Audio Spatialisierung: Sound dreidimensional machen

Spatialisierung ist das Handwerk, einem Klang eine Position und einen Raum zu geben. Panning setzt ihn irgendwohin. Der Hall sorgt dafür, dass das Gehirn dieses Irgendwo für echt hält. Die meisten 3D-Produktionen machen den ersten Teil richtig und den zweiten falsch — deshalb klebt so viel Raumklang immer noch am Kopf des Hörers.

Zum Einstieg: Was ist Spatial Audio liefert die Grundlagen. Hier geht es um die Praxis.

Hinweis: Der erste Entwurf dieses Artikels kam aus einer KI. Ich habe ihn danach so umgeschrieben, wie ich tatsächlich arbeite.

Was ist Audio-Spatialisierung?

Spatialisierung heißt, eine Schallquelle an eine definierte Position im dreidimensionalen Raum zu setzen und ihr die akustischen Eigenschaften des Raums mitzugeben, in dem sie stehen soll. Über Kopfhörer passiert das mit HRTF-Filterung plus Raumsimulation, über Lautsprecher durch die Verteilung des Signals auf ein Lautsprecher-Array.

Von der anderen Seite ist es leichter zu sehen. Mono ist einfach nur ein Audiokanal ohne jede räumliche Information. Man weiß weder, wo sich der Ton befindet, noch in was für einem Raum. Es bleibt eine ganz abstrakte Schallquelle in einem toten Raum. Spatialisierung ist alles, was du dieser Quelle hinzufügst.

Warum Pannen allein nicht reicht

Das ist der Fehler, den ich bei den meisten 3D-Produktionen sehe, und es ist immer derselbe: Objekte werden im 3D-Raum herumgepannt, ohne ihnen Rauminformation zu geben.

Setzt du einen Klang links oben, hörst du ihn links oben. In der Realität hörtest du gleichzeitig Raumreflexionen von hinten und ein wenig von rechts, weil sich der Schall im Raum bewegt. Ohne diese Information denkt das Gehirn, die Quelle sei sehr nah am Kopf.

Genau darin liegt das Geheimnis der Externalisierung. Das Gehirn braucht die Hallinformation, um Ton überhaupt dreidimensional zu erleben. Mein Beleg aus der eigenen Demo: Wenn ich links in den Kunstkopf spreche, passiert auch rechts etwas, sei es nur wenig Lautstärke. Das Gehirn braucht das, weil wir es ein Leben lang gelernt haben. Auch wenn ein Auto rechts ist, hört man links noch etwas.

Wie viel Hall?

Klassisch als Send. Drehst du den Send ganz herunter, klebt die Stimme wieder im Gesicht. Schickst du zu viel hinein, wandert der Sprecher immer weiter weg und die Verständlichkeit geht mit. Der Hall-Send ist dein Entfernungsregler, und die richtige Menge ist eine Hörentscheidung, kein Preset.

Im echten Raum funktioniert es genauso, weil binauraler Schall uns hilft, Geräusche zu lokalisieren.

Was du nicht verräumlichen solltest

Nicht alles gehört in den Raum, und an dieser Stelle widerspreche ich Dolby.

Bass ist schwer zu lokalisieren. Schon in Stereo will man ihn mono und in der Mitte haben, nicht breit gezogen. Dasselbe Gesetz gilt in 3D-Audio, also gehört Bass auch dort nicht externalisiert. Dolby versucht, alle Klänge zu verräumlichen — meine Position ist, dass man bestimmte Klänge nicht verräumlichen sollte.

Es gibt einen zweiten Grund, der noch seltener genannt wird. Sobald du Spatialisierung hinzufügst, verändert sich die Klangfarbe, denn du gibst dem Objekt Rauminformation und getrennte Information für linkes und rechtes Ohr. Deshalb halte ich Klänge bewusst heraus, die ich im Prozess nicht verändern will: Bassdrum, ein normaler Bass, alles mit wenigen Frequenzanteilen.

Meine Arbeitsweise ist entsprechend eine Balance aus etwas In-Kopf-Lokalisation und etwas Externalisierung. Man braucht ein gutes Fundament, und aus Stereo weiß man, dass manche Klänge mono sein sollten und in Mono völlig in Ordnung sind.

Das Format entscheidet, was möglich ist

Ambisonics liegt zwischen den Extremen und heißt schallfeldbasiert. Die einzelnen Objekte sind drin, in der Schallkugel, aber du kommst im Nachhinein nicht mehr an sie heran. Allein diese Eigenschaft entscheidet, ob ein Projekt mit 360 Mikrofonen in Ambisonics aufgenommen oder Objekt für Objekt gebaut wird.

