空間音訊
SOUND DESIGN W11 — 2026.05.05 · C-LAB 臺灣聲響實驗室參訪日
秉聖老師 — 聲音設計 114-2
0 / 38
edu.pingshengwu.com/sd-w11-spatial-audio
三個觀察任務 · 帶進去聽
等下我們會先在 49.4 立體聲場 聽一個作品 — 帶這三個任務進去。
C-LAB · Future Vision Lab · 內部空間
C-LAB · Dome · 沉浸式聲學實驗空間
Task 1 · 定位最清楚
找一個你能指出聲音位置 的時刻 — 它在房間哪裡？
Task 2 · 空間情緒
不是定位 — 是整體氛圍 。那是怎麼做出來的？
Task 3 · 降維 stereo 做不到
找一個非要在這個空間聽 的時刻 — 為什麼？
1 / 38
今日流程
導聆 — 進 49.4 立體聲場聽作品 00:00 · 5 min
開場破題 — 為什麼需要「空間」 00:05 · 10 min
Paradigm map — 五種空間音訊範式 00:15 · 25 min
歷史脈絡 → IRCAM → C-LAB 00:40 · 20 min
中場 + 短討論 01:00 · 10 min
聆聽 demo 集（4 段） 01:10 · 30 min
工具總覽（補充） 01:40 · 20 min
2 / 38
為什麼聲音需要「空間」？
先丟一個問題 —
你生活中聽到的所有聲音，「沒有空間」 的？
即使戴耳機，聲音也帶著錄音時的空間殘響。
空間自始為聽覺經驗的本然維度。「空間音訊」之當代意義，在於將此維度重新置於組成的核心 。
3 / 38
開場 demo — Virtual Barber Shop
1996 · QSound · binaural 經典
聽完之後 — 你剛才「相信」 自己在哪裡？stereo 喇叭播得出這個效果嗎？
4 / 38
我們怎麼聽到方向？
在講機器怎麼擺聲音之前 — 先看一下人類怎麼定位聲源
ITD · 雙耳時間差
聲音到左右耳時間差 （最多約 0.6 ms）。
主導低頻 < 1.5 kHz — 波長比頭大，靠相位差判位
ILD · 雙耳強度差
頭擋聲音造成的音量差 （head shadow）。
主導高頻 > 1.5 kHz — 波長比頭小，被頭擋住
HRTF · 頭相關轉換函數
外耳廓 / 頭 / 軀幹對各方向頻率 的染色。
負責垂直 / 前後 定位 — 每個人耳廓不同 → HRTF 因人而異
後面講的五種範式，本質都是用喇叭或耳機重現這三組線索 ：
VBAP / Channel 處理 ILD · Ambisonics 用 SH 模擬完整聲場 讓耳朵自己解碼 ITD+ILD+HRTF · Binaural 用 HRTF 卷積直接餵雙耳
Lord Rayleigh 1907 提出 ITD/ILD「Duplex Theory」— 比 stereo 早了 30 年
5 / 38
什麼是「範式」？
paradigm 一詞於本講之意涵
範式（paradigm） ：對「聲音如何存在於空間」的一組根本假設，以及由此假設衍生的訊號表示法與處理流程。
五種範式對「聲音是什麼」給出五種答案：
綁定喇叭位置的聲道 （Channel）
可被 decode 的聲場 （Scene）
帶 metadata 的點聲源 （Object）
左右耳訊號對 （Binaural）
物理重建的波前 （Wave Field）
範式之間的差異屬存有論層次：訊號本體的定義不同，因此 record / mix / decode 的整套流程亦隨之不同。範式內部的演算法選擇（VBAP / MDAP / KNN 等）為後段細分主題。
6 / 38
五種範式總覽
範式 核心思路 代表系統
Channel-based 每聲道 = 一只喇叭 Stereo · 5.1 · 7.1.4 Atmos bed Scene-based 錄整個聲場，事後 decode Ambisonics（FOA / HOA） Object-based 聲源 + metadata，渲染端決定 Dolby Atmos object · MPEG-H Binaural 模擬雙耳到達差，耳機專用 HRTF · dummy head WFS / 點聲源陣列 重建波前，sweet spot 消失 IOSONO · Holophonix
接下來五張，一張講一個。
7 / 38
1 · Channel-based — 從 Stereo 開始
Stereo ：兩個聲道、兩顆喇叭 — phantom center 的幻覺5.1 → 7.1 → 7.1.4 （Atmos bed）：把幻覺擴張到環繞與頂部限制 ：sweet spot 嚴格、聲道數綁播放系統
