克風陣列放置多個單聲道麥克風錄製聲源並通過後期軟件進行平移，將訊號放置在三維場景中。
甚至也可使用單點的單聲道麥克風進行錄製，然後以傳統的方式在對應聲場內進行平移，再透過算法技術來完成，將其重現到完整的 3D 揚聲器設置中。
隨著業界科技的發展，硬件運算速度提升，人工智能軟件的成熟，我們相信空間音頻不再是未來，而是現在。無論是聲音設計還是音樂方面，各單位都在密鑼緊鼓地把這個聽覺新元素注入音頻產品並配合元宇宙概念帶給消費者革命性的功能體驗。
SPILL Paper 電子通訊，為你送上電郵限定的精選新聞，以及不同欄目的深度報導，評測、觀點、專題，包羅萬有。立即按此訂閱。
