Eine Testkarte eines Spiels erzeugte 56 TB rohe Wellensimulationsdaten, und der Encoder speicherte sie in 41 MB, ein Kompressionsfaktor von über einer Million (Raghuvanshi und Snyder, ACM Transactions on Graphics 2014). Auf der SIGGRAPH 2026 senkte ein Team von Ubisoft La Forge und Audiokinetic eine unkomprimierte Parameterfamilie von 182 GB auf 14 MB, und 28 Fachleute für Spieleaudio bewerteten das Ergebnis mit 61,8 gegenüber 62,6 für die Referenz (Seuté et al., SIGGRAPH Conference Papers 2026). Echtzeit-Raytracing arbeitet mit einem deutlich knapperen Budget: Das Steam-Audio-Plugin von Valve verwendet standardmäßig 4.096 Strahlen und 4 Reflexionen (Valve, Quellcode des Steam-Audio-Unity-Plugins). Wir haben Daten aus ACM Transactions on Graphics, ACM SIGGRAPH, IEEE Virtual Reality, dem Journal of the Acoustical Society of America und der Herstellerdokumentation von Valve, AMD, NVIDIA und Meta zusammengetragen. Während unsere Statistiken zu Spatial Audio Geräte und Verbrauchernachfrage verfolgen, verfolgt diese Zusammenstellung die Technik darunter: Rechenaufwand, Datengröße und was Hörer tatsächlich wahrnehmen.
TL;DR
- 56 TB rohe Simulationsdaten wurden für eine Testkarte auf 41 MB codiert (Raghuvanshi und Snyder, ACM TOG 2014).
- 182 GB unkomprimierte Wellencodierungsdaten gegenüber 14 MB für ein latentes Modell, bewertet mit 61,8 gegenüber 62,6 beim Realismus (Seuté et al., SIGGRAPH 2026).
- Frühe Reflexionen wurden unterscheidbar, sobald sich die mittlere freie Weglänge, die durchschnittliche Strecke, die Schall zwischen Reflexionen zurücklegt, um mehr als 0,06 m änderte (Rungta et al., P-Reverb, 2019).
- Steam Audio verwendet standardmäßig 4.096 Echtzeit-Strahlen und 4 Reflexionen (Valve, Quellcode des Steam-Audio-Unity-Plugins).
- Ein GPU-Compute-Framework hielt 80-100 FPS bei 16.000 Strahlen pro Frame auf einer RTX 2060 (Abschlussarbeit der Universität Göteborg).
- Eine hybride Pipeline aus Raytracing und neuronalem Netz brauchte in vier Szenen 6,78 bis 12,95 ms pro Frame (Tang et al., IEEE VR 2021).
- Ein neuronaler Generator erzeugte einen akustischen Effekt in 0,1 Millisekunden auf einer RTX 2080 Ti (Ratnarajah und Manocha, IEEE VR 2024).
- Beugung 10. Ordnung lief bis zu 568-mal schneller als der bisherige Stand der Technik (Schissler et al., SIGGRAPH 2021).
- Der Unterschied zwischen simulierten und gemessenen Impulsantworten war in neun Testumgebungen stets deutlich hörbar (Brinkmann et al., JASA 2019).
- Das Nachhallverfahren veränderte die wahrgenommene Entfernung in einer dynamischen Szene, F(1,16) = 15,29, p < 0,01 (Rungta et al., 2017).
1. Wellen-Bakes: Terabytes rein, Megabytes raus
Die Wellensimulation löst die Physik des Schalls direkt, sodass Okklusion (ein blockierter Klang wird dumpf) und Beugung (Schall krümmt sich um eine Kante) aus der Mathematik entstehen und nicht aus einem von Hand abgestimmten Filter. Sie ist für ein laufendes Spiel viel zu langsam, deshalb backen Studios: Sie berechnen die Akustik vorab und liefern nur die Ergebnisse aus. Ein Faktor von über einer Million trennt, was der Bake berechnet, von dem, was der Spieler installiert.