5.1 channel layout · Wikimedia Commons
8 / 38
2 · Scene-based — Ambisonics
不錄聲道，而是錄整個聲場 （W/Y/Z/X 四個分量 = First Order Ambisonics）
Higher Order （3rd / 7th）解析度更高，概念一樣優勢 ：跟最後播放系統解耦 — 同一份檔案可 decode 給耳機（binaural）、5.1、22.2、dome
Nimbus-Halliday B-format mic · Wikimedia Commons
9 / 38
球面諧波 — Ambisonics 的數學底
為什麼 1st order 是 4 聲道、3rd order 變 16 聲道？
Ambisonics 把聲場分解成球面諧波（Spherical Harmonics, SH） 的疊加 — 像把訊號做傅立葉，但是在球面上做
Order N 對應 (N+1)² 個聲道 ：1st = 4ch，2nd = 9ch，3rd = 16ch，7th = 64ch
Order 越高 → 角度解析度越好，但需要的麥克風 capsule 數 與解碼運算 都暴增
右圖是把同一隻 3D 兔子 / 骷髏用不同階數的 SH 重建 — 從低階的「模糊球」漸進到高階的「精細形狀」。空間音訊的 order 跟它一模一樣的邏輯 ：1st order 像那團模糊球，能感知方向但聲源是糊的；HOA 才能把聲源「聚焦」
每多一階就多一層空間細節 — 麥克風價格也跟著翻倍。
SH 重建：l<1 → l<32 · Skibbe et al., ICCV 2009
10 / 38
3 · Object-based — Dolby Atmos / MPEG-H
聲源帶 metadata （位置、移動軌跡、增益）— 渲染端依播放系統重新計算
同一個 mix，戲院 22.2、家用 7.1.4、AirPods binaural 都能用
商業現場主流 ：Apple Music spatial、Netflix、戲院
Dolby Atmos system, SoundFirm Melbourne · Wikimedia Commons
11 / 38
4 · Binaural — 給耳朵的聲音
HRTF （Head-Related Transfer Function）：模擬聲音從某方向到達雙耳的差異假人頭錄音 （dummy head）vs 數位 HRTF 渲染限制 ：頭不能轉（沒做頭部追蹤的話）；HRTF 因人而異 → 內部化（in-head） 跟前後混淆 是常見副作用
開場 Virtual Barber Shop 那段就是 binaural。即使數學完美，HRTF 通用化的個人差異 → 聲音容易卡在頭裡而不是「外面」— 這也是 Apple AirPods 後來導入個人化 HRTF 掃描的原因。
Neumann KU 100 dummy head · Wikimedia Commons
12 / 38
5 · WFS — 點聲源陣列
Wave Field Synthesis ：用幾十顆 ↔ 幾百顆喇叭重建波前Sweet spot 消失 — 教室裡每個位置都聽到正確的空間定位TU Berlin、IOSONO、Holophonix
屬於 paradigm shift ；改變於訊號模型層級，超出聲道數量擴張之範疇
WFS speaker array, Eindhoven 2006 · Wikimedia Commons
13 / 38
五種範式怎麼選？
場景 常用範式
戲院 / 家庭劇院 Channel-based（成熟、便宜） 360 影片 / VR Scene-based（Ambisonics） 串流跨裝置 Object-based（Atmos） 耳機體驗 Binaural（單獨或當其他 paradigm 的 decode 終點） 美術館 / 藝術裝置 / 研究機構 WFS / 客製化點聲源（少見、貴）
真實案例常常混搭 — Atmos 內含 channel bed + objects；VR 用 Ambisonics + binaural decode。
14 / 38
Panning Algorithm 細分
同一張 paradigm map 拉細一層 — 每個 paradigm 底下用什麼演算法把聲音「擺到位置上」
演算法 機制 對應範式 典型場景
