VR聲音節(jié)目的制作難題及發(fā)展趨勢
——從VR音頻的錄制及重放談起

魏子凌，胡澤

(中國傳媒大學(xué) 音樂與錄音藝術(shù)學(xué)院 北京100024)

1 引言

從19世紀(jì)末留聲機的發(fā)明開始，人們就開始在聲音的錄制和重放等各個環(huán)節(jié)上不斷地精進。最初，音頻都以單聲道的形式來記錄和重放。1957年，美國Audio Fidelity Record公司正式將立體聲概念引入了音頻行業(yè)，記載著時間差、強度差等信息的立體聲逐漸發(fā)展起來，其憑借高性價比、系統(tǒng)搭建便捷等優(yōu)勢，廣泛地沿用至今。20世紀(jì)70年代，平面環(huán)繞聲誕生，音頻在水平方位上得到了大幅擴展，在歷經(jīng)幾十年的演變，產(chǎn)生5.0、5.1、7.1等各種格式和標(biāo)準(zhǔn)后，人們逐漸意識到通道數(shù)的增加已無法顯著提升聽覺效果，便開始使環(huán)繞聲向高度維度發(fā)展，配置記載高度信息的揚聲器，21世紀(jì)初，帶有高度揚聲器的3D環(huán)繞聲開始推廣，人們有了更好的聽覺體驗。

除了重放技術(shù)的不斷提高，音頻領(lǐng)域也在隨著科學(xué)技術(shù)和各種視覺媒體的發(fā)展而變遷，出現(xiàn)了許多子類技術(shù)，VR(虛擬現(xiàn)實)便是其中一個重要的技術(shù)。VR的概念最早誕生于1968年由Ivan Sutherland設(shè)計出的首臺VR原型機，但僅在實驗室使用，并未得到推廣。[3]隨后的幾十年間，VR技術(shù)得到發(fā)展并初步商用，設(shè)備快速更新，但VR音頻相比之下發(fā)展較為落后，受重放設(shè)備、技術(shù)缺陷、商業(yè)成本等方面的制約，尚不足以滿足觀眾對于沉浸式聽感與交互體驗的需求。本文基于VR技術(shù)的原理，對目前主流的VR音頻錄制及重放方式進行探究，分析其發(fā)展的難題所在，并對其未來發(fā)展提供展望。

2 從3D環(huán)繞聲到VR音頻

說到VR音頻，其相比3D環(huán)繞聲格式最大的區(qū)別就是在3D環(huán)繞聲基礎(chǔ)上把聽音者的身份從第三人稱轉(zhuǎn)為了第一人稱。VR音頻相當(dāng)于用聲音構(gòu)成了一個基于聽者自身的真實三維空間，這種第一人稱的聽感是常規(guī)的3D環(huán)繞聲所無法媲美的，是一種革命性的創(chuàng)新。雖然目前沒有很多成熟的VR音頻作品或者VR電影長片，但是VR音頻一定是音頻行業(yè)未來的一個發(fā)展趨勢。筆者認(rèn)為VR音頻的核心有兩點：其一是基于當(dāng)下先進的3D環(huán)繞聲技術(shù)，能夠帶給聽者以精準(zhǔn)的聲音定位等真實感信息，其二是能夠?qū)崿F(xiàn)第三人稱到第一人稱的轉(zhuǎn)變，使聲音本身為聽者服務(wù)，筆者也將在下文分別探析這兩點的概念和實現(xiàn)方式。

近年來，3D環(huán)繞聲被廣泛用于高端影院等場所，以滿足人們沉浸式的聽覺體驗。目前3D環(huán)繞聲有兩種主流的制作思路：基于聲道和基于對象。

基于聲道(如Auro 3D)即將全部聲音元素分配到現(xiàn)有的揚聲器上，通過強度差、時間差等原理實現(xiàn)聲像定位的制作方式。對于單聲道、立體聲混音，基于聲道是最常見的制作方法，其不存在復(fù)雜的編解碼技術(shù)，對軟硬件的要求也不高，制作起來較方便。但一旦揚聲器重放制式與制作環(huán)境不一致或者需要進行重放制式之間的轉(zhuǎn)換，聲音的上/下變換會成為一個復(fù)雜的問題，不僅需要進行一系列復(fù)雜的數(shù)學(xué)運算，而且在變換后也極易造成聲像定位、相位等聲音基礎(chǔ)信息改變。