Diese Trennung entscheidet, wer sich die Technik leisten kann. Ein Bake, der auf einem Cluster mit 140 Rechnern in Stunden gemessen wird, ist für ein kleines Team ein ganz anderes Angebot: Der Bericht eines Entwicklers ergibt etwa 778 Stunden auf einem einzelnen 8-Kern-Rechner, wenn alles hintereinander läuft (3.500 Sonden × 800 Sekunden ÷ 3.600). Jede Sonde, ein Abtastpunkt im Level, an dem der Schall simuliert wird, kann an einen anderen Rechenknoten geschickt werden, weshalb derselbe Thread auf Cloud-Baking verweist. Der Ansatz ist keine Laborkuriosität: Microsoft Research nennt Gears of War, Sea of Thieves und Borderlands 3 unter den damit entwickelten Titeln.
| Metrik | Wert | Quelle |
|---|---|---|
| Rohe Simulationsdaten gegenüber codierten Laufzeitdaten, Testkarte Sanctuary | 56 TB gegenüber 41 MB | Neueste verfügbare Daten: Raghuvanshi und Snyder, ACM TOG 2014 |
| Bake-Zeit und codierte Größe über die fünf Testkarten des Papers | 4 bis 20 Stunden auf einem Cluster mit 140 Rechnern; 20,8 MB bis 53,7 MB | Neueste verfügbare Daten: Raghuvanshi und Snyder, ACM TOG 2014 |
| Von einem Entwickler berichtete Bake-Last in einem Projekt | 3.500 Sonden bei 800 Sekunden pro Sonde auf einer 8-Kern-CPU | Neueste verfügbare Daten: GitHub, microsoft/ProjectAcoustics issue 55, 27. Mai 2021 (Bericht eines Entwicklers) |
| Unkomprimierte Daten für eine akustische Parameterfamilie, Wellencodierung gegenüber latentem Modell | 182 GB gegenüber 14 MB (Szene Wwise Audio Lab); 3,1 GB gegenüber 1,8 MB (Szene Audio Gym) | Seuté et al., Reciprocal Latent Fields, SIGGRAPH Conference Papers 2026 |
| Randelement-Simulation zum Aufbau eines neuronalen Trainingsdatensatzes | Etwa 12 Tage für etwa 100.000 Objekte, bis 1.000 Hz | Neueste verfügbare Daten: Tang et al., IEEE VR 2021 |
| Zeit der Randelement-Simulation pro Objekt, 125 Hz gegenüber 1.000 Hz | 0,87 s gegenüber 2,80 s | Neueste verfügbare Daten: Tang et al., IEEE VR 2021 |
| Bake-Zeit für eine akustische Karte mit Raytracing, keine Wellensimulation (Angabe von Meta selbst) | Sekunden bis Minuten, je nach Szenenkomplexität | Meta, Dokumentation zu Acoustic Ray Tracing for Unity |
Vergleichshinweis: 41 MB ist ein komprimierter Wert, während 182 GB und 14 MB unkomprimiert sind, die beiden Zeilen sind also nicht direkt vergleichbar. Das Paper von 2026 behandelt die Kompression als nicht Teil seines Umfangs und gibt kein Verhältnis an. Unsere Rechnung für seine größte Szene lautet 182.000 MB ÷ 14 MB = 13.000 zu 1.
2. Laufzeitkosten: Mikrosekunden pro Quelle
Das Baking verlagert den Aufwand aus dem Frame. Sobald die Daten existieren, ist das Nachschlagen nahezu kostenlos, und das ist das ganze Argument für die Technik: etwa 100 Mikrosekunden pro Quelle auf einem Intel Xeon E5540 mit 2,53 GHz, bei rund 100 unterstützten aktiven Klängen. Die Kosten, die der Rechner des Spielers trägt, sind ein kleiner Lookup, und der teure Teil ist bereits auf dem Cluster von jemand anderem passiert.
