あるテスト用ゲームマップは56 TBの生の波動シミュレーションデータを生成し、エンコーダーはそれを41 MBに格納した。圧縮率は100万倍を超える(RaghuvanshiとSnyder、ACM Transactions on Graphics 2014年)。SIGGRAPH 2026では、Ubisoft La ForgeとAudiokineticのチームが、非圧縮のパラメータファミリー1つを182 GBから14 MBに削減し、ゲームオーディオの専門家28人がその結果を基準の62.6に対して61.8と評価した(Seutéほか、SIGGRAPH Conference Papers 2026年)。リアルタイムのレイトレーシングははるかに厳しい予算で動作する。ValveのSteam Audioプラグインは既定で4,096本のレイと4回の反射を使う(Valve、Steam Audio Unityプラグインのソースコード)。当社はACM Transactions on Graphics、ACM SIGGRAPH、IEEE Virtual Reality、Journal of the Acoustical Society of Americaのデータに加え、Valve、AMD、NVIDIA、Metaのベンダー文書も集計した。当社の空間オーディオ統計がデバイスと消費者需要を追うのに対し、このまとめはその下にある仕組み、すなわち計算コスト、データサイズ、そしてリスナーが実際に何を聞き取るかを追う。
主なポイント
- 1つのテストマップで、56 TBの生のシミュレーションデータが41 MBにエンコードされた(RaghuvanshiとSnyder、ACM TOG 2014年)。
- 非圧縮の波動符号化データ182 GB対潜在モデル14 MB、リアリズム評価は61.8対62.6(Seutéほか、SIGGRAPH 2026年)。
- 平均自由行程(反射の間に音が進む平均距離)が0.06 mを超えて変化すると、初期反射を聞き分けられるようになった(Rungtaほか、P-Reverb、2019年)。
- Steam Audioの既定値は、リアルタイムで4,096本のレイと4回の反射(Valve、Steam Audio Unityプラグインのソースコード)。
- GPUコンピュートフレームワークは、RTX 2060上で1フレームあたり16,000本のレイを処理しながら80-100 FPSを維持した(University of Gothenburg学位論文)。
- レイトレーシングとニューラルを組み合わせたハイブリッドパイプラインは、4シーンでフレームあたり6.78〜12.95 msだった(Tangほか、IEEE VR 2021年)。
- ニューラルジェネレーターは、RTX 2080 Ti上で音響効果を0.1ミリ秒で生成した(RatnarajahとManocha、IEEE VR 2024年)。
- 10次の回折は、従来の最先端より最大568倍高速に動作した(Schisslerほか、SIGGRAPH 2021年)。
- シミュレーションと実測のインパルス応答の差は、9つのテスト環境すべてで常にはっきりと聞き取れた(Brinkmannほか、JASA 2019年)。
- 動的シーンでは、残響手法が知覚距離を変化させた(F(1,16) = 15.29、p < 0.01)(Rungtaほか、2017年)。
1. 波動の事前計算：入力はテラバイト、出力はメガバイト
波動シミュレーションは音の物理を直接解くため、オクルージョン(遮られた音がこもること)や回折(音がエッジを回り込むこと)は、手作業で調整したフィルターではなく数式そのものから生じる。しかし実行中のゲームで使うには遅すぎるため、スタジオは事前計算を行う。音響をオフラインで計算し、結果だけを出荷するのだ。事前計算が算出するものとプレイヤーがインストールするものとの間には、100万倍を超える差がある。
この分断が、誰がこの手法を採用できるかを決める。140台のクラスターで数時間かかる事前計算は、小規模チームにとってはまったく別の話になる。ある開発者の報告を計算すると、8コアのマシン1台で連続実行した場合は約778時間になる(3,500プローブ × 800秒 ÷ 3,600)。各プローブ、つまり音をシミュレーションするレベル内のサンプル点は、別々の計算ノードに送ることができ、同じスレッドがクラウドでの事前計算を指しているのはそのためだ。この手法は研究室の珍しい試みではない。Microsoft Researchは、Gears of War、Sea of Thieves、Borderlands 3をこの手法で作られたタイトルとして挙げている。