這時候，李叔和看到付玉掏出衛(wèi)生紙擦眼睛，付玉的眼有些紅，她哭了，她給老田生過孩子。這一瞬間，他發(fā)現(xiàn)付玉老了許多。她這一輩子圖個啥？

針對直接記錄現(xiàn)場三維聲場空間信息，有以下三種拾音模式可供選擇，它們各有優(yōu)缺點，使用時需根據(jù)實際需求的不同而變化。

3 VR音頻的錄制

3.1 雙耳拾音技術(shù)的真人頭、人工頭或類人工頭拾音

聲波由聲源進入人耳是一個復(fù)雜的過程，不同頻率的聲音會受到人體的耳廓、頭部、肩部、軀干等部位的不同影響，產(chǎn)生反射、衍射等復(fù)雜的物理現(xiàn)象，形成濾波從而最終產(chǎn)生定位感。每個人的生理結(jié)構(gòu)都會有一些差異，而常規(guī)的拾音方式由于未考慮到不同個體這些生理結(jié)構(gòu)的不同而對聲音產(chǎn)生的影響，無法針對每位聽眾的個體差異來針對性地拾音和重放，而人工頭拾音通過差異化地模擬出不同聽者的頭部模型，在人工頭或者真人頭的仿真耳道內(nèi)放置微型話筒，使聲音的拾取完全基于人體對聲音的先行影響，此外還能基于頭相關(guān)傳輸函數(shù)HRTFs(1)HRTFs：聲波從聲源到耳膜，途中會經(jīng)過頭部和外耳的作用，這一環(huán)節(jié)中聲壓會產(chǎn)生很多變化，上述變化能用一個傳輸函數(shù)表示，這個函數(shù)稱為頭部相關(guān)函數(shù)HRTFs。HL=HL(θ，φ，r，f)=pL(θ，φ，r，f)/po(r，f)HR=HR(θ，φ，r，f)=PR(θ，φ，r，f)/po(r，f)。信息，這一信息是人工頭拾音技術(shù)能夠在不同聽者之間再現(xiàn)三維聲場的關(guān)鍵。人工頭拾音技術(shù)的優(yōu)勢除了以上幾點，還有簡單便攜、操作簡便等，但因為人工頭包含了HRTFs信息，所以只能采用耳機來重放。若通過揚聲器重放，會因為不同聽者的不同HRTFs信息產(chǎn)生聲染色，導(dǎo)致聲場等聲音信息的畸變。此外，聽者視角轉(zhuǎn)換時，兩只雙耳話筒容易產(chǎn)生相位問題甚至相位抵消，造成聲場的銜接不清晰。

Ambisonics技術(shù)的A-B格式轉(zhuǎn)換并不復(fù)雜，以一階為例，我們同樣可以類比成MS話筒信號中左右聲道信號的轉(zhuǎn)換過程，也就是將四個不同方向拾取到的信號進行疊加來得到M信號信息，三個維度的信號通過正向或反向的疊加來得到三個方向的S信號信息(如圖3)。得到一階 B 格式聲音信號后，我們便可借助Ambisonics技術(shù)的專用控制單元，通過各聲道的不同組合方式和比例控制獲得空間任意方向和任意指向性的傳聲器輸出，因此它能產(chǎn)生適合于許多揚聲器重放制式的多聲道信號。Ambisonics的更高階分解后，甚至可以看作是多個指向性更尖銳的傳聲器的多種線形組合，能分解出方向更多、指向性更集中的聲音信號。