Neuronale Modelle konkurrieren inzwischen im selben Bereich. Die neuesten Berichte liegen zwischen Mikrosekunden und niedrigen Millisekunden, sind aber nicht unter gleichen Bedingungen gemessen: Manche nutzen einen einzelnen CPU-Thread, andere eine High-End-GPU, und eine GPU, die ihren Frame mit Grafik verbringt, ist nicht kostenlos. Lesen Sie diese Tabelle als Größenordnungen, nicht als Rangliste.
| Metrik | Wert | Quelle |
|---|---|---|
| Dekodierzeit pro Quelle, gemittelt über 100.000 zufällige Punktpaare ohne Cache | Etwa 100 μs; etwa 100 aktive Klänge | Neueste verfügbare Daten: Raghuvanshi und Snyder, ACM TOG 2014 |
| Akustik-Abfragezeit auf dem PC, Version 2.0 gegenüber 3.0 (Angabe von Microsoft selbst) | Cache-Treffer (Daten bereits im Speicher) 25 auf 15 μs; Cache-Fehlzugriff 1.100 auf 40 μs | Neueste verfügbare Daten: Microsoft, Ankündigung von Project Acoustics 3.0, 31. August 2022 |
| Inferenz des latenten Modells pro 100 Quelle-Empfänger-Paare, ein CPU-Thread | 10 μs bis 93 μs für die drei latenten Varianten; 247 μs für das große Vergleichsnetz | Seuté et al., SIGGRAPH 2026 |
| Zeit zur Erzeugung eines akustischen Effekts für eine Quellen- und Hörerposition | 0,1 Millisekunden auf einer RTX 2080 Ti | Ratnarajah und Manocha, Listen2Scene, IEEE VR 2024 |
| Erzeugte neuronale Impulsantworten für eine möblierte Innenraumszene | Mehr als 10.000 pro Sekunde auf einer RTX 2080 Ti | Neueste verfügbare Daten: Ratnarajah et al., MESH2IR, ACM Multimedia 2022 |
| Frame-Zeit, Raytracing plus neuronale Streuungsvorhersage, vier Szenen | 6,78 ms bis 12,95 ms; die Vorhersage selbst ≤1 ms pro Ansicht | Neueste verfügbare Daten: Tang et al., IEEE VR 2021 |
| VRWorks-Audio-Filter pro Quelle-Hörer-Paar (Angabe von NVIDIA selbst) | 2 Filter, bis 48.000 Hz und bis 2 Sekunden lang | NVIDIA, VRWorks Audio SDK in Depth |
Eine Impulsantwort ist die Aufzeichnung, wie ein Raum auf einen einzelnen Klick antwortet. Sie auf einen trockenen Klang anzuwenden, nennt man Faltung, und die Zahl der Filter, die dieser Schritt braucht, wächst mit dem räumlichen Detail schnell (siehe Abschnitt 4).
3. Strahlenbudgets: Tausende, nicht Millionen
Audio-Raytracing lebt von einem kleinen Budget, weil jeder Strahl mit dem Rest des Frames um Zeit konkurriert. Ein Standardwert von 4.096 Strahlen ist die Zahl, die den Maßstab des Echtzeitproblems am deutlichsten markiert. Steam Audio verfolgt diese Strahlen vom Hörer aus, die Einstellung beschreibt also ein Budget für die Szene und keinen Wert pro Quelle.
Veröffentlichte Spiele geben diese Zahl selten an. Massive Entertainment sagt, dass Avatar: Frontiers of Pandora in jedem Frame »Tausende von Strahlen« auf der GPU für die Schallverdeckung aussendet, innerhalb eines hybriden Systems (Beschreibung des Studios selbst, ohne genaue Zahl). Verdeckung (Obstruktion) bedeutet eine teilweise Blockade, bei der der Schall den Hörer noch auf einem anderen Weg erreicht, im Gegensatz zur vollständigen Okklusion. Forschungssysteme berichten von deutlich tieferem Tracing, 50 bis 200 Reflexionsordnungen in der Tabelle unten, gegenüber einem Standardwert von 4 Reflexionen in Steam Audio. Die Lücke ist der Abstand zwischen dem, was eine Labordemo aufwenden kann, und dem, was eine Standardeinstellung voraussetzt.
