iPhone 16已经能录空间音频，索尼为什么还要卖一支250美元的麦克风？

索尼最近发布了一支可以直接插在手机上的空间音频麦克风 ECM-AX10，美国建议零售价为 249.99 美元。

这个价格放在手机配件里肯定算是不便宜的，而且手机现在的录音能力已经非常先进了。

拍口播，你可以接无线麦克风；如果是日常的 Vlog 视频，手机内置麦克风也已经足够了。

特别是 iPhone 16 及后续机型，已经提供了录制空间音频的能力，并且在拍完后可以调整人声与环境声。

所以，如果你只想让自己说话变得更清晰一点，ECM-AX10 很难加入内容创作者的麦克风采购清单。

过去几年，无线麦克风在手机创作者中流行起来，原因也非常简单。现在手机的拍摄性能足够强，即使人离手机远一点，画面也可能拍得清楚。

而你无法一直贴着手机说话，特别是创作者在街上边走边讲的时候。

这个时候，如果你只依赖手机内置麦克风，它收录的声音可能会非常嘈杂。

所以无线麦克风要解决的，其实就是视频里最常见、也最容易让观众关掉视频的问题：听不清你在说什么。

ECM-AX10 让我感兴趣的是另一类拍摄：人在镜头里可能一句话都不说，但那个地方的声音值得被留下来。

比如一些 Vlog 视频里环境和风景的过渡镜头，它能把周围环境的声音和方向感记录下来。

比如说在一条街上，店铺里的音乐从左边传来，身后还有车驶过，前方的人慢慢地靠近。

普通手机视频也能录到这些声音，而差别在于，创作者最终想让观众听到的是一层背景声，还是带有方向感的现场声音。

或者说，想让观众感觉自己站在街上的哪个位置。

这才是索尼为它配上 4 颗全向麦克风，提供 Ambisonics 空间声场录制的原因。

ECM-AX10可以录制四声道的一阶 Ambisonics 声场，保留声场的方向信息；也可以直接选择适合耳机播放的双耳录音，或者更通用的立体声。

面对多种录音模式，创作者需要先想清楚：这段声音最终是拿来后期继续制作的，还是拍完就发。

空间音频，也需要“RAW”

我一直在思考空间音频该如何理解。后来我想到了摄影里的 RAW 格式。

摄影里的 JPEG 格式，很多决定是在你按下快门时就已经由相机做好了，目的就是让你能立刻出片。

而拍 RAW 格式时，摄影师愿意保留更多图像信息，回去再处理。

录制 Ambisonics 也有相近的创作思路：先保存声音的方向关系，再决定如何把它呈现给在不同终端设备上收听的观众。

索尼配套的 App 支持直接导出 Eclipsa Audio、双耳、立体声，以及仅包含 Ambisonics 音频的文件。

按索尼的说法，ECM-AX10 是全球首款获得 Eclipsa Audio 认证的手机空间音频麦克风。Eclipsa Audio 基于开放、免版税的 IAMF 标准。

