Auch genannt: räumliches Audio, 3D-Audio, Spatial Sound
Spatial Audio bezeichnet Verfahren, die Klangquellen so wiedergeben, dass sie als aus einer Richtung, einer Entfernung oder einer Höhe kommend wahrgenommen werden können. Anders als bei einer Wiedergabe, die nur linke und rechte Kanäle unterscheidet, bezieht die räumliche Darstellung eine Hörposition und eine räumliche Anordnung ein. Das kann über Lautsprecher, über Kopfhörer oder als virtuelle Nachbildung beider Varianten geschehen. Apple beschreibt Spatial Audio als Klang, der den Eindruck erweckt, von überall um die hörende Person zu kommen.Apple Developer: Generating spatial audio from a multichannel audio stream
Der Begriff ist ein Oberbegriff, keine Garantie für ein einheitliches Format oder eine identische Hörwirkung. Eine Kinomischung mit zusätzlichen Lautsprechern, ein Videospiel mit beweglichen Klangobjekten und eine Kopfhörerwiedergabe mit virtuellen Quellen können jeweils Spatial Audio nutzen, arbeiten technisch aber nicht zwingend gleich. Entscheidend sind Ausgangsmaterial, Metadaten, Wiedergabegerät und die Rendering-Software.
Bei kanalbasierter Wiedergabe ist das Audiosignal festen Ausgabekanälen zugeordnet: etwa links und rechts bei Stereo oder zusätzlichen Seiten- und Höhenkanälen in einer Mehrkanalanordnung. Räumliche Systeme können darüber hinaus einzelne Klänge als Objekte behandeln. Für solche Objekte lassen sich Position und Bewegung im dreidimensionalen Raum beschreiben; ein Renderer ordnet sie dann der vorhandenen Lautsprecherkonfiguration oder einer Kopfhörersimulation zu. Dolby erläutert dieses Prinzip für das Kino so: Neben einem kanalbasierten Klangbett können unabhängige Audioobjekte platziert und bewegt werden; der Prozessor berücksichtigt die vorhandenen Front-, Seiten-, Rück- und Deckenlautsprecher.Dolby: Dolby Atmos for cinema playback
In der Praxis bestehen räumliche Produktionen daher häufig aus zwei Ebenen. Ein „Bed“ trägt stabile Hintergrundanteile wie Musik oder allgemeine Atmosphäre. Einzelne, auffällige Quellen – etwa Schritte, eine Stimme oder ein vorbeifliegendes Objekt – können als Objekte mit Lageinformationen hinzukommen. Das Misch- oder Wiedergabesystem rechnet diese Informationen auf das konkrete Ziel um. Daraus folgt auch eine wichtige Einschränkung: Dieselbe Produktion kann auf einer großen Lautsprecheranlage, einer Soundbar und Kopfhörern unterschiedlich wirken, ohne dass die Quelldatei zwangsläufig neu gemischt wurde.
Auch bei Kopfhörern ist der räumliche Eindruck nicht gleichbedeutend mit zusätzlichen physischen Lautsprechern. Die Software kann eine Quelle so filtern und mischen, dass Richtung und Entfernung plausibel erscheinen. Apple zeigt dies an einem Beispiel, das achtkanaliges Eingangsaudio zu zweikanaligem Spatial Audio heruntermischt. Dabei beschreibt das Kanallayout die relativen Richtungen, während Azimut und Elevation die Drehung des Tons um die hörende Person steuern.Apple Developer: Generating spatial audio from a multichannel audio stream
Spatial Audio ist nicht nur eine Eigenschaft einer Audiodatei. Für objektbasiertes Material müssen zum Audiosignal zusätzliche Angaben verfügbar sein, etwa ob ein Signal Teil des Klangbetts ist oder als Quelle an einer bestimmten Position behandelt werden soll. Der Renderer verbindet diese Angaben mit der Wiedergabeumgebung. Bei einer Lautsprecheranlage kann er verfügbare Lautsprecher ansteuern; bei Kopfhörern erzeugt er eine binaurale Fassung für zwei Treiber.
