VR-Kino für INVR.SPACE – 25 Filme, fünf Tonformate, ein Saal

Ein VR-Kino ist ein Saal voller Leute, die alle denselben Film sehen und trotzdem nicht dasselbe. Jeder trägt eine Brille und dreht den Kopf, wohin er will, und genau darin liegt der Reiz des Formats.

Für den Ton ist es ein Problem. Ende 2018 kamen bei INVR.SPACE rund fünfundzwanzig 360°-Filme von ebenso vielen Produktionen zusammen, die alle in einem Saal laufen sollten. Kein einziger klang wie der nächste. Ich habe sie in eine Form gebracht, mit der die Anlage im Saal umgehen kann.

Einer der fünfundzwanzig Filme, oben im Titelbild zu sehen: ein Flugsimulator der Dornier Do X, für den ich ebenfalls den Ton gemacht habe.

Warum ein VR-Kino den Ton zurückbaut, statt ihn aufzublasen

Räumlicher Ton für 360°-Video ist auf Kopfhörer und Kopfverfolgung gebaut. Das Schallfeld liegt fest im Raum, der Zuschauer dreht sich darin, und die Software rechnet für jede Kopfstellung neu, damit die Quellen stehen bleiben, während man sich bewegt.

Im Kino fällt genau dieser Teil weg. Das Bild bleibt individuell, jeder schaut in eine andere Ecke, der Ton dagegen wird kollektiv, weil im Saal ein Lautsprechersatz steht, der für alle gleichzeitig spielt und sich nicht für zwölf Köpfe unterschiedlich drehen lässt.

Damit dreht sich die Richtung der Arbeit um. Sonst bringe ich eine Mischung von einem festen Format in ein bewegliches. Hier musste aus jedem beweglichen Schallfeld ein fester Boden werden, ein 5.1-Bett, das stehen bleibt, während sich die Zuschauer drehen.

Nebenbei bekommt dabei eine Spur unerwartet Gewicht, die sonst das Anhängsel ist. Viele 360°-Mischungen tragen neben dem räumlichen Feld eine zweite, kopffeste Stereospur für Musik und Erzählstimme, also für alles, was ohnehin nicht im Raum liegen soll. Im Kino ist genau das der Teil, der von Haus aus schon richtig funktioniert. Der Rest muss dorthin gebracht werden.

Wie aus fünf Formaten ein Saal wurde

Was ankam, war die volle Bandbreite dessen, was 2018 im Umlauf war. Achtkanaliges TBE von Two Big Ears, häufig mit der kopffesten Stereospur in derselben Datei. Vierkanaliges AmbiX, das Format, das YouTube annimmt. Fertig gerechnetes Binaural, also eine Kopfhörerfassung, die sich für Lautsprecher nicht mehr auseinandernehmen lässt. Und schlichtes Stereo, bei manchen Filmen als einzige Fassung.

Der erste Schritt war handwerklich und ziemlich undankbar. Viele Filme lagen als MP4 vor, in dem mehrere Audiostreams nebeneinander stecken, acht Kanäle hier, zwei Kanäle dort. Man kann in einem Durchgang nicht einfach Kanäle aus verschiedenen Streams zu einer Datei zusammenfassen, das lässt der Weg über die Standardwerkzeuge nicht zu. Also trennt man die Streams zuerst, führt sie danach wieder zusammen und prüft jedes Mal, ob die zweite Spur überhaupt Inhalt hat, weil sie oft schlicht leer ist.

Danach kam das Dekodieren. Aus dem achtkanaligen Schallfeld wird ein 5.1-Bett mit Links, Rechts, Center, Tiefton und den beiden Surrounds. Bei binauralen Fassungen geht das nicht mehr, dort bleibt nur, die vorhandene Stereofassung sauber in den Saal zu setzen und ehrlich zu sein, dass mehr nicht drin ist. Ein Format ist immer nur so gut wie der Wiedergabeweg, den es am Ende findet.

Zum Schluss der Teil, den man nicht überspringen darf. Ich habe das BLITS-Testsignal der EBU durchlaufen lassen, ein Signal, das Kanal für Kanal ansagt, wo es gerade spielt, dazu eine eigene Lautsprecherdatei. Erst danach weiß man, ob im Saal wirklich rechts hinten liegt, was in der Datei rechts hinten liegt. Bei einem einzelnen Film fällt ein vertauschtes Surround-Paar kaum jemandem auf, bei fünfundzwanzig Filmen hintereinander merkt es das Publikum sofort, weil sich der Fehler bei jedem Titel wiederholt.

Dazu kam die Frage nach dem Pegel, die bei einer Reihe von Filmen wichtiger ist als bei einem einzelnen. Fünfundzwanzig Produktionen von fünfundzwanzig Teams sind fünfundzwanzig verschiedene Vorstellungen davon, wie laut ein Film zu sein hat. Bei einem einzelnen Titel dreht man am Saalregler nach. Bei einer Reihe geht das nicht, weil zwischen den Filmen niemand nachregelt und ein zu leiser Beitrag direkt nach einem zu lauten nicht mehr ankommt. Also musste über alle Fassungen eine gemeinsame Lautheit gelegt werden, bevor überhaupt jemand den Saal betrat.

Was daraus geworden ist

Am Ende lief eine Reihe von rund fünfundzwanzig 360°-Filmen in einem Saal, alle auf derselben Anlage, alle in einem einheitlichen 5.1-Bett, alle auf vergleichbarem Pegel. Für das Publikum ist das unsichtbar, und genau darin liegt der Erfolg: Niemand bemerkt, dass die Filme aus fünf verschiedenen Audioformaten stammen.

Was ich aus dieser Arbeit mitgenommen habe, betrifft weniger die Technik als die Reihenfolge. Ein Film, der als Kopfhörerfassung fertig gerendert wurde, lässt sich nicht mehr auseinandernehmen. Wer schon beim Mischen weiß, dass sein Film irgendwann auf Lautsprechern laufen könnte, liefert das Schallfeld mit und behält sich damit alle Wege offen. Wer nur die fertige Binauralfassung hat, hat die Entscheidung längst getroffen, ohne es zu merken.

Dasselbe Muster begegnet mir bei Kuppeln und Festinstallationen wieder: Einmal räumlich gedacht, skaliert dieselbe Mischung vom Headset bis in den Saal. Wie das bei einer Fulldome-Produktion aussieht, zeigt Emergence in Nature im Deutschen Museum, und wie bei einem einzelnen Film mit vielen Auslieferungen, der Fall Bauhaus in Bayern.

Planst du eine Filmreihe oder ein VR-Kino?

Sobald mehrere Produktionen in einem Saal laufen sollen, entscheidet sich die Arbeit an den Formaten und nicht am einzelnen Mix. Lass uns früh darüber reden, was angeliefert werden muss.