Когда звукорежиссёр из кино впервые сталкивается с игровым аудио, первое ощущение — знакомое. Те же объекты в пространстве, те же вопросы о локализации, та же озабоченность разборчивостью диалога и балансом между слоями. Инструменты тоже частично узнаваемы: HRTF, бинауральный рендеринг, пространственная обработка.
Но довольно быстро становится понятно, что сходство поверхностное. За ним скрывается принципиально другая архитектура — и другая философия того, что такое пространственный звук и зачем он нужен.
Главное отличие: время
В кино звук существует во времени так же, как изображение. Есть таймлайн, есть монтаж, есть точно выверенные моменты, в которые происходит каждое звуковое событие. Вы как звукорежиссёр знаете, что на третьей минуте двадцать второй секунде дверь откроется, и готовите для этого момента именно тот звук, который должен там быть. Зритель не может повлиять на этот порядок.
В игре порядок событий неизвестен заранее. Игрок может повернуться в любую сторону, выбрать любой маршрут, запустить любую последовательность действий — и всё это происходит в реальном времени, без возможности заранее срежиссировать каждый момент. Звуковой движок должен реагировать на эти события мгновенно, генерируя корректный пространственный звук для любой позиции игрока в любой момент времени.
Это означает, что пространственный звук в играх — не заранее рассчитанный микс, который воспроизводится с мастера, а процедурно генерируемый результат физической симуляции в реальном времени. Это разные вещи технически, и это разные задачи для звукорежиссёра.
Как устроен игровой звуковой движок
В основе игрового аудио лежит понятие звукового источника в трёхмерном пространстве. Каждый объект в игровом мире — персонаж, машина, дверь, взрыв — может иметь привязанные к нему звуковые источники. Эти источники имеют позицию в трёхмерном пространстве игрового мира, которая обновляется каждый кадр.
Звуковой движок — Wwise, FMOD, нативные решения вроде WWise в Unreal Engine или FMOD в Unity — в каждый момент времени знает позицию слушателя (камеры или персонажа игрока) и позицию каждого активного источника. На основе этих данных он вычисляет:
расстояние от слушателя до источника и применяет соответствующее затухание уровня, угол между направлением взгляда слушателя и источником и применяет HRTF или панорамирование, наличие препятствий между слушателем и источником и применяет окклюзию — снижение уровня и фильтрацию высоких частот, акустические свойства текущего пространства и применяет реверберацию.
Всё это происходит одновременно для десятков, иногда сотен активных источников — в реальном времени, без права на перерасчёт или исправление.
Окклюзия и обструкция: то, чего нет в кино
Это, пожалуй, самая показательная точка различия. В кино вы как звукорежиссёр решаете, как должен звучать источник за стеной — и записываете или обрабатываете его соответствующим образом. Это художественное решение, принятое один раз и зафиксированное в мастере.
В игре источник может оказаться за стеной, за углом, за закрытой дверью — в любой момент, в зависимости от действий игрока. Движок должен автоматически применить к звуку соответствующую обработку: снизить высокие частоты (стена поглощает высокочастотный звук сильнее, чем низкочастотный), добавить характерную диффузность. Когда игрок открывает дверь — обработка должна убраться мгновенно и плавно.
Разница между окклюзией и обструкцией тонкая, но важная. Окклюзия — когда между источником и слушателем есть сплошное препятствие: стена, закрытая дверь. Звук проходит сквозь материал с соответствующими потерями. Обструкция — когда препятствие частичное: угол стены, колонна, открытый дверной проём, через который часть пути открыта, а часть нет. Обработка в этих случаях разная, и хороший звуковой дизайнер настраивает оба режима отдельно.
В Wwise и FMOD это реализуется через систему рейкастинга: движок посылает виртуальные лучи от источника к слушателю, проверяет, через какие геометрические объекты они проходят и каков материал этих объектов, и на основании этого вычисляет параметры фильтрации. Это физически корректный подход — но физическая корректность в играх всегда балансирует с вычислительной стоимостью.
Реверберация в реальном времени
В кино реверберация — это то, что вы добавляете или убираете в постпродакшне, подбирая алгоритм и параметры под конкретную сцену. У вас есть время выбрать именно тот звук комнаты, который соответствует изображению и художественному замыслу.
В игре тип пространства меняется постоянно: игрок выходит из тесного коридора в большой зал, потом — на открытую улицу, потом спускается в подвал. Реверберация должна меняться вместе с ним, плавно и без артефактов.
