3D音频技术综述

conexant

说起3D音频技术，不得不提及当今非常火爆3D游戏，正是越来越绚丽的3D游戏促使玩家认识到，在欣赏令人吃惊的三维显示效果的时候，更需要三维的声音来表现和增强身临其境的感觉。不少厂商敏锐地感觉到这一点，从而开始了相关技术的开发，并且提出了多种解决方案。

　　说到3D声音，不可避免地要追溯到立体声的概念。立体声是一种根据心理声学中著名的哈斯效应“欺骗”人耳的方法，其作用就是使得人耳能够感觉到音源的位置。但是3D声音远远比这要复杂，综合来讲，3D声音的两个要素如下：

　　定位(Position)
　　现实生活中，音源的位置是不断变化的，如人耳能够很轻松地通过声音的变化感知车辆的移动。对于这样复杂的音源运动，立体声就无能为力了。于是，人们最先开发了Dolby多声道技术来实现这一点，但是局限于当时的成本，无法做到大规模普及。为此，3D音频厂商开发了名为HRTF(Head Related Transfer Function，头部相关传输函数)的技术。HRTF的原理是使用特殊的耳麦记录下耳道内部不同位置接收到的声波，然后将这些数据汇总，建立一个复杂的数学模型。这样，当音源的位置变化的时候，就可以通过模型模拟出结果。但是，HRTF不是一个完美的解决方案。首先，不但是音源的位置是变化的，听众的位置在现实中也是不断变化的，同时人的头部位置也是不断变化的。这样一来，这个模型的复杂度将远远超乎原先的想象。其次，由于人脑的特性，对于固定的音源，反而很难精确定位，这一点对于HRTF的支持者来说相当头痛。正因为以上这些因素，不同厂家的HRTF有着不同的特色，而正是这样的特色，造就了EAX和A3D之间的竞争。

　　环境(Environment)
　　声音是以声波的形式在空气中传播的。作为一种波，不可避免要面对距离带来的能量损失、反射和衍射。因此，声音所处的环境就很重要了。不同的环境对于声波的影响表现在：

　　1.混响

　　如果声波碰见墙壁，那么其大部分能量将被反射回来，这就是混响。不同的材质有不同的反射效果，所以混响效果也不同。

　　2.能量损失

　　声波在空气中的传播，随着距离而损失能量，直至停止传播。因此，音源的远近才会有很大听觉上的差异，就如同我们通常所说的音量的不同。

　　3.障碍物效果

　　当声波遇到障碍物的时候，会被吸收掉很大一部分能量。因此，对于障碍物后面的音源，会有一种特殊的感觉。这时候声音会从别的地方绕过来进入听者的耳朵，效果会与平时直接进入耳朵有较大的不同。

　　以上就是一些关于3D音频API的基础知识，不同的3D音频API有着不同的效果。发烧友对此的争论也相当激烈，下面我们就对各种主要的3D音频API一一介绍。

　　小提示
　　什么是3D音频API？API全称Application Program Interface，即应用程序接口。技术厂商将自己的特有音频技术开发为3D音频API，而对于软件开发商(如游戏开发商)来说，只需利用API即可实现不同的3D音效。当然不同的API，实现的3D音效也是不同的。

　　EAX
　　EAX全称为环境音效指令集(Environment Audio eXtentions)。是创新公司赖以称霸声卡市场的主要武器。1998年，创新公司随同Sound Blaster Live！发布了EAX技术，当时是最老的版本1.0。EAX实质上是微软的3D音频API──Direct Sound 3D的扩展，同时EAX非常注重环境对于三维声音的影响，很可能因此得名EAX。




　　EAX采用的HRTF技术都是来自于微软的Direct Sound 3D，而环境效果，则是创新的音频工程师通过对各种环境的声音参数测量、然后建立数学模型得来的。因此，很长一段时间内，EAX和A3D相比总是定位不足，但环境效果出众。随着竞争的日期激烈，EAX也由原始的1.0变为2.0、3.0。2001年，创新在推出Audigy的同时，发布了新一代的EAX ADVANCED HD。

　　新推出的EAX ADVANCED HD，具有以下的先进技术。

　　多环境
　　在现实生活场景中，我们所听到的声音不仅受到周围环境的影响，而且受到“实时”环境的影响。因为音源所处的环境不相同，所以它们的声音受到环境的影响也不同。比如大街上的汽车汽笛声和你身旁电脑发出的音乐应该具有不同的混响效果。而这些在以前的EAX中是很难表现出来的。

　　环境过渡
　　当你从一个环境走入另一个环境的时候，声音效果应该是逐渐过渡的。而这在以前会非常生硬地切换到另一个环境效果，造成一种非常突兀的效果。EAX ADVANCED HD解决了这一点。

