ЦВЕТНАЯ ШЕРСТЬ | ВСЕ ПРО ЗВУК

Если вы спросите коллег-звукорежиссёров, работавших с пространственным аудио, про Dolby Atmos — вы получите развёрнутый ответ. Про DTS:X — скорее всего тоже. Про Auro-3D большинство скажет что-то вроде «слышал, но не работал» или «это же бельгийский формат, который так и не взлетел». Оба ответа содержат долю правды, но неполны. Auro-3D существует с 2006 года, используется в реальных кинотеатрах и домашних системах, и за этот срок успел накопить достаточно содержательную историю — как технических решений, так и рыночных неудач...

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...

Netflix — одна из немногих платформ, которая публикует технические требования к контенту в открытом доступе и регулярно их обновляет. Документ называется Netflix Partner Help Center, и если вы сдаёте звук на Netflix впервые, первый час работы с ним может вызвать лёгкое головокружение: там много пунктов, много исключений, много форматов. Но за этим объёмом стоит довольно последовательная логика, которую важно понять один раз — и дальше работать с ней уверенно. Эта статья не заменяет официальную документацию...

Когда в индустрии появилось два конкурирующих объектных формата — Dolby Atmos и DTS:X — первая реакция многих звукорежиссёров была предсказуемой: «опять два стандарта, опять нужно делать два микса». На практике всё оказалось несколько сложнее и одновременно проще, чем казалось поначалу. Сложнее — потому что форматы действительно различаются в деталях, которые влияют на рабочий процесс. Проще — потому что для большинства проектов эти различия не требуют принципиально разных подходов к миксу. Но понимать разницу нужно, особенно если вы работаете на студии, которая сдаёт контент на платформы, поддерживающие...

Закройте глаза и попросите кого-нибудь щёлкнуть пальцами прямо перед вами — на уровне носа. Потом над головой. Потом под подбородком. Вы безошибочно укажете, где был каждый щелчок, даже не видя источника. Это кажется само собой разумеющимся, но если разобраться в механизме, становится ясно, что это довольно неочевидное достижение слуховой системы. Горизонтальный угол — понятно: есть ITD и ILD, два уха дают разницу во времени и уровне. Но вертикаль? Оба уха находятся на одной горизонтальной плоскости...

Есть простой опыт, который можно провести с любой стереосистемой. Встаньте ровно по центру между двумя колонками, включите моносигнал — например, голос — одновременно через обе. Вы услышите один источник, расположенный ровно посередине. Фантомный центр, phantom image — это стандартная стереофония, ничего удивительного. Теперь сделайте одну колонку чуть тише. Образ начнёт смещаться в сторону более громкой. Это межушная разница уровней, ILD, о которой мы уже говорили. А теперь верните обе колонки на одинаковый уровень, но введите задержку на одну из них — скажем, 1 миллисекунду...

Вы стоите на шумной вечеринке. Вокруг разговаривают десятки людей, играет музыка, звенят бокалы — общий уровень шума такой, что нужно говорить громче обычного. И при этом вы без особого труда слышите человека напротив, улавливаете нить его речи, понимаете слова. Стоит ему отвернуться — и разборчивость резко падает. Кто-то произносит ваше имя через комнату — и вы его слышите, хотя секунду назад не воспринимали ни слова из той стороны. Это называют эффектом коктейльной вечеринки, и за этим бытовым названием стоит один из самых сложных механизмов слуховой системы...

Представьте: вы сводите сцену с плотным оркестром. Скрипки, медные, ударные — всё одновременно. Вы слышите общую массу звука, но отдельные инструменты в ней теряются. Фагот, который в изоляции звучит отчётливо и красиво, в полном оркестре практически исчезает. Вы поднимаете его уровень — он становится чуть громче, но не отчётливее. Поднимаете ещё — и он начинает резать, но всё равно не читается как отдельный голос в текстуре. Это не проблема уровней. Это маскировка. Что такое маскировка и почему она происходит Маскировка — это снижение слышимости одного звука в присутствии другого...

Когда Atmos только появился в кинотеатрах, цепочка доставки была понятной и линейной: вы делаете мастер, Dolby его верифицирует, дистрибьютор отправляет в залы зашифрованный пакет. Всё происходило в контролируемой среде с жёсткими техническими требованиями на каждом этапе. Стриминг сломал эту линейность. Теперь один и тот же Atmos-мастер должен доехать до зрителя через десятки разных платформ, устройств и цепочек обработки — и при этом звучать приемлемо везде. Понимать эту цепочку важно не только дистрибьюторам...

Если вы работали с многоканальным звуком до эпохи Atmos, вы знаете канальный подход изнутри. Пять каналов, семь каналов, иногда больше — каждый канал жёстко привязан к конкретной колонке. Центр идёт в центральную колонку. Левый surround идёт в левую тыловую. Вы пишете автоматизацию, двигаете панпоты, и звук перемещается между этими фиксированными точками. Система воспроизведения не знает ничего, кроме того, что вы ей дали: канал A — в колонку A, канал B — в колонку B. Это работало десятилетиями и продолжает работать...

Dolby Atmos появился в кинотеатрах в 2012 году, и первые несколько лет это слово означало ровно одно: огромный зал, десятки колонок по периметру и над головой, отдельная команда звукорежиссёров, которые занимались только этим форматом. Потом Dolby начал продвигать Atmos в домашние кинотеатры, потом в саундбары, потом в наушники, потом в телефоны. Сегодня значок Atmos стоит на контенте Netflix, Apple Music, Tidal и Xbox. И вот здесь начинается путаница — потому что слово одно, а стоящие за ним технические реальности очень разные...

Когда вы слышите звук в наушниках, происходит кое-что странное. Мозг принимает сигнал, который физически существует только внутри головы — два раздельных канала, левый и правый — и тем не менее иногда выстраивает из этого образ пространства. Голос ведущего подкаста кажется расположенным где-то между ушами. Виолончель в записи Баха плавает чуть правее центра. Хороший binaural-микс вдруг помещает звонок телефона за спиной, и вы оборачиваетесь, хотя в комнате никого нет. Это и есть бинауральный звук — не формат, не кодек, а принцип...