Dolby Atmos для кино, вещания, музыки и стриминга

Кратко

Dolby Atmos – это один формат, который носит четыре разных облика: в кинозале это до 128 аудиодорожек, рендеримых вживую на как минимум 64 независимо управляемых динамика; в вашей гостиной это тот же самый творческий мастер, ужатый в обычный поток Dolby Digital Plus, который ещё умеет проиграть старый 5.1-декодер; в музыке это тихо сведённый объектный микс, доставляемый в Apple Music, Tidal и Amazon; а в AirPods это тот же объектный мастер, в реальном времени свёрнутый в двухканальный бинауральный рендер, который поворачивается вместе с вашей головой. Под всеми четырьмя обликами лежит одна идея – хранить звуки и их позиции, а не каналы на динамики – и один производственный мастер, файл ADM BWF. Понимать разницу продакт-менеджеру стриминга нужно потому, что студийный формат (128 входов, без потерь) и формат доставки (~16 пространственно-кодированных элементов, несколько сотен кбит/с, с потерями) – это не одно и то же, и путаница ведёт к неверному выбору кодека, неверному бюджету битрейта и неверной цели по громкости. Эта статья проходит всю цепочку – от рендерера в студии до бинаурального рендера в вашем ухе – с цифрами и управляющими стандартами для каждого звена.

Почему это важно

Если вы делаете или эксплуатируете продукт с видео или аудио – стриминг, OTT/Internet TV, e-learning, телемедицину или AR/VR, – рано или поздно клиент или продакт-менеджер произнесёт слово «Atmos», и что именно он под ним понимает, зависит от того, какой облик он видел. Маркетолог имеет в виду «ту иммерсивную штуку, что рекламирует Apple Music»; вещательный инженер – «AC-4 или E-AC-3 с метаданными объектов»; человек из кино – «64 динамика». Эта статья даёт нетехническому читателю полную модель – что хранит Atmos, как он переносится на каждой платформе, чего стоит по битрейту и какая цель по громкости применяется, – чтобы вы могли оценить иммерсивную аудиофичу, написать вменяемый бюджет хранения и CDN и говорить с аудиоинженерами без догадок. Статья опирается на классификацию канальное-объектное-сценное, но не требует, чтобы вы её прочли; каждый термин объясняется до первого употребления.

Atmos – это объектное аудио с канальной подложкой

Перед четырьмя обликами – тело под ними. Dolby Atmos – это объектное аудио, то есть файл не говорит «играй этот сигнал из левого тылового динамика». Он говорит «вот звук вертолёта, а вот его позиция в комнате – сверху, сзади, смещается влево». Звук называется аудиообъектом, а позиция во времени – это метаданные: данные о звуке. Программа под названием рендерер читает позицию и при воспроизведении вычисляет, какие из ваших реальных динамиков и насколько громко должны играть этот объект, чтобы поставить его в нужное место. В этом весь фокус, и поэтому один мастер Atmos может корректно играть в наушниках, на саундбаре, в системе 5.1 или в кинозале на 64 динамика без отдельного микса под каждый случай.

Но Atmos – не чистые объекты. Это гибрид, и именно гибрид чаще всего понимают неправильно. Микс Atmos состоит из двух слоёв. Первый – подложка (bed): набор обычного канального аудио – фиксированных каналов на динамики – для фона, музыки и всего, что не должно двигаться точно. Подложки записываются трёхчисленным обозначением, которое мы расшифруем чуть ниже, часто это 7.1.2 в домашнем рендерере. Второй слой – объекты: отдельные звуки с позиционными метаданными, которые рендерер размещает динамически. Хлопок двери, проезжающая машина, отдельная реплика – это объекты.

Рендерер Dolby Atmos, программа, в которой студии собирают микс, принимает до 128 входов суммарно, где каждый канал подложки считается одним входом и каждый объект – одним входом. В рамках этого бюджета рендерер поддерживает до 118 путей объектов, а остаток уходит на подложку. Это единственное ограничение – 128 входов, из которых до 118 могут быть движущимися объектами – всплывает снова и снова, потому что каждый облик Atmos строится из одного и того же мастера на 128 входов.