VBAP 找最近 3 顆 喇叭組三角形，依向量分解分配增益（Pulkki 1997） Channel-based 5.1 / 7.1.4 / dome MDAP VBAP 的延伸 — 把聲源擴成多個虛擬點，分散到更多喇叭，避免單顆過載 / sweet spot 太窄（Pulkki 1999） Channel-based 大空間裝置、移動聲源 KNN panning 找最近 K 顆 喇叭（K 可調），用角度倒數加權 分配增益、再做能量正規化。不需要三角網 ，所以不規則 / 缺幾顆喇叭的場域也算得出來 Channel-based / Object-based SpatGRIS、Spat~、不規則陣列、藝術裝置 Ambisonic decoder 把錄好的 SH 聲場依喇叭擺位反算增益（規則 / 不規則陣列都可解） Scene-based VR / dome / 任意陣列 WFS 每顆喇叭算 delay + gain，重建波前（Huygens 原理） WFS / 點聲源陣列 研究機構、IOSONO
KNN 怎麼運作 — 三步驟
找鄰居 ：以聲源角度為基準，挑出 K 顆角度最近的喇叭（K 通常 3–10，創作者可調）加權 ：每顆喇叭依角度差倒數（或高斯函數）給增益 — 越靠近聲源的喇叭越大聲能量正規化 ：總增益平方和 = 1，避免 K 越大聲音越爆 / 越小越虛
K 是創作參數 ：K=3 銳利定位、K=8 像 wash 一樣糊掉，可以做「聲音慢慢散開」這類動態效果。
為什麼 KNN 適合不規則陣列
VBAP 需要把球面切成乾淨的三角網（Delaunay triangulation）— 喇叭少幾顆、或上下角度錯落不對稱，三角網就崩了。KNN 不需要拓樸結構 ，只看角度距離，所以：
C-LAB Dome、藝術裝置這種「臨時搭、喇叭擺哪算哪」的場域 → KNN
戲院 / 規格化 5.1.4 / Atmos → VBAP 或 channel-based 演算法
HOA decoder 跟 KNN 可串接 ：先 SH 編碼，解碼時再用 KNN 派到不規則陣列上
SpatGRIS 同時支援 VBAP / KNN / HOA decoder 就是這個原因 — 創作者選工具，不是被工具選。
15 / 38
Phase 3
歷史脈絡 → IRCAM → C-LAB
在錄音之前 — Acousmate 的 2,500 年
「聽不到聲源」不是錄音時代的問題
字源希臘文 ἀκοῦσμα (akousma) — 「被聽到的東西」
畢達哥拉斯 （西元前 6 世紀）讓學生在簾幕後 聽他講課 — 看不到老師才能專注於訊息本身這群學生被稱為 Acousmatics （神祕教派）
1955 法國評論家 Jérôme Peignot 借用此詞描述musique concrète — 聽到聲音卻看不見來源
1970s François Bayle 在 GRM 將 acousmatic 制度化 → 下一張的 Acousmonium
喇叭是現代的簾幕。
把聲源從視覺中移除，是一個 2,500 年的命題 — 只是技術載體從布幕 → 留聲機 → 喇叭 → 耳機 。
Pythagoras & Philolaus · 木刻版畫 · F. Gaffurio《Theorica Musicae》1492 · Wikimedia Commons
16 / 38
空間音訊不是 VR 才有的事
在 Stockhausen / Chowning / IRCAM 之前，已經有 90 年的累積
年 事件 意義
1881 Clément Ader · Théâtrophone （巴黎歌劇院舞台兩支麥克風 → 電話線送到觀眾耳機）
史上第一次「雙耳 遠端聆聽」— 比 stereo 唱片早 50 年
1907 Lord Rayleigh · Duplex Theory （ITD 主導低頻、ILD 主導高頻）
現代空間聽覺的物理聲學基礎 — 後面所有 panning 演算法都奠基於此
1930s Bell Labs · Oscar 人工頭 · Blumlein stereo 專利（1931）
Stereo 的數學定形 · 第一隻 dummy head → binaural 的工程起點
1955 Stockhausen《Gesang der Jünglinge》— 5 組喇叭環繞觀眾
第一次把空間當成作曲參數 （下一張）
1970s Gerzon · Ambisonics · Neumann KU80 商用人工頭
Scene-based 的數學成形 · binaural 進入德國廣播
1990s– IRCAM Spat~ · WFS · 商用 surround · HOA
從學術 → 戲院 → 美術館 → 串流
每個範式背後都有百年以上 的物理 / 工程 / 美學累積。VR 跟 Atmos 是延續、不是起點。