| 指標 | 値 | 出典 |
|---|---|---|
| 生のシミュレーションデータと実行時にエンコードされたデータ、Sanctuaryテストマップ | 56 TB対41 MB | 最新の入手可能データ：RaghuvanshiとSnyder、ACM TOG 2014年 |
| 論文の5つのテストマップにおける事前計算時間とエンコード後サイズ | 140台のクラスターで4〜20時間、20.8 MB〜53.7 MB | 最新の入手可能データ：RaghuvanshiとSnyder、ACM TOG 2014年 |
| 1つのプロジェクトで開発者が報告した事前計算の負荷 | 8コアCPUでプローブ1つあたり800秒、3,500プローブ | 最新の入手可能データ：GitHub、microsoft/ProjectAcoustics、イシュー55、2021年5月27日(開発者1人の報告) |
| 音響パラメータファミリー1つの非圧縮データ、波動符号化対潜在モデル | 182 GB対14 MB(Wwise Audio Labシーン)、3.1 GB対1.8 MB(Audio Gymシーン) | Seutéほか、Reciprocal Latent Fields、SIGGRAPH Conference Papers 2026年 |
| ニューラル学習データセットを構築するための境界要素シミュレーション | 約100,000オブジェクトで約12日、最大1,000 Hz | 最新の入手可能データ：Tangほか、IEEE VR 2021年 |
| オブジェクトあたりの境界要素シミュレーション時間、125 Hz対1,000 Hz | 0.87 s対2.80 s | 最新の入手可能データ：Tangほか、IEEE VR 2021年 |
| 波動シミュレーションではなくレイトレーシング方式の音響マップの事前計算時間(Meta自身の主張) | 数秒から数分、シーンの複雑さによる | Meta、Acoustic Ray Tracing for Unityドキュメント |
比較に関する注記：41 MBは圧縮後の数値であり、182 GBと14 MBは非圧縮の数値であるため、この2つの行は直接比較できない。2026年の論文は圧縮を対象外とし、比率を報告していない。最大のシーンについての当社の計算は、182,000 MB ÷ 14 MB = 13,000対1である。
2. 実行時コスト：音源あたりマイクロ秒
事前計算は負担をフレームの外へ移す。データがいったん存在すれば、その参照はほぼ無料であり、これがこの手法を支持する論拠のすべてだ。2.53 GHzのIntel Xeon E5540で音源あたり約100マイクロ秒、同時に約100のアクティブな音をサポートする。 プレイヤーのマシンが支払うコストは小さなルックアップであり、高価な部分はすでに他人のクラスターで済んでいる。
ニューラルモデルは今や同じ範囲で競っている。最新の報告はマイクロ秒から数ミリ秒の範囲にあるが、同じ条件で測定されたものではない。単一のCPUスレッドを使うものもあれば、ハイエンドGPUを使うものもあり、グラフィックスにフレームを費やしているGPUは無料ではない。この表は順位ではなく、桁のスケール感として読んでほしい。
| 指標 | 値 | 出典 |
|---|---|---|
| 音源あたりのデコード時間、キャッシュなしのランダムな100,000組の点ペアで平均 | 約100 μs、約100のアクティブな音 | 最新の入手可能データ：RaghuvanshiとSnyder、ACM TOG 2014年 |
| PCでの音響クエリ時間、バージョン2.0対3.0(Microsoft自身の主張) | キャッシュヒット(データがすでにメモリ上にある場合)25〜15 μs、キャッシュミス1,100〜40 μs | 最新の入手可能データ：Microsoft、Project Acoustics 3.0発表、2022年8月31日 |
| 音源・受音点ペア100組あたりの潜在モデル推論、CPU 1スレッド | 3つの潜在モデル派生版で10 μs〜93 μs、大規模な比較用ネットワークで247 μs | Seutéほか、SIGGRAPH 2026年 |
| 音源とリスナーの位置に対する音響効果1つの生成時間 | RTX 2080 Tiで0.1ミリ秒 | RatnarajahとManocha、Listen2Scene、IEEE VR 2024年 |