Нажмите, чтобы увеличить

Удобная аналогия держит всю статью вместе. Канальный микс – это стопка заранее подписанных конвертов: «левый тыловой динамик» написано снаружи, звук запечатан внутри, доставляется идеально только если в вашей комнате есть левый тыловой динамик в нужном месте. Объектный микс – это стопка GPS-адресов: «этот звук живёт по таким координатам», – а рендерер – это местный водитель, который знает ваш район, ваши конкретные динамики, и доставляет каждый звук в нужную точку независимо от планировки комнаты. Подложка – это горстка конвертов, которые вы держите для фона; объекты – GPS-адресованные посылки, которые должны лечь точно.

Облик 1: Atmos в кинозале

Кинозал – это место, где Atmos начался в 2012 году, с релизом «Храброй сердцем» (Brave), и это облик, ближайший к сырому мастеру. Понять, почему Dolby построил его именно так, помогает разобраться с остальным форматом. До Atmos звук в кино был канальным: фиксированное число каналов на динамики (5.1, затем 7.1), которые каждый зал подключал одинаково. Проблема была в том, что маленькая просмотровая комната и тысячеместный зал получали одно и то же небольшое число каналов, поэтому большой зал просто гонял больше динамиков с каждого канала – задний левый «канал» мог питать десяток физических динамиков, играющих одно и то же. Звук не мог плавно проехать вдоль этой стены динамиков, потому что все они были одним каналом. Atmos разбил каждый динамик на собственную адресуемую зону и позволил миксу описывать звуки как объекты, которые комната размещает сама, – так что звук может плавно проехать от экрана к задней стене зала на 64 динамика. В этом исток объектной идеи, и каждый последующий облик её наследует.

Кино-пакет Atmos несёт до 128 аудиодорожек – подложку 9.1 плюс до 118 аудиообъектов, а зал может управлять до 64 независимыми каналами на динамики, где каждый динамик – собственная адресуемая зона, а не часть сцепленного surround-массива. Тот же единственный пакет, отгружаемый внутри Digital Cinema Package (DCP, файл, который реально получает кинобудка), адаптируется под то, что есть в зале, «от 5.1 и 7.1 до 64 каналов».

Адаптация происходит вживую. Кинопроцессор Dolby Atmos в зале читает подложку и 118 путей объектов и рендерит их в реальном времени против известных позиций динамиков именно этого зала. Поэтому идентичный мастер Atmos звучит корректно и в зале на 24 динамика, и на 64: творческий замысел («вертолёт сверху и сзади, движется влево») сохраняется, а каждый зал решает задачу размещения под свою геометрию.

Две оговорки важны для любого, кто рассуждает об Atmos в продукте. Во-первых, Dolby описывает кино-пакет как несущий аудио без потерь – это верно для DCP, и это единственное место, где «lossless Atmos» применим в обиходе. Стриминговые облики из следующего раздела – с потерями. Не переносите слово «без потерь» из описания кино в стриминговый pipeline. Во-вторых, кинозальная цифра 118 объектов и цифра 118 объектов домашнего рендерера – это одно и то же архитектурное число (128 входов минус подложка примерно из 9–10 каналов), а не два независимых факта. Произнесите его один раз и переиспользуйте.

Облик 2: Atmos дома и в стриминге

Отгружать 128 отдельных каналов аудио в гостиную непрактично; на 48 кГц и 24 битах на отсчёт без сжатия один канал стоит:

48 000 отсчётов/с × 24 бита/отсчёт = 1 152 000 бит/с = 1.152 Мбит/с на канал
128 каналов × 1.152 Мбит/с          = 147.5 Мбит/с

Около 147 Мбит/с только на аудио абсурдны для домашней доставки – это затмило бы видео. Поэтому домашний Atmos делает две вещи: пространственно кодирует сцену в горстку элементов, затем несёт эти элементы внутри обычного кодека.

Пространственное кодирование: со 128 элементов до ~16

Пространственное кодирование – это алгоритм, который группирует 128 подложек и объектов в 12, 14 или 16 перцептивно различимых элементов, часто называемых кластерами: объекты, расположенные близко в пространстве или которые ухо всё равно не различает, сливаются в один переносимый элемент, а метаданные фиксируют, как их снова развернуть. Это самое важное число про доставочный Atmos: студия собирает до 128 элементов, но передаётся всего ~12–16 элементов. Вы не стримите 128 каналов. Вендор или коллега, говорящий «Atmos – это 128 каналов аудио по проводу», спутал студийный формат с доставочным.

