Dlaczego Dolby Atmos nie robi już takiego wrażenia jak DTS w latach 90.? Analiza upadku kreatywnego miksowania dźwięku przestrzennego

Zdarzyło ci się wrócić do Jurassic Parka albo Caspra na Blu-ray lub w najlepszej dostępnej remasterowanej ścieżce dźwiękowej i poczuć, że ten dźwięk robi na tobie większe wrażenie niż cokolwiek, co słyszałeś w kinie w ostatnich latach? Że te dinozaury naprawdę brzmią tak, jakby chodziły wokół ciebie? Że efekty w filmach sprzed trzydziestu lat są bardziej immersyjne niż produkcje opatrzone logo Dolby Atmos, za którym kryje się 128 obiektów audio i kopuła głośników rozciągająca się ponad twoją głową?

To nie jest nostalgia. To nie jest efekt placebo ani sentymentalne wspomnienia z dzieciństwa. To jest realna, mierzalna i dobrze udokumentowana degradacja filozofii miksowania dźwięku, która dokonała się na przestrzeni ostatnich dwóch dekad. W tym artykule postaram się wyjaśnić, co dokładnie się zmieniło, dlaczego się zmieniło i kto za to odpowiada.

Złoty wiek surround: 1993–2005

Aby zrozumieć, co straciliśmy, musimy najpierw wrócić do czasów, kiedy dźwięk przestrzenny w kinie był autentyczną rewolucją, a nie tylko kolejnym punktem na liście specyfikacji technicznych.

Jurassic Park i narodziny DTS

Premiera Jurassic Park w 1993 roku była przełomem nie tylko wizualnym. Steven Spielberg i Gary Rydstrom – jeden z najwybitniejszych sound designerów w historii kina – przez wiele miesięcy projektowali każdy dźwięk wydawany przez dinozaury dosłownie od zera. Tyranozaur nie miał żadnego realnego odpowiednika w naturze, więc Rydstrom łączył odgłosy słoni, tygrysów, pingwinów i innych zwierząt, tworząc coś, co mózg ludzki interpretuje jako zagrożenie na poziomie instynktownym.

Ale równie ważna była przestrzenna realizacja tego dźwięku. Jurassic Park był jednym z pierwszych filmów wypuszczonych jednocześnie w formacie DTS – Digital Theater Systems – który zadebiutował właśnie przy tej premierze. DTS oferował znacznie wyższą przepływność bitową niż dominujący wówczas Dolby Digital: 1,5 Mb/s wobec zaledwie 320 kb/s. Różnica była słyszalna natychmiast – DTS brzmiał czyściej, dynamiczniej, z większą rozdzielczością w paśmie wysokich i niskich częstotliwości.

Rydstrom wykorzystał tę jakość w pełni. Kroki T-Rexa były przestrzennie precyzyjnie umiejscowione – słyszałeś, z której strony nadchodzi. Drgania wody w szklance nie były tylko efektem wizualnym, lecz wsparte niskimi częstotliwościami subwoofera tworzyły fizyczne odczucie zagrożenia. Kanały surround były używane z dramaturgicznym zamysłem: efekty pojawiały się tam, gdzie miały konkretną narracyjną funkcję, a nie po to, żeby wypełnić przestrzeń.

Gary Rydstrom i szkoła celowego surround

Rydstrom, laureat siedmiu Oscarów za dźwięk, wielokrotnie wypowiadał się o swojej filozofii pracy. Kluczowym słowem było dla niego motivation – każde użycie kanału surround musiało być uzasadnione tym, co dzieje się na ekranie i w psychice widza. Dźwięk z tyłu oznaczał zagrożenie. Dźwięk z boku oznaczał otoczenie środowiska. Cisza – i to jest kluczowe – oznaczała spokój lub napięcie przed eksplozją.

W Terminator 2 (1991, mix Gary’ego Rydstroma i Toma Johnsona) kanały surround były używane oszczędnie, ale chirurgicznie. Kiedy T-1000 wchodził do klatki schodowej, słyszałeś jego kroki z tyłu, zanim jeszcze pojawiał się na ekranie. To był dźwięk jako narracja, nie jako spektakl.

Casper, Braveheart i rok 1995

Rok 1995 był pod względem dźwięku kinowego wyjątkowy. Casper w reżyserii Brada Silberinga posiadał jeden z najpiękniej zakomponowanych miksów DTS tamtej epoki. James Horner napisał ścieżkę muzyczną rozpisaną na pełną orkiestrę, a dział dźwięku pod kierunkiem Stevena Flicka stworzył środowisko dźwiękowe, w którym każdy duch zajmował konkretną przestrzeń akustyczną. Kiedy Kasper przelatywał przez pokój, słyszałeś to jako ruch obiektu w trójwymiarowej przestrzeni – lewy kanał, środek, prawy, surround.