| 家具付き屋内シーンで生成されたニューラルインパルス応答 | RTX 2080 Tiで毎秒10,000以上 | 最新の入手可能データ：Ratnarajahほか、MESH2IR、ACM Multimedia 2022年 |
| フレーム時間、レイトレーシングとニューラル散乱予測、4シーン | 6.78 ms〜12.95 ms、予測自体はビューあたり≤1 ms | 最新の入手可能データ：Tangほか、IEEE VR 2021年 |
| 音源とリスナーのペアあたりのVRWorks Audioフィルター(NVIDIA自身の主張) | 2つのフィルター、最大48,000 Hz、最大2秒の長さ | NVIDIA、VRWorks Audio SDK in Depth |
インパルス応答とは、空間が1回のクリック音にどう反応するかを記録したものだ。これをドライな音に適用することを畳み込みと呼び、この処理に必要なフィルター数は空間の詳細度とともに急速に増える(セクション4を参照)。
3. レイ予算：数百万ではなく数千
オーディオのレイトレーシングは小さな割り当ての中で成り立っている。すべてのレイが、フレームの残りの処理と時間を奪い合うからだ。既定の4,096本というレイ数は、リアルタイム問題の規模を最も明確に示す数字だ。 Steam Audioはこれらのレイをリスナーから飛ばすため、この設定は音源ごとの値ではなく、シーン全体で1つの予算を表している。
出荷されたゲームがこの数値を公表することはまれだ。Massive Entertainmentによると、Avatar: Frontiers of Pandoraは、ハイブリッドシステムの一部として、音のオブストラクション(部分的な遮り)のためにGPU上で毎フレーム「数千本のレイ」を飛ばしている(スタジオ自身の説明であり、正確な本数はない)。オブストラクションとは、音が別の経路でリスナーに届く部分的な遮りを指し、完全なオクルージョンとは対照的だ。研究システムはさらに深いトレースを報告しており、下の表では50〜200次の反射次数であるのに対し、Steam Audioの既定値は反射4回だ。この差は、研究室のデモが費やせるものと、既定設定が想定するものとの隔たりである。
| 指標 | 値 | 出典 |
|---|---|---|
| 既定のレイ数と反射回数、リアルタイム対事前計算(Valveの既定設定) | 4,096本と反射4回対16,384本と反射16回 | Valve、Steam Audio Unityプラグインのソースコード、メインブランチ |
| リアルタイムの既定の上限(Valveの既定設定) | 32音源(最大128)、CPUコアの5% | Valve、Steam Audio Unityプラグインのソースコード |
| 音源あたりの遮蔽サンプル数の上限(Valveの既定設定) | 既定16、範囲は1〜128 | Valve、Steam Audio Unityプラグインのソースコード |
| 複雑な建築シーンにおけるGPUコンピュートシェーダーによるレイトレーシング、RTX 2060 | 1フレームあたり16,000本、約80-100 FPS | University of Gothenburg学位論文、A GPU Compute Framework for Real-Time Ray-Traced Acoustic Simulation in Unity |
| 後期残響のためにトレースされる反射次数 | 7つのオクターブバンドで200次、125 Hz〜8,000 Hz | 最新の入手可能データ：Tangほか、IEEE VR 2021年 |
| マルチコアPCで対話的な速度でサポートされる反射次数 | 鏡面反射と拡散反射で50〜100次 | 最新の入手可能データ：Rungtaほか、2017年 |
| サンプル点あたりの平均シミュレーション時間、3シーン、初期反射対後期反射 | 16.7 ms〜47.5 ms対68.4 ms〜150.7 ms | 最新の入手可能データ：Rungtaほか、P-Reverb、2019年 |
P-Reverbのこれらの時間は、プレイ中のフレームあたりではなく、事前計算中の点あたりのものだ。ゲームでエンジニアが測定する残響は、当社のコンサートホール残響統計を支えるものと同じ物理量だが、ミリ秒単位の時間制限のもとで計算される点が異なる。