　　环境过滤
　　通过这项技术，EAX ADVANCED HD能够准确模拟声音同时在开放和封闭的环境中传播的效果。

　　环境移位
　　现实中，当你和一个环境的相对位置或距离不断变化的时候，声音效果也是变化的。新的EAX ADVANCED HD可以做到这样的效果。

　　环境反射
　　反射是一种在真实世界中声音从物体表面反射回到听者耳中的现象。环境反射不仅可以模拟出这种效果而且还能给声音反射加上三维空间定位。

　　2003年3月，Creative 发布了EAX Advanced HD V4.0，该技术具有以下的新效果：

　　工作室质量效果(Studio quality effects )

　　多效果插槽(Multiple effect slots)

　　多环境和区域效果(Multiple Environments and Zoned effects)

　　我们可以看到，创新又提供了新的效果──工作室质量效果。同时为了方便游戏开发人员，提供了多效果插槽──也就是你可以同时插入多个环境效果到一个场景中。而多环境和区域效果可以说达到了3D音频API能够达到的顶峰──绝对真实模拟现实中的环境效果，但笔者对此持怀疑态度。

　　从EAX的出现到最新的版本EAX Advanced HD V4.0，整个3D音频技术有了很大的发展。但是从实际效果看并不明显。这里面的主要原因应该在于人类对于听觉的敏感度还是不如视觉的。因此，我们也就不难猜测为什么3D音频的发展始终不如3D视频的发展那样迅速。

　　A3D
　　这里先说一下，A3D目前应用已经很少了。随着Aureal的消失，它基本也消失了。但Aureal推出的A3D，曾被创新视为最大敌人。A3D的特点非常鲜明──就是准确的声音定位。从出现开始，A3D经历了两次重大革新，第一次是版本由1.0过渡到2.0的时候，由简单的HRTF算法过渡到复杂的HRTF算法。第二次是由A3D 2.0升级到A3D 3.0，具有基于几何的即时混响、个人化的HRTF设置和空间范围音源等功能。由此，A3D开创了属于自己的3D音频时代，直到今天仍然有许多发烧友怀念A3D。A3D 3.0具有以下几个先进的技术：




　　基于几何的即时混响
　　混响是最能反映声音随空间变化而变化的效果，Aureal批评创新的EAX是采用预置的几组环境效果来工作的，因此不能够适应环境复杂的变化，是不真实的。而A3D采用基于几何的即时混响，是根据周围环境的几何形状，利用Aureal Wavetracing技术(Aureal发展的，通过数学模型来推断声音的折射、反射和衍射的方法)处理声音数据。这样虽然相对的运算量非常大，但是Aureal坚持认为，为了得到真实的效果，这样做是值得的。

　　个人化的HRTF设置
　　Aureal认为每个人的耳朵和头部结构都是不同的，因此单一的HRTF算法是不能适合大部分人的。个人化的HRTF设置是通过数据采集，建立起不同情况的HRTF。用户可以根据自己的情况下载相应的HRTF设置，从而得到满意的效果。笔者这里认为，个人化的HRTF设置是一个相当好的技术，可惜的是自从Aureal被收购后，此项技术就没有再出现过。

　　Dolby Digital(杜比数字)回放
　　Aureal试图通过拉Dolby Digital进入A3D来壮大A3D的势力范围，以此对抗日益强大的EAX，这招的确高明。众所周知Dolby Digital在音响界的地位。但是很可惜，A3D没有坚持到这一天。

　　A3D3.0虽然非常强大，但是由于相关产品──SQ3500迟迟不能面世，加上Aureal市场战略的失败，最后终于被创新收购。强大的A3D3.0也就死于襁褓之中，即使这样，A3D为3D音频留下的，仍然是宝贵的财富。到今日，最先进的EAX Advanced HD V4.0上，我们仍然可以看到A3D的影子。

　　Dolby Digital(杜比数字)
　　从严格意义上说，Dolby Digital(杜比数字)是不能被称为3D音频API的。本文之所以介绍它，主要原因在于目前有不少新游戏支持Dolby Digital。Dolby Digital和3D音频API相比最大的区别在于Dolby Digital是预先将真实的音效录下来，通过编码储存起来，再通过解码将声音回放出来。而3D音频API是通过模拟运算来“制造”出环绕效果。因此，目前从效果上说，Dolby Digital拥有最真实的3D声音效果。