W tym samym roku ukazał się Braveheart z mixem dźwięku Roba Youngera, który pokazał, że nawet historyczny dramat bez efektów specjalnych może być miksowany z ogromną przestrzenną świadomością. Bitwy były chaosem dźwięku otaczającym widza ze wszystkich stron, ale w chaosie tym panował ład – każda linia dialogu Mela Gibsona była precyzyjnie umieszczona w centrum, a wszystko wokół tworzyło dramatyczny kontekst.

Technologia: czym naprawdę różni się Atmos od DTS?

Zanim przejdziemy do krytyki współczesnych realizacji, warto wyjaśnić, na czym technicznie polega różnica między formatami.

Systemy kanałowe: 5.1 i 7.1

Klasyczny Dolby Digital 5.1 i DTS 5.1 opierają się na modelu kanałowym. Sześć kanałów audio – lewy, środkowy, prawy, lewy tylny, prawy tylny oraz subwoofer (kanał LFE, Low Frequency Effects) – jest nagrywanych jako osobne, stałe ścieżki. Każdy głośnik w sali kinowej lub domowym zestawie otrzymuje dokładnie to, co inżynier umieścił na danym kanale w trakcie miksowania.

Ta prostota miała swoją zaletę: inżynier wiedział dokładnie, co słyszy widz. Miksował pod konkretną konfigurację głośników. Efekt był powtarzalny i przewidywalny. Kiedy Gary Rydstrom umieszczał coś na kanale surround-lewym, każdy, kto miał poprawnie skonfigurowany system 5.1, słyszał to dokładnie w tym samym miejscu.

DTS-HD Master Audio, format wprowadzony wraz z Blu-ray około 2006 roku, zachował filozofię kanałową, ale podniósł jakość do poziomu bezstratnego – pełna rozdzielczość 24-bit/96kHz, przepływność do 24,5 Mb/s. To był szczytowy moment formatu kanałowego.

Dolby Atmos i model obiektowy

Dolby Atmos, wprowadzony do kin w 2012 roku (przy premierze Pixarowego Brave), a do domowego sprzętu w 2014 roku, reprezentuje fundamentalnie inną filozofię. Zamiast kanałów, Atmos operuje obiektami audio – każdy dźwięk może być osobnym obiektem z metadanymi określającymi jego pozycję w trójwymiarowej przestrzeni. Do tych obiektów dochodzą tzw. bed channels – stałe kanały tła.

W teorii to ogromny postęp. W kinowej sali Atmos może sterować nawet 64 głośnikami rozmieszczonymi dookoła i nad widzem, a każdy obiekt dźwiękowy może poruszać się płynnie przez tę przestrzeń. Zamiast skoku z kanału lewego do środkowego, mamy płynną trajektorię.

Systemy domowe z kolei używają tzw. renderowania – procesor przetwarza metadane obiektowe i dostosowuje dźwięk do konkretnej konfiguracji głośników w danym pomieszczeniu. Atmos działa na 5.1.2, 7.1.4, 9.1.6 – im więcej głośników, tym bardziej precyzyjne renderowanie.

Gdzie teoria rozmija się z praktyką

Problem polega na tym, że posiadanie 128 dostępnych obiektów audio nie oznacza, że są one używane z artystyczną intencją. I tu dochodzimy do sedna.

Cztery powody, dla których Atmos zawodzi artystycznie

1. Wallpaper surround: dźwięk jako tapeta

Termin wallpaper surround pojawił się w środowisku inżynierów dźwięku jako opis zjawiska, w którym kanały przestrzenne są wypełnione stałym, równomiernym strumieniem dźwięków otoczenia – szumem wiatru, odgłosami tłumu, ambientem – bez żadnej dramaturgicznej motywacji.

W klasycznym podejściu z lat 90. cisza była narzędziem. Pusta przestrzeń dźwiękowa budowała napięcie. Nagły dźwięk z kanału surround po chwili ciszy był jak cios w szczękę. Mózg, który przez chwilę był uśpiony brakiem bodźców z danego kierunku, reagował gwałtownie.

Kiedy każdy kanał jest przez cały czas wypełniony czymkolwiek, mózg się adaptuje. Psychoakustyka jest bezlitosna: układ słuchowy traktuje stałe, niezmienne bodźce jako tło i przestaje je przetwarzać na poziomie świadomym. Rezultat jest paradoksalny – im więcej dźwięku, tym mniejsze wrażenie immersji.

