Słyszysz to? To cisza przed dźwiękową, przestrzenną rewolucją Apple'a

Nie jest to jednak rewolucja ogłaszana z fanfarami podczas głównego keynote'u WWDC 25. Apple zdecydowało się przedstawić swoje najnowsze dziecko w sposób bardziej... dyskretny - podczas dedykowanej sesji deweloperskiej. Co kryje się za ASAF i APAC?

Immersive Video Engineer w Apple, Blake Gordon, wyjaśnił istotę tej technologii podczas WWDC 25 opisując rozwiązania, których dziś branża nie stosuje, czasem wydawać by się mogło z rozsądnych względów. ASAF umożliwia prawdziwie zewnętrzne doświadczenia dźwiękowe poprzez zapewnienie, że wskazówki akustyczne są wykorzystywane do renderowania dźwięku. Składa się z nowych metadanych połączonych z liniowym PCM oraz potężnego nowego renderera przestrzennego, który jest wbudowany w platformy Apple.

Czytaj też:

W praktyce oznacza to, że ASAF wykracza daleko poza tradycyjne podejście do dźwięku przestrzennego. Dolby Atmos operuje na zasadzie obiektów dźwiękowych umieszczonych w przestrzeni 3D,  ASAF wprowadza ponad to koncepcję adaptacyjnego renderowania w czasie rzeczywistym. System nie tylko śledzi ruchy głowy użytkownika, ale również dynamicznie dostosowuje parametry akustyczne - takie jak głośność, echo i pogłos - w zależności od pozycji obiektów w wirtualnym środowisku.

Apple Positional Audio Codec stanowi drugą część tej technologicznej układanki. Standaryzowany w połowie ubiegłego roku APAC został zaprojektowany z myślą o efektywnej dystrybucji treści ASAF. Kodek ten oferuje obsługę szerokich możliwości technicznych: od tradycyjnych kanałów audio, przez obiekty dźwiękowe, po Higher Order Ambisonics, dialogi, audio binauralne, elementy interaktywne, a nawet rozszerzalne metadane.

Efektywność APAC jest imponująca - umożliwia strumieniowanie immersyjnych doświadczeń przestrzennych przy przepływności zaledwie 64 kilobitów na sekundę. To oznacza, że wysokiej jakości dźwięk przestrzenny stanie się dostępny nawet przy ograniczonych łączach internetowych.

Porównanie między Dolby Atmos a Apple ASAF przypomina zestawienie klasycznego samochodu z pojazdem autonomicznym. Oba mają cztery koła i silnik, ale sposób w jaki funkcjonują różni się fundamentalnie.

Dolby Atmos, mimo swojej zaawansowanej natury, nadal opiera się na koncepcji z góry określonych pozycji dźwiękowych. Producenci audio tworzą miksy z obiektami umieszczonymi w konkretnych punktach przestrzeni 3D, a system Atmos następnie odtwarza te pozycje na dostępnym sprzęcie. To podejście, choć satysfakcjonujące, ma swoje ograniczenia - szczególnie w kontekście interaktywnych środowisk.

ASAF z kolei wprowadza koncepcję całkowicie adaptacyjnego renderowania. Jak wyjaśnia Blake Gordon: Renderowany dźwięk jest całkowicie adaptacyjny w zależności od pozycji i orientacji obiektu, a także pozycji i orientacji słuchacza. Nic nie jest 'wypieczone' z góry. To oznacza, że dźwięk może reagować nie tylko na ruchy użytkownika, ale również na zmiany w samym środowisku wirtualnym.

Apple ASAF i APAC są kompatybilne z większością platform Apple - tvOS, iOS, iPadOS, macOS i visionOS - z wyjątkiem watchOS. Treści można tworzyć za pomocą wtyczek Apple AAX lub DaVinci Resolve Studio, a dostarczać w kontenerze MP4 z przepływnością do 768 kbps.

Dolby Atmos z kolei może pochwalić się znacznie szerszą kompatybilnością międzyplatformową. Technologia Dolby jest obsługiwana przez dziesiątki producentów sprzętu audio, setki usług streamingowych i tysiące producentów treści. W 2024 r. 93 proc. z Top 100 utworów Billboard było dostępnych w formacie Atmos.

Kluczowym elementem ASAF są zaawansowane metadane, które wykraczają daleko poza tradycyjne informacje o kanałach audio. Te metadane zawierają szczegółowe informacje o pozycjach obiektów, ich właściwościach akustycznych, relacjach przestrzennych, a nawet przewidywanych trajektoriach ruchu .

Prawdziwa siła ASAF ujawnia się dopiero w połączeniu z całym ekosystemem Apple’a. iPhone 16 może nagrywać dźwięk przestrzenny w nowym formacie, który następnie może być odtwarzany na Vision Pro lub AirPods - niezależnie od Dolby Atmos. To poziom integracji, którego konkurencja może jedynie pozazdrościć.

Vision Pro stanowi naturalną platformę docelową dla ASAF. Tutaj technologia może w pełni wykorzystać swoje możliwości, korzystając z czujników urządzenia do precyzyjnego śledzenia pozycji głowy i orientacji w czasie rzeczywistym. To właśnie dlatego własne treści Apple Immersive Video na Vision Pro brzmią równie dobrze, jak wyglądają.

Potencjał technologii dźwięku 3D wykracza daleko poza kino domowe i gaming. Apple już eksperymentuje z wykorzystaniem Spatial Audio do nawigacji, gdzie dźwięk może prowadzić użytkowników przez przestrzeń fizyczną. To szczególnie interesujące w kontekście urządzeń takich jak Vision Pro, gdzie audio może stać się integralną częścią interfejsu rozszerzonej rzeczywistości. W sektorze medycznym dźwięk przestrzenny znajduje zastosowanie w terapii, rehabilitacji słuchu, a nawet w chirurgii z użyciem rzeczywistości rozszerzonej.

Sektor edukacyjny również odkrywa potencjał dźwięku przestrzennego. Platformy takie jak zSpace integrują audio 3D z systemami uczenia kinestycznego, umożliwiając uczniom i uczennicom manipulowanie wirtualnymi obiektami przy użyciu naturalnych gestów i ruchów. Tencent Music Entertainment wykorzystuje zaawansowane technologie audio do tworzenia immersyjnych doświadczeń muzycznych, w tym duetów z gwiazdami przy użyciu AI.

Rewolucja, o której mowa w tytule, może nie być tak spektakularna jak te, które pamiętamy z przeszłości - przejście z mono na stereo, pojawienie się CD czy narodziny MP3. Współczesne przełomy technologiczne są często bardziej subtelne, ale nie mniej znaczące.

Apple ASAF to nie tylko lepszy dźwięk - to nowy sposób myślenia o audio w kontekście przestrzeni, interakcji i doświadczenia użytkownika. W świecie, gdzie coraz więcej naszego życia cyfrowego ma się odbywać w przestrzeniach wirtualnych i rozszerzonych, dźwięk przestrzenny przestaje być luksusem, a staje się koniecznością. Cisza przed tą rewolucją już się kończy. Pierwsze dźwięki nowej ery audio już słychać - pozostaje tylko pytanie, czy jesteśmy gotowi ich słuchać.