| Metrik | Wert | Quelle |
|---|---|---|
| Standard-Strahlen und -Reflexionen, Echtzeit gegenüber Bake (Standardeinstellung von Valve) | 4.096 Strahlen und 4 Reflexionen gegenüber 16.384 Strahlen und 16 Reflexionen | Valve, Quellcode des Steam-Audio-Unity-Plugins, Branch master |
| Standardgrenzen in Echtzeit (Standardeinstellung von Valve) | 32 Quellen (maximal 128); 5% der CPU-Kerne | Valve, Quellcode des Steam-Audio-Unity-Plugins |
| Obergrenze für Okklusionsabtastungen pro Quelle (Standardeinstellung von Valve) | Standardmäßig 16, Bereich 1 bis 128 | Valve, Quellcode des Steam-Audio-Unity-Plugins |
| Raytracing per GPU-Compute-Shader in einer komplexen Architekturszene, RTX 2060 | 16.000 Strahlen pro Frame bei etwa 80-100 FPS | Abschlussarbeit der Universität Göteborg, A GPU Compute Framework for Real-Time Ray-Traced Acoustic Simulation in Unity |
| Verfolgte Reflexionsordnungen für den späten Nachhall | 200 Ordnungen über sieben Oktavbänder, 125 Hz bis 8.000 Hz | Neueste verfügbare Daten: Tang et al., IEEE VR 2021 |
| Bei interaktiven Raten auf einem Mehrkern-PC unterstützte Reflexionsordnungen | 50 bis 100 Ordnungen spiegelnder und diffuser Reflexionen | Neueste verfügbare Daten: Rungta et al., 2017 |
| Mittlere Simulationszeit pro Abtastpunkt, drei Szenen, frühe gegenüber späten Reflexionen | 16,7 ms bis 47,5 ms gegenüber 68,4 ms bis 150,7 ms | Neueste verfügbare Daten: Rungta et al., P-Reverb, 2019 |
Diese P-Reverb-Zeiten gelten pro Punkt während der Vorberechnung, nicht pro Frame während des Spiels. Der Nachhall, den Ingenieure in einem Spiel messen, ist dieselbe physikalische Größe, die unsere Statistiken zur Nachhallzeit in Konzertsälen antreibt, nur unter einem Zeitlimit von Millisekunden berechnet.
4. Beschleunigungen: Angegeben gegenüber gemessen
Bei jedem Schlagzeilen-Multiplikator in diesem Feld muss der Nenner geprüft werden. Die Zahl 50-150X für GPU-Baking vergleicht mit dem eigenen integrierten Tracer eines einzelnen Herstellers, für das Baking von Nachhall, in zwei Szenen mit 80.000 und 140.000 Dreiecken. Das ist eine nützliche Aussage über Vorberechnungswerkzeuge und sagt nichts darüber, was in einem Live-Frame geschieht.
GPU-Rechnen hat außerdem eine physikalische Obergrenze. Eine Verdopplung der für Audio reservierten Recheneinheiten bringt weniger als die doppelte Geschwindigkeit, und Audio muss sich den Chip mit der Grafik teilen. Die andere Grenze ist die Faltung: Der Wechsel von Ambisonics nullter Ordnung zu Ambisonics dritter Ordnung, einem Format, das Schall aus sechzehn Richtungen auflöst, vervielfacht die Zahl der Filter um 16. Zwei der unabhängigen Paper unten berichten von Gewinnen um das 3- bis 5-Fache, und diese stammen daraus, weniger Arbeit zu leisten (weniger Strahlen, weniger Abtastpunkte), statt dieselbe Arbeit auf schnellerem Silizium auszuführen.
