I sammanhanget: Att modellera ljud i en VR-miljö är mycket komplex. Att slå ett vinglas vid olika punkter ger till exempel ett annat ljud. På samma sätt får en platta som faller isär inte bara ljudet att bryta utan också bitarna som studsar från golvet. För att inte nämna den extra komplexiteten hos riktningsljud.
Traditionell modellering av röstförökning kan ta timmar eller till och med dagar, vilket gör den värdelös i virtuell verklighet på grund av plattformens natur som inte har något manus. Men forskare vid Stanford University har utvecklat en algoritm som kan utföra de beräkningar som behövs på några sekunder. Det är inte tillräckligt nära realtiden för att kunna producera ljud som det gör i VR, men det kan användas för att förbereda ljud snabbt.
“Att göra det lättare att göra modeller gör det praktiskt att bygga interaktiva miljöer med realistiska ljudeffekter”, säger Stanford professor i datavetenskap Doug James.
Fram till nu förlitade sig ljudutbredningsmodellen på algoritmer baserade på arbetet från 1800-talets forskare Herrmann von Helmholtz. Traditionell modellering använder Helmholtz-ekvationen och BEM-metoden, vilket tar mycket lång tid att återge. James och en av hans doktorander, Jui-Hsien Wang, kasserade den gamla Helmholtz-modellen och fokuserade på arbete utfört av 1900-talets österrikiska kompositör Fritz Heinrich Klein.
Klein kombinerade tolv pianoteckningar till ett ackord som heter Mutterakkord (moderakkord) för 1921-kompositionen av Die Maschine. James och Wang antog en metod som liknar deras algoritm, som de kallade KleinPAT.
“(Literacy) Mor är ordnad så att den innehåller en instans av varje intervall i en oktav,” skrev James och Wang i sitt papper, KleinPAT: Incorporating Optimal Modes for Time-Domain Pre-Calculation of Acoustic Transfer. “Vår KleinPAT-algoritm justerar optimalt olika tonerlägen från 3D-objekt som vibrerar till ackord, som sedan spelas tillsammans av tidsdomänvektorbrytare för att effektivt uppskatta alla områden för akustisk överföring.”
Denna forskning betraktas fortfarande som ett tidigt skede och kräver specialutrustning. Så det kan ta lite tid innan vi ser att det implementeras på kommersiella VR-riggar. System som stöds av Stanford GPU kan dock beräkna samma ljud som BEM-modellering, med undantag för hundratals eller till och med tusentals gånger snabbare.
Bildkredit: Design Reality