Ein Beispiel aus der Plattformtechnik liefert Microsoft: Die Spatial-Sound-APIs für Windows, Xbox und HoloLens 2 erlauben Anwendungen, Audioobjekte von Positionen im dreidimensionalen Raum auszugeben. Dynamische Objekte können ihre Position mit der Zeit ändern; zugleich wählt die nutzende Person das tatsächliche Ausgabeformat. Die Plattform kann die Ausgabe auf vorhandene Lautsprecher, Kopfhörer oder Heimkinoempfänger übertragen.Microsoft Learn: Spatial Sound for app developers
Für Inhalte und Anwendungen bedeutet das: Eine räumliche Mischung allein genügt nicht. Das Abspielsystem muss das Material erkennen und verarbeiten können, und die Geräteeinstellung darf den Effekt nicht deaktivieren. Außerdem sind nicht alle räumlichen Verfahren austauschbar. Eine App sollte vermeiden, einen bereits selbst verräumlichten Strom zusätzlich automatisch verräumlichen zu lassen. Apple warnt bei Spielen ausdrücklich vor solchen Artefakten durch „double spatialization“.Apple Developer: Personalizing spatial audio in your app
In einem Spiel nähert sich eine Spielfigur einer Kreuzung. Motorengeräusche liegen zunächst vorne rechts, Schritte einer anderen Figur kommen von links hinten, und ein Hubschrauber zieht hörbar über die Szene. Die Audio-Engine kann diese Quellen als dynamische Objekte führen: Ihre Positionen ändern sich, wenn sich Figur oder Kamera bewegen. Hintergrundwind und Stadtatmosphäre bleiben dagegen als breiteres Klangbett erhalten.
Trägt die spielende Person kompatible Kopfhörer, kann das System die Objektpositionen in eine zweikanalige Wiedergabe übertragen. Dreht sie sich oder ändert sich die Blickrichtung der Spielfigur, aktualisiert die Engine die räumlichen Beziehungen. Optionales Head Tracking geht noch einen Schritt weiter: Apple beschreibt, dass die Orientierung der hörenden Person anhand von Kopfbewegungen angepasst wird und linke sowie rechte virtuelle Lautsprecher im Raum fest zu stehen scheinen.Apple Developer: Personalizing spatial audio in your app
Das Beispiel zeigt zugleich die Grenze: Spatial Audio ersetzt weder eine saubere Mischung noch liefert es automatisch eine verlässliche Ortung in jeder Situation. Sehr dichte Musik, starke Hallanteile, ungeeignete Quellmischungen oder eine unpassende Geräteverarbeitung können die Zuordnung erschweren. Deshalb sollten Produzierende auf dem vorgesehenen Wiedergabeweg testen und nicht nur auf die Kennzeichnung eines Formats vertrauen.
Stereo beschreibt zwei Wiedergabekanäle. Damit lassen sich Breite und eine Phantommitte erzeugen, aber Stereo enthält nicht automatisch Höheninformationen oder bewegliche Klangobjekte. Spatial Audio kann auf Stereo-Kopfhörern wiedergegeben werden, ist deshalb aber nicht mit Stereo gleichzusetzen: Die zwei Treiber können das Ergebnis eines räumlichen Renderings tragen.
Surround Sound erweitert eine feste Kanalanordnung um weitere Positionen, zum Beispiel seitlich oder hinter der Hörposition. Das ist eine Form räumlicher Wiedergabe, bleibt in seiner klassischen Ausprägung jedoch an Kanäle gebunden. Object-based Audio ergänzt oder verändert dieses Modell durch einzeln platzierbare Quellen und Metadaten.
Dolby Atmos ist eine konkrete Technologie und ein Ökosystem für immersive, objektbasierte Audiowiedergabe; es ist nicht das Synonym für Spatial Audio. Dolby nennt für das Kino die Kombination aus Audioobjekten und Deckenlautsprechern und beschreibt zusätzlich ein kanalbasiertes Bed.Dolby: Dolby Atmos for cinema playback Andere Plattformen oder Formate können räumliche Audiowiedergabe ebenfalls umsetzen. Wer eine Funktion beurteilt, sollte daher stets fragen: Welches Ausgangsmaterial liegt vor, welche Metadaten werden verarbeitet und wie rendert das konkrete Gerät?
Spatial Audio ist kein bloßes Umschalten auf „mehr Bass“ oder „breiteren Klang“. Es betrifft die räumliche Zuordnung von Schallquellen und die Verarbeitung für eine bestimmte Wiedergabeumgebung. Ein kopfhörerbasierter Effekt ist auch nicht automatisch eine Mehrkanalaufnahme: Er kann aus mehrkanaligem oder objektbasiertem Material erzeugt werden, wird am Ende aber als zweikanalige Ausgabe wiedergegeben. Ebenso ist Head Tracking eine mögliche Ergänzung, nicht die Definition von Spatial Audio.