人們說：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。”

　　核心技術(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，值得在今天被關(guān)注。

　　你將看到如下內(nèi)容：

　　為什么說 VR 回春關(guān)鍵在于 3D 音頻技術(shù)？

　　3D 環(huán)繞立體聲技術(shù)發(fā)展這么多年了，為什么最近才火？

　　深藍(lán)DeeperBlue 為你盤點了 7 家做 3D 音頻的公司，到底哪家靠譜？

　　在百度上搜索 “VR 寒冬” 有 1,660,000 個結(jié)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(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 VR 有著無限的熱情與希望。而從計算機背景出生轉(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)點遠(yuǎn)未突破，VR 如同一個牙牙學(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” 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。

　　蘋果音樂和 VR 工作室 Vrse 聯(lián)手為 U2 樂隊制作了一段 VR 音樂視頻《Song for Someone》。圖為 MV 片段中 U2 在空無一人的多倫多體育場的演唱。

　　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(xiàn)實就不能成為虛擬現(xiàn)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(shù)，能讓聽眾完全還原到與現(xiàn)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(xiàn)實” 的聲音，而不是 “現(xiàn)實主義” 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(tǒng)，來得以對聲音進(jìn)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(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。

　　HRTF 圖示。人耳對聲音信號有一套自己的分析系統(tǒng)，來得以對聲音進(jìn)行分析與定位。

　　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(dāng)中養(yǎng)成了自己獨特的聽力習(xí)慣。可以這么說，每個人聽到的同樣物體發(fā)出的聲音，其實都有細(xì)微差別。

　　如何還原人耳真實聽到的聲音？科學(xué)家對此的探索不是今天的新事。在將近一個世紀(jì)之前，1933 年，AT&T 貝爾實驗室就把這項技術(shù)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(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 貝爾實驗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。

　　1933年，AT&T實驗室的雙耳錄音技術(shù)仿真人，Oscar。

　　雙耳錄音技術(shù)在這個世紀(jì)中一直處于緩慢的速度發(fā)展，原因在于，沒有強大的產(chǎn)業(yè)需求。一直等到這一波 VR 熱潮的來臨，它才重上舞臺。 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。