文/VR陀螺 豌豆

蘋(píng)果在WWDC25的一場(chǎng)開(kāi)發(fā)者會(huì)議上悄然推出了一種新的空間音頻（Spatial Audio）格式：Apple Spatial Audio Format（以下簡(jiǎn)稱(chēng)ASAF），蘋(píng)果表示這將帶來(lái)“真正沉浸式的音頻體驗(yàn)”。

ASAF是什么？它與杜比全景聲 (Dolby Atmos) 或三星和谷歌的Eclipsa Audio等競(jìng)爭(zhēng)對(duì)手的空間音頻格式有何不同？更重要的是，它對(duì)像創(chuàng)作者、工程師和聽(tīng)眾意味著什么——尤其是那些已經(jīng)通過(guò)蘋(píng)果現(xiàn)有空間音頻產(chǎn)品（例如AirPods Pro 2等）享受到樂(lè)趣和沉浸感的人。

雖然立體聲音頻仍然可用，但現(xiàn)在更蘋(píng)果建議創(chuàng)作者使用Apple Positional Codec（以下簡(jiǎn)稱(chēng)APAC）進(jìn)行編碼，為此有必要了解空間音頻本身，以及ASAF如何融入蘋(píng)果的戰(zhàn)略。

空間音頻賽道的格式之爭(zhēng)

空間音頻是一種在三維空間中傳遞聲音的方式，并非將音頻置于固定的左右立體聲場(chǎng)中，而是允許聲音在聽(tīng)眾的上方、后方、下方或四周環(huán)繞。它能讓用戶(hù)在聽(tīng)音樂(lè)、看電影或玩游戲時(shí)，仿佛置身于一個(gè)由聲音包圍的環(huán)境中。

雖然杜比全景聲已成為家庭影院和流媒體內(nèi)容空間音頻的一大標(biāo)準(zhǔn)，但它并非唯一的選擇。杜比全景聲的工作原理是，對(duì)可在3D空間中動(dòng)態(tài)定位的音頻對(duì)象進(jìn)行編碼，然后根據(jù)聽(tīng)眾的揚(yáng)聲器配置或耳機(jī)設(shè)置進(jìn)行實(shí)時(shí)渲染，主要依賴(lài)于預(yù)定聲音位置的概念。

相比之下，蘋(píng)果推出新音頻格式的這一舉措既更像是對(duì)杜比全景聲的拓展：杜比全景聲可以通過(guò)蘋(píng)果的新音頻格式進(jìn)行傳輸，該格式能夠在此基礎(chǔ)上添加一些額外的空間音頻效果。蘋(píng)果要求所有針對(duì)Vision Pro的新沉浸式視頻內(nèi)容必須采用APAC格式。創(chuàng)作者仍然能夠使用杜比全景聲，但他們需要將其封裝在蘋(píng)果定義的這一新格式中。

蘋(píng)果推出了新的空間音頻格式，不由得讓人聯(lián)想起今年1月的CES大會(huì)上，三星和谷歌發(fā)布的Eclipsa Audio格式。

2023年，由三星、谷歌、Netflix、Meta及其他頂尖企業(yè)組成的開(kāi)放媒體聯(lián)盟（AOM）正式采用空間音頻模型和格式（IAMF），確立其為3D音頻的產(chǎn)業(yè)標(biāo)準(zhǔn)。Eclipsa Audio將在今年為某些YouTube視頻上提供3D音頻體驗(yàn)，同時(shí)三星2025系列電視與條形音箱也將支持該標(biāo)準(zhǔn)。

多年來(lái)，三星一直不支持動(dòng)態(tài)HDR元數(shù)據(jù)的Dolby Vision（杜比視界），而是選擇推廣其首選的替代方案HDR10 Plus。至此，三星和谷歌對(duì)開(kāi)源3D音頻進(jìn)行類(lèi)似HDR10+的競(jìng)爭(zhēng)性或替代性推動(dòng)，將使免費(fèi)的Eclipsa Audio成為杜比全景聲的競(jìng)爭(zhēng)對(duì)手。

這對(duì)社交媒體來(lái)說(shuō)，尤其是YouTube這樣的視頻平臺(tái)，能夠以一種較低成本的方式為用戶(hù)提供沉浸音頻體驗(yàn)，能為創(chuàng)作者的內(nèi)容分發(fā)帶來(lái)一定的支持。

蘋(píng)果的頭部追蹤空間音頻技術(shù)會(huì)監(jiān)測(cè)到用戶(hù)的頭部運(yùn)動(dòng)，并相應(yīng)地調(diào)整聲場(chǎng)。如果用戶(hù)將頭向左轉(zhuǎn)，音頻就會(huì)“錨定”在屏幕上，讓人感覺(jué)聲音來(lái)自一個(gè)固定的方向。

