Google發(fā)布Omnitone開(kāi)源系統，是VR制作新潮流來(lái)襲的節奏嗎？

當下主流的全景3D音頻內容格式馬上就要過(guò)時(shí)了。

上個(gè)月，谷歌在其官方博客上公布了其網(wǎng)頁(yè)VR音頻系統Omnitone項目的技術(shù)細節。這個(gè)項目是一個(gè)跨瀏覽器支持的開(kāi)源空間音頻渲染器，主要是為VR設備營(yíng)造“全景音頻”環(huán)境提供解決方案，讓用戶(hù)獲得更好的VR沉浸感。

提到“全景音頻”的解決方案，有些人或許覺(jué)得理論十分簡(jiǎn)單，做一個(gè)虛擬空間，該空間里任何一個(gè)音源，用三維坐標標定，然后將VR頭盔里的坐標數據導入，再輸出相應的聲音，即可得到一個(gè)完美的“自然”聲場(chǎng)。但是這個(gè)方案的前提是音源數足夠少、運算速度足夠快，所以用于逼真模擬現實(shí)世界數量眾多的音源是幾乎不可能的。

目前，主流的全景3D音頻內容格式包括Quad Binaural和Ambisonic。

其中，Quad Binaural是將一個(gè)聲場(chǎng)用0、90、180、270度四個(gè)方向去表征。如果需要錄制一個(gè)點(diǎn)的聲場(chǎng)，則錄制這個(gè)點(diǎn)前后左右的聲音，每個(gè)方向兩個(gè)聲道，最終八個(gè)聲道。想得到新的方向的聲音，用四個(gè)方向的聲音進(jìn)行加權合成即可。這種方案的好處是解碼非常容易，比如我們很自然就會(huì )想到45度時(shí)候的聲音就是一半的0度+一半的90（雖然實(shí)際情況會(huì )更復雜一些）。相比現在常用的一階的Ambisonic（FOA，First Order Ambisonic），其對水平方向的敏感度更高。不過(guò)，它的問(wèn)題在于垂直方向的聲音是木有變化的。

Ambisonic則是從球諧函數出發(fā)，(n+1)^2個(gè)聲道來(lái)表征聲場(chǎng)。舉例來(lái)說(shuō)，Google發(fā)布的Omnitone是一階的Ambisonic，于是有（1+1）^2=4個(gè)聲道，如上圖所示，w,x,y,z。w可以理解成背景聲，x,y,z分別是來(lái)自直角坐標系三個(gè)方向的聲音。這個(gè)方案的好處在于有了z（垂直）這個(gè)方向，抬頭或者低頭在VR世界里聲音是會(huì )有區別的，而且隨著(zhù)你提供的運算能力的提升，用更高階的Ambisonic函數可以獲得更好的效果。不過(guò)， 越高階的ambisonic函數解碼越復雜。此外，一階Ambisonic（FOA）因為將相反方向傳來(lái)的聲音（C,D）同時(shí)混入了X，所以當你轉頭的時(shí)候，在某些角度下的聽(tīng)者對方向的靈敏度是不如Quad Binaural的。

而Google的網(wǎng)頁(yè)VR音頻系統Omnitone項目用到的解決辦法很聰明，而且單刀直入。它主要支持目前業(yè)界較為常用的FOA（一階Ambisonic）格式，這也是YouTube App推薦的主要全景聲格式。

下面是Omnitone音頻處理過(guò)程圖解：

從上圖可以看出，Google的Omnitone系統的Ambisonic解碼器采用了業(yè)界主流的算法流程，根據傳感器給出的方位信息， 采用一個(gè)旋轉算子來(lái)實(shí)現聲場(chǎng)旋轉，進(jìn)而用雙聲道輸出。

可以大膽預言的是是，FOA的全景聲將會(huì )在未來(lái)幾年快速普及，這對VR行業(yè)來(lái)說(shuō)也是一個(gè)福音。不過(guò)，現在的問(wèn)題是FOA聲音文件缺乏，而錄制FOA聲音硬件昂貴，且不便于攜帶使用。有興趣創(chuàng )業(yè)者可以嘗試解決這個(gè)問(wèn)題。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！