本文对各种形式的沉浸式音频进行了定义。文中还提供了一些关于如何确保沉浸式录音能够奏效的小窍门。

什么是沉浸式音频？ 

沉浸式意味着完全被某种东西环绕包围——例如，如果你跳进水里，就被水包围。然而，沉浸式声音不仅仅是沉浸感。它还包括环绕感。环绕感与空间信息、空间感的感知有关。

听众沉浸感部分是通过接收（来自任何方向）声音实现的，但又不止于此。各个声道可能包含关于同一声源但从不同角度传来的信息。如果所有声道都播放完全相同的声音（多声道单声道），则没有环绕感。

以前，沉浸式音频被称为环绕声或 3D 音频，尽管扬声器仅放置在水平面上。传统环绕声包含 5.1 声道（五个全带宽声道和一个带宽受限的低频声道），而新格式可以是 7.1.4（基础层中有七个声道、一个低频效果声道和四个高度层声道）、9.1.4 或例如杜比全景声（Dolby Atmos）、Auro 3D，又或者在日本使用的22.2格式（基础层有 10 个声道、上层有 9 个声道、下层有 3 个声道和两个低频效果声道）。

沉浸式音频是如何制作的？ 

人们会采用多种录音和混音技术。针对杜比全景声及类似格式的电影混音通常会综合运用一切可能的元素：单声道声源、立体声源和具有空间信息的多声道录音。通过向其中添加声音对象，就能够营造出空间感效果 - 例如，能听到一架直升机从斜后方某个角度靠近的声音效果。时间码和坐标决定了该对象在渲染时于何时何地出现，使其能在观众头顶上方轰鸣而过。

Ambisonics高阶环绕声 

一些音频专业人士使用 Ambisonics，即所谓的 1 阶或更高阶版本环绕声技术。1 阶 Ambisonics 基于所谓的 A 格式话筒阵列（四面体阵列-四个呈四面方向的心形话筒），随后会虚拟地重新格式化为 B 格式，具有三个双向话筒和一个全向话筒。高阶 Ambisonics 通常由直径为 10-20 厘米的球体构成，上面均匀分布 8、16、32 或 64 个话筒。通过对这些信号进行混音，可以获得更鲜明的特性，从而能更清晰地重现方向感。该技术精度很高，但要求听众坐在最佳听音位置上。实际上，处在其他任何位置听到的声音都只是来自距离最近的扬声器，无法获得那种很棒的沉浸感或环绕感。这种技术在虚拟现实环境中效果很好，因为在虚拟现实里听众总是处于中心位置。而且将其简化为更少的声道也很简单，因为所有信号都是同步的，也就是在时间上是重合的。。

空间录音 

在音乐制作等领域，其他自然录音方法包括录音话筒之间相距较大的格式。挪威音响工程师莫滕・林德伯格（Morten Lindberg，来自 2L 唱片公司）制作了荣获格莱美奖的精彩沉浸式录音，他采用一种阵列，以七个全向话筒作为基础层，四个全向话筒用于高度层。话筒之间至少间隔一米，这会产生大量互不相关的声音，能让听众产生被声音环绕的感觉。听众所处的位置就没那么重要了。这种技术不仅适用于音乐录制，也适用于营造可在较大区域内聆听的音景。

去相关性 

在某些混音中，声音源于少数几个声道。例如，从这些声道（比如基础层声道）出发，其他声道（如上层声道）是通过去相关的方式派生出来的。该技术涉及对音频进行特殊处理。实际上，该技术也适用于大型扩声装置（扩声系统 / 音乐会现场），因为它可以减少梳状滤波产生的不良影响。

扬声器设置与话筒设置

通常，扬声器设置决定了话筒初始配置。因此，一种简单的拾音技术是为每个扬声器/通道放置一个话筒。问题在于如何实现最优先考虑的参数——精度、覆盖范围、沉浸感、包络感、频谱平衡或其他任何参数。同时实现所有这些参数极其困难。

最佳的做法是进行试验，尝试不同的配置。如上文所述，将指向性话筒放置得较为靠近能够很好地呈现出声源位置感（在最佳听音位置上失真较低）。这通常是对音景等进行科学重现时所偏好的技术。

间隔放置的话筒能提供更强的环绕感。可以使用指向性话筒和全向话筒。不过，全向话筒在拾取低频方面表现出色，如果所有扬声器都有不错的低频响应，就能很好地呈现低频效果。如果需要一定的指向性，可以使用带有声压均衡器的全向话筒。

沉浸式录音技巧

• 调整阵列中每个话筒的增益，以在录音期间表现出相同的灵敏度
• 话筒之间的间距越大，环绕感越强，但在某些情况下，方向精度会降低
• 如果扬声器之间的距离较远，话筒也需要拉开距离