4. 高速化：主張と実測
この分野の見出しとなる倍率は、どれも分母を確認する必要がある。GPUによる事前計算の50-150Xという数値は、ある1社の自社内蔵トレーサーとの比較であり、残響の事前計算を対象とし、80,000と140,000三角形の2シーンで測定されたものだ。 これはオフラインツールについての有用な事実だが、実行中のフレームに何が起こるかについては何も語らない。
GPUの演算にも物理的な上限がある。オーディオ用に確保する演算ユニットを2倍にしても速度は2倍にならず、オーディオはチップをグラフィックスと共有しなければならない。もう1つの制約は畳み込みだ。0次から3次のAmbisonics(音を16方向に分解するフォーマット)に移行すると、フィルター数は16倍になる。以下の独立した論文のうち2本は3x〜5xの向上を報告しているが、それは同じ処理をより高速なシリコンで走らせたからではなく、処理量を減らしたこと(レイやサンプル点の削減)によるものだ。
| 指標 | 値 | 出典 |
|---|---|---|
| Steam Audio内蔵レイトレーサーに対する残響の事前計算の高速化(Valve自身の主張) | OpenCL 1.2対応GPUのRadeon Raysで50-150X、最近の4コアCPUのEmbreeで約20X | 最新の入手可能データ：Valve、Steam Audioニュース、2019年10月30日 |
| Radeon Raysに対するGPU演算ユニット倍増時の高速化、4から8、または8から16(Valve自身の主張) | 約1.2x〜1.9x | 最新の入手可能データ：Valve、Steam Audioニュース、2019年2月21日 |
| 16音源の畳み込みフィルター数、3次対0次のAmbisonics(AMD自身のデモ) | 256対16 | 最新の入手可能データ：AMD GPUOpen、Steam AudioのTrueAudio Next高速化、2019年10月21日 |
| インパルス応答キャッシュを用いた適応的レイトレーシングによる計算時間、従来手法との比較 | 5x高速化 | 最新の入手可能データ：SchisslerとManocha、i3D 2016年 |
| 同じ手法のメモリオーバーヘッド、従来手法との比較 | 約2桁低い | 最新の入手可能データ：SchisslerとManocha、i3D 2016年 |
| 知覚的しきい値によるサンプル点のクラスタリングによる高速化、3シーン | 3x〜4x | 最新の入手可能データ：Rungtaほか、P-Reverb、2019年 |
| CPU上の幾何音響アルゴリズムに対するニューラルインパルス応答生成 | 200倍以上高速 | 最新の入手可能データ：Ratnarajahほか、MESH2IR、ACM Multimedia 2022年 |
外れ値に関する注記：MESH2IRの倍率はGPU上のネットワークとCPU上のアルゴリズムを比較したものであるため、差の一部は手法ではなくハードウェアによる。Valveのシーンごとの値はグラフ画像にしか現れないため、本文に記載された範囲を報告している。
5. オクルージョンと精度：誤差はどこにあるのか
オクルージョンそのものに最も近い数値は直接音レベルであり、2026年のある論文はこれを距離減衰とオブストラクションを捉えるパラメータと定義している。そこでの最良の潜在モデル派生版でも、小さなシーンでは1.9 dB、大きなシーンでは4.2 dBの誤差がある。2014年のパイプラインも同程度のラウドネス誤差を報告していた。これらは基準シミュレーションに対する誤差であり、実際の部屋に対するものではない。
実際の部屋に対しては、状況はそれほど芳しくない。Journal of the Acoustical Society of Americaのラウンドロビン試験では、測定との差は常にはっきりと聞き取れ、アルゴリズムはおおむね妥当ではあるが本物ではないという結果だった。著者らはこの差の大部分を、吸音と散乱データの単純化、および回折のモデリングの弱さに結びつけている。回折はまさにオクルージョンが依存する効果だ。このような実測の基準があるからこそ、無響室試験は今もシミュレーション作業にとって重要である。
| 指標 | 値 | 出典 |
|---|---|---|
| 完全にエンコードされた波動パイプラインの平均誤差 | ラウドネスで3.3 dB、減衰率で22.5% | 最新の入手可能データ：RaghuvanshiとSnyder、ACM TOG 2014年 |