3.2 基于場景的Ambisonics技術(shù)拾音

VR技術(shù)的發(fā)展一直比較緩慢而曲折，隨著其在八九十年代初步被商用，早在1993年就有相關(guān)領(lǐng)域的專家樂觀地做出預(yù)言：“今后的5年內(nèi)，VR技術(shù)將會普及，我們將會看到超過十分之一的人在各種交通工具上佩戴VR設(shè)備”，但事實則沒有那么樂觀，甚至?xí)r至今天，我們依然只是在一些高端的小型影廳、展會或?qū)嶒炇抑胁拍芤姷絍R技術(shù)的使用。而VR音頻的發(fā)展對比VR視頻則更加曲折，筆者認(rèn)為其原因有以下幾點：

除了人工頭拾音，目前市面上還出現(xiàn)了許多類人工頭拾音技術(shù)，比如3Dio公司的雙耳立體話筒，能通過0°、90°、180°、270°的4組話筒來完美匹配360°的畫面視角與三維聲場信息。這種類人工頭的制作和實際應(yīng)用相比純?nèi)斯ゎ^較為簡便，但由于損失了大量的人體生理結(jié)構(gòu)信息，HRTFs采集的完整性受到了較大的制約，空間定位易存在更多誤差，前后方位也會有更多混淆。(如圖1)

(1)測定HRTFs難度大：精準(zhǔn)測定HRTFs是一個復(fù)雜的過程，還涉及場地的限制，因為需要一個無反射聲的環(huán)境，一般只有在聲學(xué)裝修良好的消聲室才能完成，一次一般也只能對一位聽音者進行測試。此外，測試過程中還要保證聽音者的坐姿、耳機佩戴、塞入耳部的測試話筒極為精確，并且要從各個方向播放掃頻信號等參考聲音信號，再經(jīng)過相關(guān)軟件的計算才能得到每位聽音者的HRTFs信息。

在實際錄音中，除了使用以上幾種拾音技術(shù)記錄主要的聲音空間感之外，往往還需要補充記錄許多聲音細(xì)節(jié)，這就需要我們用類似音樂會同期錄音主輔拾音方式中的輔助傳聲器來補充拾音。上面所述的幾種拾音方式類似于拾取聲音概況以及音樂廳整體空間感信息的主話筒，而在補充拾音的環(huán)節(jié)，聲音可以來源于立麥、吊桿話筒、頭戴式話筒、PZM話筒、領(lǐng)夾式話筒等，這些話筒也就相當(dāng)于輔助話筒。輔助話筒錄出來的聲音若不是3D格式，需要進行3D的空間化處理，這樣才能使其聽感上更接近來自3D空間的聲音[2]。

圖3 一階Ambisonics系統(tǒng)A-B格式轉(zhuǎn)換

Ambisonics技術(shù)的優(yōu)點是在適應(yīng)不同格式的揚聲器設(shè)置上具有很大的靈活度，它輸出的信號可以根據(jù)需要解碼成 2.0、5.1、7.1甚至 22.2等多種不同格式，并且還可編碼成 Binaural格式，越高階的空間解析度越好，重放精度也更高，能記錄更多方位的信息，高階Ambisonics用于VR甚至能支持任何方向的視角轉(zhuǎn)換。但缺點是階數(shù)太低則空間解析度不夠好，而階數(shù)的提高則會導(dǎo)致所需通道數(shù)、系統(tǒng)輸出的數(shù)據(jù)量以及復(fù)雜程度大大提高，從而造成應(yīng)用成本的提高。[7]

3.3 環(huán)繞傳聲器組拾音

除了上述兩種拾音方法之外，目前還有一種比較常見的3D音頻拾音技術(shù)，就是模仿平面或3D環(huán)繞聲的拾音制式，或者借鑒環(huán)繞聲的重放制式，比如借鑒5.1.4的3D環(huán)繞聲重放制式，在上層架設(shè)4支傳聲器，下層架設(shè)5支傳聲器來達(dá)到目的。這種環(huán)繞傳聲器組的拾音方式所拾取到的聲音聲道分離度較好，更容易減少聲道之間的相關(guān)性，且成本較低，但是聲場連貫度和聲場整體感覺卻不如前兩種拾音方式。

