Virtual Reality Audio Formate – Pro & Contra
Inhalt
Sämtliche Technologien für die Wiedergabe von Virtual Reality Audio auf Kopfhörern oder Lautsprechern, kann man grob in drei Kategorien einteilen: Kanal-basiert, Objekt-basiert und Schallfeld-basiert.
Hier ein paar Beispiele, bevor es später ins Detail geht:
- Kanal-basiert: z.B. Stereo, 5.1 Surround etc.
- Objekt-basiert: z.B. Dolby Atmos, G’Audio Lab
- Schallfeld-basiert: z.B. Ambisonics
- Hybrid: z.B. ASAF, Eclipsa Audio (IAMF), Two Big Ears
Diese Dreiteilung ist die Lehrbuch-Einteilung. Ausgeliefert wird heute fast immer eine Mischung: ein Kanalbett trägt den statischen Teil, Objekte tragen das, was sich bewegt, und darunter liegt oft noch eine Schallfeld-Ebene. Deshalb gibt es weiter unten einen eigenen Abschnitt zu hybriden Formaten.
Welches Format man nimmt, entscheidet sich selten am Klang und fast immer an der Kette dahinter: Was nimmt die Zielplattform beim Upload an, was rechnet der Player daraus, und was davon kommt am Ende beim Hörer an. Wie teuer das in der Praxis wird, zeigt das Allianz-Video zum Rollstuhlbasketball: dasselbe 360°-Video ging dreimal raus, ohne Musik in Two Big Ears für den Oculus Video Player, in Quad-Binaural für SamsungVR und mit Musik in First Order Ambisonics für YouTube. Die Kategorien unten sind deshalb keine Geschmacksfrage, sondern eine Entscheidung über Kompatibilität.
Kanal-basiert
Hier wird jedem Kanal einer Audio-Datei ein fester Wiedergabe-Platz zugewiesen. Bei Stereo ist es „links“ und „rechts“ und hat damit zwei Kanäle. 5.1 Surround hat sechs Kanäle, es kommen also noch zwei Lautsprecher hinter dem Zuschauer, sowie ein Center aus der Bildmitte und ein LFE-Kanal für den Subwoofer hinzu. Für Virtual Reality Audio also eher unüblich, hat aber durchaus seine Daseinsberechtigung.
Binaurales Stereo
Hierbei handelt es sich um einen Surround-Eindruck, der über Kopfhörer wiedergegeben werden kann, und damit nur zwei Kanäle benötigt.
Dabei wird der menschliche Höreindruck simuliert, sei es durch die Aufnahme mit zwei Mikrofonen (-> Kunstkopf) oder eine Berechnung aus einem Surround-Format mittels HRTF (Head-Related Transfer Function).
| Pro | Contra |
|---|---|
| Kann wie jedes herkömmliche Stereo-File auf allen Plattformen wiedergegeben werden | Keine Wiedergabe über Lautsprecher, prinzipiell möglich, aber klingt komisch |
| Schnelle Möglichkeit den gesamten Klangeindruck einer Spatial Audio Mischung als Downmix wiederzugeben | Kein Head-Tracking möglich, kann nur den Klang einer festen Blickrichtung wiedergeben |
5.1 Surround
| Pro | Contra |
|---|---|
| Auch für herkömmliche Surround-Anwendungen mit Lautsprecher nutzbar | Positionen zwischen den Lautsprechern nur als Phantomschallquelle möglich |
| Einfaches Setup, seit Jahren genutzt | nur zweidimensional, kann keine Höheninformation von oben oder unten wiedergeben |
Objekt-Basiert
Hierbei werden Töne als sogenannte Audio-Objekte im 3D Raum platziert werden, ohne an Lautsprecher-Anordnung oder Kanälen gebunden zu sein. Bei der späteren Wiedergabe wird die Position des Objekts im Raum auf die zur Verfügung stehenden Lautsprecher berechnet, somit ist eine Beschallung mit einer quasi unbegrenzten Zahl an Lautsprechern möglich und stellt in der Anordnung in etwa eine Halbkugel da.
Rein objektbasiert ist allerdings kaum ein Format, das wirklich ausgeliefert wird. Dolby Atmos ist Kanalbett plus Objekte, G’Audio Lab nutzt Kanal, Objekt und Schallfeld gleichzeitig — beide folgenden Einträge sind streng genommen Hybride.
