Introducción: El paradigma de la esfera completa

La manera en que experimentamos el sonido está experimentando una profunda transformación. Durante décadas, la reproducción de audio se confina a un plano plano plano, bidimensional frente al oyente. Stereo e incluso 5.1 sonido envolvente creó una "ventana" convincente en un mundo sonoro, pero finalmente lucharon por capturar el aspecto más fundamental de la audición natural: la esfera.

Para apreciar plenamente dónde está Ambisonics hoy, es esencial comprender sus fundamentos teóricos y los avances prácticos que lo transformaron de una curiosidad de laboratorio en un estándar de la industria. El viaje es uno de refinamiento incremental, impulsado por la búsqueda incesante del realismo en audio.

Los orígenes: un marco matemático para la realidad

La historia de Ambisonics comienza no en un estudio de grabación, sino en el reino de las matemáticas puras. El concepto básico se basa en armónicos esféricos, un conjunto de funciones ortogonales definidas en la superficie de una esfera. Así como una serie Fourier puede representar cualquier onda periódica como una suma de ondas sine, armónicas esféricas pueden representar cualquier campo de sonido entrantes en un solo punto en el espacio como una suma de patrones espaciales. El genio de Gerzon y Craven, trabajando fuera del Instituto Matemático en Oxford, era darse cuenta de que un campo de sonido completo de primer orden podría ser B-Format, forma el fundamento de todos los sistemas Ambisonic.

La clave era que el oído humano no percibe la presión del sonido sola; también detecta gradientes de presión (la diferencia de presión entre dos puntos cercanos). Capturando tanto la presión omnidireccional como los tres gradientes de presión ortogonal, un sistema de ambisónicos de primer orden puede reconstruir una representación fiel del campo de sonido en un punto. Esto es fundamentalmente diferente de estereo o 5.1, que sólo captura un sonido.

El B-Format y A-Format

El B-Format es el mecanismo de transporte básico. Consiste en cuatro canales:

  • W: El componente omnidireccional (la presión total en el punto).
  • X: El componente de velocidad frontal (gradiente de presión a lo largo del eje X).
  • Y: El componente de velocidad izquierda derecha (prediente de presión a lo largo del eje Y).
  • Z: El componente de velocidad de arriba hacia abajo (prendiente de presión a lo largo del eje Z).

Cuando un array de micrófono captura el sonido, normalmente se produce A-Format, que es un conjunto de señales de cápsula cruda. Estas señales se convierten matemáticamente, o "encodificado", en el B-Format utilizando una matriz conocida como la Matriz de codificación ambisónica. Esta estandarización permite que cualquier grabación A-Format sea decodificada para cualquier sistema de reproducción, siempre y cuando el B-Format sea utilizado como intermediario. La matriz de codificación se deriva de la geometría del array de micrófono y los patrones polares de sus cápsulas, asegurando que el B-Format represente el verdadero entorno acústico.

En la práctica, muchos micrófonos modernos, como los RØDE NT-SF1, salida directamente en B-Format, simplificando el flujo de trabajo. Sin embargo, los usuarios profesionales todavía trabajan con A-Format de arrays de terceros para obtener más control sobre el proceso de codificación, especialmente cuando utilizan arrays con colocaciones de cápsulas no ideales.

Codificación práctica y decodificación

La codificación de una fuente de sonido en Ambisonics es sencilla. Una fuente monofónica puede ser "panned" en el B-Format aplicando ganancias a los cuatro canales basados en la dirección de la fuente. Por ejemplo, un sonido directamente en frente tendría el máximo X (positivo), cero Y y Z, y W igual a una constante. Esta es la forma más simple de codificación sintética Ambisónica.

Decodificación es el proceso inverso: convertir B-Format en señales para un diseño específico de altavoces o para auriculares binaural. Para altavoces, la matriz de decodificación depende del número y posiciones de los altavoces. Para binaural, el B-Format se convoque con funciones de transferencia relacionadas con la cabeza (HRTFs) que simulan los efectos acústicos de la cabeza y los oídos del oyente. IEM Plugin Suite (un conjunto de herramientas de código abierto), ofrecen una alta calidad de renderización con soporte de seguimiento de cabeza, haciéndolos ideales para VR.