英語課前的準(zhǔn)備工作就是收集和處理的過程。學(xué)生課前準(zhǔn)備就可以初步了解學(xué)習(xí)內(nèi)容,提出教材有不懂或困惑的地方。正如愛因斯坦說過“發(fā)現(xiàn)問題比解決問題更重要?！?，收集問題就是學(xué)生激活已有知識和經(jīng)驗,通過字典等工具，分析新問題，為課堂學(xué)習(xí)做好準(zhǔn)備過程。

4 VR音頻的重放：耳機重放與人機交互的結(jié)合

目前市面上的VR音頻大多需要采用耳機來重放，原因有以下幾點：首先，耳機能為不同聽音者量身定做，不同聽音者之間也不會存在聲音相互干擾的問題。對應(yīng)地，HRTFs也是一個非常個性化的指標(biāo)，只有HRTFs才能很客觀真實地反映聽者自身的空間聽覺，解決VR音頻技術(shù)應(yīng)用的核心問題，使重放的聲場、空間定位等方面更接近真實聽音環(huán)境，總之HRTFs對于沉浸式聆聽體驗至關(guān)重要，也只有個性化定制的耳機才能匹配不同聽眾的差異。現(xiàn)有兩種VR音頻解決方案(基于對象的解決方案與基于場景的解決方案)都是將HRTFs通過軟件開發(fā)工具包加載到需處理的音頻信號中，計算出點聲源在三維空間中的位置信息。而揚聲器則很難達(dá)到上面的要求，不僅很難達(dá)到針對不同聽者自適應(yīng)的要求，還存在相互干擾，以及聲學(xué)環(huán)境的限制，“甜點區(qū)”等問題，一旦聽音者的位置不在甜點區(qū)，聽到的聲音定位便會發(fā)生極大的畸變。

其次，因為聲源從耳機到聽者耳部傳輸距離極短，所以耳機在頻率響應(yīng)等許多指標(biāo)方面相比揚聲器更容易實現(xiàn)，比如超低頻響應(yīng)僅需較小的紙盆和很小的驅(qū)動能量就很容易傳入聽者的耳部。而揚聲器則不同，聲波需跨越較長的一段傳輸距離才能傳入聽者耳部，這就對其制作材料提出了很高的要求。此外，聲音對重放真實度和質(zhì)量的要求越高，所需聲道數(shù)量就越多(如圖4)，這也會導(dǎo)致成本的大幅提高。雖然聲音可以通過數(shù)學(xué)公式實現(xiàn)耳機與揚聲器重放的轉(zhuǎn)換，但是揚聲器在VR音頻重放中涉及到的甜點區(qū)、頻率響應(yīng)、不同聽音者如何實現(xiàn)自適應(yīng)等局限性如何規(guī)避仍然是需要進一步研究的話題。

大陸與臺灣雖有海峽相隔，但文化同源，近年來臺灣的小學(xué)數(shù)學(xué)教育的研究比較深入，通過上述教材的比較，下述幾點將是教材編寫和小學(xué)數(shù)學(xué)教學(xué)實踐需注意的．

圖4 立體聲重放質(zhì)量和聲道數(shù)量的關(guān)系

此外，耳機重放更易實現(xiàn)人機交互，在VR技術(shù)的時代，對聽音者頭部動作的捕捉十分重要，以目前比較主流的HMD(頭戴顯示器)技術(shù)為例：HMD技術(shù)依靠六個旋轉(zhuǎn)參數(shù)來進行人機交互，分別是從左到右的旋轉(zhuǎn)軸(捕捉搖頭動作)、從前到后的旋轉(zhuǎn)軸(捕捉前后位移動作)、從上到下的旋轉(zhuǎn)軸(捕捉點頭動作)。聽音者通過頭戴顯示器、手持控制器上的陀螺儀傳感器或紅外攝像頭等位置捕捉設(shè)備，進而捕捉現(xiàn)實空間中自身的三維運動而映射到虛擬空間的聽覺之中。耳機重放更易實現(xiàn)這種人機交互，而揚聲器如果想人機交互必然需要實時跟隨聽眾的動作旋轉(zhuǎn)，這時還想保持良好的空間定位等技術(shù)指標(biāo)就十分困難了。