| Metrik | Wert | Quelle |
|---|---|---|
| Beschleunigung beim Nachhall-Baking gegenüber dem integrierten Raytracer von Steam Audio (Angabe von Valve selbst) | 50-150X mit Radeon Rays auf OpenCL-1.2-GPUs; etwa 20X mit Embree auf aktuellen 4-Kern-CPUs | Neueste verfügbare Daten: Valve, Steam-Audio-News, 30. Oktober 2019 |
| Beschleunigung bei Verdopplung der GPU-Recheneinheiten für Radeon Rays, 4 auf 8 oder 8 auf 16 (Angabe von Valve selbst) | Etwa 1,2x bis 1,9x | Neueste verfügbare Daten: Valve, Steam-Audio-News, 21. Februar 2019 |
| Faltungsfilter für 16 Quellen, Ambisonics dritter gegenüber nullter Ordnung (Demo von AMD selbst) | 256 gegenüber 16 | Neueste verfügbare Daten: AMD GPUOpen, TrueAudio Next acceleration of Steam Audio, 21. Oktober 2019 |
| Rechenzeit durch adaptives Raytracing mit Impulsantwort-Cache, gegenüber früheren Ansätzen | 5x Beschleunigung | Neueste verfügbare Daten: Schissler und Manocha, i3D 2016 |
| Speicher-Overhead desselben Verfahrens, gegenüber früheren Ansätzen | Etwa zwei Größenordnungen niedriger | Neueste verfügbare Daten: Schissler und Manocha, i3D 2016 |
| Beschleunigung durch Clustern von Abtastpunkten nach Wahrnehmungsschwellen, drei Szenen | 3x bis 4x | Neueste verfügbare Daten: Rungta et al., P-Reverb, 2019 |
| Neuronale Impulsantwort-Erzeugung gegenüber einem geometrischen Akustikalgorithmus auf einer CPU | Mehr als 200-mal schneller | Neueste verfügbare Daten: Ratnarajah et al., MESH2IR, ACM Multimedia 2022 |
Ausreißer-Hinweis: Der MESH2IR-Multiplikator vergleicht ein GPU-Netz mit einem CPU-Algorithmus, ein Teil der Lücke liegt also an der Hardware und nicht am Verfahren. Die Werte pro Szene von Valve erscheinen nur in einer Diagrammgrafik, daher geben wir die in seinem Text genannten Bereiche an.
5. Okklusion und Genauigkeit: Wo die Fehler liegen
Die Zahl, die der Okklusion selbst am nächsten kommt, ist der Direktschallpegel, den ein Paper von 2026 als den Parameter definiert, der die Entfernungsdämpfung und die Verdeckung erfasst. Selbst die leistungsstärkste latente Variante dort verfehlt ihn um 1,9 dB in einer kleinen Szene und um 4,2 dB in einer größeren, und die Pipeline von 2014 berichtete eine ähnliche Größenordnung beim Lautheitsfehler. Das sind Fehler gegenüber einer Referenzsimulation, nicht gegenüber einem realen Raum.
Gegenüber realen Räumen ist das Bild weniger schmeichelhaft. Ein Ringvergleich (Round Robin) im Journal of the Acoustical Society of America stellte fest, dass der Unterschied zur Messung stets deutlich hörbar war und die Algorithmen meist plausibel, aber nicht authentisch waren. Die Autoren führen diese Lücke weitgehend auf vereinfachte Absorptions- und Streuungsdaten und auf eine schwache Modellierung der Beugung zurück, genau des Effekts, von dem die Okklusion abhängt. Gemessene Referenzen dieser Art sind der Grund, warum Messungen im schalltoten Raum für die Simulationsarbeit weiterhin wichtig sind.
| Metrik | Wert | Quelle |
|---|---|---|
| Mittlerer Fehler der vollständigen codierten Wellen-Pipeline | 3,3 dB bei der Lautheit; 22,5% bei der Abklingrate | Neueste verfügbare Daten: Raghuvanshi und Snyder, ACM TOG 2014 |
| Mittlerer absoluter Fehler der besten latenten Variante, Szene Audio Gym gegenüber Szene Wwise Audio Lab | Direktschallpegel 1,9 dB gegenüber 4,2 dB; Einfallsrichtung 3,8 gegenüber 3,2 Grad | Seuté et al., SIGGRAPH 2026 |
| Normalisierter Wiedergabefehler der vorhergesagten akustischen Streuung, insgesamt und nach Frequenz | 8,8% insgesamt; 4,2% bei 125 Hz, steigend auf 10% bei 1.000 Hz | Neueste verfügbare Daten: Tang et al., IEEE VR 2021 |
| Abweichung der vorhergesagten akustischen Metriken von der gemessenen Referenz | Unter 10% | Neueste verfügbare Daten: Ratnarajah et al., MESH2IR, ACM Multimedia 2022 |
| Geometrische Schätzung der mittleren freien Weglänge (durchschnittliche Strecke, die Schall zwischen Reflexionen zurücklegt) und der Nachhallzeit | Innerhalb von 3% und innerhalb von 4,6% | Neueste verfügbare Daten: Rungta et al., P-Reverb, 2019 |