17 / 38
Stockhausen《Gesang der Jünglinge》(1955–56)
空間音樂的起點
5 組喇叭環繞觀眾 — 電子音樂史上第一次把「空間」當成作曲參數WDR Köln 工作室，結合電子聲與男童聲的具象 / 合成混合
課堂播 1–2 min 有空間移動感的段落。
Karlheinz Stockhausen, WDR 1994 · Wikimedia Commons
18 / 38
Chowning《Turenas》(1972)
算法移動的起點
19 / 38
GRM Acousmonium — diffusion 的傳統
Pierre Schaeffer 學派，Bayle 1974 設計 Acousmonium
80+ 顆喇叭排成「聲響交響樂團」— 演出時由「聲響演奏者」即時 diffuse
與 channel-based 屬不同思路；以空間情緒之塑造 為核心目標，定位精確度為次要關切
1980s 起 GRM 將自家工作流打包為 plugin 工具鏈 GRM Tools （Bandpass / Evolution / Reson / SpacesST 等），將 musique concrète 處理思路帶進 DAW · inagrm.com/grmtools
空間屬於表演本身，於現場即時成形。
同一首作品，今晚在這個 hall 跟下個月在另一個 hall，diffuse 的人不同，作品就不一樣。
Pierre Schaeffer · GRM Acousmonium · Wikimedia Commons
20 / 38
IRCAM Spat~ 譜系
IRCAM（Paris, 1977–）— 把空間化做成可程式化的工具
Spat~ Max/MSP 模組 （1990s 起）：聲源位置、距離、reverb、directivity 都可以是時間函數譜系作品：Jonathan Harvey、Kaija Saariaho、Marco Stroppa
後續：Spat Revolution （IRCAM × Flux::）成為當代空間音訊製作核心工具
與 C-LAB 的關聯：臺灣聲響實驗室與 IRCAM 簽署合作協議 ，技術譜系延續至此。
IRCAM · Place Stravinsky, Paris · Wikimedia Commons
21 / 38
短討論
到目前為止，好奇 ？為什麼？
開放討論。
23 / 38
Demo 規則
4 段 — 每段 3–5 min
每段聽完丟一個美學問題 （不是技術問題）
練習用耳朵描述空間 — 不只說「沉浸」「立體」
24 / 38
Demo 4 · Dolby Atmos binauralized trailer
Dolby 官方 demo · 戴耳機聽
商業電影的「沉浸」 跟 Stockhausen 的「空間化」 是同一件事嗎？
28 / 38
四段的共通問題
空間在這四段裡分別扮演什麼角色？
主動探索
Ambisonics 360
29 / 38
Ableton Live 12.2 — Surround Panner
內建多聲道環繞聲相器 · 商業 DAW · channel + object
Live 12.2 直接內建 — 不再需要外掛或 Max for Live patch
支援 4ch / 5.1 / 7.1.4 等格式，XY 平面拖拉定位
對應 Dolby Atmos export — 連到商業 streaming 工作流
ableton.com/live
Ableton Surround Panner UI · ableton.com
30 / 38
IEM Plug-in Suite
免費開源 Ambisonic 套件 · IEM Graz · scene-based
奧地利 IEM Graz 釋出 — 學術圈 Ambisonics 事實標準
StereoEncoder / MultiEncoder （編碼）· BinauralDecoder / AllRADecoder （解碼）VST / AU — Reaper、Ableton 都能掛，入門 Ambisonics 的第一站
plugins.iem.at
IEM StereoEncoder · plugins.iem.at
31 / 38
Xp for Live (XP4L)
Max for Live 空間音訊工具包 · 跑在 Ableton
Max for Live 寫的工具包 — 直接掛在 Ableton track 上同時支援 多聲道（channel-based） 與 Ambisonic ，混合工作流
適合用 Live 但想跳出官方 Surround Panner 限制的人