VR音頻在經(jīng)過音頻工作站的一系列編輯之后，需進行雙耳渲染(binaural render)才能輸出給耳機，渲染方法是加入現(xiàn)有的HRTFs信息，這樣才能使耳機中的聲音重放能更好地再現(xiàn)編輯及縮混時聲音在三維空間中的位置。雙耳渲染目前主要有兩個環(huán)節(jié)：其一是在制作環(huán)節(jié)，其二是在客戶端。在制作環(huán)節(jié)中，雙耳渲染需要利用工作站中的VR音頻制作插件才能完成，比如杜比全景聲的VR Renderer，或通過應(yīng)用上述的HMD技術(shù)來監(jiān)聽并進行人機交互。在客戶端環(huán)節(jié)中，客戶端自身需能夠集成雙耳渲染的功能，能夠?qū)⒔邮盏降腂格式、DTX等源信號直接進行雙耳渲染，實現(xiàn)虛擬全景聲的監(jiān)聽及人機交互。

為了避免以上問題，人們不再通過強度差、時間差等來實現(xiàn)聲源在揚聲器重放中的定位，而是把一定數(shù)量獨立的聲源(即對象)放置在聲場中，通過單獨記錄其位置、移動軌跡、電平大小等信息來存儲和傳輸，在到達(dá)重放環(huán)節(jié)之前再進行渲染，這種制作思路稱為基于對象(如Dolby Atmos，DTS等)。聲音對象是一個能在重放中隨時調(diào)整各個參數(shù)的軌道。這種處理方式跳出了揚聲器重放制式限制，靈活便利并有較高的準(zhǔn)確性，被眾多業(yè)界人士認(rèn)為是VR音頻制作的未來趨勢。但基于對象的制作方式也存在一些問題，比如：受通道的限制，將所有聲音元素都作為單點進行處理顯得不夠合理，此外基于聲道的縮混方式由于在終端需要對單個對象進行單獨的解碼，傳統(tǒng)的縮混中有一些需要將聲道混合進行處理的操作就無法進行，否則會失去單個對象的位置信息。另外，聲音節(jié)目中往往有很多無需準(zhǔn)確定位的內(nèi)容，以這種思路進行制作會顯得多余而成本較高。

5 VR音頻發(fā)展的難題

除了的基于聲道和基于對象兩種聲音空間技術(shù)之外，在拾音環(huán)節(jié)，其實還有一種基于場景的空間拾音技術(shù)，即Ambisonics技術(shù)(基于聲場合成及復(fù)制技術(shù)的原場傳聲器技術(shù))。該技術(shù)在原理上基于球諧函數(shù)，即在一個球體的表面模擬不同方向發(fā)出的單個聲源作為正交基底線性組合疊加建模，在各個基礎(chǔ)方向上的分量是一個單方向的球面諧波(2)以一階Ambisonics B格式為例：W=S·1/√2；X=S·cosθcosφ；Y=S·sinθcosφ；Z=S·sinθ。Ambisonics技術(shù)最早在1973年由Gerzon提出，并給出了一階系統(tǒng)的模型：將四支傳聲器的振膜按四面體的方式來排列，一般以前-左-上(FLU)、前-右-下(FRD)、后-左-下(BLD)、后-右-上(BRU)的順序排列。直接被記錄下來的4軌音頻信號是A格式，但A格式不便于存儲和傳輸，為解決這一問題，需轉(zhuǎn)換成基于WYZX 四軌的B格式信號(即Ambi X格式，其廣泛運用于Youtube、Spotify等平臺中VR音頻的交付)。對于轉(zhuǎn)換后的B格式信號，我們可簡單理解成MS制式的立體聲拾音制式的三維擴展，M即拾取帶有整個方位信息(W信號)的話筒，而S則擴展至了三維空間，三個話筒分別拾取帶有前后方位信息/左右方位信息/上下方位信息的S信號，由此就能更精準(zhǔn)地定位三維空間中各個方向的聲音信息。以上僅為一階的Ambisonics，高階的Ambisonics通過增加通道數(shù)解決低階空間解析度不夠好的問題(如圖2)，其所需通道數(shù)與階數(shù)的關(guān)系為：通道數(shù)=(階數(shù)+1)2.