Dolby Atmos VR (Virtual Reality)
Ist eine Umwandlung der Dolby Atmos Tools für Virtual Reality. Aus dem Atmos-Masterfile wird ein ec3-File erzeugt, das später eine Wiedergabe über Head-Tracking ermöglicht.
| Pro | Contra |
|---|---|
| Wiedergabe als Stereo ohne weiteres decodieren möglich, erkennt womit es abgespielt wird und wandelt sich bei der Wiedergabe selber um | Eingebackenes Format, wenig Möglichkeiten zur Distribution, selbst Preview der eigenen Videos kann kompliziert werden |
| Objektbasierter Ansatz für VR, Wiedergabe während der Mischung auch über Surround-Lautsprecher möglich | VR Transcoder ermöglicht den Output von Ambisonics, aber lediglich erster Ordnung und wird im direkten Vergleich zu ec3 schlechter klingen, als hätte man es künstlich verschlechtert |
G’Audio Lab
Das Team dahinter hat 2005 bereits zur Entwicklung von MPEG-H beigetragen und war maßgeblich am binauralen Rendering beteiligt. Doch sie wussten, dass MPEG-H nicht einwandfrei für VR geeignet ist, da es nicht möglich ist, kanal-, objekt- und schallfeld-basiertes Audio gleichzeitig zu nutzen.
| Pro | Contra |
|---|---|
| Nutzt die jeweiligen Vorteile von kanal-, objekt- und schallfeld-basiertem Audio | Auf Plattformen quasi nicht verbreitet, aber encodieren in Ambisonics erster Ordnung möglich |
| Kann auch für interaktives VR genutzt werden, also eine Bewegung von der Kamera-Position weg (6 statt 3 Freiheitsgraden) | aktuell Mac-Only |
Schallfeld-Basiert
Ambisonics
Diesem Format habe ich bereits einen ausführlichen Artikel gewidmet.
Das Arbeiten mit einer Ambisonics-Mischung für Virtual Reality Audio ist vergleichbar mit einer Objekt-basierten, die Technologien sind aber denkbar unterschiedlich.
Ambix / FuMa (Furse-Malham)
Diese beiden Ambisonics-Formate sind sehr ähnlich und untereinander gut kompatibel, weswegen sie hier nicht weiter unterschieden werden.
| Pro | Contra |
|---|---|
| Hohe Kompatibilität zu anderen kanalbasierten Formaten durch Decoder möglich | Keine Wiedergabe ohne entsprechenden Decoder möglich, welcher aber auf den meisten Plattformen integriert ist |
| Beliebig durch verschiedene Ordnung skalierbar. Für 360° Videos sind bereits vier Kanäle sehr effizienten | Musik (Stereo) kann nur über einen Work-Around als ein sich nicht-mitdrehendes Schallereignis eingebunden werden (head-locked) |
Two Big Ears (TBE)
Ist ein eigenes Ambisonics-Format, dessen Firma von Facebook gekauft wurde und als dessen Standard eingeführt wurde. Es handelt sich um ein Hybrid Higher Order Ambisonics, das acht Kanäle besitzt und ein gut durchdachtes Konzept besitzt. Dazu bei Gelegenheit mehr auf meinem Blog.
