Einführung in Immersives Audio: Die Grundlagen

Was ist immersives Audio?

Immersiv bedeutet, von etwas völlig umgeben zu sein - wie von Wasser, wenn man hineinspringt. Immersiver Sound ist jedoch mehr als nur ein Eintauchen. Er ist auch eine Umhüllung. Umhüllung hat mit räumlichen Informationen zu tun, mit der Wahrnehmung von Räumlichkeit. 

Das Erlebnis der Immersion des Zuhörers wird teilweise durch das Eintreffen der Signale (aus jeder Richtung) erreicht, aber es ist mehr als das. Die Kanäle können Informationen über dieselbe Klangquelle enthalten, aber aus unterschiedlichen Winkeln. Wenn alle Kanäle genau denselben Klang wiedergeben (Mehrkanal-Mono), gibt es keine Umhüllung.

Früher wurde immersives Audio als Surround Sound oder 3D-Audio bezeichnet, auch wenn die Lautsprecher nur auf der horizontalen Ebene platziert wurden. Während traditioneller Surround Sound 5.1 Kanäle enthält (fünf mit voller Bandbreite und einen bandbegrenzten, tieffrequenten Kanal), können die neuen Formate z.B. 7.1.4 (sieben Kanäle in der Basisebene, ein tieffrequenter Effektkanal und vier Overhead-Kanäle) sein, 9.1.4 oder z. B. Dolby Atmos, Auro 3D oder in Japan: 22.2 (10 Kanäle in der Basisebene, neun Kanäle in einer obereren Ebene, drei Kanäle in einer unteren Ebene und zwei tieffrequente Effektkanäle).

Wie wird immersives Audio erstellt?

Es werden verschiedene Aufnahme- und Mischtechniken verwendet. Filmmischungen für Atmos und ähnliche Formate sind in der Regel eine Mischung aus allem Möglichen: Monoquellen, Stereoquellen und Mehrkanalaufnahmen mit räumlichen Informationen. Durch das Hinzufügen von Klangobjekten wird es möglich, räumliche Ereignisse wahrzunehmen - z. B. die Platzierung eines ankommenden Hubschraubers in einem bestimmten Winkel. Timecode und Koordinaten bestimmen, wo und wann das Objekt in die Wiedergabe gerendert wird und über die Köpfe der Zuhörer hinweg zieht.

Ambisonics / Ambisonics höherer Ordnung

Einige Audioprofis verwenden Ambisonics, entweder sogenannte First-Order- oder Higher-Order-Versionen. Ambisonics 1. Ordnung basiert auf einem so genannten A-Format-Mikrofonarray (vier tetraedrisch ausgerichtete Nierenmikrofone), das anschließend virtuell zum B-Format umgewandelt wird, mit drei bidirektionalen und einem omnidirektionalen Mikrofon. Ambisonics höherer Ordnung besteht in der Regel aus einer physischen Kugel mit einem Durchmesser von 10-20 cm, auf der 8, 16, 32 oder 64 Mikrofone platziert und gleichmäßig verteilt sind. Durch das Mischen der Signale erhält man eine deutlichere Charakteristik, die den Richtungseindruck besser wiedergeben kann. Die Technik bietet eine hohe Genauigkeit - der Zuhörer mus allerdings im Sweet Spot sitzen. Praktisch alle anderen Positionen führen dazu, dass der Klang aus dem nächstgelegenen Lautsprecher kommt, ohne das großartige Gefühl der Immersion oder Umhüllung. Diese Technik funktioniert gut in der virtuellen Realität, wo man sich immer in der Mitte befindet. Sie ist auch einfach auf weniger Kanäle zu reduzieren, da alle Signale koinzident sind, d.h. zeitlich zusammenfallen.

Räumliche Aufnahme

Andere natürliche Aufnahmemethoden, z. B. für die Musikproduktion, sind Formate mit einem großen Abstand zwischen den Aufnahmemikrofonen. Der norwegische Tontechniker Morten Lindberg (2L), der fantastische, mit einem Grammy prämierte immersive Aufnahmen macht, verwendet ein Array mit sieben omnidirektionalen Mikrofonen als Basisebene und vier omnidirektionalen Mikrofonen für die hohe Ebene. Der Abstand zwischen den Mikrofonen beträgt mindestens einen Meter, was eine Menge unkorrelierter Signale erzeugt, so dass sich der Hörer vom Klang umhüllt fühlt. Die Position des Zuhörers ist weniger wichtig. Diese Technik eignet sich nicht nur für Musik, sondern auch für die Erstellung von Klanglandschaften, die über einen größeren räumlichen Bereich erlebt werden können.

De-Korrelation

In manchen Mischungen stammt der Klang aus einigen wenigen Kanälen. Von diesen Kanälen, z. B. den Kanälen der Basisebene, werden andere Kanäle wie die Kanäle der oberen Ebene durch De-Korrelation abgeleitet. Diese Technik erfordert eine spezielle Bearbeitung des Audiomaterials und eignet sich auch für großformatige Aufstellungen (Beschallung/Konzerte), weil sie den unerwünschten Effekt der Kammfilterung reduziert.

Lautsprecheraufstellung vs. Mikrofonpositionierung

Oft ist es die Lautsprecherkonfiguration, die die anfängliche Mikrofonkonfiguration bestimmt. Eine einfache Mikrofonierungstechnik besteht darin, für jeden Lautsprecher/Kanal ein Mikrofon aufzustellen. Die Frage ist, wie man die wichtigsten Parameter gleichzeitig beachtet und erfüllt: Präzision, Abdeckung, Immersion, Umhüllung, spektrale Ausgewogenheit oder andere Parameter.

Der beste Weg ist, zu experimentieren und verschiedene Konfigurationen auszuprobieren. Wie bereits erwähnt, können dicht beieinander stehende Richtmikrofone ein gutes Gefühl für die Position der Schallquelle vermitteln (geringe geometrische Verzerrung im Sweet Spot). Dies ist in der Regel die bevorzugte Technik für die wissenschaftliche Wiedergabe von Klanglandschaften und Ähnlichem.

Weit auseinander liegende Mikrofone sorgen für mehr Räumlichkeit. Es können sowohl Richtmikrofone als auch Mikrofone mit Kugelcharakteristik verwendet werden. Mikrofone mit Kugelcharakteristik eignen sich jedoch besonders gut für die Aufnahme von tiefen Frequenzen, was vor allem dann von Vorteil ist, wenn alle Lautsprecher einen guten Tieftonbereich haben. Wenn ein gewisses Maß an Richtwirkung gewünscht ist, können Mikrofone mit Kugelcharakteristik mit Acoustic Pressure Equalizer Kugeln verwendet werden.

Tipps für immersive Aufnahmen

• Stelle die Verstärkung jedes Mikrofons in einem Array so ein, dass es während der Aufnahme die gleiche Empfindlichkeit aufweist.
• Ein größerer Abstand zwischen den Mikrofonen sorgt für mehr Räumlichkeit, aber in manchen Fällen für eine geringere Richtungsgenauigkeit.
• Wenn die Lautsprecher weit voneinander entfernt sind, müssen auch die Mikrofone weiter voneinander entfernt sein.

Foto: Morten Lindberg/2L.