2012年以來，諸暨市人民法院及下屬各個法庭，先后設(shè)立了訴訟服務(wù)中心，由法官輪流值班，為案件當(dāng)事人提供法律咨詢、糾紛調(diào)解、訴訟引導(dǎo)、判后答疑等法律服務(wù)。對涉及婚姻家庭糾紛、鄰里矛盾、小額債務(wù)等案情簡單、爭議不大的民事糾紛，當(dāng)事人前來立案時，立案法官會發(fā)送《調(diào)解勸導(dǎo)書》，勸導(dǎo)其到駐庭調(diào)解中心先行調(diào)解。2013年以來，各法庭的駐庭調(diào)解中心累計促成3460起糾紛訴前調(diào)解成功，調(diào)解成功率達(dá)70%以上，自動履行率達(dá)98.34%。[6]

混凝土的養(yǎng)護時間至少為14 d，降溫梯度應(yīng)保持在≯1.1 ℃/d。同時必須滿足以下兩個條件：混凝土中心溫度與表面溫度相差<25 ℃；表面溫度與環(huán)境溫度相差<15 ℃時，方可拆除保溫層和模板。

(2)人機交互精度不足：以捕捉聽者頭部六個旋轉(zhuǎn)參數(shù)的HDM技術(shù)為例，一旦某一個旋轉(zhuǎn)參數(shù)出現(xiàn)了些許誤差，則聽音者每一次朝向該方向的頭部運動很可能都會造成誤差，微小的誤差如果逐漸累積，累積到一定程度后會導(dǎo)致整個聲場出現(xiàn)明顯的畸變，這會成為一個嚴(yán)重的問題。此外，六個旋轉(zhuǎn)參數(shù)其實依然難以保證對人全部意圖進行捕捉，比如現(xiàn)有技術(shù)多數(shù)是捕捉聽音者的頭部運動，而其他身體部位的運動包括耳部的移動容易被忽略。總之，人機交互的精度問題是亟待解決的。

臨床操作技能是傳染病臨床教學(xué)活動的重要組成部分,因此在臨床教學(xué)時應(yīng)結(jié)合臨床實際開展技能訓(xùn)練。首先,要求醫(yī)學(xué)生必須熟悉臨床操作技能的具體步驟、適應(yīng)癥、禁忌癥、注意事項等。其次,在模型上由帶教老師進行正確、規(guī)范、熟練的演示,在演示過程中帶教老師應(yīng)著重加強對重點、難點、注意事項等環(huán)節(jié)的講解。如遇實體病例時,在取得患者同意的前提下,讓醫(yī)學(xué)生觀摩實體操作過程。最后進行臨床操作技能考核,以此增強醫(yī)學(xué)生對臨床操作技能知識的掌握。

(3)音頻定位不夠精確：雖然如今3D環(huán)繞聲在各方面已經(jīng)有了較成熟的發(fā)展，但是實現(xiàn)精準(zhǔn)的聲像定位仍然是一個老生常談的問題，3D音頻的聲道較多，聲道的堆積帶來的聲道之間聲音信息的相關(guān)性會不可避免地造成定位的模糊。另外人機交互時隨著聽者頭部的移動，聲像定位的移動也無法做到無縫銜接，或者說十分“順滑”，這些都是未來需要改善的問題。

(4)成本與利潤不匹配：這個可以說是最直接導(dǎo)致VR音頻發(fā)展緩慢的因素。通過上述分析我們可以發(fā)現(xiàn)，不管是每一位聽音者HRTFs的測定、信息的存儲、運算并分配到聽音的設(shè)備中、還是人機交互的設(shè)備，以及相關(guān)的VR影視、VR音樂等聲音節(jié)目的制作，都需要消耗極高的成本，即使采用耳機重放，每位聽音者也都需要一套設(shè)備，這些成本的累積會是一個不菲的數(shù)目。而目前應(yīng)用VR技術(shù)所帶來的利潤并不能夠折抵高昂的成本。