Limitaciones tempranas y el Nicho de Primera Orden

Las primeras implementaciones de Ambisonics, conocidas como Ambisonics de primera orden (FOA), fueron notables por su elegancia pero frustrante en sus limitaciones prácticas. El primer micrófono comercialmente viable para este propósito fue el Micrófono de campo de sonido, un conjunto tetraedral de cuatro cápsulas sub-cardioide. Mientras revolucionario, FOA sufrió de un "punto de sol" críticamente pequeño. Cualquier movimiento significativo lejos de la posición de escucha ideal haría que la imagen espacial colapsar o llegar a ser inestable.

Además, la decodificación de reproducción era altamente compleja. Para reproducir el campo de sonido sobre un conjunto de altavoces, un matriz de decodificación Tenía que ser calculado sobre la base de la disposición exacta de altavoces (por ejemplo, cuadrado cuadráfónico, 5.1, o arrays irregulares). Este proceso de decodificación fue computacionalmente intensivo para el hardware analógico de los años 70 y 1980. El mercado de consumo, ya confundido por el fracaso del sonido cuadráfico, en gran parte ignorado Ambisonics.

Otra limitación de FOA es su resolución espacial baja. En términos técnicos, un sistema de primera orden sólo puede representar el campo de sonido con un número limitado de componentes armónicos esféricos (sólo cuatro). Esto resulta en una "azuma" de la imagen espacial, similar a una fotografía de baja resolución. Mientras que adecuado para los antecedentes ambientales, FOA no puede localizar con precisión las fuentes de sonido individuales, por lo que no es adecuado para mezclar crítica o diseño de sonido detallado.

Resurgencia Digital: VR y Renacimiento de audio 3D

Durante casi dos décadas, los ambisónicos permanecieron en la franja. El punto de inflexión fue la convergencia de dos factores: el aumento dramático de la potencia de computación de consumo y el aumento de las pantallas montadas en la cabeza (HMDs). El sonido tradicional envolvente no pudo resolver el problema fundamental presentado por la realidad virtual. En VR, el usuario puede mirar hacia arriba, hacia abajo y alrededor libremente.

Los ambisónicos proporcionaron la respuesta perfecta. Debido a que el B-Format codifica los entera campo de sonido en un punto, un motor VR puede simplemente rotar el campo de sonido matemáticamente (aplicando una matriz de rotación a los componentes X, Y y Z) antes de decodificarlo a audio binaural para auriculares. Esta "rotación" es trivialmente barato computacionalmente comparado con la re-rendering docenas de fuentes de sonido individuales. Esto llevó a una masiva resurgición.

Los hitos clave en este resurgimiento incluyen el desarrollo de motores de decodificación en tiempo real y la adopción de Ambisonics por las principales plataformas VR. Por ejemplo, Google's Omnitone La biblioteca trajo la renderización ambisónica en tiempo real al navegador web, permitiendo que los vídeos de 360 grados en YouTube tengan audio espacial. De igual manera, Facebook (Meta) invirtió fuertemente en Ambisonics para su ecosistema de VR, proporcionando herramientas para que los creadores codificaran audio para publicaciones de Facebook y experiencias de Oculus. El éxito comercial de Oculus Rift y HTC Vive crearon una fuerte demanda de audio inmersivo, y solución predeterminada.

Otro acontecimiento crucial fue la normalización de Ambisonics de Orden Superior (HOA). Mientras que FOA era suficiente para el seguimiento básico de la cabeza, los pedidos superiores proporcionaron una mejor resolución espacial para aplicaciones críticas. La industria rápidamente se trasladó más allá de FOA, con tercera orden (16 canales) y cuarta orden (25 canales) convirtiéndose en común en producciones profesionales de RV. Esto requería nuevos arrays de micrófono y procesamiento de señales digitales más potentes, pero las mejoras en localización y realismo fueron dramáticas.

Ambisónicos de Orden Superior (HOA): Empujando la Resolución

Mientras que FOA era ideal para el VR de la cabeza, donde la cabeza del usuario está en el lugar dulce, su resolución espacial limitada fue insuficiente para escuchar críticamente en la producción de música o el diseño cinematográfico del sonido. Piensa en FOA como una imagen de baja resolución. Puedes ver las formas, pero los detalles finos son borrosos. Ambisonics de Orden Superior (HOA) aumenta el número de componentes armónicos esféricos, aumentando dramáticamente la "resolución" del campo de sonido.