| Pro | Contra |
|---|---|
| Guter Kompromiss aus Kanalzahl und möglicher Auflösung; hat zusätzliche, statische Stereo-Spur löst das Problem von Ambisonics | Eingebackenes Format, schwierig in andere Formate zu bringen, wird aktuell verbessert |
| Pipeline von der DAW bis ins SDK, wird klanglich keine großen Überraschungen geben | Intransparente Verarbeitung (wofür stehen die Kanäle, mit welcher Kopfgröße wird gearbeitet etc.). Free to use, aber kein open source. |
Quad-Binaural
Ist ein Format, das sich irgendwo zwischen Kanal-basiert und Schallfeld-basiert einordnen lassen kann. Hier werden vier Stereo-Files aus den Blickrichtungen 0°, 90°, 180° und 270° ausgespielt und später bei der Wiedergabe, je nach Blickrichtung, ineinander überblendet. Auch wenn es in Zukunft für Virtual Reality Audio wohl weniger genutzt wird, hat es durchaus noch seine Daseinsberechtigung:
| Pro | Contra |
|---|---|
| Beim Programmieren einer App muss keine HRTF mit Decoder implementiert werden und spart Prozessorleistung | Wiedergabe ist lediglich eine Interpolation aus den verschiedenen Blickrichtungen, damit entsprechend ungenau |
| Stereospur bei 0° stellt einen Downmix da (siehe oben: binaurales Stereo), der als Preview ohne Headtracking nützlich sein kann | Keine Möglichkeiten, um von Quad-Binaural z.b. nach Ambisonics oder 5.1 zu kommen, was andersherum möglich ist |
Hybride Formate: Objekte, Bett und Schallfeld zusammen
Die Aufteilung entscheidet, wie sich eine Datei beim Abspielen verhält: Kanalbett und Schallfeld-Ebene drehen sich mit dem Kopf, eine head-locked Spur bleibt absichtlich stehen, und Objekte landen nur dann an der richtigen Stelle, wenn der Player ihre Metadaten auch auswertet. Two Big Ears war schon so gebaut, Dolby Atmos VR und G’Audio Lab ebenfalls. Zwei neuere Formate treiben das Prinzip konsequent weiter.
ASAF (Apple Spatial Audio Format)
Vereint Objekte, kanalbasiertes Audio und Ambisonics höherer Ordnung in einem Container, head-getrackt und head-locked nebeneinander, kodiert als APAC (Apple Positional Audio Codec). Zum Arbeiten damit siehe meinen Artikel zu den ASAF-Plugins.
| Pro | Contra |
|---|---|
| Alle drei Ansätze in einer Autorenform, head-locked und head-getrackt gleichzeitig möglich | Apple-Ökosystem: Wiedergabe praktisch nur über Apples eigene Kette, allen voran die Vision Pro |
| APAC ist praktisch transparent und transportiert Objekte wie Ambisonics | Für 360° im APMP muss der Objektanteil erst über einen Ambisonics-Bus gerendert werden — ein leer gebliebenes Bett liefert Stille aus |
Eclipsa Audio (IAMF)
Das offene Gegenstück, von Google und Samsung in der Alliance for Open Media vorangetrieben: Kanalbetten, Ambisonics und Objekte in einem Container. Mehr dazu in meinem Artikel über IAMF und Eclipsa und im Sound-Check mit echten Dateien.
| Pro | Contra |
|---|---|
| Royalty-free und offen spezifiziert, YouTube nimmt es beim Upload an | Das Base Profile ist auf 18 Kanäle über höchstens zwei Audio Elements begrenzt — das Beispiel der Spezifikation ist 3. Ordnung (16 Kanäle) plus head-locked Stereo (2 Kanäle) |
| Der Open Audio Renderer v1 vom 30.07.2026 rendert kanal-, szenen- und objektbasiert | Objekte stehen erst im neueren Entwurf; im Weg, den YouTube heute nimmt, kommen sie nicht vor. Für 360°-Video gibt es keinen fertigen Player, den baut man selbst |
Welches Format auf welchem Gerät und in welchem Player tatsächlich ankommt, pflege ich laufend in der Übersicht zum Spatial-Audio-Support in 360°-Playern.
Soweit mein kleiner Überblick, bei Fragen, Ergänzungen oder Feedback kann man mir gerne eine Mail schreiben.
Fazit und Ausblick
Die Wahl steht selten zwischen gut und schlecht, sondern zwischen kompatibel und kontrollierbar: Kanalbasiert läuft überall und kann am wenigsten, Ambisonics ist für 360°-Video der Standard und skaliert über die Ordnung, hybride Formate wie ASAF und Eclipsa können am meisten und haben die wenigsten Player. Wer sich entscheiden muss, rechnet deshalb vom Abspielweg zurück zur Mischung und nicht umgekehrt.
Tiefer ins Schallfeld geht mein Artikel über Ambisonics; welches Format auf welchem Gerät wirklich ankommt, steht in der Übersicht zu den 360°-Playern.
Kontakt aufnehmenLass uns über dein Projekt sprechen
Du arbeitest gerade an einem VR-Erlebnis und das Audio fühlt sich noch zu flach an?
Jetzt unverbindlich anfragen →