| Geschwindigkeit beim Finden von Beugungspfaden 10. Ordnung gegenüber dem bisherigen Stand der Technik | Bis zu 568-mal schneller | Neueste verfügbare Daten: Schissler, Mückl und Calamia, SIGGRAPH 2021 |
| Ringvergleich (Round Robin) zur Raumakustiksimulation: simulierte gegenüber gemessenen Impulsantworten, sechs akustische Szenen und drei komplexe Umgebungen | Unterschied »stets deutlich hörbar«; »meist plausibel, aber nicht authentisch« | Neueste verfügbare Daten: Brinkmann et al., JASA 2019 |
Auch hier zeigen sich die Strahlenbudgets. Die Göteborger Abschlussarbeit stellte fest, dass ihr GPU-Tracer frühe Reflexionen und Richtung gut modellierte, den späten Nachhall aber nicht aufrechterhalten konnte: Die Energie klang schneller ab als in der Wellenreferenz, wegen der Grenzen des Strahlenbudgets und der Divergenz von Compute-Shadern. Die Arbeit schließt, dass GPU-Audio-Raytracing vor allem als Zusatzwerkzeug eingesetzt werden sollte, das die Wahrnehmungsqualität und die räumliche Genauigkeit verbessert.
6. Wahrnehmung: Was Hörer tatsächlich bemerken
Das nützlichste Ergebnis in diesem Feld könnte sein, wie oft Genauigkeit aufhört, eine Rolle zu spielen. Fachleute für Spieleaudio bewerteten ein gelerntes Modell mit 14 MB als ebenso realistisch wie die vollständige Referenz, p = 0,41, während ein einfaches Freifeldmodell weniger als halb so hoch abschnitt. In diesem Test war geometriebewusste Akustik deutlich hörbar, der verbleibende physikalische Fehler jedoch nicht, was nahelegt, dass die Struktur wichtiger sein könnte als die letzten Dezibel.
Auch der Kontext zählt. Entfernungsurteile änderten sich mit dem Nachhallverfahren in einer dynamischen, aber nicht in einer statischen Szene, und ein passender Raum schlug einen stark halligen, wenn auch nicht einen schalltoten, in einer kleinen Präsenzstudie von 2026. Allgemeine Wiedergabehardware setzt obendrein eigene Grenzen, wie unsere Daten zur HRTF-Ortung bei Gaming-Headsets zeigen; simulierte Akustik ist also nur so gut wie die letzte Stufe der Kette.
| Metrik | Wert | Quelle |
|---|---|---|
| Mittlere Realismusbewertung (0-100), latentes Modell gegenüber Wellencodierungs-Referenz gegenüber unterem Freifeld-Anker, 28 Fachleute für Spieleaudio | 61,8 ± 3,8 gegenüber 62,6 ± 3,9 gegenüber 27,7 ± 4,1 | Seuté et al., SIGGRAPH 2026 |
| Statistischer Vergleich derselben Bewertungen | Latentes Modell gegenüber Referenz p = 0,41; beide gegenüber unterem Anker p < 0,001, Cohens d ≈ 1,4 | Seuté et al., SIGGRAPH 2026 |
| Effekt des Nachhallverfahrens auf die wahrgenommene Entfernung, dynamische Szene, 17 Teilnehmer | F(1,16) = 15,29, p < 0,01 | Neueste verfügbare Daten: Rungta et al., 2017 |
| Potenzgesetz-Anpassung der wahrgenommenen Entfernung (Dr) an die reale Entfernung (dr), Raytracing gegenüber Schroeder-Filter | Dr = 1,56·dr^0,58 (R² = 0,94) gegenüber Dr = 1,08·dr^0,66 (R² = 0,99) | Neueste verfügbare Daten: Rungta et al., 2017 |
| Effekt des Nachhallverfahrens auf die wahrgenommene Entfernung, statische Szene, 12 Probanden | Kein signifikanter Effekt | Neueste verfügbare Daten: Rungta et al., 2017 |
| Szenen mit signifikantem Unterschied in den Realismusbewertungen über drei Rendering-Pipelines, 51 qualifizierte Online-Teilnehmer von 71 rekrutierten | 2 von 4: Floor χ² = 10,82, p < 0,01; Havana χ² = 8,27, p = 0,02 | Neueste verfügbare Daten: Tang et al., IEEE VR 2021 |
| Räumliche Präsenz in Unreal Engine 5 auf Meta Quest 3, zehn kritische Hörer | Signifikanter Rückgang nur zwischen passendem Raum (RT60 = 0,21 s) und stark halligem Raum (RT60 = 2,0 s) | Spacek, Lee und Johnson, AES AVAR Conference 2026 |
| Kleinste wahrnehmbare Änderung der mittleren freien Weglänge bei frühen Reflexionen, 106 Online-Teilnehmer | 0,06 m | Neueste verfügbare Daten: Rungta et al., P-Reverb, 2019 |
Kontexthinweis: Der Realismustest von 2026 verwendete vorab aufgezeichnete Videos mit fester Quellenposition und festem Empfängerverlauf, die Bewerter steuerten die Kamera also nicht. Die Studie mit 51 Teilnehmern lief online auf Amazon Mechanical Turk. Keines der beiden Designs testet kompetitives Spielen.