El canal cuenta escalas exponencialmente con el orden utilizando la fórmula: N = (orden + 1)^2

  • 1a Orden (FOA): 4 canales (Resolución baja, pequeño lugar dulce).
  • 2a Orden: 9 canales (Mejoramiento notable en la localización).
  • 3a Orden: 16 canales (High precisión, adecuado para la música).
  • 5a Orden: 36 canales (muy alta resolución, típico para el cine VR).
  • 7a Orden: 64 canales (Extremadamente alta resolución, acercando la síntesis de campo de onda).

En la práctica, los pedidos más comunes utilizados en la producción son tercero y cuarto. El quinto orden se reserva normalmente para aplicaciones de cine e investigación de alta gama debido al conteo masivo de canales y la carga computacional correspondiente.

Desafíos en la captura de HOA

Capturing HOA requiere sofisticados arrays de micrófono con altos cargos de canal y tolerancias estrechas. La geometría del array debe ser precisamente conocida por computar la matriz de codificación, y las cápsulas deben estar bien ajustadas en sensibilidad y respuesta de fase. Cualquier desajuste introduce artefactos que degradan la reconstrucción del campo de sonido.

Varias empresas han producido arrays esféricos diseñados para capturar HOA:

  • Mh Acoustics Eigenmike: Una matriz esférica de 32 cápsulas capaz de capturar hasta los Ambisónicos de 4a Orden. Se ha convertido en una herramienta estándar para la captura de audio espacial profesional, utilizada ampliamente en la película y la radio.
  • Zylia ZM-1: Un array de 19 cápsulas que ofrece hasta 3er orden Ambisonics, diseñado para portabilidad y facilidad de uso en la grabación de música. Su factor de forma más pequeño lo hace ideal para la grabación de campo.
  • Rode NT-SF1: Si bien es un array de 4 cápsulas para FOA, se puede utilizar en conjunto con software de decodificación especializado para lograr pedidos superiores a través de técnicas de micrófono virtual. Este es un punto de entrada más asequible para muchos creadores.

Además de hardware especializado, herramientas de software como IEM Ambisonic Plugin Suite y Blue Ripple Sound plugins permiten a los ingenieros de mezcla trabajar con HOA dentro de un DAW estándar. Estos plugins proporcionan encoders, decodificadores, rotadores y otras herramientas de procesamiento espacial que manejan las matemáticas complejas detrás de las escenas.

Ecosistemas modernos y flujos de trabajo en el mundo real

Hoy, Ambisonics está profundamente integrado en el oleoducto profesional de producción de audio, desde la etapa de grabación hasta la entrega final. Vamos a explorar cómo encaja en los principales dominios de aplicaciones.

Gaming y medios interactivos

Los motores de juego como Unity y Unreal, combinados con audio middleware como Audiokinetic Wwise y FMOD, tienen soporte nativo para los oleoductos de audio Ambisonic. Los diseñadores de sonido pueden colocar fuentes de audio en el espacio 3D, y el motor los convierte en un "bus" ambisónico. Este autobús puede ser rotado basado en la orientación de la cabeza del oyente y decodificado para el audio binaural en tiempo real.

Un ejemplo práctico es el uso de Ambisonics para el ambiente ambiental. En lugar de colocar docenas de bucles estéreo individuales para el viento, las aves y el tráfico distante, un diseñador de sonido puede capturar un ambiente real utilizando un micrófono HOA e importar el archivo B-Format resultante directamente en el motor del juego. Este archivo único reconstruye todo el campo de sonido con cues espaciales correctos, reduciendo el uso de memoria y carga CPU al proporcionar un sentido más realista de presencia.

Además, la matriz de rotación en Ambisonics permite un seguimiento dinámico de la cabeza con una latencia mínima. Cuando el jugador gira la cabeza, el motor de juego simplemente gira el campo Ambisonic antes de la decodificación binaural. Esta operación es tan eficiente que se puede realizar por marco en los auriculares VR modernos sin tener que impactar la tasa de marco.

Producción de música y atmos Dolby

En el mundo de la mezcla de música, Ambisonics ha encontrado un fuerte punto de vista junto con formatos basados en objetos como Dolby Atmos. Mientras que Atmos utiliza un modelo de audio basado en objetos más cama, Ambisonics se utiliza como un formato de procesamiento intermedio. Por ejemplo, un ingeniero podría crear un reverbio inmersivo utilizando un convolution reverb con un conjunto de respuestas impulsivas de la sala Ambisonic (BRIRs). Estos BRIRs capturan las características direccionales de un espacio real, permitiendo que el reverbio se sienta verdaderamente tridimensional.