Нажмите, чтобы увеличить

Кодек переноса: Dolby Digital Plus с Joint Object Coding

Самый частый способ, которым стриминговый Atmos попадает домой в 2026 году, – это Dolby Digital Plus – технически Enhanced AC-3, или E-AC-3 – несущий функцию Joint Object Coding (JOC). Управляющий стандарт для E-AC-3 – ETSI TS 102 366 (действующая опубликованная редакция V1.4.1, 2017-09), где Enhanced AC-3 описан в приложении E; американский эквивалент – ATSC A/52, тоже приложение E. Диапазон скоростей E-AC-3 – от 32 кбит/с до 6.144 Мбит/с.

Хитрость JOC – обратная совместимость. Поток DD+ JOC – это обычное 5.1 (или 7.1) ядро Dolby Digital Plus плюс боковая нагрузка – данные JOC и метаданные объектов (OAMD), – позволяющая современному декодеру реконструировать объектную сцену. Устройство, никогда не слышавшее об Atmos, просто декодирует ядро 5.1 и игнорирует боковые данные. Так один поток обслуживает и старый саундбар, и новый ресивер Atmos. Это именно то свойство «плавной деградации», которого хочет стриминговый продукт: один рендишн, две аудитории.

Практические битрейты – то место, где мышление «студия против доставки» окупается. Кодер Dolby определяет минимумы в 384 кбит/с для пространственного кодирования в 12 элементов и 448 кбит/с для 16 элементов. В реальном премиальном видеостриминге наблюдаемая цифра обычно выше – часто 640–768 кбит/с, – но это наблюдаемые числа, а не предписанное значение. Сравните 768 кбит/с с наивными 147.5 Мбит/с из примера выше – и получите сжатие примерно 100:1: этот разрыв и есть вся причина, почему «студийный Atmos» и «стриминговый Atmos» нельзя считать одним и тем же битстримом. (Побочный плюс: DD+ JOC укладывается значительно ниже примерно 1 Мбит/с обратного канала HDMI ARC, поэтому Atmos из ТВ-приложения может дойти до саундбара по обычному ARC без более нового eARC.)

Кодек переноса нового поколения: Dolby AC-4

Кодек-преемник – Dolby AC-4, управляемый ETSI TS 103 190-1 (ядро кодека) и ETSI TS 103 190-2 (иммерсивное и персонализированное аудио, действующая редакция V1.3.1, 2025-07), со ссылочным рендерером в ETSI TS 103 448. AC-4 несёт иммерсивный/объектный Atmos примерно на половине битрейта DD+ при сопоставимом качестве, используя более продвинутую схему кодирования объектов, которую Dolby называет A-JOC (Advanced Joint Object Coding).

Белая книга Dolby приводит цифры эффективности: иммерсивный микс 7.1.4 характеризуется как «хороший» примерно на 192 кбит/с и «отличный» примерно на 320 кбит/с, а двухканальный вариант Immersive Stereo (IMS) почти прозрачен на 256 кбит/с, хорош на 112 кбит/с и приемлем уже от 64 кбит/с. Считайте это собственными качественными характеристиками Dolby, а не жёсткими лимитами стандарта. На 2026 год AC-4 в стриминге скорее появляется, чем повсеместен – большинство подписного видео по запросу всё ещё отгружает Atmos как DD+ JOC, а развёртывания AC-4 в стриминговых сервисах ранние, – поэтому для продукта, нацеленного на самую широкую базу устройств сегодня, DD+ JOC остаётся безопасным дефолтом, а AC-4 – опцией на будущее.

Исключение без потерь: TrueHD на диске

Есть одно потребительское место, где Atmos действительно lossless: Dolby TrueHD на Blu-ray и 4K UHD Blu-ray. TrueHD использует Meridian Lossless Packing (MLP) и встраивает метаданные объектов Atmos внутрь потока без потерь. Это только для дисков; ни один стриминговый сервис не доставляет TrueHD Atmos, потому что битрейт составил бы много мегабит в секунду. Если требование гласит «lossless Atmos», речь о физическом носителе, а не о потоке.

Таблица 1. Три пути переноса Atmos, с которыми сталкивается продакт, с управляющим стандартом и местом появления каждого. Подсвеченные ячейки отмечают ключевое свойство кодека.