Zusammenfassung: Raytracing-Audio-Okklusion und Akustiksimulation in Spielen in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Rohe Simulationsdaten gegenüber codierten Daten, eine Testkarte | 56 TB gegenüber 41 MB | Raghuvanshi und Snyder, ACM TOG 2014 |
| Dekodierzeit pro Quelle | Etwa 100 μs | Raghuvanshi und Snyder, ACM TOG 2014 |
| Wellencodierung gegenüber latentem Modell, unkomprimiert, eine Parameterfamilie | 182 GB gegenüber 14 MB | Seuté et al., SIGGRAPH 2026 |
| Realismusbewertung, latentes Modell gegenüber Referenz, 28 Fachleute | 61,8 gegenüber 62,6, p = 0,41 | Seuté et al., SIGGRAPH 2026 |
| Steam-Audio-Standard für Echtzeit-Strahlen und -Reflexionen | 4.096 und 4 | Valve, Quellcode des Steam-Audio-Unity-Plugins |
| Strahlen pro Frame bei etwa 80-100 FPS, RTX 2060 | 16.000 | Abschlussarbeit der Universität Göteborg |
| Frame-Zeit, Raytracing plus neuronale Streuung, vier Szenen | 6,78 ms bis 12,95 ms | Tang et al., IEEE VR 2021 |
| Normalisierter Wiedergabefehler der vorhergesagten Streuung | 8,8% | Tang et al., IEEE VR 2021 |
| Zeit zur Erzeugung eines akustischen Effekts, RTX 2080 Ti | 0,1 Millisekunden | Ratnarajah und Manocha, IEEE VR 2024 |
| Neuronale Impulsantworten pro Sekunde, RTX 2080 Ti | Mehr als 10.000 | Ratnarajah et al., ACM Multimedia 2022 |
| Beugung 10. Ordnung gegenüber dem bisherigen Stand der Technik | Bis zu 568-mal schneller | Schissler, Mückl und Calamia, SIGGRAPH 2021 |
| Beschleunigung durch adaptives Raytracing gegenüber früheren Ansätzen | 5x | Schissler und Manocha, i3D 2016 |
| Faltungsfilter, 16 Quellen, Ambisonics dritter Ordnung (Demo von AMD selbst) | 256 | AMD GPUOpen, 21. Oktober 2019 |
| Effekt des Nachhallverfahrens auf die wahrgenommene Entfernung, dynamische Szene | F(1,16) = 15,29, p < 0,01 | Rungta et al., 2017 |
| Kleinste wahrnehmbare Änderung der mittleren freien Weglänge, frühe Reflexionen | 0,06 m | Rungta et al., P-Reverb, 2019 |
| Räumliche Präsenz, passender gegenüber stark halligem Raum, zehn Hörer | Signifikanter Rückgang | Spacek, Lee und Johnson, AES AVAR 2026 |
| Simulierte gegenüber gemessenen Impulsantworten, neun Testumgebungen | Stets deutlich hörbar | Brinkmann et al., JASA 2019 |
Methodik und Quellen
- Raghuvanshi und Snyder, Parametric Wave Field Coding for Precomputed Sound Propagation, ACM Transactions on Graphics 33(4), 2014
- Seuté, Vasudev, Richan und Buffoni, Reciprocal Latent Fields for Precomputed Sound Propagation, SIGGRAPH Conference Papers 2026
- Tang, Meng und Manocha, Learning Acoustic Scattering Fields for Dynamic Interactive Sound Propagation, IEEE VR 2021
- Ratnarajah und Manocha, Listen2Scene, IEEE VR 2024
- Ratnarajah, Tang, Aralikatti und Manocha, MESH2IR, ACM Multimedia 2022
