Introduction : Comprendre l'audio par objet

Dans l'audio basé sur un canal (p. ex., stéréo, 5.1, 7.1), chaque haut-parleur ou canal reçoit un mélange fixe de sons. La position de l'auditeur par rapport à ces haut-parleurs détermine l'impression spatiale. L'audio basé sur un objet, par contraste, traite chaque son discret comme un son indépendant. objet—une voix, un coup de feu, une goutte de pluie, complète avec des métadonnées qui décrivent sa position, sa taille, sa vitesse et ses propriétés acoustiques. Ces métadonnées sont envoyées à un rendeur, qui décode l'audio en temps réel, adaptant la sortie à la configuration de l'enceinte ou à la configuration du casque.

Pour les auditeurs, l'audio basé sur objet signifie qu'un film, un jeu ou un concert en direct peut sonner correctement s'ils sont assis dans un home-théâtre dédié, portent un casque stéréo ou écoutent à travers une barre de son. Cette adaptabilité est la caractéristique la plus transformatrice de l'audio basé sur objet, permettant une expérience cohérente et convaincante sur un matériel très différent.

L'évolution de l'audio basé sur le canal à l'audio basé sur l'objet

Limitations de l'audio sur canal

Un mixage sonore surround pour un système 5.1 place le dialogue dans le canal central, les effets sur les environnements gauche/droit et le contenu basse fréquence dans le subwoofer. Bien qu'efficace pour les places fixes, cette approche a des limites claires. Premièrement, elle n'est pas à l'échelle : un mix 5.1 ne peut pas utiliser pleinement un système 7.1.4 sans remixage manuel. Deuxièmement, elle prend une disposition spécifique des haut-parleurs et une position d'écoute.

L'augmentation de l'audio basé sur les objets

L'idée de traiter les éléments audio comme des objets indépendants avec des métadonnées spatiales a d'abord été officialisée dans les laboratoires de recherche et a ensuite été adoptée par les consortiums d'électronique grand public. Dolby Atmos en 2012 et DTS:X En 2015, ces systèmes ont permis aux concepteurs de sons de travailler dans une toile 3D, plaçant des objets n'importe où dans un hémisphère virtuel, y compris au-dessus de l'auditeur. L'Union internationale des télécommunications (UIT) et le Groupe d'experts sur les images mobiles (MPEG) ont également contribué à des normes telles que MPEG-H Audio, rendant les workflows basés sur des objets interopérables en diffusion et en diffusion.

Technologies de base: Dolby Atmos, DTS:X, Auro-3D et MPEG-H

Dolby Atmos: Comment ça marche

Dolby Atmos est actuellement le format audio objet le plus largement déployé dans le cinéma et le divertissement à domicile. Atmos code l'audio comme une combinaison de canaux de lit Les métadonnées de chaque objet comprennent des coordonnées tridimensionnelles (x, y, z) et un paramètre de largeur. Pendant la lecture, le rendueur Atmos interprète ces objets et les distribue aux haut-parleurs disponibles, y compris les canaux de transmission. Jusqu'à 128 objets simultanés peuvent être utilisés, bien que les mélanges de théâtres typiques utilisent moins. Pour les systèmes d'accueil, Dolby Atmos est livré via Blu-ray, des services de streaming comme Netflix et Apple TV+, et via Dolby Atmos-bars certifiés qui simulent les effets de hauteur à l'aide d'algorithmes psychoacoustiques.

Dolby Atmos page professionnelle- Oui.

DTS:X et son scaling flexible

DTS:X, développé par DTS Inc. (acquis par Xperi), adopte une approche similaire, mais avec plus de flexibilité. Au lieu d'exiger une mise en page fixe des enceintes, DTS:X utilise un moteur de rendu basé sur des objets qui peut s'adapter à n'importe quel nombre de enceintes – de deux à plus de trente. DTS Neural:X upmixer, qui peut prendre le contenu de canal héritage et le remap dans une représentation basée sur des objets. DTS:X a trouvé une forte adoption dans les casques de jeu et les récepteurs AV à domicile, en particulier ceux qui ciblent les joueurs PC. DTS:X site officiel fournit des informations supplémentaires sur les appareils et le contenu pris en charge.