Облик 3: Atmos в музыке

Atmos перешёл из кино в музыку, когда Apple запустила Spatial Audio в Apple Music в 2021 году, и у музыкального облика свои правила – отличные от видео в двух местах, которые ловят людей: иное разделение доставки и, что критично, иная цель по громкости.

Со стороны доставки Apple Music доставляет Atmos через DD+ JOC, тогда как отраслевая пресса указывает, что Amazon Music и Tidal опираются на AC-4 Immersive Stereo (IMS) для оптимизированного под наушники воспроизведения. Разделение кодеков по платформам приводит индустриальная пресса, а не единая вендорская спека, поэтому точное «кто что использует» относите к тому, что требует подтверждения перед закреплением в договоре; безопасное долгоиграющее утверждение – что музыкальный Atmos едет на тех же двух кодеках переноса, что и видеоверсия.

Правило громкости – то, что надо запомнить. Музыкальный Atmos не должен превышать −18 LKFS интегрированной громкости, измеренной по ITU-R BS.1770-4, с истинным пиком не выше −1 dBTP, и альбомы измеряются по трекам, а не агрегированно. (LKFS и LUFS – одна шкала для наших целей; вещательные и ATSC-документы говорят LKFS, стриминговые и музыкальные – чаще LUFS.) Эта цель −18 LUFS намеренно тише типичного стереомастера, который после «войны громкостей» часто сидит около −10…−14 LUFS. Следствие реально и стоит того, чтобы предупредить всех, кто отгружает музыку: микс Atmos рядом со стереоверсией может звучать тише, и инженеры, не учитывающие этого, жалуются, что версия Atmos «глуховата». Она не глуховата – она корректно сведена к более тихой, более динамичной цели.

«Подводный камень – неверная цель по громкости. Музыкальный Atmos целится в −18 LUFS интегрированных (по трекам). Стриминговое видео Atmos использует совсем другой референс: Netflix и Dolby задают примерно −27 LKFS dialogue-gated для домашних/стриминговых миксов (диалог-взвешенное измерение, не тот же метод, что интегрированная музыкальная громкость). Это разные числа, измеренные разными методами для разного контента. Применить музыкальные −18 к киномиксу или видео-−27 к музыкальному мастеру – значит получить материал, проваливающий QC. Подгоняйте цель под домен.»

Ещё одна музыкальная деталь ловит инженеров. Поскольку большая часть музыкального Atmos слушается в наушниках, спека доставки Apple просит микшера задать Binaural Render Mode – Off, Near, Mid или Far – для каждого канала подложки и каждого объекта, управляя тем, насколько «далёким» звучит этот элемент в бинауральном рендере, и держать пик-лимитинг бинаурала на уровне не более примерно 3 дБ. Это музыкальный мир тихо признаёт, что бинауральный рендер (Облик 4) – это реальная доставка для большинства слушателей, поэтому микшеру дают контроль над тем, как каждый объект виртуализуется в наушники, а не оставляют это обобщённому сведению. Для продукта, обрабатывающего музыкальный ингест, урок в том, что мастер музыкального Atmos несёт внутри себя намерение по рендеру в наушники; вырезание или игнорирование этих метаданных меняет звучание трека в AirPods.

Производственный мастер для музыки – и для всего остального – это один и тот же формат файла, о котором ниже.

Облик 4: Apple Spatial Audio (бинауральный рендер)

Четвёртый облик – тот, который большинство потребителей реально слышит: Apple Spatial Audio, Atmos с трекингом головы, который вы получаете в AirPods. Различие, которое надо держать твёрдо: мастер Atmos объектный и не привязан к динамикам, тогда как до ваших ушей в наушниках доходит бинауральный рендер – двухканальный сигнал, сконструированный так, чтобы два ваших уха воспринимали полное 3D-размещение. Бинауральное аудио – не производственный формат; это выход рендерера.

