声道与对象
立体声混音是基于声道的，传统环绕声也是：5.1 和 7.1 只是同一种思路，多加了几只扬声器。你决定每个声音分多少给每只扬声器，这个决定就固化在文件里。它假定扬声器摆在已知的位置；如果听众的摆法不同，混音既不知道，也无法适应。
Dolby Atmos 基于对象。你不是把一个声音分配给某个声道，而是给它一个三维空间中的位置，包括高度，文件把音频和位置分开存储。然后由播放设备针对它实际拥有的东西来渲染这些位置：一间有 60 只扬声器的影院、一条回音壁、一副入耳式耳机。
整个思路就是这样，其他一切都由此而来。Atmos 混音不是针对某种特定扬声器布局的混音，而是一份关于各个声音在哪里的描述，再加上渲染器要遵循的指令。
实际上，Atmos 音乐混音是一种混合体：一个 7.1.2 的基于声道的“声床”，承载不需要移动的东西；再加上最多 118 个对象，承载需要移动的东西。
你几乎肯定是这样听到它的
营销宣传里常被忽略的一点是：绝大多数 Atmos 音乐都是在耳机上、通过双耳渲染收听的。
双耳渲染模拟的是：如果声音真的位于那些位置，你的两只耳朵会听到什么。它使用头部相关传输函数（HRTF）：一个描述你的头部、躯干和耳廓形状如何改变来自不同方向的声音的模型。大脑把这些改变解读为方向，于是声音听起来来自头部之外，而不是两耳之间。
这确实有效，而且在完全普通的耳机上就有效。不需要任何特殊硬件；那些标榜“支持空间音频”的耳机，卖给你的是这种格式并不需要的东西。头部追踪，你转头时声像保持不动，是一项真正的硬件功能，但它是一种增强，而不是必要条件。
局限在于，所用的传输函数是通用的，而每个人的耳朵都不一样。有些人能听到生动、可信的头外定位声像；有些人几乎听不出差别。两者都没有听错，而这种差异，正是人们对空间音乐看法分歧如此之大的一个重要原因。
制作一版需要什么
你需要各个独立的元素：多轨工程或一套分轨。你无法用立体声母带做出真正的 Atmos 混音，因为没有可以摆放的独立声源。任何声称能做到的东西，用的都是一种拓宽效果，那是另一回事，而且小得多。如果多轨工程确实已经没有了，音轨分离可以生成可供摆放的声源：但结果会继承分离过程留下的任何残余，这是实实在在的代价，值得说清楚，而不是藏起来。
大致流程如下：
- 把每个元素路由到声床声道或对象。撑起整张唱片的东西，底鼓、贝斯、主唱人声，通常放进声床，保持不动。
- 摆放对象，并在移动能为歌曲服务的地方给位置做自动化。这里的失败方式既明显又常见：只因为格式允许，就让东西绕着听众转圈。
- 始终监听双耳渲染，因为那就是听众会听到的。只在扬声器阵列上检查过的混音，是为一个几乎没人拥有的房间优化的混音。
- 检查立体声下混。平台会自动生成一个，而大多数播放仍然是立体声。一个下混成立体声后效果很差的空间混音，等于拿手上已有的听众去换想要的听众：单声道兼容性检查是找出合并时什么会消失的最快方法。
交付物是一种文件格式
Atmos 音乐的交付物是一个 ADM BWF 文件：一个 Broadcast Wave 文件，包含全部音频，以及描述每个对象及其随时间运动的元数据。它体积很大，规格定义精确，平台在接收时会对它进行验证。
这一点值得说清楚，因为“我们支持 Atmos”可能意味着两件截然不同的事。它可能是说某个工具能生成听起来有空间感的耳机双耳渲染：有用，但不是 Atmos 交付物。也可能是说它能生成一个发行商会接受的有效 ADM BWF。后者是一项专业责任，背后有一整套验证工具链。
如果你打算以 Atmos 发行，先确认你得到的是哪一种，再围绕它安排时间表。
Atmos 的响度不一样，而且这很重要
Apple 的 Atmos 音乐交付规范规定，综合响度不得超过 −18 LKFS，真峰值不得超过 −1 dBTP，两者都按 ITU-R BS.1770-4 测量（见 Apple《Video and Audio Asset Guide》中的 immersive audio source profile）。这些是上限而不是目标：上限告诉你哪里不能去，而目标是在邀请你去达到它。两者都比大多数人在立体声流媒体上追求的 −14 LUFS 更安静，而且它们属于另一份交付物：不要把立体声的数值搬过来，也不要把这些数值搬回去。《LUFS 到底测量的是什么》讲的是测量本身；《Apple Music 的 LUFS 标准》讲的是在大多数 Atmos 收听发生的那个平台上，立体声版本的电平是如何调整的。
因此，在同时提供两个版本的平台上，Atmos 版本播放起来可能明显比立体声版本更安静：而对比两者的听众通常会偏爱更响的那个，不管哪个更好。这和任何没有做响度匹配的对比是同一个陷阱，只是出现在了新的地方。
还有一个限幅器要考虑：Atmos 渲染器会施加自己的限幅，所以一份送来时已经被压扁的混音会被处理两次。留出余量，让格式做它该做的事：这和为母带处理导出的混音不该在总线上挂限幅器是同一个道理。
值得做吗？
老实说，要看情况，两边的理由都是真实的。
支持的理由：平台会推广空间音频作品，这是一种与音频本身无关的曝光优势。有些素材确实会受益：密集的编曲会获得分离度，氛围音乐和管弦乐会获得空间，层次很多的唱片可以突然被听出一层一层来。而且，这是一种有趣的创作约束。
反对的理由：它是第二个完整的混音，而不是一次转换。收听体验因每个听众的耳朵而异，所以你无法确定他们听到的是什么。在随手对比时，响度差异对你不利。而且一个出色的立体声混音，无论在哪套系统上，每次都能胜过一个平庸的空间混音。
最明确的建议是：如果你的立体声混音还没有完成、还不够出色，先把它做好：绝大多数播放都会是立体声版本，它才是值得投入的版本。一张本身不成立的唱片，做成空间版本也还是一张不成立的唱片。
空间音频、Atmos 和其他说法
这些词经常被混用，但它们不是一回事。空间音频是总的类别：任何在三维空间中摆放声音的技术。Dolby Atmos 是一种特定的、基于对象的格式，归 Dolby 所有，有自己的规范、工具和验证流程。双耳（binaural）是一种面向耳机的渲染技术，Atmos 会用到，许多不是 Atmos 的东西也会用到。Ambisonics 则是另一种完全不同的空间表示方式，常见于 VR 和广播。
一个产品可以有空间感却不是 Atmos，也可以是双耳的却两者都不是。当一个工具说它能做“空间音频”时，有用的问题是：它指的是其中哪一个，最后交给你的是什么文件。
继续阅读