(5)視覺技術(shù)與聽覺技術(shù)的發(fā)展程度不相符：其實，縱觀影視行業(yè)與其他聲音行業(yè)(音樂行業(yè)、現(xiàn)場演出行業(yè)等)的發(fā)展，我們可以很明顯地發(fā)現(xiàn)：影視行業(yè)中聲音技術(shù)的發(fā)展和應(yīng)用要早于其他聲音行業(yè)。這個現(xiàn)象中一個重要的原因就是觀眾在影視節(jié)目中更多的是視覺感知而非聽覺感知。正如我國的資深電影理論家周傳基所述：“人對外界的感受，有80%來自于視覺，剩下20%才主要來自于聽覺”。所以在影視中，聽覺只是為視覺所服務(wù)的，為了更好地適配飛速發(fā)展的視頻技術(shù)，音頻技術(shù)才會更加主動地自我更新。而且，在視聽結(jié)合的節(jié)目中，一個感官維度的技術(shù)的缺陷會被其他感官在一定程度上彌補?，F(xiàn)有的VR錄制及重放技術(shù)依然難免存在聽覺隨聽者自身移動的不自然感或聲場的割裂感，有時只有在結(jié)合視覺時聽者才不會明顯覺察出這種割裂感，一旦沒有視覺，這種割裂感會變得非常明顯，而從這又可以看出，VR音頻技術(shù)對于純粹依靠聽覺的聲音節(jié)目的要求會更高。

6 VR音頻未來發(fā)展趨勢

6.1 個性化與多感官結(jié)合

由于VR音頻技術(shù)極大依賴聽者的HRTFs、頭部移動等自身的信息，針對VR聲音節(jié)目的重放，個性化是不可缺失的一個環(huán)節(jié)，而配套的聽音場合就是定制化影廳、小型聽音室或家庭影院等。此外，由于相關(guān)聲音技術(shù)的發(fā)展目前還不夠成熟，VR聲音節(jié)目的欣賞還需要依賴其他感官的作用，如視覺與聽覺的結(jié)合，通過視覺的刺激來彌補聽覺上的些許割裂感等，針對純粹依靠聽覺感知的音頻節(jié)目，則需要3D音頻定位、人機交互等技術(shù)更加成熟后才能逐步實現(xiàn)。

6.2 更加依賴基于對象的聲音空間技術(shù)

VR聲音節(jié)目中，聽眾是主角，聽眾可自由選擇他們視角的方向，而聲音會隨著他們視角的變化而變化，觀眾也會更容易被聲場各處變化多端的聲音所吸引，比如音樂劇節(jié)目中，觀眾們正沉浸在樂隊的演奏中，而臺上的某一位演員突然入鏡，觀眾的視線很容易會被吸引過去，而這時基于對象的空間定位技術(shù)就很重要了，其相比基于聲道的聲音空間技術(shù)具有很高的靈活度和準(zhǔn)確度。音頻工程師可以根據(jù)聲音節(jié)目的具體情境，將聲音對象準(zhǔn)確地放置到特定的位置。

吉西他濱1 000 mg/m2，第1、8、15天靜脈滴注，每4周重復(fù)1次；或替吉奧(S-1) 80mg/m2，第1～28天口服，休息14 d，共應(yīng)用6周期。推薦化療時間6個月，放化療的間隔為2～3周。

7 小結(jié)

本文簡要分析了VR音頻技術(shù)到來前的3D音頻技術(shù)積累，從音頻錄制及重放的角度講述了基于虛擬現(xiàn)實的3D音頻技術(shù)制作手段，最后分析了VR音頻發(fā)展的技術(shù)難題以及未來的發(fā)展趨勢。隨著人們需求的提高和技術(shù)的發(fā)展，VR技術(shù)在未來將會獲得越來越多的關(guān)注，現(xiàn)有的制作及重放工具也會逐漸發(fā)展完善，其將為聽者提供更加真實的聲場空間，實現(xiàn)更高的聲音精度和質(zhì)量，實現(xiàn)更為精準(zhǔn)、效率更高的人機交互技術(shù)，以及多感官的共同作用，最終帶給人們更好的體驗，也將會在越來越多的場合如游戲、影視、音樂中廣泛使用。