ASAF的出現(xiàn)是否會(huì)引發(fā)另一場(chǎng)音頻格式大戰(zhàn)？

杜比的收入模式依賴(lài)于授權(quán)，Eclipsa Audio以開(kāi)源的方式走向視頻流媒體，目前平臺(tái)間的戰(zhàn)火還未被點(diǎn)燃。但蘋(píng)果的目的很可能是想早一步布局，推動(dòng)蘋(píng)果生態(tài)系統(tǒng)中的差異化，尤其是Vision Pro。由此來(lái)看，ASAF更像是有著專(zhuān)業(yè)性、高度優(yōu)化且深度集成于蘋(píng)果沉浸式視頻內(nèi)容體驗(yàn)的特點(diǎn)，且更希望能保持對(duì)自有平臺(tái)上高端沉浸式體驗(yàn)的控制權(quán)。

蘋(píng)果的新格式ASAF提供了更高的靈活性和真實(shí)感。但要理解其背后的原理，還需要了解Apple引入的技術(shù)棧。

ASAF格式，蘋(píng)果的下一代空間音頻革新

ASAF作為蘋(píng)果全新的音頻框架，旨在打造具有完全沉浸式、頭部追蹤和環(huán)境感知的音頻體驗(yàn)。ASAF格式在WWDC25的開(kāi)發(fā)者會(huì)議視頻“了解蘋(píng)果沉浸式視頻技術(shù)”上正式亮相，這也標(biāo)志著蘋(píng)果在空間音頻創(chuàng)作領(lǐng)域的一次重要革新。

蘋(píng)果此次更新的空間音頻分為兩部分：

據(jù)蘋(píng)果沉浸式視頻工程師Blake Gordon介紹：“ASAF通過(guò)確保使用聲學(xué)提示來(lái)渲染音頻，實(shí)現(xiàn)了真正外化的音頻體驗(yàn)。它由新的元數(shù)據(jù)、LPCM（一種無(wú)損音頻編碼方式）以及蘋(píng)果平臺(tái)內(nèi)置的強(qiáng)大空間渲染器組成。它通過(guò)眾多點(diǎn)源和高分辨率聲音場(chǎng)景或高階環(huán)繞聲，產(chǎn)生高分辨率空間音頻。渲染的音頻完全基于對(duì)象的位置和方向，以及聽(tīng)眾的位置和方向進(jìn)行自適應(yīng)。所有這些都不是預(yù)先設(shè)定的。ASAF中的聲音來(lái)自任何方向、任何位置和任何距離。ASAF包含在帶有線性PCM信號(hào)和元數(shù)據(jù)的廣播Wave文件中?！?/p>

可以說(shuō)，ASAF的渲染引擎是基于對(duì)象且具有環(huán)境感知能力的。它能讓聲音感覺(jué)仿佛存在于用戶(hù)周?chē)恼鎸?shí)3D空間中。它不僅能實(shí)時(shí)適應(yīng)用戶(hù)的頭部運(yùn)動(dòng)，還能根據(jù)物體的位置進(jìn)行調(diào)整，在虛擬環(huán)境中動(dòng)態(tài)調(diào)整音量、回聲和混響等效果。

APAC，可作為編解碼器可將對(duì)ASAF這一音頻格式進(jìn)行編碼以便于傳輸?？稍诔齱atchOS之外的蘋(píng)果平臺(tái)上使用，包括tvOS、iOS、iPadOS、macOS和visionOS，但在visionOS上會(huì)表現(xiàn)更佳。并支持通道、對(duì)象、高階環(huán)繞聲、對(duì)話、雙耳音頻、交互元素及可擴(kuò)展元數(shù)據(jù)的配置。蘋(píng)果以此進(jìn)一步擴(kuò)展空間計(jì)算生態(tài)中更豐富、更有層次感的音頻效果。

而且，APAC編解碼器可在低至64kbps的比特率下工作，最高可達(dá)768kbps。而常見(jiàn)的立體聲音樂(lè)碼率包括128kbps、192kbps、256kbps和320kbps，其中320kbps的MP3文件可以提供接近無(wú)損的音質(zhì)。雖然APAC這一數(shù)值看似較低，但與蘋(píng)果、Netflix等公司當(dāng)前用于流媒體傳輸杜比全景聲的最大比特率相同，因此可滿足當(dāng)前所需音頻質(zhì)量標(biāo)準(zhǔn)。

Vision Pro采用開(kāi)放式音頻設(shè)計(jì)，雙驅(qū)動(dòng)單元音頻單元可提供個(gè)性化音效，并根據(jù)音頻光線追蹤進(jìn)行自適應(yīng)調(diào)整