| 最良の潜在モデル派生版の平均絶対誤差、Audio Gymシーン対Wwise Audio Labシーン | 直接音レベル1.9 dB対4.2 dB、到来方向3.8度対3.2度 | Seutéほか、SIGGRAPH 2026年 |
| 予測された音響散乱の正規化再現誤差、全体と周波数別 | 全体で8.8%、125 Hzで4.2%から1,000 Hzで10%に上昇 | 最新の入手可能データ：Tangほか、IEEE VR 2021年 |
| 予測された音響指標の正解値からの乖離 | 10%未満 | 最新の入手可能データ：Ratnarajahほか、MESH2IR、ACM Multimedia 2022年 |
| 平均自由行程(反射の間に音が進む平均距離)と残響時間の幾何学的推定 | 3%以内および4.6%以内 | 最新の入手可能データ：Rungtaほか、P-Reverb、2019年 |
| 10次の回折経路探索の速度、従来の最先端との比較 | 最大568倍高速 | 最新の入手可能データ：Schissler、Mückl、Calamia、SIGGRAPH 2021年 |
| 室内音響シミュレーションのラウンドロビン試験：シミュレーションと実測のインパルス応答、6つの音響シーンと3つの複雑な環境 | 差は「常にはっきりと聞き取れる」、「おおむね妥当だが本物ではない」 | 最新の入手可能データ：Brinkmannほか、JASA 2019年 |
レイ予算はここにも現れる。Gothenburgの学位論文は、同大学のGPUトレーサーが初期反射と方向をうまくモデル化した一方、後期残響は維持できなかったことを明らかにした。レイ予算の制限とコンピュートシェーダーのダイバージェンスのため、エネルギーが波動の基準よりも速く減衰したのだ。論文は、GPUによるオーディオのレイトレーシングは、知覚品質と空間精度を高める補助的なツールとして主に使うべきだと結論づけている。
6. 知覚：リスナーが実際に気づくこと
この分野で最も有用な結果は、精度が重要でなくなる頻度の高さかもしれない。ゲームオーディオの専門家は、14 MBの学習済みモデルを完全な基準と同等にリアルだと評価した(p = 0.41)。一方、単純な自由空間モデルの得点は、その半分に満たなかった。 このテストでは、形状を考慮した音響ははっきりと聞き取れたが、残った物理的誤差は聞き取れなかった。これは、最後の数デシベルよりも構造のほうが重要かもしれないことを示唆している。
文脈も重要だ。距離判断は、動的シーンでは残響手法によって変わったが、静的シーンでは変わらなかった。また、2026年の小規模な臨場感の研究では、整合した部屋が残響の強い部屋より優れていたが、無響室より優れてはいなかった。汎用のリスニング機器がさらに独自の制約を加えることは、当社のゲーミングヘッドセットのHRTF定位データが示すとおりであり、シミュレーションされた音響は、チェーンの最後の段階の品質を超えられない。
| 指標 | 値 | 出典 |
|---|---|---|
| 平均リアリズム評価(0〜100)、潜在モデル対波動符号化基準対自由空間の低アンカー、ゲームオーディオの専門家28人 | 61.8 ± 3.8対62.6 ± 3.9対27.7 ± 4.1 | Seutéほか、SIGGRAPH 2026年 |
| 同じ評価の統計的比較 | 潜在モデル対基準 p = 0.41、両者対低アンカー p < 0.001、Cohenのd ≈ 1.4 | Seutéほか、SIGGRAPH 2026年 |
| 知覚距離に対する残響手法の効果、動的シーン、参加者17人 | F(1,16) = 15.29、p < 0.01 | 最新の入手可能データ：Rungtaほか、2017年 |
| 知覚距離(Dr)と実距離(dr)のべき乗則による当てはめ、レイトレーシング対Schroederフィルター | Dr = 1.56·dr^0.58(R² = 0.94)対Dr = 1.08·dr^0.66(R² = 0.99) | 最新の入手可能データ：Rungtaほか、2017年 |
| 知覚距離に対する残響手法の効果、静的シーン、被験者12人 | 有意な効果なし | 最新の入手可能データ：Rungtaほか、2017年 |
| 3つのレンダリングパイプラインでリアリズム評価に有意差があったシーン、募集71人のうち適格なオンライン参加者51人 | 4件中2件：Floor χ² = 10.82、p < 0.01、Havana χ² = 8.27、p = 0.02 | 最新の入手可能データ：Tangほか、IEEE VR 2021年 |