Для этого игровые движки используют систему reverb zones или acoustic zones — геометрически определённые области пространства, каждой из которых назначен набор параметров реверберации. При переходе между зонами движок интерполирует параметры, создавая плавный переход. Wwise реализует это через Reverb Aux Buses с cross-fade при смене зон. FMOD использует похожую логику через Reverb 3D и параметрические пространства.
Принципиальное ограничение: вычислительная стоимость свёрточной реверберации (convolution reverb) с длинными импульсными откликами в реальном времени очень высока. В постпродакшне кино Altiverb с 3-секундным импульсным откликом из реального собора — обычное дело. В игре такой подход работает только для отдельных специальных случаев, а основная реверберация реализуется через алгоритмические ревербераторы с более предсказуемой вычислительной стоимостью.
Это означает, что акустика игровых пространств звучит иначе, чем в кино — не потому что игровые звукорежиссёры хуже понимают реверберацию, а потому что технические ограничения другие.
HRTF в играх: другие приоритеты
В кино binaural-рендеринг через HRTF — это способ доставить Atmos-микс в наушники. Он применяется к заранее готовому объектному миксу и рассчитывается не в реальном времени.
В играх HRTF должен работать в реальном времени для потенциально большого числа источников одновременно. Это требует либо упрощённых HRTF-моделей, либо ограничения числа источников, к которым применяется полный HRTF-рендеринг.
Современные игровые решения — Valve Steam Audio, Microsoft Spatial Sound, Sony 3D Audio на PlayStation 5 — решают это по-разному. Valve Steam Audio использует физически корректный рейкастинг и относительно полный HRTF, но с ограничениями на число одновременных источников в полном режиме. Sony 3D Audio на PS5 — аппаратное ускорение пространственной обработки, которое позволяет применять HRTF к большему числу источников без просадки производительности. Microsoft Spatial Sound — программный слой поверх стандартного аудио API Windows, работающий с усреднённой HRTF и ориентированный прежде всего на наушники.
PlayStation 5 в этом контексте заслуживает отдельного упоминания: Sony сделала 3D Audio центральным элементом позиционирования консоли и обеспечила аппаратную поддержку на уровне системного чипа. Это позволило разработчикам игр использовать пространственный звук в наушниках без значительных вычислительных затрат — и результат в хорошо реализованных играх действительно убедителен.
Интерактивность как художественный инструмент
В кино пространственный звук — это способ усилить погружение в заранее срежиссированный опыт. В игре — это способ предоставить игроку тактически значимую информацию.
Это принципиально разные функции. Шорох за спиной в хорроре или шаги врага за стеной в тактическом шутере — это не просто атмосфера. Это информация, по которой игрок принимает решения. Точность локализации здесь становится частью геймплея: если игрок не может понять, откуда идёт звук, он не может адекватно реагировать.
Это создаёт интересное противоречие. В кино звукорежиссёр может намеренно сделать источник звука неопределённым или дезориентирующим — это художественный приём. В игре намеренная неточность локализации может разрушить игровой опыт, потому что игрок воспримет её как техническую ошибку, а не как замысел.
Одновременно интерактивность открывает возможности, недоступные в кино. Звуковой дизайнер может создать систему, которая реагирует на конкретные действия конкретного игрока в конкретный момент — и каждый раз генерирует уникальный звуковой опыт. Два игрока, проходящие одну и ту же сцену разными маршрутами, услышат её по-разному — не потому что для них сделаны разные версии, а потому что процедурная система адаптируется к их выборам.
Что кино может взять из игрового аудио
Граница между кино и игровым аудио размывается с появлением интерактивных форматов — VR-кино, иммерсивных нарративных опытов, где зритель имеет ограниченное пространство для движения и выбора. В этих форматах кинематографический подход к звуку не работает: заранее рассчитанный микс не может корректно реагировать на позицию зрителя в пространстве.
Звукорежиссёры, работающие в VR, вынуждены осваивать инструменты и логику игрового аудио — звуковые движки, систему зон реверберации, процедурную окклюзию. Это не замена кинематографическому мышлению, а его расширение в новое измерение, где время перестаёт быть единственной осью и добавляется пространство, доступное для навигации.
Понимать, как работает пространственный звук в играх, полезно даже тем, кто никогда не планирует туда переходить. Это другой угол на одни и те же физические и психоакустические принципы — и этот угол иногда показывает вещи, которые из кинематографической перспективы не видны.