Auro-3D et la dimension de hauteur

Auro-3D, développé par Auro Technologies, est un format basé sur canal qui utilise jusqu'à trois couches de haut-parleurs (en surround, hauteur et sur-dessus) pour créer un champ sonore volumétrique. Bien que pas strictement basé sur objet au même sens que Atmos ou DTS:X, Auro-3D a introduit le concept d'une couche de hauteur --perceptuelle --qui a inspiré des implémentations basées sur objet. Certaines configurations Auro-3D peuvent coder jusqu'à 13,1 canaux, et son son son immersif est souvent décrit comme --naturel , parce que les canaux de hauteur mimiquent comment le son arrive des réflexions de salle typiques. Auro-3D est moins commun dans la diffusion de la consommation, mais reste populaire dans les installations de cinéma premium.

MPEG-H Audio: le standard ouvert

MPEG-H Audio, qui fait partie de la série de normes MPEG-H, fournit une architecture regularisée mais ouverte pour les audios objets et immersifs. Il est conçu pour les environnements de diffusion, de diffusion en continu et de réalité virtuelle. MPEG-H supporte jusqu'à 128 objets audio et peut être combiné avec des fonctionnalités interactives, comme permettre à l'auditeur d'ajuster le niveau de dialogue ou de sélectionner entre différentes langues ou des pistes de commentaires tout en maintenant le panoramique spatial. Page de groupe MPEG Audio- Oui.

Fonctionnement audio basé sur les objets : métadonnées et rendu

Objets audio et canaux de lit

Chaque système audio basé sur un objet divise l'audio en canaux de lit et objets. Les canaux de lit sont des signaux statiques qui alimentent un haut-parleur fixe, comme une configuration stéréo ou 5.1 surround. Ils sont utilisés pour l'ambiance de fond, la musique ou le dialogue qui ne bouge pas. Les objets, en revanche, sont des éléments dynamiques qui portent leurs propres métadonnées. Un objet typique peut être un effet unique comme une explosion, avec des métadonnées spécifiant son emplacement à un moment donné.

Adaptation du soumissionnaire en temps réel

Le rendueur est le cœur de tout système basé sur des objets. Il prend le flux d'objets et de canaux de lit, avec la disposition des haut-parleurs système (ou configuration du casque), et génère des flux d'enceintes en temps réel. Pour un home-théâtre 7.1.4, le renduur assigne des objets à des canaux spécifiques. Pour les écouteurs, il utilise des fonctions de transfert liées à la tête (HRTFs) pour simuler des haut-parleurs virtuels. Le renduur gère également l'échelle des objets : si un son est trop proche ou trop loin, il ajuste le volume et l'égalisation.

Cette adaptation est invisible pour l'utilisateur mais critique pour maintenir l'intention spatiale du créateur.

Applications dans les médias modernes

Home Théâtre et streaming

Les plateformes de streaming ont embrassé l'audio basé sur des objets pour offrir des expériences comme le cinéma sans nécessiter une configuration complète du théâtre. Les services tels que Netflix, Amazon Prime Video et Disney+ supportent Dolby Atmos pour certains titres. Les barres de son, qui manquent de haut-parleurs discrets, utilisent la virtualisation pour créer une illusion de hauteur. Même les barres de son favorables au budget incluent maintenant des pilotes de tir à la hausse ou des logiciels DSP qui imitent les effets Atmos.

La réalité virtuelle et augmentée

En VR et AR, l'audio doit réagir en temps réel aux mouvements de la tête et du corps de l'utilisateur. L'audio basé sur l'objet est le bon naturel : chaque source de son virtuel est un objet avec une position dans l'espace 3D. Au fur et à mesure que l'utilisateur tourne ou marche, le rendeur met à jour le champ sonore, créant une illusion stable qui correspond au monde visuel. Ceci est critique pour l'entraînement des simulations, des passages architecturaux et des jeux immersifs.

Production cinématographique et télévisuelle

Les concepteurs de sons travaillant sur des films et des émissions de télévision utilisent désormais des outils de mixage par objet intégrés dans des stations de travail audio numériques (DAWs). Les outils Pro, Nuendo et Reaper supportent Atmos et DTS:X. Pendant la postproduction, chaque effet sonore, ligne de dialogue ou tige de musique peut être balancé dans un volume 3D. Le réalisateur peut ensuite auditionner le mix sur différentes configurations de haut-parleurs, depuis un cinéma 5.1 jusqu'à une chaîne stéréo, directement depuis le bureau de mixage. Max fou: Fury Road et Dune Les nouvelles télévisées et les émissions sportives commencent également à utiliser l'audio basé sur des objets pour permettre aux téléspectateurs de choisir le commentateur ou le flux ambiant qu'ils entendent.