对创作者更直接的意义，是可以按相应格式导出作品，并在支持的平台上播放。当然，后来我又想了想，其实不能把 Ambisonics 直接等同于音频的 RAW 格式。

ECM-AX10 也不是把现场每个人、每辆车分别录成独立音轨，而是将现场声音保存为四声道的一阶 Ambisonics 声场信号。

另外，iPhone 16 及后续机型本身就提供了录制空间音频的能力，Apple 也提供了后期调整的工具。

iPhone 的空间音频录制虽然是默认选项，但用户也可以切换到立体声或单声道，拍完后还能调整人声与环境声。

而如果采用 ECM-AX10，创作者可以在拍摄现场监听、调整输入电平，并在后期选择不同的导出格式。

它在 Ambisonics 模式下保留的声场信息，也为后续渲染留下了空间，但这并不意味着所有声源都能独立调整。

索尼 ECM-AX10 更实际的一个优势，就是把现场录音做成了一套可以操作的工作流。整个麦克风只重 24 克，可以直接插在手机上使用。

创作者能接耳机监听，拍摄时能用机身上的衰减开关来管理输入电平，户外拍摄还有附带的防风罩。

拍完之后，再根据作品的用途选择导出的格式。丰富的导出格式为创作者提供了更多声音呈现的可能性。

当环境声成为内容

如果有人问我是否要购买这个 250 美元的麦克风，我觉得有一个办法最直接：关掉画面，只听这段音频，你觉得能触动到你的内容还剩多少？

如果只是一条面对镜头的口播，最重要的通常还是人声的清晰和稳定。

拍家庭录像、朋友圈视频、普通的 Vlog，用手机或普通无线麦克风也就足够了。

空间位置录得再细，观众最后多半还是在小屏幕上看一遍就划走了。

为这些视频内容增加设备和后期的繁琐步骤，我觉得不划算。

但如果你在一个小型纪录片团队工作，或者是一个旅行博主，或者专攻现场活动录制，答案可能完全不一样。

在一些纪录片交代人物的画面中，假设他进入了一座菜市场，镜头只能拍到眼前的摊位，但声音可以交代这个空间有多大、人群从哪里经过、摊主与顾客如何隔空说话。

再比如记录一场演出，舞台上的声音与观众席的反应构成了整个现场。画面拍得再好，也替代不了这一层信息的交代。

当然，像演唱会这种场景，不是把麦克风插上去就能录好的。你要考虑声压、风噪、观众的喊叫声，以及拍摄的位置。

索尼的 ECM-AX10 提供了输入衰减和电平提示，给创作者多了一些现场即时判断和处理的手段。

所以真正适合买它的人，是那些非常在乎环境声的人。他可能拍过一个很好的画面，回去剪辑的时候才发现，现场的层次被录成了一团嘈杂的背景声。

那下一次出门的时候，他才会愿意多带这支设备。

索尼的空间音频布局

索尼的空间音频布局可以追溯到 2019 年推出的 360 Reality Audio。

在当时，索尼已经着手搭建音乐内容的制作、分发和播放流程，同时也有面向创作者的工具。

不过，当时的制作流程主要面向音乐内容，手机视频拍摄现场还不是重点。

虽然 ECM-AX10 针对的是手机视频拍摄，但我会认为，它把空间音频采集带到了更多个人创作者的现场。

这也就很好地解释了，为什么索尼会选择支持基于 IAMF 的 Eclipsa Audio。

对于索尼来说，它已经拥有 360 Reality Audio 这条面向音乐内容的技术路线。不过两者并不是同一种格式。

到了手机视频端，拍摄的视频能不能到达创作者常用的平台，是更实际的问题。索尼表示，使用 ECM-AX10 及其配套流程制作的空间音频视频，可以在 YouTube 发布和播放。

从商业上看，索尼卖采集设备、卖耳机音箱和家庭影音设备，这非常符合索尼的利益。

产生更多值得听的内容，播放设备的能力才有机会被人感知。

但仅凭这一支麦克风，是没办法把这条完整链路打通的。

平台要支持相应的格式，创作者也要肯花时间制作，观众还得在设备上充分聆听和感受。

同时，索尼也说明了 ECM-AX10 的部分拍摄、编辑和导出功能依赖专用 App，实际体验会因手机型号而不同。

其日本发布资料显示，索尼计划在 2026 年 12 月以后，为专用 App 加入 4K 拍摄支持。

对于平时已经用手机拍 4K 视频的人来说，这一限制会影响想在专用 App 里直接拍摄 4K 视频的工作流。

就目前的整个形势来看，我并不认为手机视频的下一次升级会统一转向空间音频。目前大多数视频仍然需要先把人声录制清楚。

但对那些把环境声当作内容制作的人来说，ECM-AX10 提供了一个选择：接上麦克风就可以用手机拍摄，同时在后期选择如何呈现现场录到的声音。

过去想记录一个地方的声音方向，你还要准备专门的设备，再花时间处理素材。

现在，一支直接接在手机上的麦克风，就能让更多创作者有机会试着去做这件事。

至于接下来能拍出什么，就轮到创作者来回答。