2. Loudness war: dynamika skompresowana na śmierć

Loudness war – wojna głośności – jest zjawiskiem dobrze udokumentowanym w przemyśle muzycznym, ale w równym stopniu dotyczy dźwięku filmowego, choć rzadziej się o tym mówi.

Zakres dynamiczny (Dynamic Range) mierzy różnicę między najcichszym a najgłośniejszym momentem w nagraniu. Klasyczne miksy DTS z lat 90. miały ogromny zakres dynamiczny – cisza była naprawdę cicha, a kulminacyjne momenty uderzały z pełną mocą. Różnica mogła wynosić 30–40 dB między sceną dramatyczną a akcją.

Współczesne miksy filmowe, zoptymalizowane pod streaming (Netflix, Disney+, Amazon), są znacznie bardziej skompresowane. Powody są prozaiczne: platforma streamingowa musi działać na laptopie, telewizorze z wbudowanymi głośnikami, słuchawkach na uszach śpiącego partnera obok. Algorytmy normalizacji głośności stosowane przez platformy (jak Dolby Volume lub LKFS/LUFS normalization wymagana przez Netflixa) wyrównują poziomy w górę, co wymusza na mikserach kompresję dynamiki już na etapie masteringu – inaczej ciche momenty zostaną podbite przez algorytm i całe mistrzostwo miksowania przepadnie.

Efektem jest ścieżka dźwiękowa, w której różnica między najcichszym a najgłośniejszym momentem wynosi może 15–20 dB. Wybuchy brzmią głośno, ale nie uderzają. Cisza przed atakiem dinozaura nie jest już ciszą – to po prostu nieco cichszy szum.

3. Atmos jako afterthought: upscaling zamiast natywnego miksu

To jest może największy brud, jaki przemysł filmowy robił widzom przez ostatnią dekadę. Większość filmów nie dostaje prawdziwego natywnego miksu Atmos – dostaje upskalowanie istniejącego miksu 5.1 lub 7.1.

Prawdziwy natywny miks Atmos zakłada, że inżynierowie od samego początku post-produkcji pracują z obiektami audio – każdy dźwięk jest osobnym obiektem z własną trajektorią przestrzenną. To ogromna praca, wymagająca czasu i budżetu.

Upskalowanie polega na tym, że gotowy miks 5.1 jest przepuszczany przez algorytm lub szybko „wzbogacany” przez inżyniera o kilka elementów wysokościowych – coś z kanałów overhead – i na okładce Blu-raya pojawia się logo Atmos. Formalnie zgodne z wymaganiami licencyjnymi. Artystycznie puste.

Inżynierowie dźwięku, którzy chcą zachować anonimowość (bo przemysł jest mały i wszyscy się znają), wprost mówią w branżowych dyskusjach: natywny miks Atmos na poziomie artystycznym Gary’ego Rydstroma kosztowałby dziś tyle, ile studia nie są skłonne płacić za post-produkcję dźwięku. Budżety na dźwięk w porównaniu z budżetami na CGI są żałosne.

4. Dialog ponad wszystko: tyrania zrozumiałości

Istnieje jeszcze jeden czynnik, który niszczy przestrzenność współczesnych miksów: obsesja na punkcie zrozumiałości dialogu.

To zjawisko ma swoje dobre uzasadnienie – widzowie oglądają filmy bez napisów, na różnych systemach głośnikowych, w różnych warunkach akustycznych. Netflix w swoich wytycznych dla dostarczanych miksów kładzie ogromny nacisk na to, żeby dialog był słyszalny zawsze i wszędzie.

Problem w tym, że dialog i efekty przestrzenne współzawodniczą o przestrzeń w mikście. Kiedy priorytetem jest zrozumiałość dialogu, wszystko inne schodzi na dalszy plan – efekty są kompresowane, muzyka jest tłumiona, a kanały przestrzenne wypełniane są delikatnym ambientem, który nie może zakłócić linii dialogowych.

W klasycznym kinie lat 90. inżynierowie mieli odwagę czasem pozwolić, żeby środowisko dźwiękowe „zjadło” fragment dialogu. Spielberg wiedział, że kiedy T-Rex atakuje i słychać chaotyczny hałas z każdego kierunku, widz i tak rozumie, co się dzieje. Napięcie dramatyczne nie wymagało każdego słowa. Dziś ten kompromis rzadko jest akceptowany.

Wyjątki od reguły: kto jeszcze robi to dobrze

Nie wszystko stracone. Kilku twórców i kilka produkcji wciąż udowadnia, że Atmos może być używany z artystyczną intencją.