Otro flujo de trabajo común es mezclar los tallos individuales en Ambisonics, aplicar los efectos espaciales (rotación, polarización o atenuación a distancia), y luego decodificar el diseño de los altavoces objetivo. RODE SoundField y NOA Audio Proporcionar estas capacidades directamente en DAWs como Pro Tools, Logic Pro y Ableton Live. Algunos ingenieros también utilizan Ambisonics para crear "polos espaciales" que pueden ser remixados posteriormente para diferentes formatos, agregando flexibilidad al proceso de masterización.

Es importante señalar que Ambisonics y Dolby Atmos son complementarios, no competidores. Atmos es un formato de entrega optimizado para la reproducción del consumidor, mientras que Ambisonics es una herramienta de producción que se destaca en la captura y manipulación de campos de sonido realistas. Muchos modernos flujos de trabajo mezclando Atmos incorporan una etapa intermedia ambisónica, especialmente para camas ambiente y reverberación realista.

Cine y Cine VR

Los cineastas documentales y diseñadores de sonido utilizan micrófonos HOA para captar el ambiente natural de un lugar, conocido como "secciones de cable" o "tonelaje de habitación".En postproducción, estas grabaciones HOA pueden ser importadas en una estación de trabajo digital de audio (DAW) y se utilizan como una cama de fondo 3D realista, sobre la cual se pueden colocar efectos de sonido monos o estéreos (dialogo, Foley).

Por ejemplo, en un documental de la naturaleza, una captura de un bosque lluvioso usando un Eigenmike puede ser decodificada para proporcionar un fondo de aves, insectos y agua de toda la esfera. El diseñador de sonido puede añadir narración y llamadas animales como objetos individuales, creando un rico paisaje sonoro sin anulaciones de fases o desgastado espacial. De manera similar, en una película de acción, HOA capturas de paisajes urbanos o campos de batalla pueden ser utilizados

El VR Cinematístico empuja aún más el sobre. Como el espectador puede mirar en cualquier dirección, la banda sonora debe estar totalmente de 360 grados y responder a las rotaciones de la cabeza. Los ambisonics son el estándar de facto para el audio VR cinematístico, apoyado por plataformas como YouTube, Facebook y Oculus TV. Los cineastas usan micrófonos HOA en ambientes de ubicación fija o récord por separado, luego mezclan estos efectos de sonido espacializados.

Convergencia y el Horizonte: Audio de Escena

El futuro del audio es híbrido y flexible. El estándar MPEG-H Audio, diseñado para Next Generation Audio (NGA), admite el audio basado en canales, basado en objetos y basado en escena (Ambisonic) dentro de un solo flujo. Esto permite a las emisoras ofrecer una experiencia personalizada donde el espectador puede ajustar el volumen de elementos específicos (por ejemplo, diálogo, ruido de la multitud) manteniendo una perfecta coherencia espacial.

MPEG-H ya está siendo implementado en sistemas de radiodifusión en Corea del Sur y Japón, y su adopción está creciendo. Para el creador de contenidos, esto significa que una cama ambisónica puede combinarse con objetos dinámicos en un solo maestro, proporcionando eficiencia e interactividad. La norma también es compatible con metadatos para el seguimiento dinámico de cabeza, lo que lo hace adecuado para el consumo de dispositivos móviles y VR.

Aprendizaje de la IA y la Máquina

La inteligencia artificial está empezando a desempeñar un papel significativo en Ambisonics. Los algoritmos modernos pueden analizar una señal de audio monofónica o estéreo y actualizarla inteligentemente a HOA. Aunque no es un reemplazo para una verdadera captura multimicrofono, estas herramientas se están convirtiendo en notablemente buenas para extraer información espacial de contenido legado, permitiendo que las grabaciones antiguas se experimenten de formas nuevas e inmersivas.

Por ejemplo, de Facebook subixer de audio espacial utiliza una red neuronal para estimar los parámetros espaciales del audio monofónico y generar un campo Ambisónico de primer o segundo orden. Querida Realidad ha desarrollado una herramienta de mezcla que puede convertir mezclas estéreo en formatos inmersivos. Mientras que los puristas pueden oponerse, estos algoritmos de mezcla son notablemente eficaces para el contenido ambiental y musical, abriendo nuevas posibilidades para catálogos heredados.