Apple производит этот рендер на устройстве, в реальном времени. По документации доставки Apple путь таков: свести мастер Atmos в 7.1.4, затем виртуализовать этот 7.1.4 в бинаурал – то есть Apple использует собственный рендерер, а не бинауральный движок Dolby. Сверху едут две дополнительные функции. Трекинг головы использует датчики движения наушников: когда вы поворачиваете голову, звуковое поле остаётся привязанным к устройству – та же идея поворота головы, что делает сценное аудио привлекательным для VR, но здесь применённая к объектному рендеру. Персонализированный Spatial Audio снимает форму вашей головы и ушей камерой TrueDepth iPhone (iOS 16 и новее), чтобы построить персональную модель того, как ваша анатомия окрашивает звук с каждого направления, – head-related transfer function, разобранную в нашей статье про амбисонику, HRTF и бинауральный рендеринг.

Нажмите, чтобы увеличить

То, что общее у всех четырёх: мастер ADM BWF

Кино, дом, музыка и бинаурал – это четыре доставки из одного источника. Этот источник – мастер Dolby Atmos, и он существует в двух эквивалентных формах. Первая – специфичная для Dolby тройка файлов: заголовок метаданных .atmos, PCM-нагрузка .atmos.audio и файл .atmos.metadata с позициями объектов и автоматизацией. Вторая, всё чаще стандарт обмена, – единый файл ADM BWF .wav: Broadcast Wave File, чьи встроенные метаданные следуют Audio Definition Model – словарю, заданному в ITU-R BS.2076 (действующая редакция – BS.2076-2), с EBU Tech 3364 в качестве спутника. Dolby публикует «Dolby Atmos Master ADM Profile», который точно фиксирует, как мастер Atmos использует ADM.

Технический базис этого мастера прост для запоминания: 24-битный линейный PCM на 48 кГц, с таймкодом 24 кадра/с. Каждый облик в этой статье рендерится из этого одного файла. Когда инженер говорит «пришли мне ADM», ему нужно именно это – объектный, не привязанный к динамикам источник, а не сведение 5.1 и не бинауральный рендер.

Здесь же живёт вопрос «настоящий Atmos против фейкового». Правила музыкальной доставки Apple прямо гласят, что стереомикс, просто помещённый в звуковое поле с добавленной реверберацией, не допускается – настоящий мастер Atmos требует авторского объектного сведения, где человек (или осознанный процесс) разместил звуки как объекты с замыслом. Автоматический апмикс стерео в Atmos, который просто рассыпает реверберацию вокруг плоского микса, – не настоящий мастер Atmos, и платформы, которые это контролируют, его отклонят. Для продуктового решения вывод в том, что «мы поддерживаем Atmos» должно означать «мы принимаем и доставляем авторские объектные мастера», а не «мы гоняем апмиксер».

Как работает громкость в обликах Atmos

Громкость заслуживает отдельного короткого раздела, потому что это самое частое место, где материалы Atmos проваливают QC, и потому что числа различаются по домену. Важны три референса:

Музыкальный референс – −18 LUFS интегрированных, −1 dBTP истинный пик, измеренные по ITU-R BS.1770-4, по трекам. Стриминговый и домашний видео-референс – примерно −27 LKFS dialogue-gated (значение, к которому профессиональный кодер Dolby по умолчанию приводит диалог-нормализацию, или «dialnorm», для киносаундтреков, и которое Netflix предписывает для домашних миксов Atmos), что при измерении как полнопрограммная интегрированная громкость садится около −24 LKFS. Само значение dialnorm – это метаданные: оно говорит декодеру, насколько громким был сведён диалог, чтобы устройство воспроизведения могло нормализовать разные программы к единому уровню без перекодирования аудио.

Вывод продуктового уровня: у вопроса «какой LUFS должен быть у Atmos?» нет единого ответа – он зависит от того, отгружаете ли вы музыку или видео, и какой метод измерения (интегрированный против диалог-взвешенного) задаёт платформа. Ошибётесь – материал отклонят; ошибётесь в методе измерения – и можно попасть в нужное число неверным путём и всё равно провалить QC.

Расшифровка обозначений раскладки динамиков

Трёхчисленное обозначение встречается по всей документации Atmos, и одна расшифровка снимает большую часть путаницы. Шаблон – пол . LFE . высота:

• Первое число считает полнодиапазонные динамики на уровне ушей вокруг слушателя.
• Второе число считает канал низкочастотных эффектов – «LFE», глубокобасовый канал, который играет ваш сабвуфер. Это «точка один», потому что он несёт лишь примерно 20–120 Гц, около десятой части полосы полного канала, а не потому, что он ровно один.
• Третье число считает потолочные динамики – слой высоты, который делает Atmos «иммерсивным».