Christopher Nolan i Richard King to bez wątpienia najbardziej konsekwentna para reżyser-sound designer działająca dziś w Hollywood. Dunkirk (2017) to jeden z najlepszych przykładów tego, jak przestrzeń dźwiękowa może być integralną częścią dramaturgii filmu. Chociaż nie był to natywny miks Dolby Atmos, to sound design Christophera Nolana i Richarda Kinga jest absolutnie mistrzowski i w pełni wykorzystuje możliwości formatu 5.1. Samoloty Spitfire poruszały się przez przestrzeń akustyczną z precyzją, która przypominała pracę Rydstroma. Cisza była używana ze świadomością. Oppenheimer (2023) posunął to jeszcze dalej – ciszę po wybuchu atomowym można śmiało postawić obok najlepszych momentów dźwiękowych w historii kina.

Denis Villeneuve ze swoim sound designerem Markiem Manginem w Dune (2021) stworzył jeden z najbardziej niekonwencjonalnych miksów dekady. Odgłosy Harkonnenów były dosłownie projektowane tak, żeby brzmieć „nieludzko” – z użyciem bardzo niskich częstotliwości, które bardziej czujesz niż słyszysz. Przestrzeń Atmos była tutaj używana z dramaturgiczną intencją.

A Quiet Place (2018) Johna Krasinskiego ze świetnymi nagraniami dźwiękowymi Etana Cohena i Eriksa Aadahla był z kolei doskonałym dowodem na to, że cisza jako narzędzie wciąż potrafi robić wrażenie – nawet we współczesnym przemyśle.

To są jednak wyjątki, nie reguła.

Co możesz zrobić jako słuchacz?

Kilka praktycznych wskazówek dla miłośników dźwięku przestrzennego:

Po pierwsze, szukaj natywnych miksów DTS-HD Master Audio z okresu 2006–2012 na Blu-ray. To był złoty wiek bezstratnego audio kanałowego – John Carter, Transformers (pierwsza część), Wall-E, The Dark Knight. Miksy z tego okresu łączą wysoką jakość techniczną z wciąż żywą filozofią dramaturgicznego surround.

Po drugie, klasyki z DTS w wersji remasterowanej na Blu-ray 4K często mają bardzo dobrze wykonane remixy Atmos. Jurassic Park 4K i Casper 4K to przykłady, gdzie remasteryzacja dźwięku była przeprowadzona z szacunkiem dla oryginału.

Po trzecie, kalibracja twojego systemu ma ogromne znaczenie. Wiele zestawów domowych jest skonfigurowanych w sposób, który „zjada” przestrzenność – zbyt wysoki poziom kanału centralnego, zbyt niskie kanały surround. Prawidłowa kalibracja może ujawnić przestrzenność, której wcześniej nie słyszałeś.

Po czwarte, daj szansę filmom spoza Hollywood. Europejska i azjatycka kinematografia, szczególnie japońska (Studio Ghibli w Atmos!) i koreańska, często prezentuje dźwięk z filozofią bliższą klasycznej szkole.

Podsumowanie: nie chodzi o technologię, chodzi o filozofię

Dolby Atmos jest technologicznie lepszy od DTS 5.1 z 1993 roku. To jest fakt bezdyskusyjny. Problem nie leży w formacie, lecz w tym, jak jest używany – i dlaczego jest używany tak, jak jest.

Przemysł filmowy podjął dziesiątki decyzji ekonomicznych i logistycznych, które razem złożyły się na degradację kreatywności w miksowaniu dźwięku. Streaming wymusił kompresję dynamiki. Globalna dystrybucja na tysiące różnych urządzeń wymusiła konserwatyzm w realizacji przestrzeni. Cięcia budżetowe na post-produkcji dźwięku wymusiły upskalowanie zamiast natywnych miksów. Obsesja na punkcie zrozumiałości dialogu wypchnęła efekty przestrzenne na margines.

Gary Rydstrom miał czas, budżet i filozoficzne przekonanie, że dźwięk jest równoprawnym językiem narracyjnym. Wiedział, że cisza jest ważniejsza niż hałas. Wiedział, że jeden precyzyjnie umieszczony efekt z kanału surround po chwili absolutnej ciszy wywoła u widza reakcję, której nie osiągnie żadna ilość stałego ambientu ze 128 obiektów.

To jest wiedza, którą przemysł zna – i którą z różnych powodów postanowił zignorować.

Dopóki nie zmienią się priorytety ekonomiczne i artystyczne, będziemy wracać do starych Blu-rayów z DTS i przypominać sobie, jak wielkie wrażenie może robić dźwięk, kiedy ktoś naprawdę go słucha.