ASAF和APAC共同構(gòu)成了高分辨率自適應(yīng)空間音頻的管道，可深度融入蘋(píng)果的生態(tài)系統(tǒng)，尤其是visionOS和Vision Pro頭顯。與杜比全景聲略有不同的是，杜比全景聲可以模擬用戶(hù)靜止地坐在虛擬影院中，而ASAF則可以根據(jù)以下情況動(dòng)態(tài)調(diào)整音頻：

• 用戶(hù)的頭部方向
• VR或AR空間內(nèi)的實(shí)時(shí)定位
• 虛擬環(huán)境的變化（例如洞穴與開(kāi)放空間中的混響和反射差異）
• MR應(yīng)用中的環(huán)境或交互元素

這幾點(diǎn)使得ASAF成為蘋(píng)果空間計(jì)算內(nèi)容的理想格式，包括VR/AR內(nèi)容、沉浸式視頻和類(lèi)似Vision Pro上的交互式體驗(yàn)。ASAF的優(yōu)勢(shì)在于其音頻并非預(yù)先渲染混響、回聲或距離等效果，而是基于元數(shù)據(jù)和頭部位置進(jìn)行實(shí)時(shí)渲染。這使蘋(píng)果能夠根據(jù)不同環(huán)境和場(chǎng)景動(dòng)態(tài)調(diào)整體驗(yàn)。

例如在Vision Pro觀看沉浸式視頻的虛擬音樂(lè)會(huì)時(shí)，可能會(huì)有更好的體驗(yàn)：當(dāng)你轉(zhuǎn)頭看向舞臺(tái)左側(cè)，ASAF會(huì)實(shí)時(shí)調(diào)整歌手聲音的方位，同時(shí)根據(jù)虛擬場(chǎng)館的環(huán)境動(dòng)態(tài)添加混響。

蘋(píng)果押注空間音頻賽道，不僅是將ASAF作為技術(shù)升級(jí)的一環(huán)，而是戰(zhàn)略性地將空間音頻內(nèi)容與消費(fèi)端連接的重要舉措。

蘋(píng)果有著軟硬件的完整生態(tài)鏈，ASAF旨在貫穿整個(gè)技術(shù)棧：它支持蘋(píng)果多個(gè)系統(tǒng)平臺(tái)；支持頭部追蹤的耳機(jī)和頭顯；通過(guò)iPhone 16或?qū)I(yè)錄音工具進(jìn)行音頻捕獲；在專(zhuān)業(yè)工具如Apple AAX插件或DaVinci Resolve Studio進(jìn)行內(nèi)容創(chuàng)作，并能以“.MP4”格式交付。

此外，對(duì)于新版visionOS中新增的Apple Projected Media Profile（APMP）視頻格式，即對(duì)QuickTime或MP4視頻類(lèi)型的支持。Vision Pro使用的是與Meta Quest和YouTube VR上支持的同樣Ambisonic音頻格式。錄制完成后可以將音頻編碼為APAC并與APMP視頻混合完成交付。

寫(xiě)在最后

空間音頻技術(shù)的潛力不僅限于影視內(nèi)容和游戲，蘋(píng)果曾在2023年發(fā)布過(guò)一項(xiàng)關(guān)于將空間音頻用于導(dǎo)航的專(zhuān)利，通過(guò)AirPods、智能眼鏡以及Vision Pro等產(chǎn)品，利用聲音引導(dǎo)用戶(hù)去往目的地?？臻g音頻也有望被用于治療、聽(tīng)力康復(fù)、教育培訓(xùn)、音樂(lè)會(huì)等場(chǎng)景。蘋(píng)果正在構(gòu)建從內(nèi)容創(chuàng)作到消費(fèi)者的完整沉浸式生態(tài)。

圖1展示了使用iPhone和AirPods的空間音頻導(dǎo)航；圖2A展示了空間音頻導(dǎo)航可以與未來(lái)的智能眼鏡或Vision Pro一起使用（圖源：Patenly Apple）

只是目前許多標(biāo)注為“杜比全景聲”的音軌聽(tīng)起來(lái)平淡或不自然，這可能是由于混音質(zhì)量差或從立體聲自動(dòng)升頻所致?？臻g音頻背后的藝術(shù)性有待深入挖掘，且文件格式其強(qiáng)大程度取決于其背后的生態(tài)系統(tǒng)。ASAF強(qiáng)大的功能也帶來(lái)了更高的復(fù)雜性，博主“Hugh Hou”聲稱(chēng)ASAF使用了數(shù)量驚人的聲道，制作難度頗高，創(chuàng)作者至少需要一個(gè)Voyage Audio Spatial Mic才能開(kāi)始使用。

可見(jiàn)ASAF不僅僅關(guān)乎音質(zhì)，它更是一種從空間、交互和用戶(hù)體驗(yàn)角度思考音頻的全新方式。空間音頻已不再是奢侈品，而是未來(lái)沉浸式內(nèi)容的必需品。