Gaming et expériences interactives

Les moteurs de jeu comme Unreal Engine et Unity intègrent des middlewares tels que Wwise et FMOD qui supportent le rendu par objet. Dans un jeu de tir à la première personne, chaque pied de pied ennemi, tir à la balle et effet environnemental est un objet audio positionné par rapport à la tête du lecteur. Les casques de jeu modernes de marques comme SteelSeries et Razer supportent Dolby Atmos pour casques ou DTS Headphone:X. Ces systèmes rendent l'audio 3D en temps réel, permettant au joueur de localiser les menaces par le son seul.

Événements automobiles et en direct

Les constructeurs automobiles intègrent l'audio à base d'objets dans des systèmes audio haut de gamme. Les marques comme Mercedes-Benz, Volvo et Lexus offrent des systèmes sonores compatibles avec Atmos qui transforment la cabine en salle d'écoute. Puisque la position de l'auditeur est fixe, le renduur d'objets peut optimiser le mix pour chaque siège, donnant ainsi à tous les passagers une expérience cohérente. Des événements en direct, des concerts aux stades sportifs, en bénéficient également.

Défis et considérations

Complexité de la création de contenu

Malgré les avantages, l'audio basé sur l'objet introduit une complexité significative pendant la création du contenu. Les concepteurs de sons doivent penser en trois dimensions, plaçant les objets non seulement gauche/droite mais avant/retour et haut/dessous. Les métadonnées doivent être rédigées avec soin; des métadonnées incorrectes peuvent faire apparaître un son au mauvais endroit. Les outils logiciels pour le mixage basé sur l'objet sont coûteux et nécessitent une formation spécialisée.

Contraintes du matériel et de la largeur de bande

La diffusion de l'audio par objet sur le streaming nécessite un codage attentif pour éviter les goulets d'étranglement. Dolby Atmos utilise le codec Dolby Digital Plus (E-AC-3) avec JOC (Joint Object Coding), qui compresse les métadonnées et les couches audio objet. Néanmoins, un flux Atmos typique ajoute 256-448 kbps au débit, ce qui peut mettre en pression les connexions à bande passante limitée. Du côté de la lecture, tous les écouteurs ou barres sonores ne rendent pas l'audio par objet correctement. Certains appareils budgétaires utilisent des HRTF génériques qui sonnent contre nature. La normalisation des algorithmes de rendu à travers les fabricants évolue toujours, conduisant à des expériences incohérentes.

UIT-R BS.2127 améliorer l'interopérabilité.

L'avenir de l'audio par objet

AI et personnalisation

Les modèles d'apprentissage automatique peuvent analyser un enregistrement stéréo et tenter de le séparer en objets avec des positions spatiales, ce qui permet de multiplier les contenus hérités. À l'avenir, les systèmes audio basés sur des objets peuvent utiliser le profil auditif de l'utilisateur (perte auditive liée à l'âge, sensibilité à la fréquence) pour ajuster le mélange en temps réel. Cela pourrait rendre le dialogue plus intelligible pour les auditeurs plus âgés sans affecter le reste du son. Les processeurs pilotés par l'IA dans les haut-parleurs intelligents pourraient également optimiser le rendu en fonction de l'acoustique de la pièce, en déplaçant des objets pour tenir compte des meubles et des réflexions murales.

Accessibilité et nouveaux formats

En séparant le dialogue du fond, les systèmes peuvent permettre aux utilisateurs de contrôler indépendamment le volume de la parole, des effets sonores ou de la musique, utile pour les haut-parleurs malentendants ou non autochtones. Les mêmes métadonnées peuvent conduire des sous-titres fermés en temps réel qui montrent la direction d'une source sonore. 360 Reality Audio (Sony) et Qualcomm aptX Adaptive La transition de l'audio de la salle à l'audio de l'échelle humaine – où les objets sont localisés par rapport au corps, et non la pièce – va brouiller davantage la ligne entre la présence physique et la présence virtuelle.

En libérant l'audio des canaux fixes, il permet de raconter des histoires avec des repères spatiaux précis, s'adapte à chaque système de lecture et ouvre la porte à un son interactif et personnalisé. Du premier murmure d'un thriller au rugissement d'une foule de stades, l'audio basé sur l'objet assure que l'expérience est aussi vive dans un salon que dans un cinéma phare. Comme le matériel et les normes continuent de mûrir, cette technologie deviendra la nouvelle normale pour la façon dont nous créons et consommons le son sur tous les supports.