Так 5.1.2 – это пять динамиков на уровне ушей, один сабвуфер, два потолочных; 7.1.4 (домашняя референсная раскладка Dolby) – семь на уровне ушей, один саб, четыре потолочных – двенадцать динамиков; а 9.1.6, крупнейшая именованная домашняя раскладка, для которой Dolby публикует гайды по настройке, – это шестнадцать. Тот же поток Atmos автоадаптируется под все из них, потому что рендерер размещает объекты под любую найденную раскладку. Чётко отметьте разделение доменов: домашние раскладки упираются в именованную 9.1.6 (а большинство потребительских ресиверов – в 7.1.4, 11-канальный аппаратный лимит, а не лимит формата), тогда как кино масштабируется до 64 независимых каналов. Кино и дом – разные миры; не цитируйте кинозальное число динамиков при оценке домашней или стриминговой фичи.

Где Atmos стоит рядом с конкурентами

Для полноты – два смежных формата всплывают всякий раз вместе с Atmos. DTS:X – главный конкурент Dolby: тоже объектный, тоже гибкий к раскладке, конкурирующий на экосистеме и лицензировании, а не на иной базовой философии; для продуктового решения относите DTS:X и Atmos к одной категории. MPEG-H 3D Audio, заданный как ISO/IEC 23008-3, – открытый ISO-стандарт иммерсивного звука, несущий канальное, объектное и сценное аудио в одном битстриме (до 64 каналов на динамики и 128 кодек-ядерных каналов), – это вещательная альтернатива: единственная аудиосистема сервиса ATSC 3.0 Южной Кореи и один из двух вариантов (наряду с Dolby AC-4) в аудиостандарте ATSC 3.0 США A/342. Atmos – не MPEG-H; когда вещательная цель требует MPEG-H, это другой путь авторинга и переноса, разобранный в MPEG-H 3D Audio: открытый ISO-стандарт иммерсивного звука.

Где здесь Фора Софт

Фора Софт делает видеопродукты с 2005 года – стриминг, OTT/Internet TV, видеоконференции, e-learning, телемедицину, видеонаблюдение и AR/VR, – и иммерсивный звук это та часть таких pipeline'ов, которую пользователи замечают первой, когда она ломается. В OTT- и стриминговых проектах мы настраиваем доставку Atmos как E-AC-3 JOC – широко совместимый дефолт – с AC-4 там, где база устройств это поддерживает, и держим канальные stereo- и 5.1-фолбэки, чтобы тайтл корректно играл от телефона до домашнего кинотеатра. Мы считаем мастер ADM BWF единственным источником истины и рендерим из него облики, а не апмиксим стерео. В AR/VR-проектах, где звуковое поле должно следовать за гарнитурой, мы опираемся на идеи рендера с трекингом головы, которые популяризировал Apple Spatial Audio. Смысл знать все четыре облика практический: так вы оцениваете фичу Atmos, которая отгружается на устройства, на битрейтах и с целями по громкости, которые реально требуются вашим пользователям и платформам.

Главное

• Atmos – объектное аудио плюс канальная подложка; один мастер, 128 входов, до 118 объектов.
• Кино рендерит до 128 дорожек вживую на до 64 динамиков; DCP – без потерь.
• Стриминг кодирует пространственно до ~12–16 элементов в E-AC-3 JOC (~384–768 кбит/с) или AC-4.
• AC-4 несёт Atmos примерно вдвое дешевле DD+; TrueHD на диске – единственный потребительский lossless Atmos.
• Музыка целится в −18 LUFS интегр.; стриминговое видео – ~−27 LKFS dialogue-gated; не путать.
• Apple Spatial Audio – это бинауральный рендер мастера Atmos с трекингом головы, а не сам мастер.
• ADM BWF .wav (24 бита/48 кГц, ITU-R BS.2076) – единственный мастер, из которого рендерятся все четыре облика.

Что почитать дальше

• Канальное, объектное и сценное аудио: в чём разница
• MPEG-H 3D Audio: открытый ISO-стандарт иммерсивного звука
• Atmos и иммерсивный звук в стриминге: Netflix, Disney+, Apple TV+, Tidal