También se está utilizando AI para mejorar la captura ambisónica. Los modelos de aprendizaje automático pueden corregir las imperfecciones de los arrays de micrófono, estimar matrices de codificación óptimas, e incluso reducir el ruido preservando los cues espaciales. Los laboratorios de investigación están explorando la reproducción neuronal de los campos de sonido de los arrays de micrófonos escasos, lo que permite capturar HOA con menos cápsulas y hardware más simple.

Normalización y transporte IP

Para la producción remota y la transmisión en directo, el IETF ha publicado RFCs para la transmisión de audio ambisónico sobre redes IP (por ejemplo, RFC 7198 para Ambisonics sobre RTP). Esta estandarización es crítica para el futuro de eventos inmersivos en vivo, permitiendo una arena deportiva o sala de conciertos para transmitir su mezcla de audio 3D directamente a millones de oyentes en casa.

Las aplicaciones incluyen conciertos VR en vivo, donde un flujo ambisónico del lugar se combina con una mezcla binaural con la cabeza en el auricular del oyente. La naturaleza de baja latencia de la rotación ambisónica hace que esto sea factible incluso en las redes actuales. NextVR y MelodyVR ya han experimentado con las transmisiones ambisónicas en vivo, y se espera que la tecnología se vuelva más común a medida que las redes 5G maduran.

Además, el Modelo de definición de audio (ADM) Utilizado en la industria de la radiodifusión, se apoya en metadatos ambisónicos, lo que permite una integración sin obstáculos con los flujos de trabajo de producción existentes, lo que garantiza que el contenido ambisónico pueda ser archivado, intercambiado y remezclado sin perder información espacial.

Herramientas y complementos para el productor moderno

Para los profesionales de audio que buscan sumergirse en Ambisonics, ahora hay una gran cantidad de herramientas disponibles en varios puntos de precio.

  • IEM Ambisonic Plugin Suite: Una colección gratuita de más de 40 plugins para codificación, decodificación, rotación y visualización ambisónica. Disponible para todas las principales DAWs, incluye soporte para hasta 7o pedido y es ampliamente utilizado en la educación y la producción.
  • Blue Ripple Sound: Una suite comercial de plugins Ambisónicos de alta calidad con enfoque en la usabilidad y calidad de sonido. Ofrecen herramientas especializadas para el montaje, efectos espaciales y codificación de tercera orden.
  • RODE SoundField: Suite plugin gratuita para trabajar con el micrófono NT-SF1, proporcionando herramientas de codificación, decodificación y simulación.
  • NOA Audio: Un completo conjunto de herramientas con un "espacializador" único que permite la manipulación intuitiva de los campos de sonido. También incluye un decodificador de seguimiento de cabeza para el monitoreo binaural.
  • SPARTA Suite: Una colección de herramientas basadas en MATLAB (con versiones independientes) para investigación y producción avanzada, desarrollada por el Instituto de Investigación Acústica de Viena.
  • HOA Biblioteca para la Unidad/Unreal: Bibliotecas de mantenimiento comunitario que integran el procesamiento ambisónico directamente en los motores de juego, apoyando la renderización binaural en tiempo real y la rotación dinámica.

Al construir un flujo de trabajo ambisónico, es importante mantener convenciones consistentes de orden y normalización. ACN (Número de componentes ambisónicos) con la semi-normalización Schmidt (SN3D) o normalización N3D. Los plugins IEM y Blue Ripple utilizan ACN-SN3D como predeterminado, que es también el formato recomendado para los estándares MPEG-H y VR.

Conclusión: El Círculo (y Esfera) Ahora Completa

Desde los pizarras de Oxford hasta las etapas sonoras de Hollywood y los auriculares de millones de usuarios de VR, el viaje de Ambisonics es un claro ejemplo del poder de la investigación fundamental. Lo que comenzó como un ejercicio puramente teórico en armónicos es ahora un componente esencial de los más avanzados tubos de audio en la existencia. A medida que avanzamos hacia un mundo de computación espacial y mundos virtuales persistentes, la capacidad de capturar fielmente, transmitir,

La evolución de los Ambisonics está lejos de terminar. Con avances en la tecnología de IA, micrófonos y poder de cálculo, la promesa de un audio espacial verdaderamente perfecto está más cerca que nunca. La visión de Gerzon y Craven finalmente se ha realizado, y seguirá formando nuestras experiencias sonónicas durante décadas por venir. Ya sea que usted es un diseñador de audio de juegos, un productor de música, un cineasta, creador de VR, entender que se está convirtiendo en una esfera de sonido.