Google发布Omnitone开源系统，是VR制作新潮流来袭的节奏吗？

当下主流的全景3D音频内容格式马上就要过时了。

上个月，谷歌在其官方博客上公布了其网页VR音频系统Omnitone项目的技术细节。这个项目是一个跨浏览器支持的开源空间音频渲染器，主要是为VR设备营造“全景音频”环境提供解决方案，让用户获得更好的VR沉浸感。

提到“全景音频”的解决方案，有些人或许觉得理论十分简单，做一个虚拟空间，该空间里任何一个音源，用三维坐标标定，然后将VR头盔里的坐标数据导入，再输出相应的声音，即可得到一个完美的“自然”声场。但是这个方案的前提是音源数足够少、运算速度足够快，所以用于逼真模拟现实世界数量众多的音源是几乎不可能的。

目前，主流的全景3D音频内容格式包括Quad Binaural和Ambisonic。

其中，Quad Binaural是将一个声场用0、90、180、270度四个方向去表征。如果需要录制一个点的声场，则录制这个点前后左右的声音，每个方向两个声道，最终八个声道。想得到新的方向的声音，用四个方向的声音进行加权合成即可。这种方案的好处是解码非常容易，比如我们很自然就会想到45度时候的声音就是一半的0度+一半的90（虽然实际情况会更复杂一些）。相比现在常用的一阶的Ambisonic（FOA，First Order Ambisonic），其对水平方向的敏感度更高。不过，它的问题在于垂直方向的声音是木有变化的。

Ambisonic则是从球谐函数出发，(n+1)^2个声道来表征声场。举例来说，Google发布的Omnitone是一阶的Ambisonic，于是有（1+1）^2=4个声道，如上图所示，w,x,y,z。w可以理解成背景声，x,y,z分别是来自直角坐标系三个方向的声音。这个方案的好处在于有了z（垂直）这个方向，抬头或者低头在VR世界里声音是会有区别的，而且随着你提供的运算能力的提升，用更高阶的Ambisonic函数可以获得更好的效果。不过， 越高阶的ambisonic函数解码越复杂。此外，一阶Ambisonic（FOA）因为将相反方向传来的声音（C,D）同时混入了X，所以当你转头的时候，在某些角度下的听者对方向的灵敏度是不如Quad Binaural的。

而Google的网页VR音频系统Omnitone项目用到的解决办法很聪明，而且单刀直入。它主要支持目前业界较为常用的FOA（一阶Ambisonic）格式，这也是YouTube App推荐的主要全景声格式。

下面是Omnitone音频处理过程图解：

从上图可以看出，Google的Omnitone系统的Ambisonic解码器采用了业界主流的算法流程，根据传感器给出的方位信息， 采用一个旋转算子来实现声场旋转，进而用双声道输出。

可以大胆预言的是是，FOA的全景声将会在未来几年快速普及，这对VR行业来说也是一个福音。不过，现在的问题是FOA声音文件缺乏，而录制FOA声音硬件昂贵，且不便于携带使用。有兴趣创业者可以尝试解决这个问题。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！