Mehr dazu unter Dolby Atmos und zu Spatial Audio allgemein allgemein.

Die Phantomschallquelle, und warum Kopfhörer anders sind

Willst du zwischen zwei Lautsprechern einen Ton erzeugen, kannst du das nicht direkt. Du legst auf beide ein bisschen Signal. Ist das Signal links und rechts identisch, kann das Gehirn es nicht unterscheiden und entscheidet: Der Ton ist vorne. Genau deshalb hat man bei zwei Lautsprechern manchmal das Gefühl, der Ton komme aus dem Bildschirm, obwohl der Bildschirm überhaupt keinen Ton abgibt.

Über Kopfhörer gibt es das nicht. Dort landet dasselbe Signal als In-Kopf-Lokalisation. Alles, was Kopfhörer-Spatialisierung ausmacht, existiert, um dieses Problem zu umgehen.

Eine Arbeitsreihenfolge für den räumlichen Mix

1. Festlegen, was mittig bleibt. Bass, Bassdrum, alles, was du nicht umfärben willst.
2. Objekte platzieren. Azimut und Elevation grob setzen, bevor du irgendetwas anderes anfasst.
3. Raum hinzufügen. Ein Hall, den alle teilen, damit die Objekte im selben Raum stehen.
4. Entfernung über den Send einstellen. Pro Objekt, nach Gehör.
5. Auf dem Zielformat prüfen. Kopfhörer bei binauraler Auslieferung, das echte Array bei einer Installation.
6. Pegelangeglichen vergleichen. Räumliche Bearbeitung macht fast immer lauter, und lauter klingt für uns immer besser.

Werkzeuge sind weniger wichtig als die Reihenfolge. Bei der Wiedergabe verhalten sich 3D-Kopfhörer für Dolby Atmos und Surround Sound und Soundbars und Smartspeaker allerdings völlig unterschiedlich, und ein Mix, der nur auf einem von beiden trägt, ist nicht fertig.

Head-Tracking und Personalisierung

Dynamisches Head-Tracking ist die größte verfügbare Verbesserung bei Kopfhörer-Spatialisierung, größer als personalisiertes Spatial Audio. Ohne Head-Tracking bleiben Klänge am Kopf fixiert statt an der Umgebung, und Vorne-hinten-Verwechslungen häufen sich, weil dem Gehirn die bewegungsbasierten Hinweise fehlen. Der technische Hintergrund steht unter HRTF.

Bei Musik zählt das weniger, weil der Mix ohnehin für eine Hörposition gemacht wurde. Bei allem, was an ein Bild gebunden ist, zählt es sehr — genau deshalb ist Immersion mehr als ein Effekt.

Häufig gestellte Fragen

Was ist Audio-Spatialisierung?

Eine Schallquelle an eine definierte Position im Raum setzen und ihr den Klangcharakter eines Raums geben, sodass der Hörer Richtung und Entfernung wahrnimmt und nicht nur links und rechts.

Klingt räumliches Audio besser?

Nicht automatisch. Es klingt weiter, und räumliche Bearbeitung klingt meistens auch lauter, was viele mit besser verwechseln. Pegelangeglichen ist ein schlechter räumlicher Mix schlechter als ein guter Stereomix.

Warum klingt mein räumlicher Mix wie im Kopf?

Fast immer fehlender Hall. Du hast gepannt, ohne den Objekten Rauminformation zu geben, also setzt das Gehirn sie auf die kleinstmögliche Entfernung. Gib allen einen gemeinsamen Raum und regle die Entfernung über den Send.

Was ist Räumlichkeit in der Musik?

Die bewusste Platzierung und Bewegung von Klängen innerhalb eines Stücks. In der elektroakustischen Musik ist das seit Jahrzehnten ein Kompositionsmittel, lange vor den Streaming-Formaten. Warum die Streaming-Variante oft enttäuscht, steht unter Apple Music mit Dolby Atmos klingt schlecht.

Kann ich einen fertigen Stereotrack verräumlichen?

Ja, das ist Upmixing, und die Algorithmen werden schnell besser. Es ist aber nicht dasselbe wie ein Mix, der von den Stems aus räumlich gebaut wurde, weil der Upmixer raten muss, was wohin gehörte. Mehr zu Immersive Upmixing.

Wie teste ich einen räumlichen Mix?

Auf dem Auslieferungsformat, pegelangeglichen und auf mehr als einem Kopfhörer. Dann dreh den Kopf. Bricht das Bild bei Bewegung zusammen, tut der Hall zu wenig.

Lass uns über dein Projekt sprechen

Du hast Stereomaterial, das räumlich klingen soll, und willst es richtig gemacht haben?