xp4l.com
Xp for Live 介面 · xp4l.com
32 / 38
SpatGRIS
喇叭陣列空間化軟體 · GRIS UdeM × SAT Montréal · speaker-based
SpatGRIS 3D dome 視圖 · GRIS UdeM
33 / 38
O3A Flare（plugin 類）
Ambisonic 視覺化 plugin · Blue Ripple Sound
O3A Flare · Blue Ripple Sound
34 / 38
五個工具對照
放回 paradigm map — 不同工具對應不同範式
工具 主要範式 商業性 適合場景
Ableton Surround channel + object 商業 DAW 內建 商業製作、Atmos export IEM Plug-in Suite scene（Ambisonic） 免費開源 學術、Ambisonics 入門 XP4L channel + scene 免費（Live 內） Ableton 用戶想擴展 SpatGRIS speaker-based 免費開源 美術館、任意陣列 O3A Flare scene 視覺化 商業 plugin 監聽、教學、debug
沒有「最好」— 看你要做哪一種空間，住在哪個 DAW 生態系。
35 / 38
思考題 — 兩條路通向耳機
在 demo 跟工具之後 — 留一個問題給自己
如果最終都是耳機聆聽，「Ambisonics → Binaural decoding」 跟 「直接用人工頭錄音」 ，
Ambisonics → Binaural
事後可變更解碼方式 （換 HRTF / 加頭部追蹤）
同一份檔案能上戲院喇叭也能 binaural — 跨系統
需要編碼 / 解碼的運算成本 + 精度損失
直接 dummy head 錄
錄什麼就是什麼 — 真實場域的麥克風 + 反射
無法後製空間 / 無法跨系統 · 頭轉就破功
製作成本低（兩支麥），但修不了
這題沒有標準答案 — 看你做的是「可被重新詮釋的素材」還是「不可重複的時刻」。
36 / 38
「我想自己試試看」checklist
戴耳機，到 iem.at 下載 IEM Plug-in Suite。
在 Reaper / Ableton 開一個 4-channel 軌 ，把一段 mono 聲音用 Encoder 移動位置
用 BinauralDecoder 監聽 — 聽得出方向變化嗎？
為一段 1 分鐘的影片做空間化配音。
37 / 38
延伸閱讀
進一步研究的起點。
論文 · 演算法源頭
Pulkki, V. (1997).Virtual sound source positioning using vector base amplitude panning . JAES 45(6). — VBAP 原始論文
Daniel, J. (2003).Spatial sound encoding including near field effect: distance coding filters and a viable, new ambisonic format . AES 23rd Conf. — HOA decoder
Gerzon, M. A. (1992).General metatheory of auditory localisation . AES 92nd Convention. — Ambisonics 理論基底
教材 · 訪談
Zotter, F. & Frank, M. (2019). Ambisonics: A Practical 3D Audio Theory . Springer (免費下載 ) — IEM 作者、目前最權威的紙本級教材Lopez-Lezcano, F. (2025).Music 222: Sound in Space . Stanford CCRMA — 完整課程材料、SH 圖譜、decoder 實作
Anderson, J. (Composer interviews).Annette Vande Gorne on acousmonium & diffusion. Computer Music Journal 36(1)
下一步
W12 工作坊：用 IEM + Reaper 做一段 4-channel 空間化
有興趣 dome 製作 → SpatGRIS + SAT Montréal 教學
商業 Atmos → Apple Logic Pro 內建 Atmos 工作流
38 / 38
← → · SPACE · CLICK