　　很早以前，就已经有人发现多声道比双声道有更多的优点。即便是最原始的复制4声道(即将双声道复制成4声道)，音场的感觉也要比双声道要好。如果是真正的4声道，则声场的感觉和空间感要远强于双声道。于是，以杜比实验室为首的一些机构看中了多声道的潜力，大力发展这项技术。最初的杜比环绕声(Dolby stereo optical，4-ch)为4声道，后来又发展成5.1声道的Dolby Digital技术。

　　目前的主流声卡，对于Dolby Digital都有良好的支持。因此不少游戏支持Dolby Digital就成为了顺理成章的事情──可以得到更真实的效果、更低的CPU占用率。没有哪家游戏厂商会拒绝这种好事，难怪有人评论Dolby Digital为“3D音频API的终结者”。从目前3D音频API的发展来看，确实存在这样的危险性。

　　Sensaura 3D
　　Sensaura的历史比EAX、A3D都要长久──在十年前就有了。起初是由几个专业音频大厂提出来，用于专业的音频。Sensaura 3D直到近几年才开始涉足民用市场。目前，采用Sensaura 3D技术的主要是主板集成声卡厂家，也就是我们常说的 AC’97软声卡。此外还有ESS的相关声音芯片采用，最近刚刚进入国内市场的德国坦克( TerraTec)声卡也是采用的Sensaura 3D。可以说，自A3D消失后，EAX最大的敌人也就是Sensaura 3D了。

　　同其他的3D音频API一样，Sensaura 3D也采用了HRTF定位。最新的Sensaura 3D版本可以根据不同的情况采用不同的HRTF。比如，2声道和4声道的HRTF就是不一样的，如果你在Sensaura 3D中设置错误，得到的效果将会非常糟糕。

　　和EAX基于相同的观点，Sensaura 3D也认为声音的环境效果是核心问题，因此提出3D声音的实质是延迟。在综合上面的意见后，Sensaura 3D提出了自己的MacroFX、ZoomFX解决方案。




　　所谓的MacroFX，也就是设想在不同距离上，HRTF的变化情况以及不同距离音源发出的声音进入耳朵在时间上的差别。MacroFX根据不同情况预测精确的音量变化，它按照距离分为6个区域。MacroFX同时可以做到根据音源相对位置的不同，计算出声音分别进入左右耳的时间差，而其他音频API往往不能做到这一步。

　　ZoomFX，解决的是运动的音源声音变化情况。在Direct Sound 3D中，所有的音源都被看做是一个点。这样的话虽然对于表现大场景有帮助，但是对于表现运动的音源效果不好。ZoomFX表现的，就是类似音源由远到近的声音平滑变化的效果。

　　Sensaura 3D最大的特点在于不依赖DSP，而是靠CPU来完成运算。因此和EAX、A3D相比需要占用CPU资源。好在随着CPU速度的提高，占用的资源可以忽略不计。

　　Sensaura 3D同时是一项开放的技术，可以任意地修改，不像EAX、A3D那样要从市场化考虑。但是，最近传来消息──创新收购了Sensaura 3D。创新此举，很明显是为了打击自己的竞争对手。

　　Qsound Q3D
　　Q3D也是出现较早的3D音频API，想当年在街机上就出现Q3D的身影。进军PC也就是近几年的事情，最先使用Q3D作为3D音频的当数Trident出品的4D wave系列音效芯片了。

　　Q3D的一个明显特征就是将HRTF也应用到音乐中，这样做的效果很明显。Q3D的观点就是“HRTF无处不在”！Q3D的HRTF效果一般，优点在于占用CPU的资源很少。定位效果和A3D等其他3D音频API相比有一定不足。

　　QSurround是Q3D的组件之一，用来营造环绕声效果，可以用2个或4个音箱模拟出杜比环绕声的效果，不过在今天5.1系统很普及的情况下，用途有限。

　　Qsound的三个核心音效技术是QXpander、QMSS和2D-to-3D重映射。QXpander注重对于音频效果的处理。QMSS是类似创新CMSS的技术，也就是将2声道的信号复制到4声道中，以使传统的2声道音频文件达到环绕声的效果。

　　最新版的Q3D在效果和兼容性上有了很大的提高，能够较好地兼容EAX，对于没有创新声卡的用户来说是个福音。在Sensaura 3D倒下的时候，Q3D是其他声卡和创新抗争的最后希望所在。

　　3D音频API发展到今天，已经达到了一个很高的高度。但是由于众所周知的垄断情况，这一领域的发展不快。技术也不是像3D视频技术那样爆发式发展。创新也意识到这个问题，所以才要转型。总之，缺乏竞争对于3D音频API来说不是什么好事。从目前看来，垄断只会导致技术发展的停滞。如果3D音频想要继续发展，必须有一位强有力的挑战者站出来。

fishman

3D音频技术综述  [em17][em17][em17]