- Rungta, Rewkowski, Klatzky, Lin und Manocha, Effects of Virtual Acoustics on Dynamic Auditory Distance Perception, 2017
- Rungta, Rewkowski, Klatzky und Manocha, P-Reverb, 2019
- Schissler und Manocha, Adaptive Impulse Response Modeling for Interactive Sound Propagation, i3D 2016
- Schissler, Mückl und Calamia, Fast Diffraction Pathfinding for Dynamic Sound Propagation, SIGGRAPH 2021
- Brinkmann, Aspöck, Ackermann, Lepa, Vorländer und Weinzierl, A Round Robin on Room Acoustical Simulation and Auralization, JASA 2019
- Spacek, Lee und Johnson, The Role of Room Acoustics in 6DoF Interactive Audio for XR, Programm der AES AVAR Conference 2026
- Universität Göteborg, A GPU Compute Framework for Real-Time Ray-Traced Acoustic Simulation in Unity
- Valve, Quellcode der Einstellungen des Steam-Audio-Unity-Plugins und Steam-Audio-News
- AMD GPUOpen, TrueAudio Next Acceleration of Steam Audio Sound Reflections
- NVIDIA, VRWorks Audio SDK in Depth
- Meta, Acoustic Maps in Acoustic Ray Tracing for Unity
- Ankündigung von Project Acoustics 3.0 und Überblick über Project Triton
- Massive Entertainment, Ray Tracing Audio in Snowdrop
- GitHub, microsoft/ProjectAcoustics issue 55
- Daten-Hinweis: Ein Großteil der besten öffentlichen Daten dieses Feldes ist alt, weshalb Zeilen mit Daten vor Oktober 2023 in ihren Tabellen gekennzeichnet sind. Veröffentlichte Spiele geben Strahlenzahlen oder Audio-Frame-Budgets fast nie an, und wir haben für keinen Titel eine solche Zahl gefunden. Herstellerangaben sind als Angaben gekennzeichnet, und es wird keine Marktgrößenschätzung zitiert, weil wir keine fanden, die sich speziell auf Akustiksimulation bezieht. Das Paper von Tang et al. nennt den Netz-Overhead sowohl mit unter 11 ms pro Objekt als auch mit unter 1 ms pro Ansicht; wir geben den Wert pro Ansicht aus seiner Ergebnistabelle an. Die Seite der Abschlussarbeit, die wir gelesen haben, zeigte weder Autor noch Jahr, und der Eintrag der AES AVAR ist ein Programmabstract, kein vollständiges Paper. Viele akademische Zeilen teilen sich einen Forschungskreis um Dinesh Manocha, es sind also eigenständige Studien, aber keine völlig unabhängigen Stimmen. Die Bake-Last von GitHub ist der Bericht eines einzelnen Entwicklers aus der Ära 2.0, und wir konnten weder bestätigen, dass das VRWorks Audio SDK noch gepflegt wird, noch dass die Dokumentation von Microsofts Project Acoustics aktuell ist, da zwei ihrer Seiten bei unserer Prüfung im Oktober 2026 auf den allgemeinen Xbox-Entwickler-Hub weiterleiteten.
Zuletzt aktualisiert: 31. Oktober 2026. Wir aktualisieren diese Zusammenstellung vierteljährlich, und die nächste Aktualisierung wird erwartet, wenn die technischen Beiträge der ACM SIGGRAPH Asia 2026 veröffentlicht sind.