本章要回答的三个问题:一,当生成式模型开始"合成"而非"重建"音频,编码的定义会发生什么变化——Lyra 与 Satin 这类神经编码器离实用还有多远?二,空间音频(MPEG-H 3D、Ambisonics)把编码对象从声道升级为声场,AAC 与 Opus 的架构各处于什么位置?三,LC3、USAC 这些新一代标准从两代编码器的竞争里学到了什么,格局会被怎样改写?
技术教程不讲未来,读者就会拿旧地图走新路。但讲未来有两个陷阱:一是把实验室演示当成明天的事实,二是把"新"当"好"。本章的对策是把每个新方向都放回前五章建立的坐标系里检验:神经编码改变了什么(重建范式)、没改变什么(率失真与延迟预算);空间音频改变了什么(表示域)、没改变什么(感知裁决权);LC3/USAC 改变了什么(生态与授权格局)、没改变什么(场景划分的基本逻辑)。
换句话说,本章仍是对比驱动的——只不过对比的一方换成了未来。
对照开头的三个问题,本章结束时你应当能够:
| 节 | 回答的问题 | 关键产出 |
|---|---|---|
| 6.1 神经音频编码 | 生成式范式改写了什么 | 范式对照与落地障碍清单 |
| 6.2 空间音频与沉浸式编码 | 表示域升维意味着什么 | 声场编码概念图与选型判断 |
| 6.3 格局再洗牌 | 新标准从竞争中学到了什么 | 演进家谱与影响评估 |
三节共同回答一个元问题:AAC 与 Opus 的经验里,哪些属于"这一个编码器",哪些属于"音频编码这门工程"的长期不变量。不变量清单就是本章的真正产出。
图里值得注意的一条暗线:SBR/PS 的"参数化重建"思想(第 2.3 节)与神经生成编码(第 6.1 节)之间的继承关系——生成模型某种意义上是"参数化重建的极限形态",只不过参数从人手工设计的包络格子变成了网络学出的潜变量。
本章是全册最后一章,出口处你会得到一张"不变量清单"——延迟预算思维、测量方法论、场景约束场分析、生态核查——它们在编码器换代的周期里存活率最高。带着它们,你可以独立评估任何下一代技术,这正是一门教程能给读者的最后一件装备。