| Meta Quest 3上のUnreal Engine 5における空間的臨場感、批判的なリスナー10人 | 整合した部屋(RT60 = 0.21 s)と残響の強い部屋(RT60 = 2.0 s)の間でのみ有意な低下 | Spacek、Lee、Johnson、AES AVAR Conference 2026年 |
| 初期反射の平均自由行程における最小可知変化、オンライン参加者106人 | 0.06 m | 最新の入手可能データ：Rungtaほか、P-Reverb、2019年 |
文脈に関する注記：2026年のリアリズムテストでは、音源位置と受音点の軌跡が固定された録画済みの動画を使用したため、評価者はカメラを操作しなかった。51人の参加者による研究は、Amazon Mechanical Turk上でオンラインで実施された。どちらの設計も、対戦型のプレイをテストしていない。
数字で見るゲームのレイトレーシング音響オクルージョンと音響シミュレーション(まとめ)
| 指標 | 値 | 出典 |
|---|---|---|
| 生のシミュレーションデータとエンコード後データ、テストマップ1つ | 56 TB対41 MB | RaghuvanshiとSnyder、ACM TOG 2014年 |
| 音源あたりのデコード時間 | 約100 μs | RaghuvanshiとSnyder、ACM TOG 2014年 |
| 波動符号化対潜在モデル、非圧縮、パラメータファミリー1つ | 182 GB対14 MB | Seutéほか、SIGGRAPH 2026年 |
| リアリズム評価、潜在モデル対基準、専門家28人 | 61.8対62.6、p = 0.41 | Seutéほか、SIGGRAPH 2026年 |
| Steam Audioのリアルタイム既定のレイ数と反射回数 | 4,096本と4回 | Valve、Steam Audio Unityプラグインのソースコード |
| 約80-100 FPSでの1フレームあたりのレイ数、RTX 2060 | 16,000 | University of Gothenburg学位論文 |
| フレーム時間、レイトレーシングとニューラル散乱、4シーン | 6.78 ms〜12.95 ms | Tangほか、IEEE VR 2021年 |
| 予測された散乱の正規化再現誤差 | 8.8% | Tangほか、IEEE VR 2021年 |
| 音響効果1つの生成時間、RTX 2080 Ti | 0.1ミリ秒 | RatnarajahとManocha、IEEE VR 2024年 |
| 毎秒のニューラルインパルス応答数、RTX 2080 Ti | 10,000以上 | Ratnarajahほか、ACM Multimedia 2022年 |
| 10次の回折、従来の最先端との比較 | 最大568倍高速 | Schissler、Mückl、Calamia、SIGGRAPH 2021年 |
| 適応的レイトレーシングの高速化、従来手法との比較 | 5x | SchisslerとManocha、i3D 2016年 |
| 畳み込みフィルター数、16音源、3次Ambisonics(AMD自身のデモ) | 256 | AMD GPUOpen、2019年10月21日 |
| 知覚距離に対する残響手法の効果、動的シーン | F(1,16) = 15.29、p < 0.01 | Rungtaほか、2017年 |
| 初期反射の平均自由行程における最小可知変化 | 0.06 m | Rungtaほか、P-Reverb、2019年 |
| 空間的臨場感、整合した部屋対残響の強い部屋、リスナー10人 | 有意な低下 | Spacek、Lee、Johnson、AES AVAR 2026年 |
| シミュレーションと実測のインパルス応答、9つのテスト環境 | 常にはっきりと聞き取れる | Brinkmannほか、JASA 2019年 |
方法論と出典
- RaghuvanshiとSnyder、Parametric Wave Field Coding for Precomputed Sound Propagation、ACM Transactions on Graphics 33(4)、2014年
- Seuté、Vasudev、Richan、Buffoni、Reciprocal Latent Fields for Precomputed Sound Propagation、SIGGRAPH Conference Papers 2026年
- Tang、Meng、Manocha、Learning Acoustic Scattering Fields for Dynamic Interactive Sound Propagation、IEEE VR 2021年
- RatnarajahとManocha、Listen2Scene、IEEE VR 2024年
- Ratnarajah、Tang、Aralikatti、Manocha、MESH2IR、ACM Multimedia 2022年
- Rungta、Rewkowski、Klatzky、Lin、Manocha、Effects of Virtual Acoustics on Dynamic Auditory Distance Perception、2017年
- Rungta、Rewkowski、Klatzky、Manocha、P-Reverb、2019年
- SchisslerとManocha、Adaptive Impulse Response Modeling for Interactive Sound Propagation、i3D 2016年
- Schissler、Mückl、Calamia、Fast Diffraction Pathfinding for Dynamic Sound Propagation、SIGGRAPH 2021年
- Brinkmann、Aspöck、Ackermann、Lepa、Vorländer、Weinzierl、A Round Robin on Room Acoustical Simulation and Auralization、JASA 2019年
- Spacek、Lee、Johnson、The Role of Room Acoustics in 6DoF Interactive Audio for XR、AES AVAR Conference 2026年プログラム
- University of Gothenburg、A GPU Compute Framework for Real-Time Ray-Traced Acoustic Simulation in Unity
- Valve、Steam Audio Unityプラグイン設定のソースおよびSteam Audioニュース
- 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
- Project Acoustics 3.0発表およびProject Tritonの概要
- Massive Entertainment、Ray Tracing Audio in Snowdrop
- GitHub、microsoft/ProjectAcoustics、イシュー55
- データウォッチ：この分野の公開データの多くは古いため、2023年10月より前の日付の行は表中で明示している。出荷されたゲームがレイ数やオーディオのフレーム予算を公表することはほとんどなく、どのタイトルについてもそのような数値は見つからなかった。ベンダーの数値は主張として表示しており、音響シミュレーションに特化した市場規模の推計は見つからなかったため、引用していない。Tangほかの論文はネットワークのオーバーヘッドを、オブジェクトあたり11 ms未満、ビューあたり1 ms未満の両方で記述しているが、当社は結果表にあるビューあたりの値を報告している。確認した学位論文のページには著者も年も表示されておらず、AES AVARの項目は完全な論文ではなくプログラムの概要である。学術系の行の多くは、Dinesh Manochaを中心とする1つの研究グループに由来するため、別個の研究ではあるが、完全に独立した声とは言えない。GitHubからの事前計算の負荷は、2.0世代の開発者1人の報告であり、VRWorks Audio SDKがいまも保守されているか、MicrosoftのProject Acousticsのドキュメントが最新のままかは確認できなかった。2026年10月に確認した時点で、そのうち2ページが汎用のXbox開発者ハブにリダイレクトされていたためだ。
最終更新日：2026年10月31日。当社はこのまとめを四半期ごとに更新しており、次回の更新は、ACM SIGGRAPH Asia 2026の技術論文が公開される時期に行う予定だ。